双11产生海量实时数据流，快速检测异常可以避免数百万甚至上亿的收入损失。这道题考察你的分析严谨性、压力下的工作能力和系统化排查技能——这些都是阿里数据分析师在高峰事件中的关键能力。
立即定义严重程度和范围：是单一地区、单一品类还是全量流量？与去年同时段相比如何？
系统性列出假设：技术问题（网关、支付服务）、外部因素（竞品大促、运营商故障）、数据管道问题（报表延迟）。
描述排查过程：与错误日志、支付成功率、CDN健康度、用户会话数据交叉验证。
说明如何在时间压力下传达发现和建议行动。
首先验证数据：30%的下降是真实的还是报表延迟？检查数据管道延迟看板，对比原始事件流计数和聚合指标。如果确认真实，界定范围：是全品类还是特定品类？只影响下单还是支付也受影响？交叉验证三个数据源：（1）支付网关成功率——支付失败激增说明支付服务有问题；（2）该地区CDN和应用服务器错误率——5xx错误指向基础设施问题；（3）用户会话数据——如果会话活跃但转化下降，可能是UX问题如结算按钮故障。同时检查外部因素：竞品大促时间、地区运营商报告。根据发现快速升级，一句话总结："X地区订单下降由[根因]导致，每小时影响约¥Y万，建议[行动]。"同时为后续活动设置更严格阈值的自动告警。
一定先验证数据——高流量期间管道延迟导致的误报很常见。
展示结构化思维：界定范围→提出假设→排查验证→沟通→行动。
量化业务影响来推动紧迫性——"下降30%"是技术描述，"每小时损失500万"才能推动行动。
阿里规模下可能是内部实时分析平台（类似"数据银行"）。面试中提到Flink做流处理、Grafana做可视化、PagerDuty类告警系统可以展示实践知识。
用统计基线：与去年双11同一分钟窗口对比，设置动态阈值（如偏离预期3个标准差）。持续30%的下降几乎可以确定是异常，不是噪音。