将一个指标按单一维度进行分布统计，是探索性数据分析的一个基本、常用的方向，可以快速发现数据规律——不过可能会有遗漏维度之间关系的风险，因此多维交叉分析对于深层、细致的分析是有必要的。
如果多维交叉后的熵或者方差越大，则一般越容易发现insight。然而，对于n维数据集，聚合方式理论上有2^n种；尽管不是每一种组合都有鲜明的业务意义，不过每次都单独跑数或者计算，显然是一个比较大的成本。这个时候就需要数据平台来支持数据分析，进行快速地、自由地、可视化地进行多维交叉分析，以便高效地发现结论。
上传数据
老规矩，第一步先上传数据。这里依然上传随机构建的DAU数据。然后可以进行数据处理，也可以不处理。
随机构建的DAU分布样例数据
交叉分类
基于用户上传的数据集，有3个下拉框。第1个可以选择多个维度；第2个是聚合方式（支持count、count distinct、sum这三种函数）；第3个是聚合变量，只能选1个，如果前面选择的聚合函数是count或者count distinct，则这里可选择id型变量；如果前面选择的聚合函数是sum，则这里可选择数值型变量。
交叉分类控件
（其实还可以多一个控件，支持用户基于现有的字段，自定义标签，用来构建新的维度。这对于数据产品来说是有必要的，因为平台没有办法把用户感兴趣的维度完全罗列，但可以开放一个窗口，支持用户自己去添加维度。不过在这个数据产品demo中就不是很必要，因为本来就是要自己上传数据，需要什么整理好再扔上来。好吧，其实真实的原因是我不会写（没找到可支持）这么复杂的前端交互操作（的包）。）
选定一个聚合变量以及聚合方式后，可自由地选择多个维度，下面自动展示可视化图形。如果只选1个，则展现柱形图；如果维度大于等于2个，则以alluvial diagram形式展示。
比如只看分渠道的DAU分布。
分渠道的DAU分布
比如只看分活跃度的DAU分布。
分活跃度的DAU分布
当然，这2个维度也可以同时都选上，这样就是看在渠道和活跃度2个维度交叉作用下，DAU的分布。这时就出现了alluvial diagram，可以看到线条有红色和蓝色的——红色的线条表示当前分解下的数据高于平均值，反之则为蓝色。每一个维度下的矩形高度，代表着当前维度值在该维度下的比例。
渠道*活跃度下的DAU分布
那么进一步地，我们可以选3个乃至更多的维度，来做交叉分类分析。
3维交叉分析
4维交叉分析
5维交叉分析
6维交叉分析
7维交叉分析
8维交叉分布
9维交叉分布
显而易见地，如果选择的维度越多，维度的枚举值越多，线条就越多，大部分的线条就细得看不清。而如前所述，倘若熵或者方差越大，则会有少数几条相对较粗的线条格外显眼——这就是需要关注的case！
有的时候线条太多太乱，看不出什么有效信息的时候，就可以通过筛选条件对数据进行切片，过滤掉那些确定没有太大意义的部分，再重新观察分布。
新用户的多维交叉分布分析
网友评论