信息来源：互联网   发布时间：2023-09-17

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。

 

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如果觉得文章有用的话，欢迎点赞、在看、转发，让更多的人看到（本文也引用了上篇文章的内容，如有巧合，纯属故意，帮你回顾下）—1—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—2—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。

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。

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。

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—3—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—4—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）—5—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～

—6—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，标签和指标的关系指标范围标签（发展情况维度的维度值）50%< gmv_growth < 100%发展迅速20%≤ gmv_growth ≤ 50%。

发展良好0% ≤ gmv_growth ≤ 20%发展堪忧当然，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—7—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～。

—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：1、维度和标签是为了分类标签很具体，维度更抽象，按需创建。

2、指标是为了度量缺了维度和标签，光光的指标啥也不是3、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感谢各位的阅读～欢迎点赞、在看、转发！。

- END -你好，我是lee，三流的数据产品，二流的业余段子手，一流的白日梦想家。感谢来这里聆听我这稀里哗啦的故事，点击关注，一起成长。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186