編輯指南：“分析一下，為什么今天一一突然掉了下來？”這是數(shù)據(jù)分析面試的高頻提問，考察了應(yīng)聘者的分析問題、驗證推測、結(jié)果呈現(xiàn)等一系列能力。

本篇作者就對此問題，結(jié)合自己的思考理解，給我們總結(jié)了如何看數(shù)據(jù)、做拆分和做假設(shè)，一起來看一下。

一、框架

分析流程總體可以歸納為三步：看數(shù)據(jù)、做拆分、做假設(shè)。

1. “看數(shù)據(jù)”，看數(shù)據(jù)本身及其變化是否存在問題

由于指標(biāo)的波動可以分為正常的和異常的，按照持續(xù)時間又可以分為暫時性波動、周期性波動和持續(xù)性波動，所以要先明確這個波動是不是真的是異常的，可以和產(chǎn)品、運營、研發(fā)、運維等多方確認(rèn)數(shù)據(jù)的真實性，然后觀察數(shù)據(jù)波動持續(xù)了多久，判斷波動程度是否是在合理的范圍之內(nèi)，比起昨天和上周，同比環(huán)比分別變化了多少等等。

這一步可能發(fā)現(xiàn)的原因大致有：服務(wù)器異常、后臺統(tǒng)計出錯、報表數(shù)據(jù)異常、指標(biāo)計算口徑不一致等，也可能是外部的惡意行為造成的，需要根據(jù)后續(xù)步驟再仔細(xì)排查。

2.“做拆分”，將指標(biāo)和業(yè)務(wù)流程多維度拆解，縮小排查范圍

這一步要注意“辛普森悖論”，即在某些情況下，分析數(shù)據(jù)整體和分析數(shù)據(jù)的各個部分會得到相反的結(jié)論。

1）從指標(biāo)上拆：一個指標(biāo)一般可以由其他指標(biāo)計算得到，指標(biāo)的波動是若干個因素共同作用的結(jié)果。要想縮小問題的排查范圍，可以在原始指標(biāo)下盡量細(xì)分，不斷地由粗到細(xì)拆解，找出可能影響指標(biāo)波動的所有因素，得到一個類似樹的結(jié)構(gòu)。比如“DAU=新用戶+老用戶留存+流失用戶回流”，新用戶有來源渠道，老用戶有留存渠道，流失用戶有自然回流和干預(yù)回流，而用戶共同的因素又有軟件版本、地區(qū)、設(shè)備、活躍時間段等等。

另外，拆分不只是用加法，還需要針對具體指標(biāo)做拆分，比如一些復(fù)合指標(biāo)：“GMV=新用戶x轉(zhuǎn)化率x新用戶客單價+老用戶x轉(zhuǎn)化率x老用戶客單價”。

2）從業(yè)務(wù)流程上拆：一個用戶從注冊到進入首頁再到流失或留存的整個過程，其中的任意一步都有可能會是指標(biāo)下降的“罪魁禍?zhǔn)住?。比如說，當(dāng)一個新用戶第一次進入首頁時，發(fā)現(xiàn)首頁推薦的內(nèi)容并非他所喜歡的甚至是反感的，反手來一個卸載，這種因為推薦內(nèi)容質(zhì)量而導(dǎo)致的用戶流失，鍋就甩在推薦系統(tǒng)工程師的冷啟動沒做好上了。

不止是這些“表面上”的因素，還有很多其他因素可以加入進來，它們大體上可以歸納為內(nèi)因和外因兩類，內(nèi)因往往和用戶、產(chǎn)品、運營和內(nèi)容質(zhì)量相關(guān)，外因則可能和政治、經(jīng)濟、法律、競品的出現(xiàn)甚至疫情的爆發(fā)有關(guān)，外因可以從宏觀上做PEST分析。

往往在分析之前需要先判斷指標(biāo)波動的情況，一般來說，短期變化找內(nèi)因，長期異動找外因。比如向外考慮國家是否有重大政策發(fā)布，向內(nèi)考慮是否產(chǎn)品本身有問題，是否用戶需求發(fā)生了轉(zhuǎn)移，在數(shù)據(jù)上則需要關(guān)注數(shù)據(jù)指標(biāo)的起點、拐點和終點。

舉個最近的例子就是，最近在線學(xué)科教育產(chǎn)品的日活為什么下降了？因素就很有可能是最近國家發(fā)布了雙減政策，自國家發(fā)布消息的那一天起，指標(biāo)數(shù)據(jù)開始下跌。

除了使用拆分的方法外，還可以結(jié)合相關(guān)性分析的方法，思考目標(biāo)指標(biāo)與另外一個因素是否相關(guān)聯(lián)。

第二步可以總結(jié)成幾個問句來輔助思考：指標(biāo)構(gòu)成是什么？業(yè)務(wù)流程是什么？是否有外部因素的影響？相關(guān)因素有哪些？有注意辛普森悖論嗎？

3.“做假設(shè)”，假設(shè)某因素就是原因，做實驗去驗證假設(shè)

第三步與第二步是緊密結(jié)合的，往往是先從理論上和經(jīng)驗上去分析，得到各種假設(shè)，再通過實驗驗證提出的假設(shè)，相當(dāng)于前面提到的“樹”，給它的各條分支路徑做剪枝操作，一定要具體問題具體分析，具體措施就是做AB實驗。

由于真實場景下存在許多的變量，可能是產(chǎn)品迭代、運營策略改變，或者線上有另一個AB實驗在做，都會導(dǎo)致最終結(jié)果存在差異，所以不同情況下的驗證會有不同的解決方案。

要驗證一些可復(fù)現(xiàn)的問題或可實施的想法時，如果時間充裕就可以通過AB實驗來做，其他情況則可以通過業(yè)務(wù)經(jīng)驗快速縮小驗證范圍，用業(yè)務(wù)指標(biāo)拆分或相關(guān)分析來輔助排查問題，最終鎖定一個或多個有意義的結(jié)果。

需要注意的是，對于部分能穩(wěn)定重現(xiàn)的問題來說是可以用AB實驗來驗證的，還有很多問題是不能穩(wěn)定重現(xiàn)的，就需要另外思考解決方案了，例如某天發(fā)現(xiàn)有大量新增的用戶，但是都是腳本模擬的假用戶，這時就需要根據(jù)當(dāng)天的用戶行為記錄，如ip地址與設(shè)備標(biāo)識等已經(jīng)產(chǎn)生的現(xiàn)有日志進行深入挖掘了。

二、總結(jié)

最后，把前述梳理的思維框架總結(jié)成一個思維導(dǎo)圖，當(dāng)遇到要分析指標(biāo)數(shù)據(jù)變動的問題時可以作為一個參考。

參考

數(shù)據(jù)指標(biāo)出現(xiàn)異常波動時，你該如何進行異常分析呢？

猴子《數(shù)據(jù)分析思維：分析方法和業(yè)務(wù)知識》。

本文由 @方塘 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議