很長一段時間以來，我都對業界數據分析裡各種術語感到困惑：工作中經常會聽到如“維度”、“粒度”、“尺度”和“口徑”這樣的詞匯，起初，我以為這些都是某些深奧的專業術語，但隨著時間的推移，我意識到其實它們與我們的日常生活關系密切，隻是我們未曾如此系統地去認識它們。

想象一下，我們手中的數據就像一個龐大的商品倉庫，這個倉庫中的每一件商品都是獨特的，我們如何快速準確地找到需要的商品？這時，那些“神秘”的詞匯就像是我們手中的指南針和放大鏡，幫助我們定位和深入觀察。

那麼讓我們從一個數據倉庫出發，開始理解各個術語吧！

維度 (Dimension)

維度指的是數據的分類特征或屬性。例如，性別能夠取值為：男/女/其他，我們可以通過性別的取值對人群進行分類，那麼性別就是一種典型的維度；

剛剛的數據倉庫裡的數據，我們可以從不同的角度去進行觀測，觀測的角度即為“維度”：多數情況下，維度的不同取值為我們提供瞭拆分數據的方法。如下圖所示，一個維度存在三種屬性 A / B / C，我們基於該維度對數據進行觀測，就可以把所有的數據記錄分為三類。

3104d5fe25b66d5fd92b9d776b8297ac

通過不同的維度將數據進行拆分，能夠獲取基礎的分類 / 分屬性分佈信息，如果我們同時使用多個維度對數據進行拆分，也就在結構上得到瞭數據透視表（又稱為：數據交叉表、樞紐表、關聯表、相依表）。例如，在分析數據時，我們經常說“按照日期、客戶類別等維度進行透視”，如果日期分為周一到周日的 7 天，客戶類別分為“小型客戶、中型客戶、大型客戶”3種類別，那麼我們或許可以構建一個 7 行 ✕ 3 列的數據透視表：

在電商銷售數據中，一些常見的維度有：

• 顧客維度：顧客的年齡、性別、地區等
• 賬戶維度：如賬戶創建日期、賬戶類型（普通用戶、VIP 用戶）等
• 商品維度：商品的類別、品牌和顏色等

度量 (Measure) / 指標 (Metric)

度量是事實表中的數值數據（數字），也就是在維度基礎上衡量對應結果的值；上面的數據透視表，我們按照日期、客戶類別維度進行透視之後，得到瞭表隻有行 / 列標題，填寫在表格主體部分的數值就是度量（或者叫指標）。

指標是一種特殊的度量，通常是“被賦予瞭實際意義”的度量，用來衡量和跟蹤業務或運營績效的數值，在工作中，我們常制定不同的指標幫助我們理解業務表現，如“月銷售額”或“日活躍用戶數”。

剛剛的數據倉庫裡的數據，我們基於維度進行觀測後，在“屬性 A”分類中有多條不同的記錄；我們可以計算出一個屬性 A 的記錄數量，這個“記錄數量”即為屬性 A 的一個度量值，可以填寫在交叉表“屬性 A”的對應位置。

974b2fa6d0c1115e85a51f08177b10b4

粒度 (Granularity)

粒度也就是“顆粒度”，指數據的 “粗細”，也就是我們看數據的精細程度的大小。粒度關註數據的詳細程度或其分解的大小，通俗地講，粒度關註“分析過程中將什麼范圍內的數據看作一個整體”

時間范圍是常見的粒度。假設你正在分析一名客戶的購物數據，年粒度看的是該客戶一整年的購買情況，月粒度看的是該客戶每個月的購買情況，日粒度看的是該客戶每一天的購買情況。在年粒度情況下，觀測數據時把“一整年”的數據都看作一個整體，月粒度則把“每個月”的數據看作一個整體；根據不同的數據需求制定不同的粒度要求，最終的觀測值也會發生變化。

在下面一個例子裡，有兩個客戶 A、B，我們需要觀測的數據是“A 客戶訂單占比”，日粒度時，每天的觀測數據是不同的，是每天的所有訂單中，A 客戶的訂單占比；而周粒度時，我們在時間維度將這 7 天看成瞭一個整體，隻會觀測到一個數據，即這周的全部訂單中，A 客戶的訂單占比。

邏輯范圍也是常見的粒度。剛剛的數據倉庫裡的數據，假設我們更改不同的粒度，會影響記錄的條數變化與度量值的變化；例如之前的數據是“商品粒度”，也就是每條記錄是“一個商品”，一個商品內可能有多個 SKU，假設我們把粒度從“商品粒度”為“SKU 粒度”，那麼新的數據模型裡，每條記錄是“一個 SKU ”，對應的觀測值“記錄數量”也會發生變化

ebe87cfbed421966afc7c448606332a5

尺度 (Scale)

當我們在數據分析中提及“尺度”實際上是在談論兩方面的內容：一是數據的度量單位，二是數據的分類與測量標準。

首先，尺度與數據的度量單位密切相關。例如，在分析 GMV 時，我們可能會碰到不同的度量單位：

• 比如“千元”尺度下，10K表示10,000元；
• 或者在“百萬元”尺度中，1M則代表1,000,000元。

然而，在數據科學的更廣泛背景下，尺度不僅是一個簡單的度量單位。它實際上是一個系統，用於描述數據的規模、大小和范圍，從而對數據進行更為準確的分類和測量。

數據尺度的幾種主要類型中，定類尺度（也叫做類別尺度或名義尺度），主要用於分類數據。就像給東西貼標簽。例如，男性或女性、中國人或美國人；定序尺度（或稱為等級尺度），能夠表達數據之間的邏輯順序或相對大小。一個常見的例子是 1-10 的滿意度測量表。定距尺度不僅可以分類和排序數據，還可以確定數據之間的確切差距。例如，我們用定距尺度來測量溫度或年齡。定比尺度除瞭具備上述所有特性，這種尺度還可以用來描述數據間的比例關系。比如，A 的收入是 B 的兩倍。

因此，“尺度”其實是每一類數據本身的屬性，數據是分很多“類”的，比如，一條客戶數據裡，可能有“年齡”“品類”等屬於客戶的數據“類”，也可能有“日期”“消費”等屬於數據倉庫的數據“類”，這些不同的數據“類”既有可能是維度，也有可能是度量，每一“類”數據有不同的粒度、尺度；這些數據“類”，統稱為“字段”。

字段 (Field)

之所以把字段放在後面講，是因為這個屬於“本身蘊含的信息量較少”——度量可以是字段，維度也可以是字段；可以想象，一張表就像是一個大倉庫，裡面擺滿瞭各種貨物。這些貨物就是數據，而每一個貨架上的標簽——告訴我們這是什麼貨物，就是“字段”。字段在數據庫或數據表中儲存信息的單位，你可以把它看作是表中的一列。

例如，表中可能有一個“客戶姓名”的字段，一個“客戶類型”的字段（屬於維度）一個“訂單金額”的字段（屬於度量）。

所以，無論是維度還是度量，它們其實都是不同類型的字段。它們幫助我們理解數據，給數據分類，賦予數據意義。

而整個數據模型中的一切字段、維度、度量、粒度、尺度的定義，統稱為“口徑”。

口徑 (Caliber)

口徑其實是描述數據來源和計算方法的“規則”。不同的調查或統計方法得到的數據可能會有差異。比如，全國范圍的普查得到的數據，和某個地區的小范圍抽樣調查得到的數據，它們的準確性和覆蓋面是不一樣的。所以，選擇合適的口徑，就是確保數據準確性和可靠性的關鍵。

比如，我們可能有兩種計算GMV的方法：

• 口徑A：把所有的交易都算進去，不管是否退貨。
• 口徑B：隻計算那些成功的、沒有退貨的交易。

每種口徑都有它的邏輯和原因，選擇哪一種，取決於我們的需求和目標。

總結

至此，我們探討瞭多個術語名詞及其含義，“維度”、“粒度”、“尺度”和“口徑”四個術語為數據分析的基石，它們在數據的組織、解讀和應用中扮演著不可或缺的角色：

維度為我們提供瞭數據分類的視角，幫助我們按不同屬性進行數據切分和觀察。

粒度則決定瞭我們在數據探索中的深度，使我們能夠根據需要查看數據的不同細節層次。

而尺度關註的是數據的度量單位與測量標準，為數據賦予瞭具體的意義和解讀標準。

口徑確保瞭數據的可靠性和一致性，它描述瞭數據的來源和處理方法，為數據分析結果提供瞭準確性和可信度的保證。

數據分析不僅僅是對數據的技術處理，更重要的是對數據的理解和解釋。隻有深入理解這些核心概念，我們才能夠確保數據的正確性和可靠性，從而提供有價值的洞察和建議。