1 × 30 × 20 × 32 = 19200

　　而我们在构建多维模子的时辰良多维度中包含的数据量绝对不像膳缦沔例举的那么小，想象一下网站的商品或者页面的数目可能是成百上千甚至成千上万的，那么一旦以倍乘的形式扩展之后，数据量就会一会儿剧增。虽然丰硕的多维立方能够给剖析带来便当，但也同时给数据的存储和发芽带来的压力。

　　所以，加倍丰硕和矫捷的剖析需求的实现基于加倍复杂的多维模子或者数据立方，同时会带来更年夜的系统开销。Google Analytics很好地权衡了矫捷的数据剖析与复杂数据模子之间的关系，这也是Google Analytics强年夜功能的根基保障，GA的高级细分(Advanced Segments)和自界说Dashboard是其他同类免费网站剖析工具所无法对比的，这也恰是为侍趵硪们将GA划分到网站数据剖析工具，而其他的年夜部门只能算作网站数据统计工具的原因。而GA恰是基于其构建的强年夜的底层数据模子和高效的数据计较和响应能力，使良多剖析功能可以获得扩展，其中良多就涉及交叉剖析，这里截图了其中的两个功能，Secondary Dimension和Pivot：

　　Google Analytics新版本增添了良多令人心动的功能，Secondary dimension的功能年夜老版本获得了延续，上图在Content模块的Page报表中选择了流量来历作为第二维度，这样我们就可以查看每个页面的流量是年夜何而来，每个流量来历在该页面的数据默示，同时可能还可以发现一些有趣的现象，好比某些页面的流量根基都是一个来历带来的，好比我的博客的某些文章根基都是经由过程搜索引擎进来的，而此外一些文章根基经由过程直接流量带来。

　　在GA的各类报表中可以在右上角选择揭示的形式，最后的一种就是Pivot，Pivot的形式对表格的表头进行了扩展，可以分条理放置此外的维度，如上图仍是使用了页面与流量来历的交叉，将Source维度放到了指标的上方。同时GA撑持在两个维度的基本上最多选择两个怀抱Metric，我这里选择了Pageviews和Bounce Rate，来权衡每个页面中各类流量来历所带来的“量”和“质”，同样对于剖析很是有价值。

　　多维的交叉剖析我们在日常中潜移默化地经常会用到，交叉剖析对于问题的排查和定位额外有用，所以我们需要设法子用更好的形式去揭示数据，以便于更有利于进行交叉剖析，其拭魅这里介绍的透视表的体例是最常用的，也是斗劲好用的，但这类体例太少，不知道巨匠有没有其他加倍有用的交叉阐成长现体例。

　　» 本文采用 BY-NC-SA 和谈，转载请注明来历：网站数据剖析 » 《多维交叉剖析》

        原文：http://webdataanalysis.net/data-analysis-method/cross-analysis/