任何主数据均可作为费用归集的口径。例如，客户、员工等。

主数据有字段属性。例如，客户有地区、信用等级等属性；员工有性别、年龄等属性。

纳入分析的口径和属性，均可作为多维组合的分析维度。例如，要分析不同信用等级客户不同产品的收入，则维度包括信用等级、产品。

不同企业的主数据是不同的。例如，汽车在车企是产品，在非车企是资产；检修在工厂是作业，在独立的检修公司是提供的劳务，相当于生产的产品。

维度的具体成员就是维成员。例如，产品维度包括水丸、冷香丸等维成员，作业维度包括起模、成型、盖面、干燥等维成员。

维成员的粗细程度就是颗粒度。例如，作业维度的维成员，可以是起模、成型、盖面、干燥四个，也可以进一步细分为更多个。分得越细，维成员越多，颗粒度越小。

维成员的组合就是维成员组。例如，可以将"水丸+冷香丸"定义为一个维成员组"中药"。这样，就可以查询"中药"，即"水丸+冷香丸"的汇总数据。

维度的组合就是多维组合。例如，"产品+作业"是多维组合。

对以上概念，需要做以下说明：

（1）关于服务与产品

服务即产品，产品即服务，它是客户交付的标的。例如软件公司销售软件，软件就是产品；软件公司除了销售软件，还提供咨询、实施等服务，那么咨询、实施等服务也是产品。

产品向服务转型，不是一种产品向另一种产品的转型，在观念层面上，它是产品中心向作业流程中心的转型，结果管理向过程管理的转型；在操作层面上，产品成本不仅包括生产环节成本，而且应承担售后等服务环节的成本。

（2）关于作业

作业的设置并不是越明细越好，不仅要从管理的实际需要出发，也要考虑海量数据的计算能力限制。在工业企业，作业就是工艺路线的工序，它是一个管理文件而不是技术文件，用于管理目的而不是生产目的，与实际生产过程中的工序是有较大区别的。出于管理需要的作业定义，比基于生产需要的作业定义，那肯定要粗得多。

（3）关于维度关系

维度之间可能是多对多的交叉关系。例如，一种产品可以包括多个作业，一项作业可以服务多种产品。

维度之间可能是一对多的包含关系。例如，一个工作中心提供多项作业，且任何一项作业只归属于一个工作中心。

再如房地产公司，项目与产品是一对多的关系，例如一个项目有很多房号，具体的房号归属于某一个项目。项目与产品类型是多对多的关系，例如一个小区项目可对应别墅、洋房、商铺等多种产品类型，一个产品类型也可对应A小区、B小区等多个项目。

（4）关于多维组合

单一维度的数据意义不大。例如，统计局公布的不同区域的工资。

多维孤立的数据意义不大。例如，统计局公布的不同区域的工资，不同行业的工资，不同学历的人员工资。

多维组合的数据意义很大。例如，统计局公布了不同区域、不同行业、不同学历的人员工资，对相应区域、行业、学历的具体从业人员，就有参考作用。

组合维度越多，数据越有价值。缺乏哪个维度，哪个维度的数据就被平均了。例如，统计局公布了不同区域、不同行业的工资，缺乏学历维度，那么，不同学历的人员工资就被平均了。

我们再示例多维和多维组合的区别。例如，皮肤、贫富、外貌三个维度的数据，如表2-1所示。

表2-1 三个维度的数据

三个维度的组合数据，如表2-2所示。

表2-2 三个维度组合的数据

可以看到，从多维到多维组合，数据量是呈指数级增加的，且多维组合更有意义。例如很多人啧啧赞叹的就是"白富美"这种多维组合，而不是"白美"、"白富"或"富美"。