fact, dimension, data cube

[emptymalei]

这周我们讨论一下基本概念，作为非计算机 data scientist 也需要了解的几个术语：fact, dimension, data cube。

这两个术语很容易通过一个例子来解释清楚。假定我们有下面这样一个数据表，没一年各类产品的营业收入。

Year	Category	Revenue
2017	Keyboard	2,500,000
2017	Headset	200,000
2018	Keyboard	3,000,000
2018	Headset	134,000

这里 Year 和 Category 是 dimension，Revenue 是 fact，有就是说，fact 是我们的数值，dimension 是用来指定 fact 这个数值的维度的（正如名字所指）。从另一个角度来看，我们可以设定一个坐标系，坐标系的两个轴是 Year （2017，2018） 和 Category （Keyboard，Headset），然后 fact 就是一个标注在这个坐标系里面的数值，也就是 Revenue.

这样就形成了一个 data cube.

实际生产中，我们会有更高维度的 data cube. 比如说，我们要看

1. keyboards (Category),
2. in 2018 (Year),
3. in Cologne (City),
4. sold offline (Channel),

的 Revenue 这样我们就有一个 4 维的 data cube，四个 dimension 分别是 Category, Year, City 和 Channel.