数据分析(1)|面试必考——产品日活(DAU)下降，该如何分析

点击上方"蓝字"

关注我们吧！

案例：例如 某APP日活突然下降5%，需要尽快排查一下数据下跌的原因。

这是一道经典的数据分析师面试题，考察的重点不在于从哪些指标去分析，而是面对这样的问题时的分析框架与逻辑思维，这是一个优秀的数据分析师必须具备的能力。针对数据异常类问题，可参考如下分析框架：

1对数据异常原因做出假设，利用数据验证

影响DAU因素较多，对所有维度直接拆解耗时耗力。所以需要结合以往经验及各种信息，对数据异常的原因做出假设，然后对数据从不同维度拆分来验证假设。可能随着之前的假设的验证不断进行新的假设，直到定位原因。

2确认数据真实性

• 将时间轴拉长(3个月)，做同比和环比，看近期异常还是历史异常；
• 查看与该指标关联的其他指标是否异常；
• 找数据流相关产品和研发确实数据真实性。

3常见拆分维度

根据以上维度拆分之后，每项数据都需要和历史数据做对比，计算影响系数。

影响系数越大，说明此处为主要原因所在。通过上述维度进行初步拆分，可以大致定位数据异常范围。

4外部原因分析

外部：外部原因分析可以根据PEST（政治、经济、社会、技术）模型进行分析。

5内部原因分析

通过初步分析定位范围之后，需要进行进一步的排查，一般从三个维度来分析：产品、技术、运营；可以和这几个人一起拉一个会讨论一下。同时应注意数据统计口径是否发生变化。

6总结

所以我们整个的分析流程大致为：

先结合以往数据异常进行假设 —— 在一个假设得到验证之后 —— 从不同维度进行拆解，确定异常范围 —— 从产品、运营、技术侧逐一排查，最终找到原因。

以上分析框架不仅局限于DAU波动，对于数据异常类问题也可根据以上模型进行分析。