對於軟體工程背景的人來說， Metabase 就像一層圖形化使用者介面 (graphical user interface) ，把資料倉儲 (data warehouse) 包裝了起來。簡單直覺地理解方式，就是把 Metabase 視為是一種圖形化界面的 SQL 產生器/翻譯器 。

上述看待 Metabase 的方式，是一種「原理優先」的視角：理解事物，從這些事物的底層怎麼運作來設法加以了解。相對於「原理優先」的視角，另一種理解事物的觀點，可以稱之為「應用優先」：理解事物，先從這些事物運作了之後可以達成什麼目的，又或是使用的情境來設法加以了解。

如果我們要從「應用優先」的角度來理解 Metabase ，那我們要先談談資料分析裡的一些重要概念與操作。

• 概念：維度 (dimension) 與度量 (measure)
• 操作：篩選 (filter) 與概括 (summarize)

維度 (dimension) 與度量 (measure)

• 維度 (dimension) 是描述性、定性的資訊，比方說，名字、URL、地理位置、時間等。通常你會利用維度的資訊來對度量的資訊做操作。維度通常描述：與資料有關的誰、資料是什麼、在何時產生、在何處產生 (who, what, when, where) 。
• 度量 (measure) 是以數值方式記錄的資訊，它通常可以被一個或是多個維度來加以拆解、又或是可以透過維度來分群並且對分群之後的子群體進行加總。一言以蔽之，對它做了數學運算 (compute) 之後，可以帶有合理的分析意義的，這是度量。

以上表 (product table) 為例：

• 維度：ID, Ean, Title, Category, Vendor, Created At
• 度量：Price, Rating

這邊要特別注意兩點：

1. 如果資料欄位的型別是以非數值方式記錄時，可以判斷它是維度。
2. 然而，當資料欄位的型別是數值方式記錄時，就要透過仔細思考這個資料欄位的意義，才能判斷它到底是維度還是度量。

篩選 (filter) 與概括 (summarize)

當我們面對大量的資料時，要對這些資料產生一些了解，第一步，通常是我們要先縮小有興趣的資料範圍。這時，很適合用篩選 (filter) 。

• 只對某特定時間有興趣，篩選出那段時間對應的資料列 (row)。
• 只對某特定地理位置有興趣，篩選出那些地理區域對應的資料列 (row)。
• 只對某特定種類有興趣，篩選出含有那些種類對應的資料列 (row)

當有興趣的資料已經被篩選出來之後，我們很可能想要對資料做個快速地概括性了解。這時，適合的操作就是概括 (summarize)，概括是「先用某個維度 (dimension) 對資料分群，再對這些群體的度量資訊 (measure) 做一個數學運算操作」。常用的數學運算有：加總、平均、最大值、最小值、計算筆數。這邊要注意一點，概括也可以是「不分群，直接對所有資料的度量資訊 (measure) 做一個數學運算操作」。

• 想知道每天的訂單總金額多少：以「天」做為分群維度，對訂單金額做「加總」。
• 想知道美國每個州的訂單平均金額多少：以「美國的各州」做為分群維度，對訂單金額做「平均」

上圖， Metabase 顯示資料表 (table) 的主畫面所顯示的，篩選 (filter) 與概括 (summarize) 的按鈕就在畫紅圈的位置，非常地顯眼，因為這兩種操作就是最常用的資料操作了。

實務應用

想象一段常見的管理階層對話。

某公司的經營者 A ，休假一週後，回到公司。一上班後，立馬先找業務主管：「我們的業績如何？」先掌握現況吧。

於是，業務主管回報了最新的數字。

接著，經營者 A 問了下一個問題：「你認為這樣子算好嗎？」

業務主管回答：「這就要看你要從哪一個角度來看了…」

如果該公司的產品/服務是賣給一般消費者的 (2C)，業務主管可能會把每個地區的業績展開來看。如果是賣給企業的 (2B) ，業務主管可能會把每個不同行業別的業績展開來看。

上述的『展開』，就是把業績這個度量 (measure)，透過地區或是行業別這兩種維度 (dimension) 來做概括 (summarize)。

如果某個地區的成績特別好、特別差、又或是某個行業別賣得特別好、特別差，經營者很可能又會想知道，「為什麼這件事會發生？」

為了回答這個進一步的問題，業務主管很可能必須篩選 (filter) 某地區、某行業相關的資料，而這些資料自然又包含了許許多多新的維度 (dimension)，然後，再利用這些維度去對業績做分析，直到他想出各式各樣的可能原因為止。

其它資源

1. 對 dbt 或 data 有興趣 👋？歡迎加入 dbt community 到 #local-taipei 找我們，也有實體 Meetup 請到 dbt Taipei Meetup 報名參加
2. 歡迎訂閱 PruningSuccess 電子報，主要談論軟體開發、資料處理、資料分析等議題。