很长一段时间以来，我都对业界数据分析里各种术语感到困惑：工作中经常会听到如“维度”、“粒度”、“尺度”和“口径”这样的词汇，起初，我以为这些都是某些深奥的专业术语，但随着时间的推移，我意识到其实它们与我们的日常生活关系密切，只是我们未曾如此系统地去认识它们。
想象一下，我们手中的数据就像一个庞大的商品仓库，这个仓库中的每一件商品都是独特的，我们如何快速准确地找到需要的商品？这时，那些“神秘”的词汇就像是我们手中的指南针和放大镜，帮助我们定位和深入观察。
那么让我们从一个数据仓库出发，开始理解各个术语吧！
维度 (Dimension)
维度指的是数据的分类特征或属性。例如，性别能够取值为：男/女/其他，我们可以通过性别的取值对人群进行分类，那么性别就是一种典型的维度；
刚刚的数据仓库里的数据，我们可以从不同的角度去进行观测，观测的角度即为“维度”：多数情况下，维度的不同取值为我们提供了拆分数据的方法。如下图所示，一个维度存在三种属性 A / B / C，我们基于该维度对数据进行观测，就可以把所有的数据记录分为三类。
通过不同的维度将数据进行拆分，能够获取基础的分类 / 分属性分布信息，如果我们同时使用多个维度对数据进行拆分，也就在结构上得到了数据透视表（又称为：数据交叉表、枢纽表、关联表、相依表）。例如，在分析数据时，我们经常说“按照日期、客户类别等维度进行透视”，如果日期分为周一到周日的 7 天，客户类别分为“小型客户、中型客户、大型客户”3种类别，那么我们或许可以构建一个 7 行 ✕ 3 列的数据透视表：
| 日期 / 客户类别 | 小型客户 | 中型客户 | 大型客户 |
|---|---|---|---|
| 周一 | |||
| 周二 | |||
| 周三 | |||
| 周四 | |||
| 周五 | |||
| 周六 | |||
| 周日 |
在电商销售数据中，一些常见的维度有：
- 顾客维度：顾客的年龄、性别、地区等
- 账户维度：如账户创建日期、账户类型（普通用户、VIP 用户）等
- 商品维度：商品的类别、品牌和颜色等
度量 (Measure) / 指标 (Metric)
度量是事实表中的数值数据（数字），也就是在维度基础上衡量对应结果的值；上面的数据透视表，我们按照日期、客户类别维度进行透视之后，得到了表只有行 / 列标题，填写在表格主体部分的数值就是度量（或者叫指标）。
指标是一种特殊的度量，通常是“被赋予了实际意义”的度量，用来衡量和跟踪业务或运营绩效的数值，在工作中，我们常制定不同的指标帮助我们理解业务表现，如“月销售额”或“日活跃用户数”。
| 日期 / 客户类别 | 小型客户 | 中型客户 | 大型客户 |
|---|---|---|---|
| 周一 | 度量值 | 度量值 | 度量值 |
| 周二 | 度量值 | 度量值 | 度量值 |
| 周三 | 度量值 | 度量值 | 度量值 |
| 周四 | 度量值 | 度量值 | 度量值 |
| 周五 | 度量值 | 度量值 | 度量值 |
| 周六 | 度量值 | 度量值 | 度量值 |
| 周日 | 度量值 | 度量值 | 度量值 |
刚刚的数据仓库里的数据，我们基于维度进行观测后，在“属性 A”分类中有多条不同的记录；我们可以计算出一个属性 A 的记录数量，这个“记录数量”即为属性 A 的一个度量值，可以填写在交叉表“属性 A”的对应位置。
粒度 (Granularity)
粒度也就是“颗粒度”，指数据的 “粗细”，也就是我们看数据的精细程度的大小。粒度关注数据的详细程度或其分解的大小，通俗地讲，粒度关注“分析过程中将什么范围内的数据看作一个整体”
时间范围是常见的粒度。假设你正在分析一名客户的购物数据，年粒度看的是该客户一整年的购买情况，月粒度看的是该客户每个月的购买情况，日粒度看的是该客户每一天的购买情况。在年粒度情况下，观测数据时把“一整年”的数据都看作一个整体，月粒度则把“每个月”的数据看作一个整体；根据不同的数据需求制定不同的粒度要求，最终的观测值也会发生变化。
在下面一个例子里，有两个客户 A、B，我们需要观测的数据是“A 客户订单占比”，日粒度时，每天的观测数据是不同的，是每天的所有订单中，A 客户的订单占比；而周粒度时，我们在时间维度将这 7 天看成了一个整体，只会观测到一个数据，即这周的全部订单中，A 客户的订单占比。
| 粒度 | 日期 / 客户 / 订单数 | 客户A | 客户B | A 客户订单占比 |
|---|---|---|---|---|
| 日粒度 | 周一 | 1 | 0 | 100% |
| 周二 | 1 | 0 | 100% | |
| 周三 | 1 | 1 | 50% | |
| 周四 | 0 | 0 | – | |
| 周五 | 0 | 1 | 0% | |
| 周六 | 1 | 0 | 100% | |
| 周日 | 1 | 1 | 50% | |
| 周粒度 | 本周 | 5 | 3 | 62.5% |
逻辑范围也是常见的粒度。刚刚的数据仓库里的数据，假设我们更改不同的粒度，会影响记录的条数变化与度量值的变化；例如之前的数据是“商品粒度”，也就是每条记录是“一个商品”，一个商品内可能有多个 SKU，假设我们把粒度从“商品粒度”为“SKU 粒度”，那么新的数据模型里，每条记录是“一个 SKU ”，对应的观测值“记录数量”也会发生变化
尺度 (Scale)
当我们在数据分析中提及“尺度”实际上是在谈论两方面的内容：一是数据的度量单位，二是数据的分类与测量标准。
首先，尺度与数据的度量单位密切相关。例如，在分析 GMV 时，我们可能会碰到不同的度量单位：
- 比如“千元”尺度下，10K表示10,000元；
- 或者在“百万元”尺度中，1M则代表1,000,000元。
然而，在数据科学的更广泛背景下，尺度不仅是一个简单的度量单位。它实际上是一个系统，用于描述数据的规模、大小和范围，从而对数据进行更为准确的分类和测量。
数据尺度的几种主要类型中，定类尺度（也叫做类别尺度或名义尺度），主要用于分类数据。就像给东西贴标签。例如，男性或女性、中国人或美国人；定序尺度（或称为等级尺度），能够表达数据之间的逻辑顺序或相对大小。一个常见的例子是 1-10 的满意度测量表。定距尺度不仅可以分类和排序数据，还可以确定数据之间的确切差距。例如，我们用定距尺度来测量温度或年龄。定比尺度除了具备上述所有特性，这种尺度还可以用来描述数据间的比例关系。比如，A 的收入是 B 的两倍。
因此，“尺度”其实是每一类数据本身的属性，数据是分很多“类”的，比如，一条客户数据里，可能有“年龄”“品类”等属于客户的数据“类”，也可能有“日期”“消费”等属于数据仓库的数据“类”，这些不同的数据“类”既有可能是维度，也有可能是度量，每一“类”数据有不同的粒度、尺度；这些数据“类”，统称为“字段”。
字段 (Field)
之所以把字段放在后面讲，是因为这个属于“本身蕴含的信息量较少”——度量可以是字段，维度也可以是字段；可以想象，一张表就像是一个大仓库，里面摆满了各种货物。这些货物就是数据，而每一个货架上的标签——告诉我们这是什么货物，就是“字段”。字段在数据库或数据表中储存信息的单位，你可以把它看作是表中的一列。
例如，表中可能有一个“客户姓名”的字段，一个“客户类型”的字段（属于维度）一个“订单金额”的字段（属于度量）。
所以，无论是维度还是度量，它们其实都是不同类型的字段。它们帮助我们理解数据，给数据分类，赋予数据意义。
而整个数据模型中的一切字段、维度、度量、粒度、尺度的定义，统称为“口径”。
口径 (Caliber)
口径其实是描述数据来源和计算方法的“规则”。不同的调查或统计方法得到的数据可能会有差异。比如，全国范围的普查得到的数据，和某个地区的小范围抽样调查得到的数据，它们的准确性和覆盖面是不一样的。所以，选择合适的口径，就是确保数据准确性和可靠性的关键。
比如，我们可能有两种计算GMV的方法：
- 口径A：把所有的交易都算进去，不管是否退货。
- 口径B：只计算那些成功的、没有退货的交易。
每种口径都有它的逻辑和原因，选择哪一种，取决于我们的需求和目标。
总结
至此，我们探讨了多个术语名词及其含义，“维度”、“粒度”、“尺度”和“口径”四个术语为数据分析的基石，它们在数据的组织、解读和应用中扮演着不可或缺的角色：
维度为我们提供了数据分类的视角，帮助我们按不同属性进行数据切分和观察。
粒度则决定了我们在数据探索中的深度，使我们能够根据需要查看数据的不同细节层次。
而尺度关注的是数据的度量单位与测量标准，为数据赋予了具体的意义和解读标准。
口径确保了数据的可靠性和一致性，它描述了数据的来源和处理方法，为数据分析结果提供了准确性和可信度的保证。
数据分析不仅仅是对数据的技术处理，更重要的是对数据的理解和解释。只有深入理解这些核心概念，我们才能够确保数据的正确性和可靠性，从而提供有价值的洞察和建议。
文章为本人原创，欢迎转发收藏分享，未经授权请勿转载。
