个人认为比较好的数据异动分析思路10.11

遇到面试异动归因问题

首先第一步对数据进行准确性校验，确定数据上报流程无误、数据埋点没有变更、指标口径没有变化（遇到数据问题的公式回答）

再确定数据的时间维度 这里举一个简单的异动题的例子来回答，其他类似题也可以套用一下

比如滴滴打车最近gmv下滑，该如何分析？

第一步进行数据准确性校验

第二部明确问题，最近是指最近最近一段时间长线下滑还是最近几天突然下滑

第三步进一步拆解分析，如果是突然下滑，可以从外部和内部两个方面考虑。
外部方面最近是否有极端恶劣天气，或者有网络舆论、政策变更等因素，内部方面app端或者小程序端是否出现bug，根据行为漏斗图查看用户行为路径是否在某个转换处突然下降。
内部从用户，司机，平台三方考虑，对gmv进行拆解为dau*转换率*客单价
查看用户画像是否有哪一用户群体的dau持续下降，查看用户行为漏斗是否有转化率下降
再看司机的人群画像是否有大的变更导致用户流失，比如高端车司机减少导致客单价较少，司机不愿意接长距离单导致客单价减少
从平台端可以看最近是否上线了新版本或者更新了功能导致了司机或者用户群体流失。

再从时间和空间两个维度进行分析，查看在早中晚三个时间段是否和以前的gmv有较大差异，是否是因为在某一地区的gmv产生了较大波动，这样拆解完应该可以考虑到所有的因素。如果是还需要给出建议可以在说完每一个找到的可能原因后对这个原因进行假设，然后再提出建议。

总结起来异动归因大概就是这几个步骤
对数据进行准确性校验
明确问题
从外部内部因素拆解
从用户商家平台三方进行拆解
从时间空间维度进行拆解
这样面试回答应该可以尽量覆盖全方面了

#牛客AI配图神器# #数据人的面试交流地# #双非本科求职如何逆袭#