我們在舉行數據剖析的時刻，大部門時光都在應用趨向剖析、比擬剖析、細分剖析這三類辦法，但實在另有一個辦法我們也會常常應用交織剖析，特別是在排查數據非常的題目時，交織剖析就可以展示其壯大的能力。別的要跟人人說聲負疚的是博客的更新頻次大概沒有那末頻仍瞭，然則隻管每一個月最少能宣佈一篇，願望文章的質量有所包管，照樣迎接人人留言評論辯論，可以或許提議一些風趣的話題，一路拓展在網站數據剖析方面的思緒。

　　甚麼是交織剖析?

　　交織剖析是指對數據在分歧維度舉行交織展示，舉行多角度聯合剖析的辦法，填補瞭自力維度舉行剖析沒法發明的一些題目。

　　交織剖析以多維模子和數據立方為基本，也能夠以為是一種特別的細分方法，但跟細分的觀點有點差別，假如有興致能夠先瀏覽下之前的文章數據立方體與OLAP。細分的辦法更多的是基於統一維度的縱深睜開，也就是OLAP中的鉆取(Drill-down)，好比從月匯總的數據細分來看天天的數據，就是在時光維度上的細分，大概從省分的數據細分檢察省分中各都會的數據，是基於地區維的下鉆。交織剖析沒有再范圍於一個維度，就像數據立方體與OLAP文章中的立方體，是基於分歧維度的交織，時光維、地區維和產物維交織在一路剖析每一個小立方的數據表示，能夠經由過程OLAP的切片(Slice)和切塊(Dice)操縱檢察比方上海市在3月份的電子產物的發賣情形，這會贊助我們發明許多在單個維度中沒法發明的題目。以是，交織剖析是基於分歧維度橫向地組合交織，而沒有是細分在統一維度的縱向睜開。

　　交織剖析的展示情勢

　　交織剖析觸及多維度的組合，固然圖表和表格都能夠舉行展示，但由於圖表所能表達的數占有限，且比擬沒有輕易把多個維度的交織幹系展示出來，在交織剖析中沒有太經常使用，平日以表格為主。我們平凡在看的表格平日被叫做二維表，一樣平常第一列安排一個維度，如日期，表頭枚舉各種目標(實在全部目標也能夠被以為是一種特別的維度目標維)，如許行列的兩個維就構成瞭最多見的二維表。二維表能夠舉行擴大，進而展示加倍豐碩的維度：

　　如上圖就是典范的基於表格的多維度交織剖析的結構，在行列平分條理安排多個維度，假如我們隻表現一個目標，那末這裡的目標維就沒有表現的需要瞭。實在Excel的數據透視表(Pivot Table)就是交織剖析的利器，我在數據的報表和申報這篇文章中提到過數據透視表，這裡照樣基於那篇文章截圖的原始數據，假如我們將各維度依照上面的結構情勢舉行展示的話，會是怎樣樣的後果：

　　看起來還沒有錯，表現的信息異常豐碩，左側包括瞭以天為單元時光維和產物維，可使用睜開按鈕舉行匯總和睜開，就像是細分的操縱;上面的表頭部門分兩層枚舉瞭地區維和目標維，Excel的透視表供給瞭豐碩的設置，默許展示基於各個維度的匯總數據，讓我們能夠從總-分的角度不雅察數據，這對數據剖析異常有效。如果我們應用上面的透視表舉行交織剖析發明數據是不是存在非常?

　　應用從整體到細節的剖析辦法，起首能夠從檢察天天發賣額和轉化率的匯總數據開端，折疊產物維以後不雅察最右邊的目標匯總列便可以看到逐日匯總數據;假如某一天的發賣額或轉化率湧現瞭大幅的下滑，我們便可以聯合各類維度探求題目的緣故原由，就是基於各類維度的細節數據，睜開產物維不雅察當天的哪類產物發賣湧現瞭題目，然後聯合地區維的交織數據，能夠定位哪類商品在哪一個省分的發賣湧現瞭題目，如許就有用地將題目定位到瞭細節的層面，可以或許更好地發明題目，進而辦理題目。以是交織剖析實在恰是表現瞭剖析分而析之的本意。

　　上面的辦法一樣平常是比擬經常使用的基於題目的剖析辦法，但我們很少能夠一次就定位到題目，每每我們會依據推想屢次查詢數據庫或檢察Dashboard上的各種報表來定位題目。而聯合透視表的交織剖析，我們應用一張報表就快速地定位瞭題目地點，從整體到細節，邏輯異常清楚，題目的定位也異常精確和到位，以是公道天時用交織剖析能夠贊助我們加倍高效地排盤問題。

　　交織剖析的基本

　　這裡不能不再說一下交織剖析基於的底層基本數據模子，由於假如沒有計劃好底層的數據模子，上層的交織剖析是很難完成的，大概多維的交織遭到限定而使剖析存在范圍性。

　　從技巧層面來看，交織剖析基於多維模子，數據的維度越豐碩，所能完成的交織也越豐碩和靈巧，經由過程各類交織剖析可以或許加倍有用地發明題目;但響應的，假如要盡量地豐碩各維度的交織剖析，對下層模子的請求也就越高。以是若何計劃好數據的底層模子異常癥結，照樣援用數據立方體與OLAP文中的誰人數據立方看個簡略的例子：

　　假如一張網站剖析的報表隻包括以月度為單元的日期維和響應的目標，那末數據的存儲就是每一個月一筆記錄，但明顯這類高度聚合的數據晦氣於剖析，我們須要構建如上圖的數據立方體來獵取加倍細節的數據。用數據立方來拓展數據細節有兩種偏向，一類是縱深拓展，也就是基於一個維度的細分，好比將一個月細分到每天，那末一筆記錄將會被拓展成30條;另有一種是橫向的拓展，就是多個維度的交織，就像上面立方中增加瞭產物維和地區維。如許存儲的數據就從本來單一的時光維度擴大成瞭時光、產物和地區三個維度，也就是三維立方體所能展示的情勢，固然維度能夠持續擴大，四個五個直到N個，實際上都是可行的，這裡隻要以三個維度舉行舉例便可以。對付數據存儲而言，橫向的拓展與縱深拓展的影響是一樣的，記載數都是以倍乘的方法增加，假定這裡產物維是產物大類，有20個產物大類，再加上32個省分或直轄市，那末經由縱深和橫向拓展以後，本來每個月的1筆記錄就釀成瞭：

　　1 × 30 × 20 × 32 = 19200

　　而我們在構建多維模子的時刻許多維度中包括的數據量絕對沒有像上面例舉的那末小，設想一下網站的商品大概頁面的數目大概是成百上千乃至不計其數的，那末一旦以倍乘的情勢擴大以後，數據量就會一會兒劇增。固然豐碩的多維立方可以或許給剖析帶來方便，但也同時給數據的存儲和查詢帶來的壓力。

　　以是，加倍豐碩和靈巧的剖析需求的完成基於加倍龐雜的多維模子大概數據立方，同時會帶來更大的體系開消。Google Analytics很好地衡量瞭靈巧的數據剖析與龐雜數據模子之間的幹系，這也是Google Analytics壯大功效的根本保證，GA的高等細分(Advanced Segments)和自界說Dashboard是其他同類免費網站剖析對象所沒法比較的，這也恰是為何我們將GA分別到網站數據剖析對象，而其他的大部門隻能算作網站數據統計對象的緣故原由。而GA恰是基於其構建的壯大的底層數據模子和高效的數據盤算和相應才能，使許多剖析功效能夠獲得擴大，個中許多就觸及交織剖析，這裡截圖瞭個中的兩個功效，Secondary Dimension和Pivot：

　　Google Analytics新版本增長瞭許多使人心動的功效，Secondary dimension的功效從老版本獲得瞭連續，上圖在Content模塊的Page報表當選擇瞭流量起源作為第二維度，如許我們便可以檢察每一個頁面的流量是從何而來，每一個流量起源在該頁面的數據表示，同時大概還能夠發明一些風趣的征象，好比某些頁面的流量根本都是一個起源帶來的，好比我的博客的某些文章根本都是經由過程搜刮引擎出去的，而別的一些文章根本經由過程間接流量帶來。

　　在GA的各種報表中能夠在右上角挑選展示的情勢，末瞭的一種就是Pivot，Pivot的情勢對表格的表頭舉行瞭擴大，能夠分條理安排別的的維度，如上圖照樣應用瞭頁面與流量起源的交織，將Source維度放到瞭目標的上方。同時GA支撐在兩個維度的基本上最多挑選兩個器量Metric，我這裡挑選瞭Pageviews和Bounce Rate，來權衡每一個頁面中各種流量起源所帶來的量和質，一樣對付剖析異常有代價。

　　多維的交織剖析我們在一樣平常中耳濡目染地常常會用到，交織剖析對付題目的排查和定位分外有用，以是我們須要想方法用更好的情勢去展示數據，以便於更有益於舉行交織剖析，實在這裡先容的透視表的方法是最經常使用的，也是比擬好用的，但這類方法太少，沒有曉得人人有無其他加倍有用的交織剖析展示方法。

　　» 本文彩用 BY-NC-SA 協定，轉載請說明起源：網站數據剖析 » 《多維交織剖析》

　　原文：/data-analysis-method/cross-analysis/