编辑导读：数据异常监控分析不仅是数据分析面试中的高频考题，同时也是业务分析中一项常态化的工作内容。当出现了数据异常波动的情况，应该如何进行分析呢？本文作者对此发表了自己的看法，与你分享。

一、数据异常波动的表现形式

数据异常监控分析不仅是数据分析面试中的高频考题，同时也是业务分析中一项常态化的工作内容。当我们面对市场、产品、运营等各种业务场景，经常会发现很多异常数据的问题，比如：

1. 某APP日活DAU相比昨日突然下降了10%，该如何分析？
2. 某公司销售收入环比上月下降了15%，该如何分析？
3. 某产品客单价环比上月下降了20%，该如何分析？
4. ……

上述各种业务场景，其实都是发现了数据有异常波动的情况，那接下来问题来了，我们该如何着手进行分析呢？大部分人解决问题的思路，都是直奔主题找原因，上来就去找出现异常的原因、异常点在哪里。其实这种分析思路有一个**的弊端就是不够体系化，往往能够找到一些原因，但是很可能是片面的，甚至可能还会踩雷。接下来就给大家分享一种比较实用的方法，我个人称之为“点 – 线 – 面”分析法。

二、数据异常分析的方法论