我的觀點：能我從一般的看漲看跌來說起，比如同比增長50%、環比下降60%，複合增長率僅為3%等等，這些都不陌生吧，都是大家常見的典型問題
這些為什麼是典型的問題呢？增速或者減速的程度超出或者跌出了預期，當預期與實際有差異時，大腦的第一反應，這就是問題，但這真是的問題嗎？這裡給大家思考幾秒，再繼續讀下去
我拿網上的一個面試題來大家做一個解析：
某日某APP的DAU下降了20%？
相信很多人都看過這個題的答案，也有一些博主用這個場景來作為資料分析師的工作場景（假設-驗證）過程，當然要拿那些答案去應付要求不高的JD是沒有問題的，但是要用這個題的答案拿高薪，那我就要給那些答案打個問號了？我解析一下我的思考過程：
首先是判斷這是不是問題，四大角度：
1、DAU的定義是什麼？也就是大家常說的這個指標計算的口徑是什麼樣子的？
2、資料的可信度，這組資料來自哪裡？大家都知道企業的資料庫是很多的，而且之間的關係很複雜，是KPI級別的還是運營級別的，界定是不一樣的
3、資料的真實性如何？這點很多人忽視了，比如別人拿了一個欠條，說你欠他錢了，你會做什麼？我和核實這個的資訊的準確程度，而不是你說什麼就是什麼
4、和誰比下降了？比的標準直接會決定你分析的方向
那回到我們的話題，某日某APP的DAU下降了20%？先要做DAU的定義，這個是DAU的界定是第一步
DAU是指一個使用者啟動一次APP算一個DAU與APP啟動一次並停留3分鐘以上算一個，分析的複雜程度是不一樣的，直接會影響你後面的分析思維，一個是單一的行為分析，一個是行為+質量的綜合分析，還有幾個指標同時約束的定義，約束條件越多，問題分析的複雜程度越高，思維的要求也會越複雜。
第三步：資料的真實性，有幾種常見的假設，1、假設資料的傳輸沒有丟包現象：2、假設資料ETL的邏輯沒有錯誤：3、假設最終資料計算的邏輯沒有錯誤；4、假設最近沒有實驗測試：5、假設沒有版本的變更；6、假設統計週期內沒有宕機的情況等等
第四步，和誰比下降了？以上三步都搞清楚了，接下來就要看和誰比，和去年同期比，那分析的核心可能會是看去年與今年各類維度的多指標分析，和競爭對手比，那分析的核心可能更多是競爭對手的運營策略
當以上問題都搞清楚時，我們才明白了第一步，這是不是一個問題
其次判斷問題的嚴重性，2個方向
當問題出現時，判斷問題的嚴重性，對分析師來講至關重要，這可能會影響你的分析框架和分析的週期、以及要對此付出的時間。
1、靜態值比對，也就是我們常說的環比、同比，這個只是透過簡單的比對得出的問題，那其實和分子、分母當時的業務環境有很大的關係，那就要找出一個極值來判斷問題的嚴重性，比如本次下降20%，歷史上我們最大值是下降10%或15%，問題的嚴重性是不一樣的，也可以用競爭對手的幅度來作為基準。
2、動態值比對，很典型的就是複合增長、連續幾天下降，這個與時間的週期有很大關係，一般來看統計週期的時間越久，問題的嚴重程度越高，比如連續3天下降與連續10天下降，問題的嚴重程度不一樣的。
最後，把握好2個度
當你搞清楚了問題，並知道問題的嚴重程度時，面試官想要的分析框架也是不同的，框架不同，那薪水的定價自然不一樣。
1、廣度
框架，結構化思維，這個能幫助你做什麼？比如我們要分析DAU下降的問題的，其實會有很多假設的，比如圍繞APP來看，把APP當初一個指標，那切分的維度很有很多，對吧，這是分析師的基本要求，分時間、分城市、分使用者型別等
做發散思維，這都是人類的強項，比如一件事情如果出了問題，我們通常會有N個理由來捍衛自己的利益，發散的好處就是讓我們一定程度能夠做到沒有遺漏，但做不到彼此之間獨立的歸納
比如圍繞DAU有很多因素的影響，那你如何思考這些因素呢？這些因素在你的框架中是什麼問題，能用“人話”說清楚嗎？這時候我們日常學習的方法論就可以用上了，比如PEST、AAARRR、4P、5W2H等，其實簡單來講就是給你發散的思維要有一個約束的條件或者起點（對新手來講作為起點更好用，對老手來講是約束條件），這樣發散+約束=好的框架
還有幾個方式，比如按照使用者的行為邏輯來思考、按照部門架構（市場、運營、產品、開發），按照商業元素（使用者、產品、運營）等等
那其實面試的時候，這個屬於你業務的廣度，考量你對這個業務分析的宏觀的思維過程，這個廣度就需要你瞭解APP各個環節可能出現的問題，並對此進行假設，而這種假設要給它套一個約束條件，那就是我們常說的方法論，這樣的好處就是你把你的分析思維做成了一種標準化商業化的話術。這個看著簡單，但要在面試的時候快速的輸出，還是要有大量的刻意訓練的，冰凍三尺非一日之寒。
2、深度：
所謂的深度就是要找你熟悉的一個領域去引導，但實際中情況要複雜的多，可能多個方向綜合對比後給出答案，畢竟是面試，一般人的引導有幾個方向：
第一步假設：
假設新增使用者表現好，是因為存量使用者的疲勞造成？
假設是某些渠道帶來的使用者質量不高造成？
假設某個地區出現了競爭對手造成？
第二步：切入點
使用者切入：新增VS存量
渠道切入：導航VS搜尋引擎VS聯盟VS商城
區域切入：省市區
第三步：驗證假設，找出主要原因，做幾個模擬的結論場景
1、發現了新增使用者有問題，主要是新增使用者減少導致，然後透過渠道分析得出是搜尋引擎帶來的新使用者減少了X%，明顯大於其他渠道，再分割槽來看，是某一地區出現競爭對手購買我們的關鍵字導致。
2、分析發現新增使用者的增速雖高，但使用者的質量卻很低，進一步分析新增使用者來源得知，某渠道來的使用者質量相比平均值低X%。3、存量使用者的問題，存量使用者對我們近期APP的運營策略感到不適，第一是變現意圖太明顯（廣告增多），第二是無效資訊推送過多（不是使用者喜歡的）。4、安卓系統升級導致，之前只要使用者選擇聯網時，後臺預設開啟我們的APP，現在安卓系統升級，必須手動操作設定才可以自動開啟
第四步：在模擬場景中找一個適合秀你的深度邏輯的場景開始
那2舉例吧，我們第一步的假設得到了驗證，是某渠道來的使用者質量造成的，那接下來繼續假設
1、渠道有問題，比如刷量、造假資料
2、渠道沒問題，渠道的使用者畫像和我們產品的畫像不相符，差異太大
3、渠道沒問題，邊際效用可能存在差異
......
邊際效用這個可能大家不太好理解，可以理解為DAU指數是一個渠道衡量的指數，它與DAU高度相關，而這個指數是要根據使用者的多種行為資料來綜合加權計算，比如使用者落地頁面的瀏覽量、停留時長、回訪、下載到開啟APP的間隔時長等等，也可以描述一下你用的方法，比如因子、主成分、主觀權重、AHP等
那這裡面其實還延伸出你的幾個認識領域，作弊分析、使用者畫像、綜合評價
之後要做的就是重複以上的流程，直到整個問題從業務上能說通，從資料上有差異，有思路上有承接關係。
要是面試的話，沒這麼複雜，其實順著一條線串下來就可以完美地解答，要想辦法在你的思路中體現二個方面實力，1、你瞭解的領域很多，做過很多相關的主題；2、你善於用高階的分析方法解決現實問題；
實際中要複雜的多，要做好這個專題，那還是需要很多功底的，靠網上那些攻略是遠遠不夠的。問題可深可淺、框架可大可小、方法可易可難，我們常說的資料分析入門容易，深入難就是這個原因，很難說那個好，也很難說那個不好，唯一的衡量就是你老闆對你是否滿意，年年給你加薪升職嗎？真正差異會體現在3年以上，開始不開竅，以後開竅就可能來不及了，年齡不允許....一定想辦法找個前輩帶帶你，會省很多路。
最後總結一下，先四大角度看“問題”，再2個方向判斷問題嚴重性，最後把握好2個度去分析問題。注意做好，框架大而全，要說人話，分析有深度，圍繞業務流程。
好了，就寫這麼多吧
我的觀點：能我從一般的看漲看跌來說起，比如同比增長50%、環比下降60%，複合增長率僅為3%等等，這些都不陌生吧，都是大家常見的典型問題
這些為什麼是典型的問題呢？增速或者減速的程度超出或者跌出了預期，當預期與實際有差異時，大腦的第一反應，這就是問題，但這真是的問題嗎？這裡給大家思考幾秒，再繼續讀下去
我拿網上的一個面試題來大家做一個解析：
某日某APP的DAU下降了20%？
相信很多人都看過這個題的答案，也有一些博主用這個場景來作為資料分析師的工作場景（假設-驗證）過程，當然要拿那些答案去應付要求不高的JD是沒有問題的，但是要用這個題的答案拿高薪，那我就要給那些答案打個問號了？我解析一下我的思考過程：
首先是判斷這是不是問題，四大角度：
1、DAU的定義是什麼？也就是大家常說的這個指標計算的口徑是什麼樣子的？
2、資料的可信度，這組資料來自哪裡？大家都知道企業的資料庫是很多的，而且之間的關係很複雜，是KPI級別的還是運營級別的，界定是不一樣的
3、資料的真實性如何？這點很多人忽視了，比如別人拿了一個欠條，說你欠他錢了，你會做什麼？我和核實這個的資訊的準確程度，而不是你說什麼就是什麼
4、和誰比下降了？比的標準直接會決定你分析的方向
那回到我們的話題，某日某APP的DAU下降了20%？先要做DAU的定義，這個是DAU的界定是第一步
DAU是指一個使用者啟動一次APP算一個DAU與APP啟動一次並停留3分鐘以上算一個，分析的複雜程度是不一樣的，直接會影響你後面的分析思維，一個是單一的行為分析，一個是行為+質量的綜合分析，還有幾個指標同時約束的定義，約束條件越多，問題分析的複雜程度越高，思維的要求也會越複雜。
第三步：資料的真實性，有幾種常見的假設，1、假設資料的傳輸沒有丟包現象：2、假設資料ETL的邏輯沒有錯誤：3、假設最終資料計算的邏輯沒有錯誤；4、假設最近沒有實驗測試：5、假設沒有版本的變更；6、假設統計週期內沒有宕機的情況等等
第四步，和誰比下降了？以上三步都搞清楚了，接下來就要看和誰比，和去年同期比，那分析的核心可能會是看去年與今年各類維度的多指標分析，和競爭對手比，那分析的核心可能更多是競爭對手的運營策略
當以上問題都搞清楚時，我們才明白了第一步，這是不是一個問題
其次判斷問題的嚴重性，2個方向
當問題出現時，判斷問題的嚴重性，對分析師來講至關重要，這可能會影響你的分析框架和分析的週期、以及要對此付出的時間。
1、靜態值比對，也就是我們常說的環比、同比，這個只是透過簡單的比對得出的問題，那其實和分子、分母當時的業務環境有很大的關係，那就要找出一個極值來判斷問題的嚴重性，比如本次下降20%，歷史上我們最大值是下降10%或15%，問題的嚴重性是不一樣的，也可以用競爭對手的幅度來作為基準。
2、動態值比對，很典型的就是複合增長、連續幾天下降，這個與時間的週期有很大關係，一般來看統計週期的時間越久，問題的嚴重程度越高，比如連續3天下降與連續10天下降，問題的嚴重程度不一樣的。
最後，把握好2個度
當你搞清楚了問題，並知道問題的嚴重程度時，面試官想要的分析框架也是不同的，框架不同，那薪水的定價自然不一樣。
1、廣度
框架，結構化思維，這個能幫助你做什麼？比如我們要分析DAU下降的問題的，其實會有很多假設的，比如圍繞APP來看，把APP當初一個指標，那切分的維度很有很多，對吧，這是分析師的基本要求，分時間、分城市、分使用者型別等
做發散思維，這都是人類的強項，比如一件事情如果出了問題，我們通常會有N個理由來捍衛自己的利益，發散的好處就是讓我們一定程度能夠做到沒有遺漏，但做不到彼此之間獨立的歸納
比如圍繞DAU有很多因素的影響，那你如何思考這些因素呢？這些因素在你的框架中是什麼問題，能用“人話”說清楚嗎？這時候我們日常學習的方法論就可以用上了，比如PEST、AAARRR、4P、5W2H等，其實簡單來講就是給你發散的思維要有一個約束的條件或者起點（對新手來講作為起點更好用，對老手來講是約束條件），這樣發散+約束=好的框架
還有幾個方式，比如按照使用者的行為邏輯來思考、按照部門架構（市場、運營、產品、開發），按照商業元素（使用者、產品、運營）等等
那其實面試的時候，這個屬於你業務的廣度，考量你對這個業務分析的宏觀的思維過程，這個廣度就需要你瞭解APP各個環節可能出現的問題，並對此進行假設，而這種假設要給它套一個約束條件，那就是我們常說的方法論，這樣的好處就是你把你的分析思維做成了一種標準化商業化的話術。這個看著簡單，但要在面試的時候快速的輸出，還是要有大量的刻意訓練的，冰凍三尺非一日之寒。
2、深度：
所謂的深度就是要找你熟悉的一個領域去引導，但實際中情況要複雜的多，可能多個方向綜合對比後給出答案，畢竟是面試，一般人的引導有幾個方向：
第一步假設：
假設新增使用者表現好，是因為存量使用者的疲勞造成？
假設是某些渠道帶來的使用者質量不高造成？
假設某個地區出現了競爭對手造成？
第二步：切入點
使用者切入：新增VS存量
渠道切入：導航VS搜尋引擎VS聯盟VS商城
區域切入：省市區
第三步：驗證假設，找出主要原因，做幾個模擬的結論場景
1、發現了新增使用者有問題，主要是新增使用者減少導致，然後透過渠道分析得出是搜尋引擎帶來的新使用者減少了X%，明顯大於其他渠道，再分割槽來看，是某一地區出現競爭對手購買我們的關鍵字導致。
2、分析發現新增使用者的增速雖高，但使用者的質量卻很低，進一步分析新增使用者來源得知，某渠道來的使用者質量相比平均值低X%。3、存量使用者的問題，存量使用者對我們近期APP的運營策略感到不適，第一是變現意圖太明顯（廣告增多），第二是無效資訊推送過多（不是使用者喜歡的）。4、安卓系統升級導致，之前只要使用者選擇聯網時，後臺預設開啟我們的APP，現在安卓系統升級，必須手動操作設定才可以自動開啟
第四步：在模擬場景中找一個適合秀你的深度邏輯的場景開始
那2舉例吧，我們第一步的假設得到了驗證，是某渠道來的使用者質量造成的，那接下來繼續假設
1、渠道有問題，比如刷量、造假資料
2、渠道沒問題，渠道的使用者畫像和我們產品的畫像不相符，差異太大
3、渠道沒問題，邊際效用可能存在差異
......
邊際效用這個可能大家不太好理解，可以理解為DAU指數是一個渠道衡量的指數，它與DAU高度相關，而這個指數是要根據使用者的多種行為資料來綜合加權計算，比如使用者落地頁面的瀏覽量、停留時長、回訪、下載到開啟APP的間隔時長等等，也可以描述一下你用的方法，比如因子、主成分、主觀權重、AHP等
那這裡面其實還延伸出你的幾個認識領域，作弊分析、使用者畫像、綜合評價
之後要做的就是重複以上的流程，直到整個問題從業務上能說通，從資料上有差異，有思路上有承接關係。
要是面試的話，沒這麼複雜，其實順著一條線串下來就可以完美地解答，要想辦法在你的思路中體現二個方面實力，1、你瞭解的領域很多，做過很多相關的主題；2、你善於用高階的分析方法解決現實問題；
實際中要複雜的多，要做好這個專題，那還是需要很多功底的，靠網上那些攻略是遠遠不夠的。問題可深可淺、框架可大可小、方法可易可難，我們常說的資料分析入門容易，深入難就是這個原因，很難說那個好，也很難說那個不好，唯一的衡量就是你老闆對你是否滿意，年年給你加薪升職嗎？真正差異會體現在3年以上，開始不開竅，以後開竅就可能來不及了，年齡不允許....一定想辦法找個前輩帶帶你，會省很多路。
最後總結一下，先四大角度看“問題”，再2個方向判斷問題嚴重性，最後把握好2個度去分析問題。注意做好，框架大而全，要說人話，分析有深度，圍繞業務流程。
好了，就寫這麼多吧