1. 概述

指标平台 创建好指标、维度、关系后,在 指标分析 可以进行灵活的多维分析。

指标分析支持通过简单的点选指标、维度、筛选条件等完成分析,也提供了高级分析条件配置的能力,在帮助产品、运营自助分析日常业务数据的同时,也能帮助专业分析师完成高阶洞察。

指标分析可以满足以下需求:

  • 多维度多指标的即席关联分析:基于统一的指标、维度口径生成分析结果,消除不同业务模型间的指标二义性。
  • 降低数据查询及分析的门槛:通过点选拖拽维度、指标、筛选条件等生成分析结果,是与行为分析模型类似的基于业务语义出发的分析,对业务同学友好。
  • 行为类、经营类指标融合分析:基于指标和关系,在用户粒度打通行为数据与经营数据后,支持企业进行用户粒度的运营 ROI、经营分析等多业务场景。
  • 中间表生成工具:可作为公司内部的业务中间表生成工具,生成集中管理的业务模型,上层可视化支持二次聚合的多元配置。

在指标分析配置好的分析条件,可以发布至 业务集市,完成分析条件的沉淀、数据更新方式的配置,还可以进行精细化的权限分配,如协同管理、行权限的配置等。

2. 常用分析场景

场景一:不同分析模型产生的指标同时查看分析

通过不同的分析模型创建的指标,如事件分析、Session 分析、留存分析创建出的指标,可以在指标分析中实现同时分析。如分析不同投放渠道的消耗及转化情况:可以按 渠道」维度同时查看渠道 PV(事件分析)、不同 Session 的 Session 总次数(Session 分析)、不同 Session 的 Session 跳出率(Session 分析)。

场景二:经营分析

接入的业务数据表,在指标平台快捷生成所需维度、指标后,可以在指标分析完成对经营数据的分析。如分析不同品类的销售额:可以通过订单表创建(sum(订单金额),筛选:订单状态=已完成),在指标分析中选择维度 商品品类,选择指标 销售额 即可完成分析。

场景三:用户行为数据和业务数据联合分析

通过现有分析模型能够可视化快速生成行为类指标,如 DAU、次日留存率等指标。业务数据通过关系在用户粒度与行为数据打通后,即可在指标分析完成用户粒度的运营 ROI、经营分析等多业务场景的分析,解决用户行为数据和业务数据孤立问题。

3. 适用角色

权限点 \ 角色 

系统角色自定义角色
管理员分析师开发者普通用户自定义角色名称
使用指标分析默认开通默认开通默认开通默认不开通自定义配置

4. 指标分析

4.1. 基础

  1. 选择 分析 > 经营分析 > 指标分析
  2. 选择 维度,可选。对于不可选的维度灰色显示,鼠标放到上面惠显示不可选的原因。对于预置的 时间 维度,支持切换时间粒度。
  3. 选择 指标对于不可选的指标灰色显示,鼠标放到上面惠显示不可选的原因。每个指标的分组、来源、业务口径、指标注释、可用的时间粒度,可在指标口径卡片中查看。如需进一步查看数据口径、创建人等信息,可点击「详情」快捷跳转至指标平台查看。
  4. 设置 用户分群
  5. 设置 全局筛选
  6. 选择 时间范围
  7. 点击 查询 按钮。

4.1.1.1. 指标-指标口径


4.1.1.2. 指标-指标值筛选

指标值筛选功能入口在选中的指标后,可以用于筛选出更关注的数据。一次分析中,对某个指标增加的指标值筛选,会影响其他指标的数据,即此类筛选条件会作用于整行数据。

举例:

维度:渠道

指标:广告收入(指标值筛选,大于10000)、广告成本

查询数据仅返回「广告收入」大于10000的渠道的相关数据

4.1.1.3. 指标-自定义指标

在指标分析中,支持基于已有指标创建新的「自定义指标」。交互逻辑可参考 事件分析自定义指标 。


通过自定义指标,可以实现以下场景:

场景 1:实现高级对比能力

如发现商品销售数据波动时,可通过此功能,实现「部分品类销售情况」和「整体销售情况」对比,比如:鞋服品类销售额对比 整体销售额,则可以通过(销售额加内筛选 = 鞋服)/ 销售额实现

场景 2:指标四则

实现已有指标之间的四则运算,例如已有指标「线索数」、「有效线索数」,可以通过自定义指标实现「线索有效率」(有效线索数 / 线索数) 的计

4.1.1.4. 维度和指标的使用限制

维度

  • 数据类型为「List(集合)」的维度,一次分析只能选择一个。

指标

  • 指标所在的数据表上如果没有Datetime(日期时间)类型的字段,此类指标不支持使用「时间」维度及「时间范围」,见下图
    • 先选择此类指标,再选「时间」维度的提示:
    • 先选择此类指标,「时间范围」会禁用:
    • 支持时间的指标与此类指标不能同时分析:



4.1.2. 用户分群

1、选择指标后,如所选指标与用户表存在符合条件的关系,「用户分群」会变为可用状态。

2、临时分群:

在指标分析里,分析的过程中可以直接建立临时分群,通过属性、标签、行为序列的规则设置,在分析过程中实时、快速地完成对分析人群的圈选,而不用在「用户分群」模块提前配置。

临时分群可以在下次分析继续使用,每次分析时会根据分群的规则重新计算;

临时分群最多存储20个,支持删除、编辑等管理操作;

ps:目前,只有指标分析支持了临时分群,暂时不支持在其他分析模型中使用。

4.1.3. 全局筛选

全局筛选中,可添加筛选条件的维度,为所选指标可用维度的交集(除去来源为用户属性、用户标签的维度,用户相关的筛选条件可以在「用户分群」中通过创建临时分群完成)。

4.1.4. 时间范围

当所选指标的来源数据表上没有Datetime(日期时间)类型的字段,「时间范围」不可用。

4.1.5. 数据截断问题

查询数据过多时,会发生数据截断。会按照「第一个指标」值的"降序"或"升序"截取 Top 10000 分组的数据进行展示。

可以通过调整指标顺序及「高级分析条件配置」-「默认排序」来尽可能的获取所需数据结果,详见2.2.3。

4.2. 进阶-高级分析条件配置

4.2.1. 关系

4.2.1.1. 关系的拼接和切换

1、跨表分析

基于同一张数据表创建出的维度、指标可以一起分析;

在「指标平台-关系管理」中建立关系后,还可以实现跨表使用指标维度

举例:

「商品基础信息表」中存储了每个商品的品类、id等基础信息;「事件表」中记录了每个下单事件包含的商品id

建立「商品信息表」为主键表、「事件表」为引用表的关系后,分析时就可以使用商品品类作为维度去分析不同品类的被购买次数、金额等指标

2、关系的拼接

在关系管理中,构建的是两个数据表之间的关系;在分析时,会将两两关系拼接至最长4度(Table A-Table B <> Table B-Table C <> Table C-Table D <> Table D-Table E)进行使用,即维度、指标所在数据表之间最多跨4度关系。

3、分析时切换关系

支持在分析时灵活切换维度、指标所在数据表之间的关系,发起查询时会按照选择的关系进行计算。

默认选中两表间最新创建的较短的关联关系。举例:

在关系管理中创建了如下三条关系:

      • 关系1:Table A — Table B 
      • 关系2:Table B — Table C 
      • 关系3:Table A — Table C 

分析时所选的维度、指标分别来自Table A和Table C,在「高级分析条件配置-关联关系」Table A和Table C间会有两条可用关系:

      • 关系3:Table A-Table C
      • 关系 1 和关系 2 拼接成的关系:Table A—Table B <> Table B—Table C

默认选中「关系3」,支持切换为「关系1和关系2拼接成的关系」

分析时进行关系切换的场景举例:

如「拼团订单表」中存在“拼团发起者”和“参与者”两个字段,发起者和参与者的用户信息均存储在「用户信息表」中;

在「关系管理」中对于「拼团订单表」和「用户信息表」之间可以建立两条关系:一条以“拼团发起者”作为外键,一条以“参与者”作为外键;

分析时可以选择按照拼团发起者的会员等级(以“拼团发起者”作为外键的关系),或参与者的会员等级(以“拼团参与者”作为外键的关系),去查看订单金额等指标。

4、指标维度方向的限制

主键表上维度可以用于分析引用表上指标,反向暂不支持。

4.2.1.2. 分析模型指标的特殊说明

在指标分析中,来源为「分析模型」的指标来源为「事件属性」的维度,仍旧会根据「事件」「属性」的从属关系来判断是否可用。

基于关系拓展的维度,也会限制为该事件的属性做引用字段时的数据表上创建的维度。

即,非本事件属性创建出的维度和关系,对本事件的指标不可用。

指标来源具体来源事件属性范围等说明
Session分析 / 事件分析具体事件的指标

该事件的属性


Session分析 / 事件分析虚拟事件的指标该虚拟事件包含的事件的属性的并集
Session分析 / 事件分析自定义指标

自定义指标涉及事件的属性的交集

关系:要求原子指标分别与对应数据表有符合条件的关系

事件分析任意事件的指标所有可见事件的属性的交集
预定义指标通过事件分析预定义指标创建出来的指标,可用粒度为「天」,需添加「时间-天」维度后才能发起查询
Session分析Session总体/任意事件的指标Session内事件的属性的并集
留存分析——

通过留存分析创建的指标,暂不支持使用来源为「事件属性」的维度(包括与事件表建立关系的数据表上创建的维度)作为维度或筛选条件,且必须添加对应粒度的「时间」维度才能发起查询

4.2.2. 时间字段

时间范围筛选和系统预置「时间」维度背后对应的字段,称之为「主时间字段」。

1、在指标分析中,当指标来自不同数据表时,系统会默认选中每张数据表中的第一列数据类型为Datetime(日期时间)的字段作为主时间字段,并且将这些字段捏合在在一起,从而实现对所有指标做全局一致的时间筛选和时间维度值展开。

2、支持分析时,切换每张数据表的「主时间字段」,要求字段的数据类型为Datetime(日期时间)。其中,基于行为分析模型 / events 表创建的指标,只能以“事件发生时间”为主时间字段,不支持切换,否则可能引起性能问题。

例如,同时分析GMV和日活,其中GMV来自订单业务表,日活来自事件分析,时间范围选择2023-04-06,时间的筛选会同时作用于订单业务表和事件表;其中订单业务表的主时间字段支持切换,可以看「下单时间」等于2023-04-06的GMV,也可以切换为「支付时间」或「订单完成时间」。

4.2.3. 默认排序

查询数据过多时,会发生数据截断。会按照「第一个指标」值的"降序"或"升序"截取 Top 10000 分组的数据进行展示。

1、在「高级分析条件配置」-「默认排序」中可以切换「降序」或「升序」。

2、在分析条件配置区可以拖动指标调整顺序:鼠标悬停在指标前的字母序号上,指标会变为可拖动状态,上下拖动即可完成指标顺序的调整。