2026年数据分析师面试中的DAU预测题思路.docxVIP

第PAGE页共NUMPAGES页

2026年数据分析师面试中的DAU预测题思路

题型一：时间序列预测模型应用

题目1（5分）：某电商平台的用户DAU数据呈现明显的季节性波动（如周末用户活跃度高于工作日），同时存在一定的趋势性增长。假设你手头有以下数据：

-过去12个月的DAU数据（单位：万）

-周末（周六、周日）和工作日（周一至周五）的用户比例

-平台在2025年10月推出了一项新功能，可能影响用户活跃度

请设计一个预测模型，预测2026年全年及分季度DAU，并说明模型选择理由及关键假设。

答案与解析：

1.模型选择：ARIMA+季节性分解模型（如STL分解后结合ARIMA）。

-理由：ARIMA适用于趋势和自相关性数据，结合季节性分解能捕捉周期性波动。

-假设：数据平稳性、季节周期固定（如每周7天）、无异常值影响。

2.关键步骤：

-数据预处理：去除异常值，如2025年10月新功能发布前的数据需单独标注。

-季节性分解：使用STL或SEASONAL_decompose提取周内（周末/工作日）差异，分别建模。

-ARIMA拟合：对分解后的残差序列拟合ARIMA(p,d,q)，考虑滞后项（如p=1,d=1,q=1）。

-外生变量引入：若新功能效果显著，可加入虚拟变量（如10月后取值为1）。

-预测：分季度合成全年预测（如Q1