做数据分析最重要的是什么？当然是有数据可以分析了

数据的生产需要经过以下几个步骤：

• 数据指标体系搭建
• 数据采集
• 数据存储
• 数据清洗

才能最终达到可分析，可建模，可以用数据驱动业务增长的状态。

通过【数据指标体系】系列文章，跟大家分享如何根据业务需求，搭建一套正确、高效的数据指标体系。

本文对数据最基本的三个概念：颗粒度、指标、维度进行讲解

一、颗粒度

数据的颗粒度是指数据的 “粗细”，也就是我们看数据的视野的大小，或者说格局的大小。

例如一个电商公司，同样是看GMV，也就是总销售额，CEO关注的可能是今年总的GMV是多少，而业务老板关注的可能是每个月的GMV如何，具体到某个小团队，关注的点可能就是某些商品，每天的GMV如何了。

数据颗粒度最常见的划分是时间

二、维度

数据的维度是指看待事物不同的角度。

比如我们小学的时候就学过 “横看成岭侧成峰“，说的就是从不同角度来看一座山，会得到不同的结论。

在做数据分析时也是一样的。分析一个活动，或者一个策略对用户的吸引时，如果我们以新增用户数作为分析的指标（也就是展开方式，分析点，下面会具体讲），我们可以从以下几个维度进行拆分：

• 时间维度：拆分为早晨、中午、晚上
• 性别维度：男性、女性、未知
• 受教育程度：小学、中学、大学、研究生、博士、其他
• 等等

通过维度的分解，我们可以看到每个部分的变动，和整体的变化趋势是否相同，是否存在不同，而哪些不同点往往会成为我们接下来分析的重点。

是不是会有同学发现，颗粒度和维度有一些相似，例如“时间”这个要素，在两个部分都出现了

颗粒度和维度的本质不同在于拆分的方式不同

• 颗粒度是一种纵向的聚合，类似于金字塔的形状，不同的颗粒度都代表着不同的聚合程度
• 维度是一种横向拆分的模式。类似于把镜子打碎成不同的部分，每个部分都是独立的，把所有部分合在一起又能拼成完整的整体

三、指标

数据指标是衡量事物发展方式及程度的一种单位或者方法，一般通过对原始数据进行加减乘除等操作生成得到。

例如长度 ，是把所有部分加在一起得到的一种衡量外在大小的单位。

列举一些常见的互联网场景下的数据指标：

• DAU（daily active user）：每天，“活跃”过的用户数的加总，count(distinct user_id) group by day
• MAU（monthly active user）：每个月，“活跃”过的用户的加总，count(distinct user_id) group by month
• 留存率（次日、7日、30日）：今天“活跃”过的用户的总量，一段时间后的某个时间点，还活跃的比例
• 转化率：两个有递进的环节之间，从上层到下层用户转化的比例，例如CTR=实际点击次数/展示量

免责声明：本文来源分析师小帅比，仅供读者交流学习，版权归原作者所有，且仅代表作者个人观点，侵删。