数据分析 | 当面试官问“分析一下为什么XX指标下

小提示：您能找到这篇{数据分析 | 当面试官问“分析一下为什么XX指标下}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的数据分析 | 当面试官问“分析一下为什么XX指标下内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

编辑导语：“分析一下，为什么今天的日活突然下降了？”这是数据分析面试的高频题，考察的是应聘者的分析问题、验证猜想、结果呈现等一系列能力。本篇作者就对此问题，结合自己的思考理解，给我们总结了如何看数据、做拆分和做假设，一起来看一下。

一、框架

分析流程总体可以归纳为三步：看数据、做拆分、做假设。

1. “看数据”，看数据本身及其变化是否存在问题

由于指标的波动可以分为正常的和异常的，按照持续时间又可以分为暂时性波动、周期性波动和持续性波动，所以要先明确这个波动是不是真的是异常的，可以和产品、运营、研发、运维等多方确认数据的真实性，然后观察数据波动持续了多久，判断波动程度是否是在合理的范围之内，比起昨天和上周，同比环比分别变化了多少等等。

这一步可能发现的原因大致有：服务器异常、后台统计出错、报表数据异常、指标计算口径不一致等，也可能是外部的恶意行为造成的，需要根据后续步骤再仔细排查。

2.“做拆分”，将指标和业务流程多维度拆解，缩小排查范围

这一步要注意“辛普森悖论”，即在某些情况下，分析数据整体和分析数据的各个部分会得到相反的结论。

1）从指标上拆：一个指标一般可以由其他指标计算得到，指标的波动是若干个因素共同作用的结果。要想缩小问题的排查范围，可以在原始指标下尽量细分，不断地由粗到细拆解，找出可能影响指标波动的所有因素，得到一个类似树的结构。比如“DAU=新用户+老用户留存+流失用户回流”，新用户有来源渠道，老用户有留存渠道，流失用户有自然回流和干预回流，而用户共同的因素又有软件版本、地区、设备、活跃时间段等等。

另外，拆分不只是用加法，还需要针对具体指标做拆分，比如一些复合指标：“GMV=新用户x转化率x新用户客单价+老用户x转化率x老用户客单价”。

2）从业务流程上拆：一个用户从注册到进入首页再到流失或留存的整个过程，其中的任意一步都有可能会是指标下降的“罪魁祸首”。比如说，当一个新用户第一次进入首页时，发现首页推荐的内容并非他所喜欢的甚至是反感的，反手来一个网络公关卸载，这种因为推荐内容质量而导致的用户流失，锅就甩在推荐不错的抖音号代运营公司服系统工程师的冷启动没做好上了。

不止是这些“表面上”的因素，还有很多其他因素可以加入进来，它们大体上可以归纳为内因和外因两类，内因往往和用户、产品、运营和内容质量相关，外因则可能和政治、经济、法律、竞品的出现甚至疫情的爆发有关，外因可以从宏观上做PEST分析。

往往在分析之前需要先判断指标波动的情况，一般来说，短期变化找内因，长期异动找外因。比如向外考虑国家是否有重大政策发布，向内考虑是否产品本身有问题，是否用户需求发生了转移，在数据上则需要关注数据指标的起点、拐点和终点。

举个最近的例子就是，最近在线学科教育产品的日活为什么下降了？因素就很有可能是最近国家发布了双减政策，自国家发布消息的那一天起，指标数据开始下跌。

除了使用拆分的方法外，还可以结合相关性分析青岛万源环境科技有限公司的方法，思考目标指标与另外一个因素是否相关联。

第二步可以总结成几个问句来辅助思考：指标构成是什么？业务流程是什么？是否有外部因素的影响？相关因素有哪些？有注意辛普森悖论吗？

3.“做假设”，假设某因素就是原因，做实验去验证假设

第三步与第二步是紧密结合的，往往是先从理论上和经验上去分析，得到各种假设，再通过实验验证提出的假设，相当于前面提到的“树”，给它的各条分支路径做剪枝操作，一定要具体问题具体分析，具体措施就是做AB实验。

由于真实场景下存在许多的变量，可能是产品迭代、运营策略改变，或者线上有另一个AB实验在做，都会导致最终结果存在差异，所以不同情况下的验证会有不同的解决方案。

要验证一些可复现的问题或可实施的想法时，如果时间充裕就可以通过AB实验来做，其他情况则可以通过业务经验快速缩小验证范围，用业务指标拆分或相关分析来辅助排查问题，最终锁定一个或多个有意义的结果。

需要注意的是，对于部分能稳定重现的问题来说是可以用AB实验来验证的，还有很多问题是不能稳定重现的，就需要另外思考解决方案了，例如某天发现有大量新增的用户，但是都是脚本模拟的假用户，这时就需要根据当天的用户行为记录，如ip地址与设备标识等已经产生的现有日志进行深入挖掘了。

二、总结

最后，把前述梳理的思维框架总结成一个思维导图，当遇到要分析指标数据变动的问题时可以作为一个参考。

参考

猴子《数据分析思维：分析方法和业务知识》。

本文由 @方塘 于，，

，基于CC0协议