粒度（Grain）：层次结构中的每个级别都称为维度的粒度。例如，年 > 季度 > 月 > 日 ，中的“年”是一个特定的粒度。

指标（Metric）：指标是我们经常在仪表板中显示的数据类型，它表示一个度量（Measure）的数据段与一个或多个特定维度（Dimension）和相关粒度（Grain）的关系。

文章插图
上图是在Tableau中一个标准的指标示例-“每周销售总额” 的构建方式。
在这个指标中，我们需要量化的“度量”是美元——即总销售额，用来观察量化数据的“维度”——即时间，而时间维度可以被进一步分解为“年>季度>周”的层级结构，“每周销售总额”需要关联的维度中的特定“粒度”——即周。

• 看板（Cards or KanBan）: 观察一个或多个指标（Metric）运行情况的图表。
• 仪表板（Dashboard）: 仪表板是多个图形、图表、量表或其他直观表示的集合。多个看板可组成一个仪表板。
• 报告（Report）: 报告可以是对应图表和其他可视化的表示，也可以是可能直接相关或不直接相关的大量图表和可视化。多个仪表盘可组成一个报告。

文章插图
“实时、受众群体、流量获取、行为……” 上图为Google Analytics 中提供的多种类型的数据分析报告，报告可以非常广泛地涵盖广泛的相关信息。每一种特定报告内包含了若干个回答特定问题的dashboard，一个dashboard内可以包含多个相互关联的指标的看板。
一个可分析、可追踪的数据系统中，最原子的构成单位理解成一个“看板”。如何从0-1构建一个客观有效的数据看板系统？我们可以类比【一个人学习做菜】的过程，做菜的过程可以总结为三个阶段：

1. 学习菜谱&列一个采购清单；
2. 采购食材&烹饪食材；
3. 摆盘料理&品尝美食。

对应到数据看板系统的创建，我们亦可以总结为三个阶段：

1. 了解数据的特性、明确自己需要哪些数据；
2. 通过技术手段获取数据、将粗数据加工成意义明确的指标；
3. 将指标数据可视化，观察数据并尝试分析现象。

文章插图
三、度量 Measure & 维度 Dimension“ Data is more than numbers, and to visualize it, you must know what it represents. ”数据不仅仅是数字，数字、数组、表格、都可以被称之为数据。要将数据形象化，你必须知道它代表什么。
为了构建有效的效率指标，第一步是：明确为了解决当前的问题，要观察的【度量】是哪些，以及这些度量又需要从哪些【维度】进行观察。
1. 了解数据类型一个线上的项目每天都在收集成百上千种数据，怎样确定自己需要什么数据作为度量（Measure）呢？首先值得注意的是，不是所有类型的数据都适合作为度量（Measure）被加工成指标。
不同学科、不同课程、不同领域，对于数据类型的定义基本一样，但称呼并不完全一样。
统计学中，数据类型分为四种：定类，定序，定距，和定比。这四种类型是从低到高的递进关系，高级的类型可以用低级类型的分析方法来分析，而反过来却不行。

文章插图
定性数据与定量数据
从宏观角度分析，数据类型分为定性和定量两种。
一个通俗的例子，以自身为例：例如衣服的颜色，头发的类型和鼻子的形状这些标识标识的是定性数据；例如身高、体重、年龄和鞋子的尺码，这些可测量的是定量数据。
1）定量数据

• text|《2021大数据产业年度创新技术突破》榜重磅发布丨金猿奖
• 酷睿处理器|关键数据出炉，京东比阿里差远了
• 财智干货|数智化发展任重道远，财务中台提升数据服务价值 | 大数据
• 央媒表态后，联想关键数据出炉，柳传志这回要扳回一局？
• 数据库|OPPO悄悄上新机，骁龙8核+5000mAh电池，256G仅售1599元
• 数据仓库|红米真我moto三款骁龙870手机对比：2000元以内，谁更值得买？
• 中文|爱数智慧CEO张晴晴：基于”情感“的人机交互，要从底层数据开始
• B费全场数据：2次射正打入2球，3次抢断、1次拦截
• iPhone|东芝NAS硬盘N300系列+ORICO硬盘柜=“数据保险柜”
• 数据库|丁磊致歉“鱼眼观察”作者并回应：已撤回删稿函