Pinterest entwickelte eine Plattform für die Wurzelursachenanalyse (RCA), um Schwankungen von Metriken zu verstehen. Die Plattform verwendet drei wichtige Ansätze: Slice and Dice, allgemeine Ähnlichkeit und Experimenteffekte. Slice and Dice analysiert Metrik-Segmente über verschiedene Dimensionen, um bedeutende Beiträge zu Veränderungen zu identifizieren. Diese Methode zieht Inspiration aus LinkedIn's ThirdEye, indem sie eine Baumstruktur verwendet, um Metrik-Segmente zu organisieren und ihre Bedeutung zu bewerten. Allgemeine Ähnlichkeit identifiziert Metriken mit ähnlichen Bewegungsmustern, indem sie Korrelation und dynamisches Zeit-Strecken-Warping verwendet, um Ähnlichkeit zu messen. Dies hilft bei der Aufdeckung von Beziehungen zwischen scheinbar unabhängigen Metriken, wie Leistung und Inhaltsverteilung. Experimenteffekte untersuchen die Ergebnisse von A/B-Tests, um zu bestimmen, ob Experimente den Metrik beeinflusst haben. Der t-Test von Welch und harmonische Mittelwerte von p-Werten werden verwendet, um den experimentellen Einfluss zu bewerten, wobei Störungen und Ungleichgewichte gefiltert werden. Diese drei Ansätze können iterativ für eine umfassende Analyse verwendet werden. Zukünftige Verbesserungen umfassen ein Mechanismus für Nutzerfeedback und die Nutzung von kausaler Entdeckung für stärkere kausale Inferenz. Die Integration mit mehr Datenplattformen und Benutzeroberflächen ist auch geplant. Der Erfolg der Plattform hängt von Nutzerfeedback und kontinuierlicher Verbesserung ab. Das Team erkennt die Beiträge von Pinterest-Ingenieuren und Datenwissenschaftlern bei der Entwicklung der Plattform an.