发现问题的真相：维度与度量

068b0fad60b0eba691b4dfb91e4e8c08.jpg

今天谈谈数据分析中2个重要的概念：维度和度量。
这里所说的维度和度量可能与其他人讲得有所区别，但我觉得关系不大，只要是能够给出一套合理的解释即可。
那么什么是维度和度量呢？
先看这样一个指标：
上海男性互联网从业人数
如果是对数据敏感的分析师，立马就可以看出，数据中有三个维度。
分别是：城市、性别、行业
数据中的度量就是从业人数。
一个数据指标一般由一种或多种维度加上一种度量组成。
通俗的讲，维度其实可以理解成一种分类的方式，或者叫做标签，最常见的标签就是大家口中经常说的80后、90后、00后，这三种标签其实就是将人进行了分类，方便对每一类人进行统计或描述。
而度量就更好理解了，比如人数，就是计算一下有多少人，将不同类型的人求和，得出一个数值。在比如，交易额，就是将所有的订单金额加起来求和，得出总金额。

可能有读者会问，既然指标指标就是由维度和度量组成，那么直接看指标不就好了，为什么还要分成维度和度量呢？

从最终效果来看，维度和度量有助于我们发现问题真相，，找到一些难以解释（异常）现象的原因。
加入我们不从维度和度量下手，容易导致这些问题：第一，思考不知从何下手，容易导致乱撞。第二，指标太多，不知道看哪一个。
下面这个例子也许可以帮助我们更深入理解其作用：
公司希望App新用户数量相比上个月再增长一倍，分析一下那些用户群体最有增长潜力。
可以这样着手展开分析：
网站用户的指标有哪些？公司希望的新用户数增长？那么有哪些度量与用户数相关呢？比如UV，SKU，新客转化率等，找到影响整体新用户的度量，然后针对这些度量，拆封不同的维度，比如来自站内活动／站内流量／百度引流／知乎推广／网页广告等。这是先从度量角度看，再拆分维度逐步分析。
也可以直接从用户数出发，开始直接拆分维度，比如，用户性别／用户年龄／城市／职业等维度展开，发现不同维度中的奥秘。

度量也可以转化成维度

比如订单金额，本来可以看作是一种度量，因为订单金额从0到10000都有可能，但为了区分或刻画用户的消费能力，于是就会人为的按照订单金额大小将订单分成几类，比如0-30元，30-60元，30-90元等，从而将订单按照订单金额分成了高／中／低（甚至更多）分类，那么这些不同类型的订单数，比如高单价订单数就成了一个新指标，其中高客单价就是一种新的维度，是由订单金额转化而来的。

维度可以产生很多不同的组合

这个应该很好理解，比如上海男性就是城市维度和性别维度的组合，类似的组合千变万化，从而形成了许许多多的指标，当然，其中很多都没有太大意义。

那么一般的数据分析，就可以这样理解：

结合实际业务，将自己对问题的看法转化具体到维度和度量，将维度和度量转化成成可视化的图表，然后通过不同的维度和度量进行观察，做出调整，重复上面的步骤，直到发现数据中异常的地方，找到突破口。

附上做一个项目时的体会（项目与维度和度量密切相关）：

数据之旅，前路漫漫，需求邮件，浩如烟海，苦苦思索，得一良方；
知识点滴，众人收集，打破界限，跨跃鸿沟，指标图谱，为你导航。