数据分析工程师课程入门：排查数据问题思维

前两篇推送分别探讨了如何处理业务问题的方法，并提供了多种解决方案。当遇到数据分析中的异常情况时，请问有什么好的解决办法？无需担心，在本次推送中我们将深入解析数据分析过程中可能出现的各种数据异常问题及其应对策略。

1.为什么要讲排查数据问题的思维？

数据分析与其他功能开发的主要区别在于：一旦完成并经过测试的功能开发通常可以较为稳定地长期运行（因为它们拥有相对稳定的输入），但数据分析人员所产出的数据指标与分析结论却难以维持稳定状态（这是因为每天都会有新的数据不断注入进来），因此很难确保完全没有波动（而这种输入上的不稳定就可能导致了潜在的数据问题）。此外由于涉及的指标众多导致了处理与分析流程较为复杂中间环节可能出现问题也是不可避免的（当然这里所说的"数据问题"并不一定代表真实存在的问题是当出现明显波动时需进行排查这一过程后人们才能更加安心地相信这是正常现象）。

举例来说，在视频行业中，在暑假结束之后（ summer has just ended ），你的日活跃用户数量（ daily active users, DAU）以及播放量（ view count）出现了大幅下降（ saw a significant drop-off），降幅超过了20%（ dropped by over 20%）。因此你推测这一现象很可能是与学生开学相关（ could very wel