多维数据模型中维度、度量、层级理解

多维数据模型中维度、度量、层级理解

本文只是对多维数据模型中维度、度量、层级理解的通俗理解，当然不止这些，还会涉及到更多具体细节的概念，本文对此不做介绍。

1. 如何认识（看）对象？

当人去看、去观测一个事物，一个对象的时候，总是不能回避的是观测方向。和观测角度、观测属性、观测维度、观测特征同义。
角度，属性、方向、维度、特征这些都是同一概念，都是对象本身的属性。去看这个对象时，总是从一个或者多个属性来看这个对象。比如我们看一个在三维空间的一部手机，我们最直观的会看到它的长、宽、高。
长、宽、高是三个手机的三个属性，每个属性有具体的数值。这三个角度，放到坐标系，分别对应三维空间的x, y, z轴，即我们是从三维角度去看这个手机，对这个手机有了三个维度的认识。
如果你的认知只是三维，那你获得的信息，就只能是这个长宽高三个角度的信息，你对手机的认知就只是三维的东西。
现在你的三维空间又有一个纸箱，你的认知是三维的，那么你看这个纸箱，只是长宽高三个维度。那么对你来说，纸箱和杯子又有什么区别呢？除了长宽高的值不同，再无不同。
你说手机是黑色的，纸箱是灰色的。灰色黑色就是第四个维度，通过第四个维度来区别。你还说手机有操作系统，有界面，有电池，有app…你会列出很多不同的维度，当你用这些维度的时候，
其实就是用这些维度，不同的角度去看手机，你现在使用多个维度去观看，认识手机了，就不仅限于长宽高三个维度了。
所以说，我们是从维度、角度、方向去看去（看）对象的。
当我们看一个人的时候，你会认识到他的姓名、年龄、事迹、历史地位、收入、性格、人品、是否有车、是否有保险、手机型号、贷款金额、走路姿势等等维度去更全面认识一个人，但我们基本上是仅凭几个特殊、特有维度来区别这个人和其他人。
对于对象的认识可以是无穷维度的认识，但对象有区别于其他类别物体的特有维度，和维度值范围。

2. 如何区别物体？

个人认为：
物体区别于物体的本质标准在于特有维度和维度值的范围。
不同类，即便同类物品有自己特有的维度以及维度的固有范围。

3. 度量、维度、层次、级别

原始数据中，一条数据，可以看作为一个对象，该对象全是属性、维度，如下记录描述一些人的信息：
科室 性别 工资
A 男性 7000
A 男性 8000
B 女性 7500
B 女性 9000
B 男性 7000
B 男性 8000
A 女性 7500
A 女性 9000
C 男性 8000
C 女性 7500
C 女性 9000
这三个属性都是对人的一种描述（可能还有其他属性，此处只列出3个属性），三个属性就是人的三个特征，三个维度。
此时提出关注点和统计需求：
统计A、C科室女性的的总工资，最高工资，最低工资，平均工资，工资方差。
统计步骤：
1.进行分组：把A、C科室女性叫到一起，即分到一个组。此处是根据两个属性：科室、姓别（两个维度）的值A、C,女性，进行限定，把她们分到一个组中。
2.统计、计算：对这个组里所有人的工资属性进行计算，计算出总工资，最高工资，最低工资，平均工资，工资方差。
维度就是人的三个属性：科室 性别 工资。
度量是什么？
是总工资，最高工资，最低工资，平均工资，工资方差。非常明显地看出，都是对工资这个属性上加了计算！是维度的测量。英文对应measure，就有测量的意思，测量什么？测量的是某个属性（维度），是我想关注和想看的一个属性。
测量哪些对象的该属性呢？A、C科室女性。
度量是可计算、比较、可比较、可测量的属性，工资是我们想看的属性，特征，维度。想看工资的什么统计量呢？想看工资的总、最高、最低、方差。
度量也是维度，是我想关注的维度的测量统计。所以度量就是一个观测角度。本例中，我想通过收入角度去看（了解）这些人（人由科室 性别 工资三个维度构成）。

层次和级别是什么？
科室 A、C，性别女性是对科室和性别两个两个维度做了限制。两个维度有很多值，想看哪些人的工资呢？如果不做限制，就是所有人的，本例限定科室 A、C，性别女性。

我们规定科室A、C为销售部门、B为技术部门。那么原需求可表述为：统计销售部门女性的总工资，最高工资，最低工资，平均工资，工资方差。
A、C科室为销售部门起到了什么作用？是对科室属性中所有科室值A B C进行的一种划分（分组），把这种划分方式叫做：按科室职能划分。
科室职能这种划分把所有科室分成了：销售部门、技术部门。把划分方式叫做层次划分，划分的依据是层次，依据科室职能层次划分。
销售部门、技术部门是按照科室职能层次划分出来的的两个部分，叫做级别，即销售部门、技术部门两个级别。
当然，科室还有其他层次的划分方式。
概括地说，维度和度量的概念是：多维度多条件下观测维度的测量，多因素条件下的关注量的统计，或者说多因素多条件下综合、定位限定所聚焦的、关注的维度统计。
关注的，想看的是某个维度的测量统计量，其他维度的层次、级别是对度量的测量范围的限定。
度量具体值和其他维度具体值本身就是相互映射，相关的，存在一种映射关系 ，维度层级来做限定范围，映射的度量进行计算。

当统计的对象是一条明细时:
员工编号 科室 性别 工资
01 A 男性 7000
统计员工编号01,A科室性别女性的的总工资，最高工资，最低工资，平均工资，工资方差。
本质和上述概念一致，是对一个人的工资的相关统计，计算。和多个人，多组人，没有本质区别。都是对要统计工资的人的人数和范围的限定。

4. 数据库表设计上的体现

设计FACT表时，如果Fact表只是最基础的聚合，其中group by dept, sex 是分组值，是观测维度。 where deptclass = '职能部门’是维度的限制条件，是层级的概念。
sum(sal)、max(sal)等是度量的计算，是我关注的维度的计算。
为什么有group by分组呢？因为我关注的是一个群体对象，群体记录的相关维度（度量）的统计，所以是要分组的，哪些群体呢？是要分层级的。
。。。。。。。。。
待完善。。。。。。

5. Cube模型的体现

 。。。。。。。。。
 待完善。。。。。。

7. 数学坐标系理解多维数据

 。。。。。。。。。
 待完善。。。。。。

8. 指标的理解

指标是不但具备自身的业务含义，更是组织和划分数据的方式。指标也是多因素条件下的关注量（的统计）。