分布分析

分布分析主要能够提供【维度指标化】之后的数据分解能力，将原有维度按照一定的数值区间进行维度划分，进而分析每个维度区间的分布情况，在以下分析场景中十分常见：
 1. 分析订单的金额分布
 2. 分析某类特殊事件的发生时段分布
 3. 分析某类特殊事件的发生次数分布
 4. 分析触发某类事件的用户年龄分布
由此可见，分布分析主要针对的是数值型和日期型这两类属性，比如：金额、年龄、时间、频次，因此当用户打点上传的数据中包括这两类属性时，那么在日常的分析中就有可能会使用分布分析来解决一些特定问题。

常用指标

1.X事件的次数分布

X 事件的次数分布，指在指定日期范围间内触发 X 事件的次数分布。
e.g.在2020/01/01 - 2020/10/01 期间触发了启动事件的次数分布，启动了[1,3)次的2人，[3,10)次的10人等。

支持细分维度对比，比如细分城市维度，即可查看不同城市的用户启动次数分布
支持增加过滤条件，比如筛选平台=Android，仅Android平台的用户启动次数分布
支持分析一段时间的汇总情况，或者是按日、周、月不同时间粒度细分看趋势

2.X事件的活跃时段分布

X 事件的活跃时段分布，指在指定日期范围内触发 X 事件的时段分布。
e.g. 在2020/01/01 - 2020/10/01 期间，一天24小时各个时段中启动的用户各有多少。
比如通过下图可以看到用户访问集中在上午9点到12点，下午2点到5点期间，其中上午10点到11点期间访问的用户最多

支持细分维度查看，比如细分设备品牌，查看不同设备品牌的用户的活跃时段，通过下图可以看到在工作时间华为设备的访问量明显居多，在晚9点到次日9点休息期间，小米访问量更多。

支持按日、周、月的时间粒度细分，可以查看不同时段里不同时间的活跃趋势，可以通过表格查看，比如下图展现近 30 日每天用户在不同时段的活跃情况。

也可以按每周几聚合，比如通过下图，可以发现用户基本活跃时段

3.X事件的活跃天数分布

X 事件的活跃天数分布，指在指定日期范围内触发 X 事件的天数分布。 e.g. 在2020/01/01 - 2020/10/01 期间触发了启动事件的天数分布，启动了[1,3)天的2人，[3,10)天的10人等。 可以查看任意事件在某一个时间区间里的活跃天数，如下图体现过去 30 天里不同活跃天数的用户分布，其中多数用户活跃天数在 2 天到 5 天之间，10 天以上的用户最少

支持按周、按月的时间粒度细分，比如下图查看最近4个月里 用户活跃天数的变化

4.X 事件 Y 属性的总和/均值/人均值等分布

对于数值型的属性值，支持分析属性的总和、均值、人均值、最大值、最小值的分布，比如分析一段时间里不同支付订单金额区间的用户分布。

总和/人均值: 用户的指标属性的值累加, 跟区间范围去比较, 看位于哪个区间

最大值: 用户的指标属性的最大值, 跟区间范围去比较, 看位于哪个区间

最小值: 用户的指标属性的最小值, 跟区间范围去比较, 看位于哪个区间

去重数: 用户的指标属性的值去重后的个数, 跟区间范围, 看位于哪个区间

均值: 用户的指标属性的值累加 除以 触发次数 的值, 跟区间范围, 看位于哪个区间

分布分析也支持字符串属性的分析，这类属性的分析场景在实际工作中比较少见，只能统计属性值的去重数的分布情况，例如：统计某次大促活动中，支付订单的品类分布情况，可以在分布分析中，选择支付订单事件的商品品类属性的去重数分布，同时增加商品品类的细分维度。