DA 面试 · Case Study
Case 分析框架
Case Study（案例分析）是数据分析师面试中最能体现商业分析思维的环节。面试官会给你一个业务场景或开放性问题，考察你能否结构化地拆解问题、设计分析方案、得出结论并提出建议。
本篇将系统介绍 Case Study 的常用框架和回答技巧，帮你在面试中做到”有条理、有逻辑、有洞察”。
什么是 Case Study
在数据分析师面试中，Case Study 通常是这样的：
“我们产品的日活跃用户数（DAU）上周下降了 10%，你会怎么分析？”
“如果你是某外卖平台的数据分析师，老板让你设计一套衡量骑手效率的指标体系，你会怎么做？”
“我们想在 App 中推出一个新功能，你会如何设计实验来验证效果？”
这类问题没有标准答案。面试官评估的是：
| 评估维度 | 权重 | 考察内容 |
|---|---|---|
| 结构化思维 | 30% | 能否用清晰的框架拆解问题，而不是东一榔头西一棒子 |
| 商业敏感度 | 25% | 是否理解业务逻辑，能否联系到商业影响 |
| 数据思维 | 25% | 能否想到合适的数据和指标来验证假设 |
| 沟通表达 | 20% | 能否清晰、简洁地传达分析思路 |
STAR 方法
STAR 是回答面试问题的经典框架，对 Case Study 同样适用：
| 步骤 | 含义 | 在 Case Study 中的应用 |
|---|---|---|
| S - Situation | 理解背景 | 确认问题背景、业务上下文、时间范围 |
| T - Task | 明确任务 | 明确你要回答什么问题、交付什么成果 |
| A - Action | 分析行动 | 描述你的分析步骤、使用的方法和数据 |
| R - Result | 结论建议 | 总结发现、提出可执行的建议 |
应用示例
题目：你们的 App 的 7 日留存率从 35% 下降到 28%，请分析可能的原因。
S（理解背景）： “首先确认几个背景信息：这个下降是逐渐发生的还是突然下降的？是所有用户群体都在下降还是某个特定群体？7 日留存的计算口径是什么？”
T（明确任务）： “我的目标是找出留存率下降的根本原因，并提出可以验证的假设和改善建议。”
A（分析行动）： “我会从三个维度进行拆解分析…“（详细分析步骤）
R（结论建议）： “基于以上分析，我认为最可能的原因是 XX，建议采取 YY 措施，预计可以将留存率回升到 ZZ 水平。”
五大常用分析框架
框架一：指标拆解法（最常用）
当面试官问”XX 指标下降了，为什么？”时，用公式拆解是最直接的方法。
核心思路：把一个大指标拆成多个子指标的乘积或加和，逐一排查。
DAU 下降的拆解示例：
DAU = 新用户 DAU + 老用户 DAU
- 新用户 DAU = 新增注册数 x 首日活跃率
- 老用户 DAU = 期初老用户数 x 回访率
拆解后分别检查：
- 新增注册是否减少？（获客渠道问题？）
- 首日活跃率是否下降？（激活流程问题？）
- 老用户回访率是否下降？（留存问题？）
框架二：内外因分析法
把可能的原因分为内部因素和外部因素：
| 内部因素 | 外部因素 |
|---|---|
| 产品更新/Bug | 市场竞争加剧 |
| 运营活动变化 | 季节性/节假日 |
| 技术故障 | 政策/法规变化 |
| 数据口径变更 | 宏观经济环境 |
| 推送策略调整 | 社会热点事件 |
面试技巧：在分析原因时，先排除”数据口径变更”和”技术故障”等非业务因素。很多时候指标异常是数据问题而非真实的业务变化。
框架三：用户分群分析法
把用户按不同维度分群，找出”是谁在变”：
- 新/老用户：是新用户质量下降还是老用户在流失？
- 渠道来源：是某个获客渠道出了问题？
- 地理区域：是某个地区的表现异常？
- 设备/平台：是某个版本的 App 有 Bug？
- 用户特征：是某类用户（如付费用户、高活跃用户）在流失？
框架四：时间维度分析法
从时间角度切入：
- 趋势分析：是短期波动还是长期趋势？
- 同比分析：和去年同期比如何？（排除季节性）
- 环比分析：和上月/上周比变化多少？
- 事件关联：下降的时间点和哪些事件（产品上线、竞品动作、节假日）重合？
框架五：假设驱动分析法
先提出 3-5 个假设，然后说明如何用数据验证每个假设：
| 假设 | 验证方式 | 需要的数据 |
|---|---|---|
| 假设 1：最近的版本更新导致了 Bug | 对比更新前后的指标 | 版本分布、崩溃率 |
| 假设 2：竞品推出了促销活动 | 查看竞品动态、对比同期数据 | 竞品监测数据 |
| 假设 3：某个获客渠道的质量下降 | 按渠道拆分留存率 | 渠道标签 + 留存数据 |
核心原则：每个假设都要附上”我会怎么验证”。面试中不一定真的有数据让你验证，但展示这种思维方式非常重要。
回答 Case Study 的四步法
第一步：澄清问题（1-2 分钟）
不要拿到题目就开始分析。先问几个澄清问题：
- “这个指标是怎么定义的？计算口径是什么？”
- “下降是从什么时候开始的？是突然下降还是渐进式的？”
- “有没有同期发生的其他变化，比如产品上线、运营活动？”
- “这个分析的受众是谁？要给产品团队还是管理层？”
第二步：列出框架（1-2 分钟）
选择合适的分析框架，并告诉面试官你的分析思路：
“我打算从三个角度来分析这个问题：
- 先用指标拆解法，把 DAU 分解为新用户和老用户
- 然后按渠道、地区、平台做分群分析
- 最后从时间维度看是否有事件关联”
第三步：深入分析（5-8 分钟）
按框架逐步分析，每一步都说清楚：
- 你会看什么数据
- 你预期看到什么结果
- 如果看到异常，接下来怎么深入
第四步：总结建议（2-3 分钟）
- 总结最可能的原因（1-2 个）
- 提出短期和长期的行动建议
- 说明如何衡量建议的效果
常见 Case Study 题型
| 题型 | 典型问题 | 关键框架 |
|---|---|---|
| 指标诊断 | “XX 指标下降了，为什么？” | 指标拆解 + 分群分析 |
| 指标设计 | “如何衡量 XX 的效果？” | 核心指标 + 辅助指标 + 护栏指标 |
| 实验设计 | “如何验证 XX 功能的效果？” | A/B 测试设计 + 样本量 + 统计显著性 |
| 产品分析 | “如何提升 XX 的转化率？” | 漏斗分析 + 假设驱动 |
| 开放性问题 | “如果你是 XX 的数据分析师…” | 商业模式理解 + 指标体系 |
Case Study 的常见雷区
| 雷区 | 如何避免 |
|---|---|
| 没有框架，想到什么说什么 | 先说”我从 X 个维度来分析”，再展开 |
| 只说”看数据”不说”看什么数据” | 具体到指标名称和拆解方式 |
| 分析了很多但没有结论 | 在结尾明确说”我认为最可能的原因是…” |
| 有结论但没有建议 | 每个结论都跟一条可执行的建议 |
| 忽略了”数据问题”的可能性 | 第一步先排除数据口径变更和技术故障 |
| 给出了建议但没说如何衡量效果 | “我建议 XX，可以通过监控 YY 指标来衡量效果” |
本篇小结
- Case Study 没有标准答案，面试官看的是思维过程
- STAR 方法帮你组织回答结构：背景 → 任务 → 行动 → 结果
- 五大常用框架：指标拆解、内外因分析、用户分群、时间维度、假设驱动
- 回答的四步法：澄清问题 → 列出框架 → 深入分析 → 总结建议
- 最常见的错误是”没有框架”和”有分析无建议”
- 多练习真实的业务场景，培养”结构化思考”的肌肉记忆
接下来进入 产品指标类 Case，用具体案例来练习这些框架。