在製作 Google Data Studio 報表時，行銷新手最常遇到的挫折不是畫面不漂亮，而是圖表突然「破圖」或是跳出紅字錯誤。要駕馭這款強大的視覺化工具，第一步不是學美化，而是要分清楚數據的兩大靈魂：維度（Dimensions）與指標（Metrics）。這兩者要是設定錯誤，輕則數據失真，重則會直接讓報表與底層資料斷開連線。

一、核心概念：綠色維度（Dimension） vs 藍色指標（Metric）

在 Data Studio 的操作介面中，有一個非常貼心的視覺設計：維度欄位通常呈現綠色，而指標欄位則呈現藍色。

1.1 什麼是維度（Dimension）？—「數據的分類標籤」

維度是用來「描述」或「分類」資料的屬性。它通常是文字、日期、地理位置或身分特徵，用來回答「誰、什麼地方、什麼時間、透過什麼管道」的問題。

情境範例（以 Google Analytics 為例）：

假設今天有一位 32歲、住在倫敦的訪客，在 Chrome 瀏覽器上透過 Google 搜尋「Attribution Modelling」點進你的網站。此時，他的特徵就會被拆解為多個維度：

• 居住城市（City）：London
• 來源/媒介（Source / Medium）：Google / Organic
• 瀏覽器（Browser）：Chrome
• 年齡層（Age）：25-34
• 裝置類別（Device Category）：Desktop

如果換成電商的訂單資料來源（如 Google Sheets），維度就是：訂單日期、交易 ID、客戶名稱、產品品牌、國家、城市。這些欄位是用來勾勒出數據的背景與特徵。

1.2 什麼是指標（Metric）？—「用來衡量的數值」

指標則是「可以被計算、加總、平均的數字」，用來衡量維度的表現。它用來回答「多少、多快、多高」的問題。

接續上面的訪客範例，光知道特徵還不夠，行銷人想知道的是「成效」，這時候就需要指標。以 Google Analytics 的「來源/媒介」這個維度為例，它會擁有多個用來量化特徵的指標：

• 工作階段（Sessions）
• 新使用者（New Users）
• 跳出率（Bounce Rate）
• 目標達成數（Goal Completions）

一言以蔽之：維度是表格裡的「列（Rows）」，指標是填入裡面的「數據（Values）」。

二、進階解析：Data Studio 的四種「維度與指標」變體層級

在 Data Studio 裡，維度與指標並非一成不變。根據「定義的層級」與「是否經過公式加工」，它們各自可以細分為四種類型。我們用一張表來快速看懂：

層級與類型	維度（Dimension）	指標（Metric）	適用範圍與特性
1. 資料來源規格原生 (Data Source Schema Specific)	來自原始資料來源的原生分類欄位（如：產品名稱、國家）。不對其他欄位進行公式操作。	來自原始資料來源的原生數值欄位（如：原始銷售額、點擊數）。	只要使用該資料來源的所有報表與圖表都能直接使用。
2. 資料來源計算欄位 (Data Source Calculated)	在資料來源規格端透過公式處理後的文字（例如：用 CASE WHEN 重新分類地區）。	在資料來源端透過公式加總或計算的數值（例如：計算轉換率或投資回報率）。	欄位旁會出現 fx 符號。此資料來源的所有報表皆可共用。
3. 圖表專用原生 (Chart Specific)	直接拖入「單一特定圖表」中的原生分類欄位。	直接拖入「單一特定圖表」中的原生數值欄位。	僅限該單一圖表使用，其他報表或圖表看不到。
4. 圖表專用計算欄位 (Chart Specific Calculated)	僅在「單一圖表」內寫公式產生的分類。	僅在「單一圖表」內寫公式產生的計算數值。	僅限該圖表使用。常用於處理「混合資料」的臨時計算。

三、實務踩坑：Data Studio 與 Google Analytics 的範疇相容性衝突

很多從 Google Analytics 跨入 Data Studio 的行銷人，常帶著舊習慣操作，結果往往踢到鐵板。

3.1 維度硬轉成指標？年齡欄位的商業邏輯誤區

在 Google Analytics 中，維度和指標的界線非常嚴格。但在 Data Studio 中，系統為了給予彈性，允許你「把維度拉到指標欄位去算」。但如果用錯情境，就會產出毫無意義的數據。

例如，「年齡」在資料中是一個維度標籤（如 25-34）。如果你在 Data Studio 中不小心把年齡拖到了「指標」欄位，系統會強行對年齡進行計數（Count）或加總。最後你會看到報表上顯示年齡加總等於幾千歲，這在商業決策上是完全錯誤且無意義的。

3.2 範圍不相容：「使用者設定錯誤」是怎麼來的？

在 Google Analytics 的世界裡，不同範疇的數據是不能隨便放在一起撈取的。例如，你不能把屬於廣告點擊層級的「Google Ads 曝光次數（Impressions）」跟使用者層級的「使用者類型（User Type）」強行塞在同一個圖表裡。

當你在 Data Studio 這樣做時，雖然工具表面上允許你拉進同一個圖表，但畫面隨即會噴出 「使用者設定錯誤（User Configuration Error）」。這不是系統壞掉，而是你在強迫兩個不同維度世界的數據成婚，導致後台無法串聯。

四、終極除錯：為何會出現「無法連線到您的資料集」？

這是行銷人在對接 Google Sheets時最常遇到的頭痛惡夢：畫面上出現一個大大的驚嘆號，顯示 「數據分析 」無法連線至資料集。

4.1 Google Sheets 欄位屬性錯置引發的「格式災難」

這個錯誤通常源自於你在設定資料來源規格（Schema）時的疏忽。

【實務案例】：

假設你在 Google Sheets 裡有一欄資料叫做「訂單數量（Number of orders）」，裡面填寫的都是 1、5、10 這樣的純數字。

然而，當你在 Data Studio 首次連接這個 Google Sheets 時，在資料來源規格頁面中，不小心把這個欄位的資料種類從「數字」改選成了「文字」。

4.2 系統自動轉換的極限與崩潰原因

當你把「訂單數量」錯誤設定為文字類型後，你等於是在命令 Data Studio：「請把這一欄當作 ABC 這種文字字串來處理」。

接下來，當你刷新報表、或試圖在圖表中使用這個欄位進行數據加總時，Data Studio 的後台系統會去讀取底層的 Google Sheets。結果它發現裡面全是「真正的數字」，而不是它預期中的「文字」。

雖然 Data Studio 具備一定程度的自動轉換能力（例如把數字轉成百分比），但當「你設定的預期類型（文字）」與「底層試算表的實際資料（數字）」發生嚴重衝突且無法相容時，連線機制就會瞬間崩潰，最終就會拋出「無法連線到您的資料集」的嚴重錯誤。

🛠️ 專家除錯大招（可依實際案例調整）：

遇到這種破圖，請立刻回到 Data Studio 的「編輯資料來源」頁面，檢查該欄位的「類型」是否與你的原始 Google Sheets 完全一致。確保數值欄位是 Number，日期欄位是 Date，文字欄位是 Text，重新整理欄位後即可一秒修復！