今天談談數據分析中2個重要的概念：維度和度量。
這里所說的維度和度量可能與其他人講得有所區別，但我覺得關系不大，只要是能夠給出一套合理的解釋即可。
那么什么是維度和度量呢？
先看這樣一個指標：
上海男性互聯網從業人數
如果是對數據敏感的分析師，立馬就可以看出，數據中有三個維度。
分別是：城市、性別、行業
數據中的度量就是從業人數。
一個數據指標一般由一種或多種維度加上一種度量組成。
通俗的講，維度其實可以理解成一種分類的方式，或者叫做標簽，最常見的標簽就是大家口中經常說的80后、90后、00后，這三種標簽其實就是將人進行了分類，方便對每一類人進行統計或描述。
而度量就更好理解了，比如人數，就是計算一下有多少人，將不同類型的人求和，得出一個數值。在比如，交易額，就是將所有的訂單金額加起來求和，得出總金額。
可能有讀者會問，既然指標指標就是由維度和度量組成，那么直接看指標不就好了，為什么還要分成維度和度量呢？
從最終效果來看，維度和度量有助于我們發現問題真相，，找到一些難以解釋（異常）現象的原因。
加入我們不從維度和度量下手，容易導致這些問題：第一，思考不知從何下手，容易導致亂撞。第二，指標太多，不知道看哪一個。
下面這個例子也許可以幫助我們更深入理解其作用：
公司希望App新用戶數量相比上個月再增長一倍，分析一下那些用戶群體最有增長潛力。
可以這樣著手展開分析：
網站用戶的指標有哪些？公司希望的新用戶數增長？那么有哪些度量與用戶數相關呢？比如UV，SKU，新客轉化率等，找到影響整體新用戶的度量，然后針對這些度量，拆封不同的維度，比如來自站內活動／站內流量／百度引流／知乎推廣／網頁廣告等。這是先從度量角度看，再拆分維度逐步分析。
也可以直接從用戶數出發，開始直接拆分維度，比如，用戶性別／用戶年齡／城市／職業等維度展開，發現不同維度中的奧秘。
度量也可以轉化成維度
比如訂單金額，本來可以看作是一種度量，因為訂單金額從0到10000都有可能，但為了區分或刻畫用戶的消費能力，于是就會人為的按照訂單金額大小將訂單分成幾類，比如0-30元，30-60元，30-90元等，從而將訂單按照訂單金額分成了高／中／低（甚至更多）分類，那么這些不同類型的訂單數，比如高單價訂單數就成了一個新指標，其中高客單價就是一種新的維度，是由訂單金額轉化而來的。
維度可以產生很多不同的組合
這個應該很好理解，比如上海男性就是城市維度和性別維度的組合，類似的組合千變萬化，從而形成了許許多多的指標，當然，其中很多都沒有太大意義。
那么一般的數據分析，就可以這樣理解：
結合實際業務，將自己對問題的看法轉化具體到維度和度量，將維度和度量轉化成成可視化的圖表，然后通過不同的維度和度量進行觀察，做出調整，重復上面的步驟，直到發現數據中異常的地方，找到突破口。
附上做一個項目時的體會（項目與維度和度量密切相關）：
數據之旅，前路漫漫，需求郵件，浩如煙海，苦苦思索，得一良方；
知識點滴，眾人收集，打破界限，跨躍鴻溝，指標圖譜，為你導航。
