數據分析必須想清楚的兩個概念：指標和維度(轉)

指標與維度是數據分析中最經常使用到的術語，它們是很是基礎的，可是又很重要，常常有朋友沒有搞清楚它們之間的關係，只有掌握理解了，咱們的數據分析工做開展就就容易多了。如今就來講說指標與維度的那些事。

一、指標

指標，用於衡量事物發展程度的單位或方法，它還有個IT上經常使用的名字，也就是度量。例如：人口數、GDP、收入、用戶數、利潤率、留存率、覆蓋率等。不少公司都有本身的KPI指標體系，就是經過幾個關鍵指標來衡量公司業務運營狀況的好壞。

指標須要通過加和、平均等彙總計算方式獲得，而且是須要在必定的前提條件進行彙總計算，如時間、地點、範圍，也就是咱們常說的統計口徑與範圍。

指標能夠分爲絕對數指標和相對數指標，絕對數指標反映的是規模大小的指標，如人口數、GDP、收入、用戶數，而相對數指標主要用來反映質量好壞的指標，如利潤率、留存率、覆蓋率等。咱們分析一個事物發展程度就能夠從數量跟質量兩個角度入手分析，以全面衡量事物發展程度。

剛纔說過，指標用於衡量事物發展程度，那這個程度是好仍是壞，這就須要經過不一樣維度來對比，才能知道是好仍是壞。

二、維度

維度：是事物或現象的某種特徵，如性別、地區、時間等都是維度。其中時間是一種經常使用、特殊的維度，經過時間先後的對比，就能夠知道事物的發展是好了仍是壞了，如用戶數環比上月增加10%、同比去年同期增加20%，這就是時間上的對比，也稱爲縱比;

另外一個比較就是橫比，如不一樣國家人口數、GDP的比較，不一樣省份收入、用戶數的比較、不一樣公司、不一樣部門之間的比較，這些都是同級單位之間的比較，簡稱橫比;

維度能夠分爲定性維度跟定量維度，也就是根據數據類型來劃分，數據類型爲字符型(文本型)數據，就是定性維度，如地區、性別都是定性維度;數據類型 爲數值型數據的，就爲定量維度，如收入、年齡、消費等，通常咱們對定量維度須要作數值分組處理，也就是數值型數據離散化，這樣作的目的是爲了使規律更加明 顯，由於分組越細，規律就越不明顯，最後細到成最原始的流水數據，那就無規律可循。

最後強調一點，只有經過事物發展的數量、質量兩大方面，從橫比、縱比角度進行全方位的比較，咱們纔可以全面的瞭解事物發展的好壞。

進一步拓展思考，我理解爲指標拆分和維度對比。

其實在實際產品數據分析的過程當中也可參照以上思想。

經過大量的數據分析軟件工具應用能夠發現，主要包括如下內容：

· 總體狀況的分析和彙總：全局數據的概況、變化趨勢、佔比等

· 多個維度的分析：若是是日誌數據，已經存在多個數據項，以某一個數據項做爲主關鍵詞彙總分析，同比、環比變化，佔總數的變化。若是沒有日誌數據，則須要想清楚解決這個問題緣由是什麼?須要採集哪些數據項?

· 重要場景問題的分析:根據分析的重要問題、用戶關心的問題進行分析

· 軟硬件性能管理、告警管理、報表管理、基礎參數配置和用戶管理等等

在多維度分析、告警、報表，數據圖表可視化設計呈現方面也存在許多共性，總結以下:

1. 數據的呈現方式是表格仍是圖表?如果時間範圍，時間統計粒度是多少?

2. 表格須要呈現哪些數據?數據的單位?保留幾位小數?數據計算的方法?排序依據?

3. 圖表採用哪種?呈現的範圍是多少?

4. 常見的數據項操做：新增、刪除、修改、查詢

· 新增哪些是必填數據項?校驗重複性和有效性?

· 刪除是否須要提醒?是否具備權限刪除?

· 修改可修改的數據項有哪些?修改後是否要進行校驗有效性和重複項?是否有修改的權限?

· 查詢是精準查詢仍是模糊查詢?是單一查詢仍是支持批量查詢?批量查詢輸入方式的講究?查詢的內容輸入什麼是否支持大小寫 空格等?數據區間的查詢是自定義仍是給出範圍劃分?

人們總認爲與大數據分析沾點邊的技術都要花大價錢才能獲得。但事實上，大數據分析的思想纔是最貴的，技術能夠實現數據批量清洗，處理，呈現地更快、更美。但殊不知道要哪些數據算有效，哪些數據纔是重點須要分析得出有價值的信息。

別用戰術上的勤奮，掩飾戰略上的懶惰