上周，我们聊到了访问级指标和事件级指标，通过指标我们可以了解我们产品上的事件触发情况和页面访问情况，形成数据看板，我们在进行数据分析的时候，会通过维度进行细分，比如地区，设备，浏览器等，那么维度是什么意思呢？
利用数据指标可以建立数据看板，了解产品相关的事件触发情况和页面访问情况。同时，在进行数据分析的时候，需要对维度进行细分，比如地区、设备、浏览器等，而这里的细分维度是什么意思呢？
维度在分析领域是很常见的名词，对于事件或者会话而言，它指的是数据的属性，例如某事件发生时候的城市维度，可以是北京、上海等；某个触发事件的设备维度，可以是苹果、华为等。
同时，要了解细分维度，需要知道细分维度的能力，细分维度的能力又要从数据仓库和OLAP说起。简而言之，数据仓库和OLAP就是将数据按照多维的方式存储，以便根据不同的视角进行数据的抽取分析，从而更有效指导决策，比如地域维、时间维等。在“维”的基础上，可以对数据进行下钻、上钻、切片、切块等一系列操作，比如之前易观方舟Argo社群里，很多伙伴关注雪花和星等数据模型。
易观方舟预定义维度：
这个图表意味着，当易观方舟得到你的产品数据后，不但可以根据产品的相关数据进行分析，还可以通过这些维度进行数据的细分展示，这些细分维度包括但不限于事件属性和用户属性。
这个图表所展示的是，在过去7日，根据城市细分维度划分的支付订单详情的触发事件情况。可以看出，在进行数据分析的时候，很大程度上会用到细分维度，而细分维度也使得清晰化展示数据变得更加便利。
拿电商行业来举例维度的应用：
1、双11即将到来，不同地区仓库商品如何备货？
这需要运用数据分析策略：首先要把过去90天的所有订单的地区分布找出来，包括查询去年所有订单在每个城市的分布，这时候地域维度就很有意义，通过事件分析所有支付订单，并且在细分维度上选择地区即可。通过地域维度可以知道不同地区对这件商品的喜好程度。除了备货应用到这个维度和方法，在广告投放的城市侧重上，以及千人千面的广告设计上，这样做都很有价值。
2、Abandonment Rate
例如，我们想知道Abandonment Rate，即支付放弃率。如果你在没有用方舟的情况下，需要经过较复杂的数据抽取计算，但是在易观方舟里，可以通过直接选择维度的方式来展示数据表现结果。
此时用到的是转化漏斗分析，使用加入购物车到提交订单的转化率，通过浏览器分布可以了解不同的浏览器的转化率问题，通过下钻了解不同的浏览器版本的兼容问题，方便我们定位。
当然，对于Abandonment Rate还有很多算法，在电商话题下会有专门讨论。
总而言之，维度贯穿在易观方舟行为分析的每一个环节，通过维度的分析可以帮助我们更好的从不同视角洞察数据的不同状态。
---------
想要洞察用户画像，实现数据分析、用户分群以及闭环运营，你需要一款用户行为分析和精细化运营产品。易观推出的易观方舟Argo，可私有化部署，开放且免费，帮助产品刚刚起步、数据量较小但自己有动手能力的技术和产品创新团队或个人，通过数据智能驱动企业成长。
