国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

在向數(shù)據(jù)分析師提需求時(shí)，你是否只會(huì)用“字段”這個(gè)詞，來(lái)指代所有的維度和指標(biāo)呢？其實(shí)，數(shù)據(jù)的維度和指標(biāo)是非常重要的，當(dāng)你理清正確的維度和指標(biāo)時(shí)，你的問(wèn)題便已經(jīng)解決了一大半。如何正確理解維度和指標(biāo)呢？一起來(lái)看一下吧。

請(qǐng)不要用“字段”，掩蓋自己對(duì)維度和指標(biāo)的一知半解。

剛剛工作那會(huì)，我在鵝廠從事廣告變現(xiàn)相關(guān)工作。在向數(shù)據(jù)分析師提需求的時(shí)候，我只會(huì)用“字段”這個(gè)詞，來(lái)指代所有的維度和指標(biāo)。很多時(shí)候，數(shù)據(jù)分析師同學(xué)會(huì)向我耐心解釋，為什么這個(gè)“字段”不能被計(jì)算，那個(gè)字段沒(méi)有辦法取出來(lái)。

直到我后來(lái)系統(tǒng)學(xué)習(xí)了數(shù)據(jù)分析、數(shù)據(jù)倉(cāng)庫(kù)相關(guān)的知識(shí)，了解了維度、指標(biāo)、OLAP、上卷和下鉆這些基本概念之后，才發(fā)現(xiàn)我當(dāng)初的需求文檔問(wèn)題有多大，而這也是我寫(xiě)下這篇文章的原因——避坑。

01 為什么要搞清楚維度和指標(biāo)？

最直接的，理解了維度和指標(biāo)之后，再跟BI和RD提需求，能避免被當(dāng)做一個(gè)數(shù)據(jù)白癡，體現(xiàn)自己的專業(yè)性（至少看起來(lái)）。

其次，理解維度和指標(biāo)的前提，是了解業(yè)務(wù)邏輯和數(shù)據(jù)生產(chǎn)邏輯。

以往我們是從用戶流程、組織層級(jí)等視角理解我們的業(yè)務(wù)，但是不妨從數(shù)據(jù)邏輯視角試試：數(shù)據(jù)是在哪個(gè)主體上，在什么場(chǎng)景下，以什么樣的方式被生產(chǎn)和記錄的？數(shù)據(jù)是怎么被加工和呈現(xiàn)的？為什么需要這么呈現(xiàn)？這個(gè)指標(biāo)如果跌了，對(duì)業(yè)務(wù)有指向意義嗎？

當(dāng)你問(wèn)這些問(wèn)題的時(shí)候，你會(huì)發(fā)現(xiàn)你不僅要知道產(chǎn)品的設(shè)計(jì)邏輯、各個(gè)模塊的功能點(diǎn)，還要知道它們的耦合和組織方式。這些都會(huì)驅(qū)動(dòng)你去問(wèn)同事、查wiki、自己上手體驗(yàn)。相信我，這樣全套流程走下來(lái)，你對(duì)業(yè)務(wù)和產(chǎn)品一定會(huì)有更深入的理解。

再次，理清楚維度和指標(biāo)，能幫我們確定分析的思路。

業(yè)務(wù)指標(biāo)下降了，我們要做定位和分析；要寫(xiě)PRD了，我們要做功能點(diǎn)的收益預(yù)估——相信你一定為數(shù)據(jù)抓耳撓腮過(guò)。

那么我們究竟應(yīng)該從龐大的數(shù)據(jù)庫(kù)中，選取哪些“字段”來(lái)輔助分析呢？高效的方式之一——在對(duì)業(yè)務(wù)理解基礎(chǔ)上提出假設(shè)，然后把假設(shè)翻譯成維度和指標(biāo)，否則我們只會(huì)陷入在龐大的數(shù)據(jù)細(xì)節(jié)中而無(wú)從下手。

所以，當(dāng)你理清楚正確的維度和指標(biāo)的時(shí)候，你的問(wèn)題已經(jīng)解決了一大半。

02 從事件的視角，認(rèn)識(shí)維度和指標(biāo)

網(wǎng)上介紹維度、指標(biāo)及其差異的文章很多，可以作為基礎(chǔ)概念輔助初識(shí)維度和指標(biāo)。

我希望從“事件”的視角，帶你重新認(rèn)識(shí)這兩個(gè)名詞。

做過(guò)App/網(wǎng)頁(yè)前端埋點(diǎn)的同學(xué)，相信對(duì)“事件”（event）這個(gè)詞一定不會(huì)陌生，它指的是某個(gè)特定行為的發(fā)生，如某個(gè)按鈕的曝光、點(diǎn)擊，這些都可以稱作事件。

這里，我們將事件的含義泛化一下，不局限在某個(gè)具體行為上，也不要拘泥在行為埋點(diǎn)范疇中，而是將其擴(kuò)展到所有的結(jié)構(gòu)化數(shù)據(jù)表上。

每一張數(shù)據(jù)表，都是圍繞一個(gè)特定事件進(jìn)行創(chuàng)建的。而事件的發(fā)生，必然有其主體，即出發(fā)事件發(fā)生的人/物/事。

維度，是對(duì)事件發(fā)生主體屬性的補(bǔ)充描述，或者伴隨主體而存在的，除了事件發(fā)生的時(shí)間，它一般是靜態(tài)存在的，不依賴于事件的發(fā)生。

指標(biāo)，則是對(duì)事件發(fā)展程度的量化描述；一個(gè)指標(biāo)，通常描述主體的其中一種狀態(tài)。它依賴于事件的發(fā)生，是一個(gè)動(dòng)態(tài)變化的數(shù)值。

如果覺(jué)得抽象，我們來(lái)看個(gè)例子。

作為產(chǎn)品經(jīng)理，我們需要關(guān)注的一個(gè)重要指標(biāo)是“次留”，即今天打開(kāi)App的用戶，有多少比例會(huì)在第2天，繼續(xù)打開(kāi)我們的App：回訪在這里就構(gòu)成了一個(gè)事件，而事件發(fā)生的主體是用戶。

如果要細(xì)拆留存，可以分拆的維度有：性別、年齡、機(jī)型、新/老用戶、地域、來(lái)源渠道、是否在App內(nèi)支付過(guò)，等等。這些維度，本身是依附于用戶這個(gè)主體而存在的，它并不依賴于回訪的發(fā)生。所以，它是一個(gè)靜態(tài)的屬性描述，并不會(huì)因?yàn)槭录欠癜l(fā)生，而發(fā)生變化。

但是指標(biāo)不是。次留隨著會(huì)隨著你觀察的時(shí)間、觀察的群體而發(fā)生變化。

03 維度的4個(gè)作用

1）篩選：我們一般通過(guò)維度來(lái)篩選所觀察的數(shù)據(jù)范圍。

如果是定性的分類(lèi)維度，那么通過(guò)枚舉可以篩選，典型的定性維度如年份、省份等；如果是定量的維度，那么可以像指標(biāo)一樣，按照數(shù)值大小取一個(gè)范圍即可，如身高。

2）聚合：通俗地來(lái)說(shuō)，即我們希望在多大粒度上分析數(shù)據(jù)。

比如你要統(tǒng)計(jì)廣告消耗，那么是在創(chuàng)意粒度上看，還是將創(chuàng)意粒度消耗數(shù)據(jù)加總，并上卷到計(jì)劃粒度分析消耗呢？如果你之前寫(xiě)過(guò)SQL，那么肯定知道在對(duì)指標(biāo)進(jìn)行sum（求和）、avg（求平均）之后，要在腳本最后加入group by XX，也就是你希望聚合到的維度。

但是需要注意的是，你在進(jìn)行聚合的時(shí)候，一定要確認(rèn)計(jì)算的指標(biāo)，是可以在該維度上可分和可計(jì)算的，否則你算出來(lái)的數(shù)據(jù)肯定是錯(cuò)誤的，這個(gè)會(huì)在后面會(huì)詳述。

3）對(duì)比：數(shù)據(jù)只有在對(duì)比的時(shí)候才有意義。

我們發(fā)現(xiàn)數(shù)據(jù)上漲、下跌、波動(dòng)，是因?yàn)槲覀冎勒５臄?shù)據(jù)應(yīng)該是多少，超過(guò)這個(gè)范圍的數(shù)據(jù)都是異常的，才會(huì)需要進(jìn)一步比較和分析。我們?cè)趯?duì)比數(shù)據(jù)的時(shí)候，通常會(huì)選擇某一個(gè)維度，然后在該維度下進(jìn)行對(duì)比。不在同一個(gè)維度上，對(duì)比2個(gè)同樣指標(biāo)，在業(yè)務(wù)中沒(méi)有任何意義。

假設(shè)我們要對(duì)比每一個(gè)機(jī)型的留存，必須是在同一個(gè)維度（機(jī)型）的下鉆和比較，這通常稱為橫向?qū)Ρ取?/p>

另一種對(duì)比，則是以時(shí)間為維度的縱向?qū)Ρ?。我們看DAU、留存這些指標(biāo)，究竟是漲了還是跌了，通常都是觀察一段時(shí)間的指標(biāo)變化；環(huán)比、同比這些，則是基于不同時(shí)間窗口維度，對(duì)指標(biāo)的二次加工和計(jì)算。

4）歸因：這里的歸因，指的是對(duì)數(shù)據(jù)波動(dòng)的解釋，而不是數(shù)字廣告領(lǐng)域的歸因模型（attribution model）。

當(dāng)我們通過(guò)同維度的對(duì)比，發(fā)現(xiàn)數(shù)據(jù)異常波動(dòng)時(shí)，通常我們需要對(duì)波動(dòng)的原因進(jìn)行定位和解釋。而最終的排查結(jié)果，必然會(huì)定位到某個(gè)維度上，或者維度的某個(gè)值（枚舉）上。

我們發(fā)現(xiàn)昨日的訂單數(shù)，日環(huán)比（相對(duì)于前天）跌了30%，如果排除掉運(yùn)營(yíng)活動(dòng)結(jié)束帶來(lái)的正常下跌，而是一個(gè)異常的下降，我們必須找到可能的原因。

我們通常會(huì)逐個(gè)維度分析。比如看品類(lèi)：是衣服跌的多，還是鞋子跌的多，還是整體都在跌；看時(shí)間，訂單數(shù)量是否在某個(gè)時(shí)間段跌的多（是否某個(gè)時(shí)間段服務(wù)器崩了）；看交易方式（是否某個(gè)支付方式出了問(wèn)題）、看App版本（是否某個(gè)版本有bug）……

關(guān)于數(shù)據(jù)波動(dòng)的歸因，后續(xù)會(huì)再單獨(dú)用一章的篇幅，來(lái)重點(diǎn)講。

04 指標(biāo)在維度上是否可分和可聚合

我們拿到一份數(shù)據(jù)，先不要急著上手分析，而是要弄清楚維度與指標(biāo)的關(guān)系。這里的“關(guān)系”我們?nèi)匀环謨蓪觼?lái)理解。

第一層：指標(biāo)所反映的事實(shí)，可以在所選維度上發(fā)生、被統(tǒng)計(jì)；換句話說(shuō)，指標(biāo)所反映的被統(tǒng)計(jì)的事實(shí)，在業(yè)務(wù)場(chǎng)景中是真實(shí)存在的。

比如我們?cè)跀?shù)字廣告場(chǎng)景中，衡量一條創(chuàng)意好壞的指標(biāo)是CTR（點(diǎn)擊率，Click Through Rate）= 同時(shí)期點(diǎn)擊次數(shù)/該廣告曝光次數(shù)。我們可以比較不同創(chuàng)意、不同計(jì)劃之間的CTR，但是不會(huì)比較不同廣告落地頁(yè)之間的CTR。

因?yàn)閺V告落地頁(yè)是用戶點(diǎn)擊完廣告之后打開(kāi)的頁(yè)面，外顯廣告點(diǎn)擊行為并不在落地頁(yè)這個(gè)主體上發(fā)生。盡管對(duì)比之下，不同落地頁(yè)的CTR之間肯定略有差異，但是落地頁(yè)并不是造成CTR差異的原因，這種橫向?qū)Ρ炔o(wú)實(shí)際意義。

另一個(gè)案例中，指標(biāo)確實(shí)在這個(gè)維度上發(fā)生，但通常情況下并不能被計(jì)算。

我們經(jīng)?？吹囊粋€(gè)指標(biāo)是UV（獨(dú)立訪客數(shù)），如果在device_id（設(shè)備ID）維度上看UV，一般沒(méi)太大實(shí)際意義，因?yàn)橥ǔＧ闆r下，一個(gè)設(shè)備ID上只有1個(gè)UV，即UV和設(shè)備ID等價(jià)（除非某些業(yè)務(wù)如反作弊場(chǎng)景下，需要分析1個(gè)設(shè)備登錄了幾個(gè)賬號(hào)）。

第二層：計(jì)算時(shí)，指標(biāo)在所有參與計(jì)算維度上可分割、可加總。

如果我們把維度，想象成一把梳子，把指標(biāo)想象成一縷頭發(fā)。當(dāng)梳子經(jīng)過(guò)頭發(fā)的時(shí)候，頭發(fā)能被梳齒，分成N塊更細(xì)的發(fā)束（分割），且頭發(fā)的數(shù)量并沒(méi)有發(fā)生改變；當(dāng)拿掉這把梳子的時(shí)候，這些發(fā)束又聚合在一起（加總），恢復(fù)成原來(lái)的樣子。

還是以UV舉例。我們通常需要看DAU日活和WAU周活2個(gè)指標(biāo)。DAU統(tǒng)計(jì)比較簡(jiǎn)單，看每天有多少用戶數(shù)打開(kāi)了App。WAU是對(duì)過(guò)去一周的訪客數(shù)的去重計(jì)數(shù)，若1個(gè)用戶在周一和周三都打開(kāi)了App，在WAU的計(jì)算中，這個(gè)用戶只會(huì)被計(jì)算一次，但是在日活的口徑中，周一和周三會(huì)被分別統(tǒng)計(jì)一次。

如果我們拿到的是以周為維度、周活為指標(biāo)的一張表，假設(shè)我們想要分析過(guò)去一周每天的UV，那么顯然不能直接用周活進(jìn)行計(jì)算，即WAU在日期維度上不可分割。反之，周一到周日每天的DAU，加總起來(lái)也不是周活，也就是說(shuō)DAU在周維度上不可加總。

特別要注意的是，一些復(fù)合指標(biāo)在整體上有意義，也能在一些維度層級(jí)上被分割和被計(jì)算，但是不能被無(wú)限分割。

我們通常會(huì)看創(chuàng)意、（上卷一層到）計(jì)劃、（再上卷一層到）賬戶維度的CTR，但是我們通常不會(huì)去計(jì)算單個(gè)用戶粒度的CTR。因?yàn)榧僭O(shè)每個(gè)用戶只會(huì)看見(jiàn)1次廣告，對(duì)這條廣告點(diǎn)擊行為只有“是”或者“否”兩種情況，CTR要么是0，要么是1，這種極端值，并不能反映一條廣告質(zhì)量的好壞。

05 維度和指標(biāo)可互換

我們對(duì)于維度和指標(biāo)的理解，一定要在具體業(yè)務(wù)場(chǎng)景下深入分析。并不是某些字段一定是維度，某些字段一定是指標(biāo)；維度和指標(biāo)的界定，一定要根據(jù)具體業(yè)務(wù)場(chǎng)景，以及在該業(yè)務(wù)場(chǎng)景下的數(shù)據(jù)生產(chǎn)邏輯。

正如上文所說(shuō)的那樣，就像“薛定諤的貓”一樣，它取決于你對(duì)這次事件的主體、性質(zhì)等的觀察。

如果單看“體重”這個(gè)字段，你覺(jué)得它應(yīng)該是維度，還是指標(biāo)呢？

我認(rèn)為要看“體重”所在的場(chǎng)景。

如果你是一個(gè)體育老師，現(xiàn)在要通過(guò)體重、升高、BMI、肺活量等這些字段的數(shù)值，給每一個(gè)學(xué)生的健康狀況打分，體重在這里就是一個(gè)要被計(jì)算的指標(biāo)。

反之，假設(shè)我們要看體重跟薪資收入、壽命的關(guān)系，則體重作為維度更加適合。

此外，通過(guò)二次計(jì)算，維度和指標(biāo)也可以互換，即原來(lái)是維度的字段，可以變成指標(biāo)；反之，指標(biāo)通過(guò)設(shè)置區(qū)間可以變成維度。

還是以上文提到的廣告消耗為例。我們拿到的數(shù)據(jù)是計(jì)劃ID（維度）、消耗（指標(biāo)）；但是如果我們想看，消耗在5萬(wàn)及以上、3-5萬(wàn)（不含5萬(wàn)）、1-3萬(wàn)（不含3萬(wàn)）和不到1萬(wàn)的計(jì)劃數(shù)有多少，那么就需要把指標(biāo)變成一個(gè)分類(lèi)維度，然后對(duì)計(jì)劃ID去重計(jì)數(shù)——計(jì)劃數(shù)成了指標(biāo)。

總之，對(duì)維度和指標(biāo)介紹文章看的再多，也不如自己親手實(shí)踐。你可以找公司的數(shù)倉(cāng)或者BI同學(xué)，要1張數(shù)據(jù)底表的字段明細(xì)，嘗試自己分析，比如看指標(biāo)是否可以在維度上可分割、可加總，哪些維度可以篩選、聚合。