要做好數據分析 明晰指標和維度的概念是關鍵

　　【中國智能制造網 名家論壇】指標與維度是數據分析中常用到的術語，它們是非?；A的，但是又很重要，經常有朋友沒有搞清楚它們之間的關系，只有掌握理解了，我們的數據分析工作開展就就容易多了。現在就來說說指標與維度的那些事。　　
　　1、指標
　　
　　指標，用于衡量事物發展程度的單位或方法，它還有個IT上常用的名字，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。很多公司都有自己的KPI指標體系，就是通過幾個關鍵指標來衡量公司業務運營情況的好壞。
　　
　　指標需要經過加和、平均等匯總計算方式得到，并且是需要在一定的前提條件進行匯總計算，如時間、地點、范圍，也就是我們常說的統計口徑與范圍。
　　
　　指標可以分為數指標和相對數指標，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。我們分析一個事物發展程度就可以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。
　　
　　剛才說過，指標用于衡量事物發展程度，那這個程度是好還是壞，這就需要通過不同維度來對比，才能知道是好還是壞。
　　
　　2、維度
　　
　　維度：是事物或現象的某種特征，如性別、地區、時間等都是維度。其中時間是一種常用、特殊的維度，通過時間前后的對比，就可以知道事物的發展是好了還是壞了，如用戶數環比上月增長10%、同比去年同期增長20%，這就是時間上的對比，也稱為縱比;
　　
　　另一個比較就是橫比，如不同國家人口數、GDP的比較，不同省份收入、用戶數的比較、不同公司、不同部門之間的比較，這些都是同級單位之間的比較，簡稱橫比;
　　
　　維度可以分為定性維度跟定量維度，也就是根據數據類型來劃分，數據類型為字符型(文本型)數據，就是定性維度，如地區、性別都是定性維度;數據類型為數值型數據的，就為定量維度，如收入、年齡、消費等，一般我們對定量維度需要做數值分組處理，也就是數值型數據離散化，這樣做的目的是為了使規律更加明顯，因為分組越細，規律就越不明顯，后細到成原始的流水數據，那就無規律可循。
　　
　　后強調一點，只有通過事物發展的數量、質量兩大方面，從橫比、縱比角度進行的比較，我們才能夠全面的了解事物發展的好壞。
　　
　　進一步拓展思考，我理解為指標拆分和維度對比
　　
　　其實在實際產品數據分析的過程中也可參照以上思想。
　　
　　通過大量的數據分析軟件工具應用可以發現，主要包括以下內容：
　　
　　·整體情況的分析和匯總：全局數據的概況、變化趨勢、占比等
　　
　　·多個維度的分析：如果是日志數據，已經存在多個數據項，以某一個數據項作為主關鍵詞匯總分析，同比、環比變化，占總數的變化。如果沒有日志數據，則需要想清楚解決這個問題原因是什么?需要采集哪些數據項?
　　
　　·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，總結如下:
　　
　　1.數據的呈現方式是表格還是圖表?若是時間范圍，時間統計粒度是多少?
　　
　　2.表格需要呈現哪些數據?數據的單位?保留幾位小數?數據計算的方法?排序依據?
　　
　　3.圖表采用哪一種?呈現的范圍是多少?
　　
　　4.常見的數據項操作：新增、刪除、修改、查詢
　　
　　·新增哪些是必填數據項?校驗重復性和有效性?
　　
　　·刪除是否需要提醒?是否具有權限刪除?
　　
　　·修改可修改的數據項有哪些?修改后是否要進行校驗有效性和重復項?是否有修改的權限?
　　
　　·查詢是查詢還是模糊查詢?是單一查詢還是支持批量查詢?批量查詢輸入方式的講究?查詢的內容輸入什么是否支持大小寫空格等?數據區間的查詢是自定義還是給出范圍劃分?
　　
　　人們總認為與大數據分析沾點邊的技術都要花大價錢才能得到。但事實上，大數據分析的思想才是貴的，技術可以實現數據批量清洗，處理，呈現地更快、更美。但卻不知道要哪些數據算有效，哪些數據才是重點需要分析得出有價值的信息。