---
name: bi-dimension-drilldown
description: 对指标按维度逐层下拆，通过单维度扫描、交叉分析和层级下钻定位关键维度（组）值。当需要知道"从哪些维度拆解、按什么顺序拆解来定位指标变动来源"时调用。
---
# bi-dimension-drilldown

对指标按归因维度逐层下拆，通过单维度扫描、交叉分析和层级下钻，定位驱动指标变动的关键维度（组）值。

典型场景：

- 用户要求"按渠道拆一下 DAU 的贡献度"
- 异动分析流程中，异常检测发现异常后需要定位原因

## 前置检查

开始前确认以下信息已明确：

- **下拆指标**：需要下拆的指标及其类型（量值 / 率值 / 加权平均）
- **归因拆解维度**：下拆的维度列表及其层级关系（哪些是 0 级平级维度，哪些有父子关系）
- **分布指标**（可选）：需要展示分布占比的重点指标

## 执行步骤

### 1：数据准备

根据前置检查确认的指标和维度，准备包含往期和当期数据的 CSV 文件，至少包含以下列：

| 列         | 说明                                             | 示例         |
| ---------- | ------------------------------------------------ | ------------ |
| 维度列     | 所有涉及的归因拆解维度（每个维度一列，可能多列） | 渠道、端类型 |
| 往期值列   | 下拆指标的往期值                                 | DAU_往期     |
| 当期值列   | 下拆指标的当期值                                 | DAU_当期     |
| 分布指标列 | 分布指标值（可选，有分布指标时需要）             | 访问用户数   |

若上游步骤已产出可用数据文件则直接使用，否则自行取数。

### 2：维度下拆

在每一步下拆中，针对当前拆解的维度（组），计算：

- **贡献度**（相对于下拆指标）：各维度（组）值对该下拆指标整体变动的贡献大小
- **分布占比**（相对于需要展示占比的分布指标）：各维度（组）值在分布指标整体中的比例

按以下步骤逐步拆解：

#### 2.1 单维度扫描

对每个 0 级归因维度逐一执行贡献度计算和分布占比计算，筛选贡献度 Top-N 的维度值，记异常维度值集合为 D1。

#### 2.2 交叉分析（平级维度）

若 D1 中多个平级维度同时出现异常维度值：

1. 将 D1 中的异常维度两两组合
2. 对每个组合执行贡献度计算和分布占比计算，筛选贡献度 Top-N 的维度组合，记异常维度组合集合为 D2

若只有一个维度出现异常，跳过此步。

#### 2.3 层级下钻（层级维度）

取 D2（若存在）或 D1 中的异常维度（组），沿层级关系逐级向下拆解：

1. 对异常维度值，找到其下一级子维度
2. 在该异常维度值的数据范围内，执行贡献度计算和分布占比计算，筛选 Top-N
3. 继续向下拆解（0 级 → 1 级 → 2 级 → ...），直到无更下级维度

每一级的下拆结果都保留，用于最终汇总。

**补充说明**：

- **默认参数**：若用户未要求或其他源未指定，默认 N = 3
- **正负分离判断**：默认按整体贡献度排序；当某方向变动量超过整体变动的 30% 时，说明正负抵消严重，需分别筛选正/负贡献度 Top-N

**示例**：下拆指标为 DAU（日活跃用户数），分布指标为访问用户数，0 级归因维度有"渠道"和"端类型"，"渠道"下有 1 级子维度"子渠道"。

1. **单维度扫描**：分别按"渠道"和"端类型"下拆 DAU，发现"渠道=自然流量"贡献度 +45%、"端类型=APP"贡献度 +30%，同时计算各维度值的访问用户数分布占比。两个维度均出现异常 → D1 = {渠道:自然流量, 端类型:APP}
2. **交叉分析**："渠道"与"端类型"是平级维度，按"渠道 × 端类型"组合下拆，发现"自然流量 × APP"组合贡献度 +38% → D2 = {自然流量 × APP}
3. **层级下钻**："渠道"下有子维度"子渠道"，在"自然流量 × APP"这个组合下继续按"子渠道"下拆，发现"子渠道=搜索引擎"贡献度 +32%，最终定位到异常来源

### 3：汇总下拆结果

将各层级的下拆结果汇总输出。**示例**：

单维度扫描（渠道）：

```
 维度值    DAU贡献度  访问用户数占比
 自然流量   +45%        52.3%
 付费投放   -12%        28.1%
```

单维度扫描（端类型）：

```
 维度值    DAU贡献度  访问用户数占比
 APP        +30%        61.5%
 Web        +15%        38.5%
```

交叉分析：

```
 维度组合           DAU贡献度  访问用户数占比
 自然流量 × APP      +38%        35.2%
 自然流量 × Web       +7%        17.1%
```

层级下钻：

```
 父维度值           子维度    DAU贡献度  访问用户数占比
 自然流量 × APP     搜索引擎   +32%        22.8%
 自然流量 × APP     社交分享    +6%        12.4%
```