如何理解数据模型？颗粒度、维度及指标？

问题1 什么是数据模型？

数据模型反映在数据库中就是一张表，该表把他分开来看有以下关注的点。

（1）主键：表明该表主要的分析对象，比如我们的分析对象是订单、是商品、是门店，那么主键就是订单id,商品id，门店id等

（2）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。反应表中一行数据所代表的细节程度，简单理解就是该行数据反应了什么样的业务，具体到哪种细节程度。也是我们进行分析、汇总、关联的最小单元。

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

分析对象（主键）+ dt 共同构成了数据的颗粒度

例如：某个门店（对象）每月（时间）的GMV

 

（3）关系：构建实体与实体之间的关系，有一对一，一对多，多对多。比如门店与顾客之间的关系，属于1对多，一个门店有多个顾客来购买商品。

（4）行为指标：即指标、度量。用来描述该对象发生了什么事情。你如XX顾客在该门店近一个月购买了多少件商品。

   本质是一种面向对象思想，对象里面有属性和方法,对象即实体，对应数据库中的表模型，对象由主键来确定，属性即表中的维度，方法即行为指标。

 

问题2：颗粒度与维度之间的区别？ 

维度：指看待事物不同的角度。可以理解为对象的属性，是对同一实体更细粒度的拆分。

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，我们可以从以下几个维度进行拆分：

• 时间维度：拆分为天、月、季度、年
• 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

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。那么颗粒度和维度的主要区别在哪呢？

• 颗粒度和维度的本质区别在于拆分的模式不同 

• 颗粒度是一种纵向的拆分模式，按业务实体，业务过程进行纵向拆分，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。是在同一对象（实体）下进行的横向拆分，指的该对象的水平扩展能力，按不同维度展开分析。
• 比如实体对象X=A+B+C+D,对象X可以按照A,B,C,D四个维度进行拆分出来进行分析，而将所有的维度组合又可以形成X整体。对象Y=1+2+3+4,1,2,3,4属于实体Y的维度，而对象X,Y则属于不同的颗粒度。

问题3：什么是指标，指标的具体含义是什么？

指标定义：指标是对业务发展现状的描述和度量。作用：是对当前业务发展好坏的评价。本质上他是一种度量（mesuare《=》metric），是数据分析的基础。

指标意义：实际上是业务固化下来的产物，可以长期监控业务发展趋势，评价业务现状。指标是数据部门与业务部门沟通的桥梁和术语，数据最终的呈现结果即为指标，没有指标数据是没有灵魂的。

指标的作用是“度量”业务，可以从三个角度对指标进行拆解：

指标=维度+统计口径+业务目标。

维度：从什么角度去衡量问题。

统计口径：用什么方法去统计问题。

业务目标：目标是什么。

下面举两个例子。订单量是指统计周期内，用户完成支付的订单数量总和。从维度、统计口径、业务目标三个角度将订单数拆解。

订单量 = 统计周期内，用户完成支付的订单数量总和

维度：用户完成支付订单数量来衡量

统计口径：订单数量总和

业务目标：完成支付订单数。

指标分类：原子指标、派生指标、衍生指标。一般日常使用的即为派生指标，派生指标=原子性指标+时间段+修饰词，三者缺一不可。