向上鉆取是在某一維上將低層次的細節數據概括到高層次的匯總數據，或者減少維數。舉個例子：將北京、上海、廣州等三個省市的機票出票量進行匯總來查看北上廣一線城市的出票情況。

而向下鉆取則相反，從匯總數據深入到細節數據進行觀察或增加新的維度。舉個例子：將2016第一季度的出票量進行下鉆，查看具體1月、2月、3月三個月的每月的出票量。

• 切片和切塊：在一部分維上選定值后，關心度量數據在剩余維上的分布。如果剩余的維只有兩個，則是切片，如果有三個或以上，則是切塊。

切片是選定特定的值進行分析，在立方體（Cube）上的感覺就是選定一個維度后進行的平面切分，就像是一刀切。舉個例子：只選擇機票這個票種的銷售數據，或者2016第一季度的數據。

切塊是選擇維度中特定區間的數據，或者某批特定值進行分析，在立方體（Cube）上的感覺就是揮幾刀切出一塊。舉個例子：2016第一季度到2016第二季度的銷售數據。

• 旋轉：變換維的方向，即在表格中重新安排維的放置(如行列互換)。舉個例子：圖一數據方（Cube）中季度維度和城市維度的旋轉互換。

在實現數據方（Cube）的過程中，由于業務靈活多變，導致了構建的業務模型隨之經常發生變化，而業務維度和量度一旦發生變化，研發人員需要把整個Cube（多維立方體）重新定義并生成，數據產品經理只能在此Cube上進行多維分析，這樣就限制數據產品經理快速改變問題分析的角度，從而使數據分析平臺成為死板的日常報表系統。

為了避免這一情況，數據產品經理在前期過程中，就需要理解數據并且構建出符合業務的多維數據模型，包括：

源數據如何拆分到不同字段中？

例如如何把季度拆分到日期的格式，日期date拆分成yyyy-MM-dd這樣的字段格式進行存儲。

哪些字段用于維度？

例如季度、城市、票種等都可以作為維度字段。

哪些字段用于統計指標？

例如出票量、銷售額這些都可以作為指標進行分析統計使用。

使用什么樣的規則來對數據進行聚合？

例如是進行簡單的匯總，還是要進行一般的加減乘除，又或者更復雜的規則進行聚合。

用戶經常使用的組合查詢是？

例如經常把季度和城市進行組合查詢匯總，這些都需要提前考慮清楚。

排序規則？

例如經常會按照出票量和時間等進行排序。

掌握以上幾點以后，你會發現一旦多維數據模型建成后，OLAP聯機分析并沒有想象的那么復雜。大數據分析架構在這個巨大Cube的支持下，直接把維度和度量的生成交給數據產品經理 ，由數據產品經理自己定義好維度和度量之后，Hadoop會將業務的維度和度量直接翻譯成MapReduce運行，并最終生成業務報表。

本文由 @徐鵬 原創發布于人人都是產品經理。未經許可，禁止轉載。