业务发现最近某个指标异常让你分析分析，你会怎么做?
上来不管三七二十一就开始埋头分析? 那么接下来你可能会遇到这几种情况：
搞了半天发现数据来源不准确；或者发现你和对方的数据统计口径压根就不一致。
再或者发现波动是周期性的，属于正常波动，也就说这根本不是个问题等等。这些都意味着：“白干了”。
所以在做分析之前，明确问题是关键一步，也就是说我们确认这是一个什么样的问题，是不是个问题，这个问题对业务的影响是多大，然后才能进入分析原因和提出建议。
下面就用一个实际的面试题来分析遇到这类问题到底该如何解决。
【面试题目】
最近一周拼多多成交订单量较上周有5％的下降，该怎么从数据角度进行分析？
【分析思路】
用我们之前讲过的“数据分析解决问题的步骤”来解决业务问题。
一、明确问题
明确问题也就是把问题定义清楚，这一步需要明确数据来源和准确性，并对业务指标进行理解。
1.明确数据来源和准确性
从时间、地点、数据来源这3个维度来展开确定数据的来源和准确性。
1）时间：看是哪个时间范围的问题，本案例是近一周出现的问题。
2）地点：明确问题所指的具体区域，本案例是指全网订单数据。
3）数据来源和准确性：了解数据来源，通过与相关人员沟通核实数据的准确性。
2.业务指标理解
对于业务指标，可以从指标含义、和谁比进一步进行解读。
指标含义：通过沟通，明确成交订单量是指实际完成的订单量，也就是不包括取消订单。
指标定义：成交订单量=下单量*订单成交率。
和谁比：提到上升和下降问题，就要想到比较的对象是谁。
本案例中，“成交订单量较上周下降5%”，这里的比较对象是上周的成交订单量。
在实际工作中，我们可以拉长时间维度，看近几个月、上年同期成交订单量情况，确认是否是正常波动。
如果是非正常波动查看是趋势性异常还是单点异常，并通过与KPI等目标比较确认问题的的影响程度。在面试中我们直接假设“成交订单量较上周下降5%”是非正常波动且影响较大。
二、分析原因
为了找出“哪里出了问题”，使用“多维度拆解分析方法”对“成交订单量”这个指标，按指标的定义进行拆解：
现在还是无法知道哪里出了问题。所以，我们把“下单量”继续拆解为“活跃买家数”和“人均下单量”，其中“活跃买家数”是指在近一周内至少下过一单的用户。
根据活跃买家数=访客数*转化率，“活跃买家数”又可拆分为“访客数”和“转化率”。
“访客数”按照用户是否首次进入可以拆分为“新用户”和“老用户”。
具体拆解到哪一层结束，视业务问题情况决定。
接下来我们用“假设检验分析方法”对拆解后的每个部分进行验证。
1.提出假设
1）提出假设：问题出在订单成交率
假设1：订单成交率下降
2）提出假设：问题出在下单量
这时需要对下单量进行进一步分析，也就是活跃买家数和人均下单量。假设人均下单量出了问题。
假设2：人均下单量下降
3）提出假设：假设活跃买家数出了问题
这时需要对活跃买家数进行进一步分析，也就是访客数和转化率。假设转化率出了问题。
假设3：转化率降低
4）提出假设：问题出在访客数
这时需要对访客数进行进一步分析，也就是新用户和老用户。
假设4：新用户访客数减少
假设5：老用户访问数减少
2.搜集证据
对于之前提出的假设，搜集证据逐一进行验证。这里我们假设主要由用户转化率降低导致的。
假设1：订单成交率降低
搜集证据：对近一周人订单成交率和上周订单成交率进行对比，发现近一周订单成交率波动不大。
得出结论：假设不成立。
假设2：人均下单量下降
搜集证据：近一周人均下单量和上周数据进行对比，发现人均下单量较上周基本没有变化。
得出结论：假设不成立。
假设3：用户转化率降低
搜集证据：对比近一周用户转化率和上周用户转化率，发现近一周用户转化率出现明显下降。
得出结论：假设成立。
假设4：新用户访客数减少
搜集证据：查看近一周和上周新用户访客数，发现近一周新用户访客数较上周波动不大。
得出结论：假设不成立。
假设5：老用户访客数减少
搜集证据：查看近一周和上周老用户访客数，发现近一周老用户访客数较上周波动不大。
得出结论：假设不成立。
对上面的分析过程可以用下图来总结。
只看用户转化率降低，还不能决定接下来要采取哪些具体的措施才能解决问题。因此，为了进一步找出转化率为什么降低的原因，我们根据用户转化流程进行梳理，方便从用户转化流程再提出进一步假设。
对于第 1步转化，用户从进入APP到浏览商品，可以提出假设：商品详情页不够吸引人。
对于第2 步转化，用户从浏览商品到点击下单，可以提出假设：商品库存不足。
对于第3 步转化，用户从点击下单到结算，可以提出假设：APP结算功能出现问题。
再使用数据进行进一步的假设验证。
三、提出建议
1.详情页不够吸引用户。针对不同渠道进入的用户有针对性的进行推送。
2.商品库存不足。核实库存不足实际情况。建立库存预警机制，对库存情况进行全品类监控，并根据历史销量进行精准补货。
3.APP结算功能出现问题。请技术人员进行修复。
四、总结
以后遇到类似的问题，就要想到“数据分析解决问题”的这张图。
第1步：明确问题。明确数据来源和准确性，理解业务指标，把问题定义清楚。
第2步：分析问题。分析问题发生的原因，使用“多维度拆解分析法”，把复杂问题进行细化；用“假设检验分析法”对拆解后的每个步骤进行验证。
第3步：提出建议。针对原因给出建议，或者提出可以实施的解决方案。
推荐：人人都需要的数据分析思维
