多维度数据分析是什么？该怎么做？

做数据分析的同学们都遇到过这个问题：从多维度分析问题，提出对业务有意义的建议。这个题目看起来很简单，可很多同学辛辛苦苦跑了一堆报表，结果只落得业务一堆抱怨：

• “你这一堆说明了啥！”

• “你的重点在哪里？”

• “你的维度太单一了！”

 

好！冤！枉！

明明出了那么多组数据，为什么还被说“分析维度不够多？”今天我们系统解答一下。问题的本质是：业务口中的“多维度”，完全不是你想的那个“多维度”。

  1

数据分析眼中的多维度

 

对数据分析师而言，多维度，往往指的是数据指标的拆分维度。举个简单的例子：3月份销售额3个亿。这就是一个指标，没有拆分维度。如果加了分类维度，就是下边的效果：

 

                         

注意：比起只看总数，用多维度拆解数据，是能更精确的定位数据的。常见的方法有两种：一、添加过程指标；二、按业务管理方式添加分类维度。比如只看总销售金额，我们发现差3000万达标，可我们并不知道为什么不达标。这时候如果拆解细一点，比如：

1、添加分类维度：看到哪个业务线没做好（如下图）

 

2、添加过程指标：看到从用户意向到付费，哪个环节出了问题（如下图）

 

 

增加过程指标+分类维度&#