中年在数据分析中，我们需要掌握这4种思维模式( 三 )
- 事实表用来记录具体事件 ， 比如销量、销售额、售价、折扣等具体的数值信息 。
- 维度表是对事实表中事件的要素的描述信息 ， 比如时间、城市、品牌、机型等 。
本文插图
事实表里面主要包含两方面的信息：维和度量 。
- 维的具体描述信息记录在维表 ， 事实表中的维属性只是一个关联到维表的键 ， 并不记录具体信息；
- 度量一般都会记录事件的相应数值 ， 比如这里的产品的销售数量、销售额等 。
下图举例一个简化的分析模型 ， 分别由产品、城市、时间这三个维度组成 ， 实际数据分析中 ， 维度远不止三个 。
本文插图
在数库中 ， 可能是这样两张表：
本文插图
我们可以将品牌作为维度 ， 分析手机的销量情况 ， 也可以将时间作为维度 ， 分析每一年手机市场的份额情况 。
多维分析操作包括：钻取（Drill-down）、上卷（Roll-up）、切片（Slice）、切块（Dice）以及旋转（Pivot） 。
- 钻取（Drill-down）：在维的不同层次间的变化 ， 从上层降到下一层 ， 或者说是将汇总数据拆分到更细节的数据；比如通过对2018年华为的总销售数据进行钻取来查看各个手机型号的销售数据 。
- 上卷（Roll-up）：钻取的逆操作 ， 即从细粒度数据向高层的聚合；如将江苏省、上海市和浙江省的销售数据进行汇总来查看江浙沪地区的销售数据 。
- 切片（Slice）：选择维中特定的值进行分析；比如只选择苹果手机的销售数据 ， 或2017年的手机销售数据 。
- 切块（Dice）：选择维中特定区间的数据进行分析；比如选择2016年2017年的销售数据 。
- 旋转（Pivot）：即维的位置的互换 ， 就像是二维表的行列转换；如图中通过旋转实现产品维和地域维的互换 。
- 一者是我们在梳理分析思路时 ， 常常会按照几个大的维度类去划分层级、多面分析 ， 如时间维、地域维、产品维 ， 帮助我们成为“多面分析手” 。
- 另一方面 ， BI商业智能在操作也基于维度一说 ， 熟悉维度和数据模型的原理 ， 能更好的理解这个工具 。
作者：李启方 ， 公众号：数据分析不是个事儿
本文由 @李启方 原创发布于人人都是产品经理 。 未经许可 ， 禁止转载
题图来自Unsplash ， 基于CC0协议
【中年在数据分析中，我们需要掌握这4种思维模式】
推荐阅读
- 南方古猿|人类是唯一没有天敌的生物？我们都被骗了，它差点吃光人类祖先！
- 咖啡|咖啡可乐2021年在美国上架
- 咖啡可乐2021年在美国上架|咖啡可乐2021年在美国上架什么情况?怎么回事?终于真相了,原来是这样!
- 海峡网|李健姚勇为什么退出水木年华，水木年华成员资料
- 咖啡可乐2021年在美国上架|咖啡可乐2021年在美国上架 现在哪里有卖的？
- 第2导师 月入过万”：你学的专业，摆摊能干啥？，“夜市摆摊
- 苹果|死磕到底？苹果CEO库克霸气回应：我们是不会做出任何让步
- 「咖啡可乐2021年在美国上架」咖啡可乐2021年在美国上架 已经打入全球30多个市场
- 「咖啡可乐2021年在美国上架」咖啡可乐2021年在美国上架
- 茶余玩历史|喊话中方：为什么要取消我们的国籍，大量美籍华人被“驱逐出境”