1. 产品概述

数据解释，是观远数据提供的能够深层次数据洞察的功能。能够通过多维度深层分析，穿透数据结果，挖掘影响因子与根源，深入业务真相，提升数据洞察能力。

温馨提示：此产品模块为增值模块，如需试用体验请联系观远数据商务人员或客户成功经理（通常是贵公司当前的服务交流负责人）。

2. 产品功能

3. 使用步骤

3.1 数据解释设置

3.1.1 配置数据解释

在卡片编辑页面，点击卡片右上角有“数据解释”按钮，进行相关配置，完成后打开“启用”按钮，点击确定即可。

数据解释设置窗口的设置内容如下表：

成分分析：

默认勾选，无需设置对比对象

对比分析：

支持从卡片的“维度/对比/拆分”字段中选择对比对象，可同时选择多个对比对象

对比对象为日期类型时：

根据不同的日期粒度可选择不同的对比对象

对比对象非日期类型时：

可将对比对象设置为维度项的最大值/最小值

智能：

智能维度选取，无需自行选取分析维度，可同时进行高级设置

自定义：

自定义维度选取，需自行选取分析维度

3.1.2 数据解释开启和关闭

用户可在“数据解释”设置时，开启或关闭数据解释；关闭后，所有用户点击卡片上的数据点将不会触发数据解释功能。

启用数据解释后，在卡片的右上角，用户可以看到数据解释的标志，点击即可开启或关闭卡片数据解释，开启时该标志蓝色高亮。

此外，管理员可点击网页右上角九宫格，“管理员设置”，“运维管理”下“任务管理”中，进行后台集中的任务管理。

3.2 数据解释触发

卡片开启数据解释后，在桌面端的卡片编辑页、仪表板页面、卡片详情页，点击图表上任意数据点后，数据明细的右侧会新增“解释”按钮。

点击“解释”按钮，可针对具体某个数据点，进行数据解释的触发，数据解释结果会展示在页面的侧边栏，可在原始图表基础上快速切换数据点再次进行解释分析。

3.3 数据解释结果

数据结果展示以“先维度再因子”的分析链路进行。首先展示的是选中数据点的统计信息，包括当前数据点的数值、和其他维度数据点对比的数值。之后是成分分析和对比分析的维度层面结果，成分分析是针对当前数据点进行主因挖掘，对比分析是针对和其他维度数据点对比的数值变化进行主因挖掘。其次，点击任意维度，可进一步查看维度中的各个因子的贡献度，并且可以排除某一因子进行差异性分析，最终结果会通过可视化方式呈现。

3.3.1 维度层面分析

3.3.1.1 成分分析逻辑

分析内容：针对选择的数值字段，分析出对该数据点影响较大/贡献较大的维度，并输出每一维度下各因子对该维度的贡献度，默认分析贡献较大的Top5维度。

例如：如图，对2017-02月奶粉的销售额进行数据解释，在成分分析结果中，可以看到对该数据点影响较大的维度，即对于 [2017-02的奶粉的销售额] ，[产地]、[商品名称]、[大区] 三个维度贡献最大。

3.3.1.2 对比分析逻辑

分析内容：针对选择的数值字段的对比指标，分析出对产生该对比变化的原因贡献较大的维度，并输出每一维度下各因子对该维度的贡献度，默认分析贡献较大的Top5维度。

例如：如图，对2017-02奶粉的销售额进行数据解释，对比2017-01奶粉销售额下降了一百多万，在对比分析结果中，可以看到对产生该变化影响较大的维度，即对于 [2017-02奶粉的销售额较上月的下降] ，[规格]、[产地]、[大区] 三个维度影响最大。

3.3.2 因子层面分析

点击某一具体维度后可进入该维度的因子分析，系统会以可视化的方式呈现每个因子对该维度的贡献度。

3.3.2.1 成分分析逻辑

分析内容：点击成分分析中某一维度，会针对选择的维度，分析出对该维影响较大的因子的具体贡献。

系统会以可视化图表的方式呈现，可点击图表右上方按钮可放大预览，也可切换瀑布图或堆叠图查看。

例如：如图，对2017-02奶粉的销售额进行数据解释后，在成分分析中点击 [产地] 维度，可以看到其中各个因子对售额的具体贡献度，其中 [香港] 是对 [2017-02奶粉销售额] 做出贡献的最主要因子，其贡献为17.6万元。

3.3.2.2 对比分析逻辑

分析内容：点击对比分析的某一维度，会针对选择的维度，分析出出该维度下，对产生对比变化贡献较大的因子的具体贡献，通过瀑布图展示。

例如：如图，对2017-02奶粉的销售额进行数据解释后，对比2017-01奶粉销售额下降了一百多万，在对比分析中点击 [产地] 维度，可以看到各因子对造成该变化的具体影响程度，即 [美国] 是造成 [2017-02奶粉销售额下降] 最主要的影响因子，其 [2017-02奶粉销售额] 较上月下降了 26.4万元。

3.3.3 差异分析

在每个因子分析的下方，可选择排除其中某个因子，查看排除后对选择的数据点数值变化有何影响。

3.3.3.1 成分分析逻辑

分析内容：系统会自动算出除去某因子后，选择的数据点数值会如何变化。

例如：对 [2015-01的利润率] 进行数据解释，2015-01 的利润率为 -18.05%，[Segment] 维度下，[Corporate] 对总利润率的负面影响是最大的，为 - 25.53%，若除去 [Corporate] 这个因子后，利润率就能上升为 - 16.34％。

3.3.3.2 对比分析逻辑

分析内容：系统会自动算出除去该因子对数值变化的影响后，选择的数据点数值会如何变化。

例如：对 [2015-01的利润率] 进行数据解释，2015-01 的利润率为 - 18.05%，对比2014-12 利润率下降了30.97%，[Segment] 维度下，[Home Office] 对利润率的下降贡献是最大的，为 - 71.86%。若除去 [Home Office] 这个因子后，利润率就能从对比上月下降30.97%变为对比上月下降28.13%。

3.3.4 交叉维度分析

点击图中某一具体因子项目，可基于该因子进行二次下钻分析，系统会根据基尼系数得出对该因子贡献最大的维度，并且默认可视化展示该维度下影响较大因子项目（最多展示Top3影响较大的因子），按贡献度大小排序，且因子项目的方向属性与上层因子保持一致。

3.3.4.1 成分分析逻辑

例如：对 [2015-01的利润率] 进行数据解释，2015-01 的利润率为 - 18.05%，[Segment] 维度下，[Corporate] 的利润率对总利润率的负面影响是最大的，为 - 25.53%。

点击 [Corporate] 进行二次下钻，可以看到 [Category] 维度对 [Corporate的利润率] 负面影响最大，其中 [Technology] 和 [Furniture] 两个因子负面影响最大，分别为 - 59.33%和 - 27.16%。

3.3.4.2 对比分析逻辑

例如：对 [2015-01的利润率] 进行数据解释，2015-01 的利润率为 - 18.05%，对比2014-12 利润率下降了30.97%，[Segment] 维度下，[Home Office] 对利润率的下降影响是最大的，为 - 71.88%。

点击 [Home Office] 进行二次下钻，可以看到 [Category] 维度对 [Home Office利润率较上月的下降] 贡献是最大的，其中 [Furniture] 因子的利润率较上月下降是最多的，下降了120.00%；再次 [Technology] 因子的利润率较上月下降是第二多的，下降了23.45%。

3.3.5 数据解释报告概述

针对报告中的关键性结论可一键生成文字报告，方便其他业务人员更直观的理解核心结论，业务人员也可基于此撰写最终分析报告，提高工作效率。

3.4 数据解释说明

支持的图表类型：所有的柱形图、条形图、折线图与面积图

支持的数据集类型：卡片数据集仅支持guanindex类型（不包括：直连数据库数据集、clickhouse高性能数据集）

字段类型限制：卡片中至少有一个数值字段（包括数值、叠加图形数值）的聚合方式/表达式满足：sum、count、avg、sum/sum

因子项目数限制：分析维度的因子项目数大于3个并且小于1000个时，才能进行数据解释以及相关的其他分析

版本要求：使用数据解释对您的产品版本有一定要求，具体可咨询观远数据商务人员。

4. 产品优势

对于产品使用角度而言，数据解释有着强分析能力、高易用性、高稳定性。

5. 产品价值

对于用户而言，数据解释提供了无门槛操作的0代码能力、丰富且深入的多维分析能力、简单易懂的报告呈现能力，能够实现每一位用户各个层面数据分析需求，用户能够用最少的工作量，轻松获取见解以及进行可视化，增强数据素养，增强决策能力。

在很多业务场景中，如经营分析、会员运营分析、流量分析、商品分析等场景下，需要高频多维分析、复杂指标的多维分析、高基数维度的分析、维度持续变化的分析，想要解决以上问题需要进行人工归因分析，分析链路较长、要制作大量看板，使用数据解释功能，就能够在一张看板上针对各个数据点一键获取因子挖掘报告、在一份报告中呈现多维度的关键性结论，节省报告撰写和关键业务人员反复问询讨论的时间。

数据解释核心价值总结如下：

提效：在复杂、维度众多的分析场景下，用户无需大量关联数据看板、人工溯源，即可进行多维度灵活分析。只需简单设置，就可快速建立纵深的业务数据统计分析逻辑，告别繁重的可视化看板制作工作，获得自动生成的高质量的分析结果和报告，让团队将精力和时间聚焦于高级业务策略与特殊项目。

准确：系统能够按配置自动执行分析，能够降低人工分析时因个人理解、分析路径不同等造成的潜在偏差及风险。从而业务人员能够更快速、更精准地找到问题点。

一致：在整个业务流程层面，统一关键业务人员对数据的理解认知，减少准备材料、会议讨论、问询等冗长的决策流程，大大降低沟通成本。

大众：能够最大程度降低数据理解成本，即使不具备特定的数据分析技能，也能轻松获取见解以及进行可视化，快速地理解和洞察数据，定位业务问题。