1.2 派生維度的概念

在《三體》中，存活于三維空間的人類文明最終被來自更高維度的文明所毀滅。在面臨被滅種的災難時，人類甚至無法對敵人發起一次有效的反抗，甚至連對方的樣貌都看不到，因為二者的競爭力完全不是處于同一個水平（維度）。引用這個情景主要是為了陳述維度的重要性。在BI領域，這個原理也是適用的。

數據分析的核心概念其實只有兩個：數值與維度。

BI分析依據不同的維度（字段）（如國家維度、日期維度）將聚合數值（如銷售金額、銷售利潤）切割成具體的數據立方體，即分析結果，如某年某國家的銷售利潤。這個過程被稱之為切片?？上攵?，切片越多，數值結果越詳盡，分析的角度就越廣，其所具有的洞察力就更強。因此，一款BI產品的執行力除了取決于其聚合能力，還取決于其創建維度的能力（見圖1.2.1）。

1.原生維與派生維

原生維的概念很直觀：一切直接來源于數據源，且可用于維度分析的字段，如案例文件中自帶的【客戶ID】【產品ID】字段，即為原生維。原生維可用于最基本的維度分析。但維度分析不僅僅局限于原生維自身。

在日常的分析場景中，分析師通過對原生維進行加工生成新的維度，即派生維。派生維的存在形式是依存于原生維的，例如在原生維【客戶ID】和【訂單ID】的基礎上，通過計算，衍生出的【客戶購買次數】維度，被稱為派生維。使用派生維，可增加分析維度。

在圖1.2.2所示的分析中，是對不同購買次數的顧客數量進行求和。其中X軸為【客戶購買次數】，是派生維。如之前所述，【客戶購買次數】維度并不直接存在于數據源中，需要派生。

需求強調的是，如果僅僅使用普通函數，則無法直觀生成派生維。

例如，在Tableau中，創建普通字段【購買次數】。將【購買次數】字段和【客戶名稱】字段分別放入【列】和【行】中，如圖1.2.3和圖1.2.4所示。

按住Ctrl鍵，將【購買次數】膠囊放入篩選器中并將值固定，單擊【確定】按鈕退出。

將【客戶名稱】字段放入【標簽】卡中，通過表計算完成匯總。

圖1.2.5顯示了購買5次的客戶人數是5人。雖然我們最終能得出部分答案，但是其過程煩瑣，效果也不直觀。

上述案例說明，如果僅僅依靠原生維，則分析會受到局限。派生維的應用為分析師帶來更加具有洞察力的分析結果。

回到工具應用層面，令人鼓舞的是，無論是Tableau還是Power BI，都有非常強大、成熟的功能用于創建派生維，而這也是自助式BI工具與傳統BI工具的一大區別。高度靈活的維度分析能力，使Tableau和Power BI更加適合探索性分析場景。

Tableau和Power BI在魔力象限圖中的Y軸（易用性）上的得分也正好印證了其具有強大的探索性分析能力。