如果一个产品的GMV突然下降30%，会怎么办？这是一道运营产品数据分析师在面试的时候都会经常碰到的问题，非常典型的数据异动分析题，四步数据异动分析的方法，无论是在面试的时候，还是在工作当中，都用得到。

第一步，核验问题的真实性。面对异动，首先判断数据是否准确，准确的数据源是一切分析的基础，所以要优先去确认异动是否由数据上报错误，产品bug、数据bug或者是数据统计口径的变化，导致的数据异动。

第二步，归因分析。如果不存在上述三种情况，那么就要找到数据异动的原因。一般会分为两种情况，进行细化拆解分析，外因分析和内因分析。

1、外因分析里面，一般常见的导致数据异动的方向，包括市场大环境的变化，竞争对手突然的变化，以及时间性的周期性变化。市场大环境的变化一般是潜移默化的，很少导致数据突然的异常波动。所以就要优先去关注在市场内是否存在突然的竞争对手的侵入，或者竞争对手有过大规模的产品改变。另外也要关注是否这个数据的变化是由于像春节、周末这种导致周期性数据波动的特殊时间情况导致的数据变化，外部原因其实通常是难以被验证的，因为很难获取到竞争对手的数据以及市场实时变化的数据。所以一般在进行数据分析的时候，会抛开外部因素，着重的去分析自己产品的内因，找到解决问题的办法。

2、内部因素主要包括产品迭代导致的数据波动、技术bug，或者是运营活动的变化三方面。

第三步，问题拆解。所有的数据分析，最终都是为了找到业务问题，从而指导业务迭代的，为了更加精准的去定位问题，所以需要将这个异动指标进行详细的拆解，找到真正影响波动的原因，这里主要包括两种数据变化的方法。

1、业务累加的。比如饿了么的GMV就等于药品加跑腿，加餐饮等等等等。

2、或者纵向找到原始指标。比如GMV等于订单量，乘客单价就等于活跃用户数乘转化率，乘客单价拆解之后，详细的观察每一个异动指标背后的数据因子，找到问题的关键所在，找到具体出现的业务线或者是业务环节。

第四步，找到问题的解决办法。假设通过上一步分析，发现了是在用户转化这个环节出现了问题，那就要在产品上去减少用户的转化环节，或者是在运营上增加秒杀打折商品运营活动等等产品手段，提升用户的转化。

通过以上四步，最终完成一次数据异动分析。