第一步，判断是否异常，有四个关键点：
亲自去看数据准确性，不要人云亦云，比如业务方说 DAU 下降了就立马去调查，这是不对的，而是应该亲自查看数据是否真实，有时候业务方不一定多专业，也会出现错误。
时间轴拉长，看是近期异常（3 个月）还是历史异常，一般分析师看数据时习惯看近一两周或一个月的数据，然后突然出现波峰或波谷就认为数据异常了，但实际上往往不是。我们一定要拉长时间轴，如果仍出现波峰或波谷可能就真的出现异常了。
看和该指标关联的其他指标或其他核心指标是否也异常，比如 DAU 异常时，需要查看自流、渗透率是否异常，如果也异常就需要一起解决，而不是按下葫芦浮起瓢，反复做无用功。
找到一个关键人物（产品/数据），提前沟通，也就是当我们确认是数据异常后，找经验丰富的人提前沟通，看他们对此是否有什么见解，往往经验能够快速的定位问题。
第二步，用最大概率法则原因归类。
很多分析师遇到异常时无从下手，抓不到问题主线，无法对问题进行有效分类，而我把异常问题分为了六大类，基本上所有的异常问题都归属于这六大类。
假期效应：开学季、暑假、四大节、当地节日；
热点事件：常规热点（世界杯）、突发热点（爆款 IP）；
活动影响：双 11、618，公司层面活动；
政策影响：互联网金融监管，快递实名；
底层系统故障：数据传输、存储、清洗有无问题；
统计口径：业务逻辑更改、指标计算方式更改。
所以当我们遇到问题时，就可以按照降序在这六大类中逐一排查找到问题原因。
第三步就是闭环，当我们排查出问题原因后，一定要形成闭环，关于闭环有三个点：
1. 持续跟踪后期数据是否再次异常，比如当我们排查出原因后，产品做相应的改进，而问题仍在就说明前期排查问题出错。
2. 记录、沉淀、文档化，因为后续我们可能还会遇到相同问题，所以记录文档利人利己。
3. 邮件化，只有确认没有问题再发邮件给相关方，描述影响范围和主要结论即可。
信号好一点的地方或者手机卡可以上网。
