数据分析中的细分维度

通过指标我们可以了解我们产品上的事件触发情况和页面访问情况，形成数据看板，我们在进行数据分析的时候，会进行维度细分，比如地区，设备，浏览器等，维度是什么意思呢？

细分维度的能力要从数据仓库和OLAP说起，简单来说就是我们将数据按照多维的方式存储，这样就可以根据不同的视角来进行数据的抽取分析，从而指导决策，比如地域维，时间维等，有了维，可以对数据进行下钻，上钻，切片，切块等操作，比如雪花，星等数据模型。

细分维度在分析领域是很常见的名词，在数据分析中，维度对于事件或者会话而言，指的是数据的属性，比如某事件发生时候的城市维度，可以是北京，或者上海。某个触发事件的设备维度，可以是苹果，或者华为。

预定义维度：

这个图表意味着，当数据分析平台得到你的产品数据后，不但可以根据产品的相关数据进行分析，我们可以通过这些维度进行数据的细分展示，同时细分维度还包括事件属性和用户属性。

这个图表的意思表达的是，过去7日，支付订单详情的触发事件，根据城市划分，每个城市的分布情况，在进行数据分析的时候，我们有很大程度上都会用到细分维度，而细分维度也为我们清晰化展示数据提供了很大的便利。

拿电商行业来举例维度的应用：

1、即将双11，不同地区仓库商品如何备货？

数据分析策略是什么样的？首先要把过去90天的所有订单的地区分布找出来，包括查询去年所有订单在每个城市的分布，这时候地域维度就很有意义，通过事件分析所有支付订单，并且在细分维度上选择地区即可。通过地域维度我们可以知道不同地区对我的商品的喜好程度，这点除了备货可以应用到，在广告投放的城市侧重上，和千人千面的广告设计上，都很有价值。

2、细分维度——支付放弃率

例如，我们想知道Abandonment Rate，也就是购物车和支付放弃率，在没有数据分析平台的时候，需要经过较复杂的数据抽取计算，但是在易观方舟里，可以通过直接选择维度的方式来展示数据表现结果。

此时我们用到的是转化漏斗分析，细分维度是转化率，拿加入购物车到提交订单的转化率，通过浏览器分布可以了解不同的浏览器的转化率问题，可以通过下钻了解不同的浏览器版本的兼容问题，方便我们定位。

总结：

细分维度贯穿在方舟数据分析的每一个环节，通过维度的分析可以帮助我们更好的从不同视角洞察数据的不同状态。