四千字全面解析数据产品经理必知概念：标签、维度、指标
最近一直在讲数据产品的基础概念，我发现可以把这些基础概念进行串讲了。
今天，我就来重点讲讲：标签、维度、指标。在开始讲之前，我想定个调：抽象的词，再怎么用文字解释也解释不清，我也无意构建对这些词的标准化的定义。
希望读者朋友们能跟我一样，借用费曼学习法，构建对这些抽象概念的理解。
一、什么是标签
标签，是为了描述事物、区分事物的某种缩略代指。
我们日常表达里，经常说的一个词是：贴标签。生动又形象，有一种贴便签纸、或者给某个人贴纸条的感觉。
比如，做完核酸检测，小朋友往自己身上贴一个冰墩墩的卡通标签。
人人都可以创标签。
比如，每个人都可以用文字描述自己看到下面这两段话的感受：
我家门口有两棵树，一棵是枣树，另一棵也是枣树。
情况就是这么个情况，具体什么情况，还是要相关部门介入去了解实际情况。
诸如「废话文学」、「没营养」等等，而这些描述性的内容，都可以用来打标签。
再比如，产品经理回老家，如何给非互联网人的亲戚介绍自己呢？
你可以这么介绍：我们这些小经理，完全不管人只负责做事儿，搞互联网的起了这么个名儿也就是为了好听，天天加班干活，跟厂里其他普通员工一样的。
「不管人」、「只负责做事儿」、「为了好听」、「天天加班」、「跟厂里其他普通员工一样」，就可以提炼出来几个标签，给自己贴上。
标签比较具体，比较随意。
标签也是用来做区分和描述的，标签可以随意、很散装，可以很有创意性，也可以很有特异性，可以很长，也可以很短。
「不出远门过五一」、「来拍照了」这些个标签放一起，就很有代表性了。
其实，任何描述性的文本，都可以作为标签。它可以是成语，也可以是词语，也可以是不完整的句子。
只不过，为了简洁性、易读性、传播性，我们通常会用更加短小精悍的文字来描述一类东西，观点更鲜明，更有穿透性。
甚至也可以是形象、图片、符号，也能是标签。一个笑脸、一个红心、一个太阳就能代表很多很多，一图胜千言。当然，每个人都有自己的解读。
另外提前说一句，标签和维度值的概念重叠度比较高。
二、什么是维度
大家常说，物以类聚人以群分。
一个自然而然的逻辑是：先有物和人，再有类和群。
面对新事物，人类最自然的反应是将其描述出来，或者代指。对应到标签和维度上的话，一般来说，都是先打标签，再分类。
比如，印第安人的由来，其实哥伦布团队以为他们到了印度，然后用了这么个很像的词去命名的。印第安人称呼自己，大概也是印第安语的「俺们、咱们」，他们称呼哥伦布，可能也是老外。
我们习惯性会对事物进行打标签，但是当我们碰到了太多的新种类的东西，打的标签太多之后，这个时候要继续区分，就要整理和归总，就得要有「类」和「群」了。
维度是什么呢？简单理解就是上文的「类」和「群」。建立维度，其实是归纳归类，继续做了一层抽象。
最简单的维度，是二元的：是/否。比如，测过核酸 / 没测过核酸。
1. 维度是灵活变通的，可以持续细化，不同维度可以相互组合的
为了讲清楚维度，我不得不再引入一个相关的词，粒度。
粒度，其实就是描述事物、事情过程的细致程度。
为了更细粒度的分类描述，我们可以利用更多不同的前后缀修饰词创建新的维度。
就拿测核酸这个事情来举例。
假如一开始只区分是否测过核酸，后来病毒持续演进，抗疫成了持久战，后来开始区分时间：近30天、近7天、近3天是否测过核酸。
后续为了更加精细化防控，再加上来小区的维度，那就变成：A 小区近 7 天是否测过核酸、B 小区近 3 天是否测过核酸。
2. 维度之间也可以合并和归总
正向可以，反之亦然，我们也可以将细粒度的维度合并成更粗的维度。
如果一开始就高瞻远瞩，基于现实情况，设定了较为贴切的粒度，将统计的维度设置为近N天、小区、是否测核酸。
后续抗疫效果显著，粒度不需要再那么细，只需要按照月份、城市进行统计的时候，这些维度也可以归总：月份、城市、是否测过核酸。
3. 维度的下钻和上卷
按照很多文章的说法，这个两个模块叫做维度的下钻和上卷。
但是，下钻和上卷比较抽象，我比较建议大家通过实际例子来构建自己的理解。
其实可以看到，维度和粒度之间相互影响、相互解释：维度越多，粒度越细。
为了方便，也可以将常见的特别细粒度的维度组合，合并成一个新的维度进行统称。
任何维度的设定，以及维度的下钻和上卷，都是基于我们想了解什么粒度的信息。
三、什么是指标
我们日常生活里，会听到很多的故事。有的故事很丰富，很精确，而有的故事，则很模糊，很朦胧。
丰富、精确，其实描述层面是模糊和朦胧的。
一个事情到底多好多赖，要基于某个标准或者数据进行明确的衡量、确定的度量（度量也是一个常见的词哈）。
指标，是为了客观量化某些事物，一般用数据表示。
比如下属给老板汇报：老板，这个季度我们的用户增长率很高，达到了200%！老板反问，具体多少人呢？下属答曰：从 1000 到 3000 ！
有了用数据描述的指标，这种一般性描述就真的很精确了，反映客观事实了。
四、差别和联系
维度和标签的差别，之前说过了，可以看这篇文章：数据产品经理必看知识：标签和维度
这篇文章重点讨论维度、标签和指标之间的联系和差别。
- 差别是：维度、标签用于分类，指标用于量化。
- 联系是：维度、标签和指标需要一起出现、共同描述客观事物和过程。
如果只有光光的指标，什么维度和标签都没有，那读者可以脑补维度，或者自动认为是认知范围里面的全部。
比如，北京奥运会总人数是 23452 人。
大家就会疑问了：哪届奥运会？这个总人数指的是什么人？运动员还是开幕式演职人员？
而下面这个就比较清晰了：
北京冬奥会中国代表团总人数为 387 人，其中运动员 176 人，教练员、领队、科医人员等运动队工作人员 164 人，团部工作人员 47 人（标黄的是指标，下划线部分是标签或者维度值）。
五、为什么会出现标签
为什么会出现标签？
有时候数据很简单，穷举很容易。
比如，冬奥会奖牌榜上（金牌）前三名分别是：挪威队（16枚）、德国（12枚）、中国（9枚）。
但有时候，数据很多，且大家不想知道全部的细节。比如，只关注中国美国，这时候少废话，直接概括：中国队排前三，美国队不在前三。
很多时候，数据是离散的、无限的，或者说样本极大的时候，近乎无限。
比如，全国的的身高、体重，样本的数据就很多了，十几亿数据，怎么描述呢？
「一览众山小」、「怎么吃都不胖」就是大家很容易理解的描述。
不同的标签，概括的粗细粒度不一样。
标签组合越多，概括的粒度就越细（和维度是一样的）。
很多事物，是可以被直接度量的。比如，一个板凳多长多宽多高、一个学期几个月几天、篮子里有几个鸡蛋。
但是，有的事物是没法直接度量的，比如颜值。
这时候，只能通过另外的事物去间接度量。并且，我们要抽象和总结，去概括。
一个人很漂亮，多漂亮？粗暴地分两个标签：漂亮，不漂亮。
小李（莱昂纳多，电影《盗梦空间》的男主角）走在路上，碰到 100人， 99 人回头看他，漂亮不？
另一个小李也走在路上，碰到 100个人， 1 人回头看 ta，漂亮不？
多少人回头，是客观的，但是到底漂不漂亮，每个人心里都会有主观答案的。
标签也可以通过某些标签的基础上，继续划定更细区间的方式进行定义。
这个层面，标签和维度是类似的。
六、看待这些概念的两个视角
光讲概念，不结合数据产品的实际应用，也是没用的。所以在这个模块，我带着大家从业务、技术两个视角来看更多的例子。
1. 业务视角
业务视角简单来说，就是给普通人描述一件事情。大家不要被我带坏了，问我什么是「业务」，不纠结哈。
比如，我们看到某个新闻：A 集团本季度 GMV 增长率为 45%，发展缓慢。
公式版本：
GMV 增长率 = （本季度 GMV – 上季度 GMV） 上季度GMV
（后续用GMV代指 A 集团本季度GMV）
2. 技术视角
技术视角，则是给计算机描述一件事。
比如，我们要将刚刚说的规则、共识，翻译成技术语言。
这里，我给出伪代码版本（SQL什么的，我就不写了）：gmv_growth = （cur_gmv – last_gmv ）/ last_gmv 。
3. 两者的联系
标签的技术定义，来源于标签的业务定义。
再来举例，标签和指标的关系。
当然，这里的例子，仅仅是举例哈，没结合行业特性，也没说具体粒度和维度。
七、一个虚拟的例子来理解这些概念
拿我非常熟悉的视频、直播来给大家举例吧（这些例子都是虚构的）。
随着硬件、互联网、移动网络、移动支付的发展，某视频网站 Dilidili 开始上线了。
D 站借鉴了其他的网站，上线的时候就开发了点赞、评论、打赏服务。也对内容进行了划分：番剧、科技、娱乐、体育、资讯、时尚。
网站开始有了第一个UP主上传了视频，有了第一个观众，观众看完视频：留下了评论，哇， 太真实了吧，太搞笑的吧，说的就是我吧。
数据分析师和产品经理，在上线的时候就制定了初版的指标体系，定了很多维度和指标，比如不同地区、不同品类、不同年龄段人群的观看时长、观看次数、观看人数、打赏人数等等。
大的角度，会分几个：内容供给（上传视频数、有效播放视频数、直播人数、次数等）、内容消费（观看停留时长等）、金钱消费（营收维度）
当然了，当中的一些指标，产品经理们也会让 UP 主们在后台也能看到，以便调整自己的视频内容和方向。
后来为了精准地基于用户喜好（用户观看历史、观看不同品类的时长、次数等指标），产品经理增加了新功能：UP主上传视频的时候可以带一些关键词，也就是给视频打标签。
这个功能发布后，其他UP 主开始丰富视频标签。
慢慢地，内容运营和产品经理发现一个词开始流行起来：鬼畜。
随着带这个标签的视频越来越多，索性产品经理就单独搞了把这个设置成了一个新的分类，放到网站首页，后来也成了该站的一大特色。
这些品类和标签不断地演进和变换，最终慢慢相对固定下来：
D站在视频领域站稳了脚跟，在很多精神股东的真金白银支持下，公司成功上市了！
这个故事里，我就借用了一个半虚拟的故事，讲了标签、维度、指标的相关故事了，当然，真实的工作场景里，会更复杂、更艰难。
希望对你有所启发~
八、总结
因为我比较笨，不太适应概念套概念的学习方法，所以我在写的过程中，也尽量不抽象，尽量不抽象，尽量讲解我理解的例子。
总结环节，帮大家回顾下几个要点吧：
- 维度和标签是为了分类。标签很具体，维度更抽象，按需创建。
- 指标是为了度量。缺了维度和标签，光光的指标啥也不是。
- 要结合业务视角、技术视角去理解这些概念并运用。
维度、标签、粒度、指标，这些概念，都是相爱相杀的。要结合实际案例，系统性地去理解这几个概念。
相关知识，可以看：
做数据产品，不妨先看看这五个概念
一文帮你更好地理解指标
数仓避坑：想清楚维度
数仓避坑-整明白懂粒度
作者：数据产品小lee；公众号：乐说乐言
本文作者 @ 数据产品小lee
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
