概念
多维度拆解法就是把复杂问题按照维度拆解成简单问题，观察数据异动，发现问题的原因。
示例：
拆解方式
从指标构成来拆解：
这种场景往往适用于分析单一指标的构成，比如单一指标为用户时，用户(维度)=新用户(维度1)+老用户(维度2)。
从业务流程来拆解：
从不同渠道浏览到添加购物车到下单到支付的这种闭环的转化流程。
场景案例一
举个案例：
你是某公司的产品经理，近暑假对某一课程做了推广活动吗，老板想看看推广的数据，那你如何查看？
首先我们从网站收集到的用户信息进行分析：
维度一：
从用户性别进行拆分，进入网站的用户 59% 都是女性，这时候你看出，原来男性，母亲更关注少儿语言的培训，这也跟少儿大部分由母亲带有关。
维度二：
从用户端的情况查看，可以看出大部分用户来自 iOS 用户，据相关数据统计，女性用户更喜欢用苹果设备。
维度三：
按渠道来源进行拆分，由下图分析的出，42% 的用户来自我们官方的订阅号，查看公司近期的活动情况，原来是我们在活动开始前做的一场公开课在订阅号上做了推送。
维度四：
从城市等级这个维度进行拆分，符合我们产品目前的定位，咱们的产品定位是中等偏高收入的人群，这类用户主要集中在一线城市。
维度五：
按照网站的新老用户进行拆分，由下图得出，新用户在 21-23 周呈现上涨的趋势，而老用户一直是下降的趋势，DAU 的总体趋势却没啥变化，我们引入了大量的新用户，但并没有成功留住用户。
场景案例二
你是数据分析师，近期公司新出的一款 APP 的用户日留存率下降了 5%，该怎么分析呢？
如下图所示，我们从业务流程拆解出两个分析的角度
从喜欢的角度来看：新用户来 APP 想要看到什么内容？
从不喜欢的角度来看：推荐的内容是用户看到的吗？
按照业务流程分析，由下图得出，购买流程中用户流失了 20 %，与上月的数值相比增大近 10%，从研发部门了解到，原来是开发人员对 APP 的支付接口进行升级，导致部分新安装的用户无法使用微信支付。
注：
以上图表制作使用 DataEase；
部分案例来自《数据分析思维：分析方法和业务知识》学习笔记。
