Tableau15大详细级别表达式 · DAX复刻与解读（图文视频）

TOP 15 LOD expressions 案例，是 Tableau 9.0版本推出的LOD 功能经典案例，也可以作为评价 BI 工具优劣的标准之一。

【Tableau】15大详细级别表达式-思路解读版 (3) 2018/11

本文，尝试用详细级别和表逻辑，讲解 DAX 的实现，让读者更加坚信 Tableau 多么的易用！

📊 编号 | 难点 | 更新日期

⚠️ 未经授权，请勿将本文用于企业内部的培训、文档等商业活动。请各位国产 BI 同行尊重他人的劳动成果，要么付出你的金钱，要么表达你的尊重！二不相沾，非奸即盗。

LOD1 预先聚合作为维度：“不同订单频次的客户数量”

2024/10/05 调整次序，补充方法2 . 参考 https://dax.do/KSy9ReSx5rPtqm/

方法1：使用 Addcolumns 构建中间表

比如使用AddColumn函数创建一个table，如下：

这里包含了常见的字段。它会独立于原来的明细表创建一个聚合中间表，甚至可以在关系模型哪里看到。

之后在这种表的基础上，就可以创建分布了。

个人不建议使用“参数表”这样的复杂设置，参数表是“反分析”的，在需要交互的情况下才优先考虑。

方法2：使用 SummarizeColumns 创建聚合中间表

2024/10/05 更新

上面的 addcolumns 相当于构建了一个近乎物化的中间表，如果跳过这个阶段，仅仅在分析中创建临时中间表，可以如下：

而后，在 mid 聚合中间表基础上，再次使用 SummarizeColumns 完成二次聚合——以 mid 的聚合值"order_cnt"为最终问题的维度，以此前的CustomerKey 聚合成为度量。

两个数据表的结果预览

方法3：使用计算列和上下文转换

创建column（计算列），使用calculate计算订单频次，结合ALLexcept使聚合依据指定到客户ID字段，从而获得tableau中{ FIXED [客户ID]: COUNTD([ORDER ID])} 的效果。

DAX计算如下：

在视图中，分类是：客户订单频次，答案是“客户ID不同计数”，没有筛选范围。结果如下所示：

视频讲解与 DAX 代码

视频仅仅保留了 dax 的部分，完整部分查看《DAX 别裁新解》。

完整 CODE： 欢迎访问 https://dax.do/KSy9ReSx5rPtqm/

LOD2 预先聚合作为分类：“客户阵列分析 cohort analysis”

这就也需要“计算列”（calculated column）出场，计算列的性质等价于数据表字段，在数据表刷新时先于任意可视化视图而完成计算。典型的计算列字段有行级别的计算列和迭代计算列两种。

这个题目的难点是计算“每个客户的获客日期”，并与之前的数据表构建逻辑上的关系。如果单看获客日期，只需要如下即可：

先说错误的方法：世系错误导致分组失败

这里介绍一种行不通的方法，即尝试构建一个中间表，而后从底表和中间表分别获得最终需要的维度。

如下所示，构建一个中间表，获得每个客户的首次订单日期：

正确的方法1：创建一个包含所有要素的中间表

难点在于，如何把视图中所需要的所有字段（cohort_year、Order_year 以及聚合需要的 quantity——这里以 quantity 代替销售额，简化操作），都放在一个中间表中。如下所示：

以此为基础，就可以构建基于中间表的最终查询。

补充一个验证的图片：

基于上述的中间表（包含了最终需要的两个日期字段和一个聚合字段），就可以使用Summarizecolumns 完成最终的聚合了。

正确的方法2：使用逻辑字段和上下文转换

这个方法，相当于把上面临时表的字段逻辑，直接落在底表中，从而跳过了临时表阶段，所以更难以理解。

最终问题的两个年度字段都应该是明细中的 column：订单年度（order_year)、客户阵列年度（cohort_year），前者使用 year 函数计算，后者则需要 Calculate 表达式（包含聚合、指定详细级别，所谓的上下文转换）。

2.1 行级别的计算列：

为了理解方便，使用Year函数创建了 YEAR_ORDER 字段。

2.2 在明细行级别计算每个客户的阵列年度（cohort year）

特别注意，由于后续视图中会出现订单年度，它不能影响这里的MIN计算，因此使用ALL将其从external context中排除；又由于这里的min计算是以客户为依据的，但是这个context在外部不存在，因此通过allexcept将其加入计算的internal context。 这样，最终的计算，就是不受订单日期影响的、每个客户ID的首次订单日期。

（思考：这里是否可以删除 ALL(‘Global Superstore'[YEAR_ORDER]) 条件？ 可以。）

2.3 基于上述两个计算列字段，完成最终计算

基于上述的 Order_year 和 Cohort_year 字段，再加上 Sales 表中已有的Quantity（这里替代销售额），就可以直接完成最终的视图聚合了。

计算结果如下：

相比于 LOD15-1，这个案例的难点是两个维度字段，都是计算而来，其中一个来自于明细，另一个来自于“预先聚合”，如何确保二者世系关系的一致性是难点。

视频讲解（DAX 部分）：

视频讲解对应的 DAX 代码： 参见 https://dax.do/Fcx1S9EMmynQvN/

LOD15-3 Daily profit KPI

问题分析

How many days each month are highly profitable, profitable, or unprofitable?

标准问题结构：各年月、不同盈利状态（高盈利/盈利/非盈利）的天数？

1）维度*2：年月（计算可得）、不同盈利状态（预先聚合，作为维度）

度量*1：天数（可以直接聚合）

2）不同盈利状态：需要在指定详细级别聚合基础上判断

—— 基于 “每天的利润总和”的判断，即问题需要引用另一个详细级别的聚合计算

——只有fixed LOD能完成这个任务（引用其他层次的聚合，返回作为维度）

⚠️ 问题三个部分：分析范围、问题描述（维度）、问题答案（度量）

1、Tableau 的 LOD 方案

可以把 lod 理解为表，也可以理解为元组，甚至字段。

if { FIXED  [Order Date]: SUM([Profit])} >1000 
    then 'highly profitable'
elseif { FIXED  [Order Date]: SUM([Profit])} >0 
    then 'profitable'
else   'unprofitable'
END

2、DAX 方案

视频解说（简化版）：

对应的代码 https://dax.do/SA9nu0P5h2AsAp/

3、SQL 方案

LOD5-4 Percent of total

问题描述：

For a given market (region)， what is each country‘s percent of total global sales? 标准问题结构：在选定市场中，每个国家的销售额、在全球销售的占比？

这个题目的关键是：识别问题中存在的四个详细级别，以及它们对应计算的优先级。

四个详细级别分别是：

• L1：最高聚合度对应的详细级别，是 Percent of total 的 total，或者说百分比的“分母”部分。
• L2：Market 详细级别，仅次于最高聚合度，是筛选条件对应的级别。
• L3：Country 详细级别，是问题详细级别对应的级别，或者说主视图。
• Lx：数据表记录对应的详细级别，是所有聚合最终的起点。

优先级 的关键是：total应该在筛选之前。

4.1 Tableau 的 FIXED LOD 方案

在 Tableau 中，只有 fixed LOD 的结果在“market= EU”这样的行级别筛选器之前，指定最高聚合度对应的详细级别，可以直接用如下的表达式：

{fixed ：SUM (quantity)} 或者 { sum (quantity) }

4.2 DAX 的方案

code： https://dax.do/cuvj0u2Rb70mCC/

4.2.1 DAX 方案之 Measure

如果一个 measure 想要在筛选器之前完成，需要借助于 ALL 调节符。

4.2.2 DAX 的方案之 columns

4.3 SQL 逻辑

使用子查询获得筛选之前（where 之前）的聚合。聚合的值可以在最终的查询中作为分类，也可以作为度量——看如何被引用。这一点类似于 DAX 的 column和 measure。

下面，这里子查询的结果在最终被视为分类（dimension）。

而在下面，我们使用avg 聚合避免重复，只需要 group 1和2即可。

视频省略，参考 B 站课堂。