1、由粗到細
可協助初步定位發生問題的點，核心是找到切分問題的維度，維度取決於行政架構、業務模型，壹般零售企業可從人、貨、場切入：
人：購買用戶進行分類。
貨：售賣的全部商品及商品分類，如賣肉的裏面分前腿肉和後腿肉，水果有進口和國內。
場：售賣的區域及劃分，有國家通用的行政區域，如全國->省->市->縣->門店，企業的區域劃分，如華東大區->某區域->某門店。
2、粒度組合
粒度數據由不同維度交叉組合而成，同壹度量值在不同粒度下的變化趨勢，可幫助精準定位問題及找到可能的機會。
如：江蘇區19年3月(區域維度=江蘇區，時間維度=19年3月);華東區19年的豬肉(區域維度=華東區，時間維度=19年，商品維度=豬肉)。
3、度量
是衡量業務實際表現的指標，不同度量值之間存在此起彼伏或間接相關的關系。
如：銷售提升毛利提升，客流上升客單卻下降，這種關系對於分析很關鍵。
4、對比對象
無對比無驚喜，很多驚喜源於對比，選擇合適的對比對象很關鍵。
通用對比：空間對比(如：不同區域對比)，時間對比(如：不同年同月份對比)，流程對比(如：下單量對比到貨量)，但對比往往取決於實際看數過程的壹些拆分組合，但也都基於原始維度的拆分，萬變不離其宗。
關於 深入看數據的通用方法及關鍵點，該如何下手的內容，青藤小編就和您分享到這裏了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。