内容主要参考《数据可视化分析（第2版）：分析原理和 Tableau、SQL实践（全彩）》

概览

业务分析是从抽象到具体、自上而下、如“抽丝剥茧”的过程，最重要的抽象方式是聚合。问题解析是业务分析的起点，聚合是分析的本质，视指标（聚合度量的业务形态）为问题的核心。以“聚合度”为尺度衡量多个问题的抽象化程度，结合“详细级别”通往多维度、结构化分析。

主要知识体系如下图

问题解析

业务分析的需求来源

业务分析通常从一个特定的业务场景或分析主题开始，它们还需要分解为一系列子问题，然后逐一假设、验证。
业务可视化分析的需求来源于业务问题，以人资为例，分析主题可以是快递员薪酬公平性。拆解子问题可以是，黑龙江省各城市快递员岗位的平均工资

业务问题的抽象特征：

问题结构（显性）、聚合过程（隐性）、字段角色分类（抽象）是业务问题普遍具有的三个抽象特征

问题结构

业务问题的组成有如下三部分：

• 分析范围->对应筛选条件，决定聚合值的大小->筛选(Filter)
• 分析对象-对应分析维度，维度是聚合的依据->详细级别(Level of Detail，LOD)
• 问题答案-对应聚合，聚合是分析的本质->聚合(Aggregation，AGG)
  
  将问题拆解后，如下图
  
  

聚合过程

分析的本质是聚合，聚合是从明细表到交叉表（聚合表）的过程，不包含聚合的问题不能称为分析，只能称为查找

“字段角色”分类

字段分为定性的维度(Dimension)和定量的度量(Measure)
度量必然包含聚合。
维度描述问题（是什么），度量回答问题（有多少）；维度是（聚合）度量的（分组和计算）依据。

指标

指标是聚合度量的业务形态。指标是从业务角度出发的名词。
与指标相关的名词解释

• 业务计量(Measurement)：记录量化的业务过程，如金额，数量，折扣等，包含度量值的数据表常常被称为“事实表”(Fact Table)
• 问题度量(Measure)：聚合的结果，比如销售额总和、平均年龄、客户数、最高产量等。
• 指标(Metrics)：具有高度抽象水平、具有业务指导意义的度量才会被视为运营指标(Operational Metrics)，这些关键指标相互补充，构成了企业的指标体系

• 关键绩效指标(KPI)：最重要的指标被称为“关键绩效指标”(KPI，Key Performance Indicator)

  指标必然是聚合度量，反之则不然。比如客户的首次订单日期（MAX（［订单日期］）是聚合度量，但不会作为指标使用，基于它和最后订单日期计算而来的“客户生命周期”才是具有业务指导意义的指标。业务指标都是动态的，随着业务变化的。
  业务指标的常见分类

• 简单指标
• 指标组合：由简单指标经过计算得到
• 复合指标：在指标组合的基础上，附加和筛选范围