精读

 

什么是详细级别，为什么需要 LOD？你一定会有这个问题，我们来一步步解答。

 

什么是详细级别

 

可以尝试这么发问：你这个数据有多详细？

 

得到的回答可能是：

 

数据是汇总的，抱歉看不到细节，不过如果您正好要看总销量的话，这儿都给您汇总好了。。

 

详细？这直接就是原始表数据，30 亿条，这够详细了吧？如果觉得还不够详细，那只好把业务过程再拆分一下重新埋点了。

 

详细程度越高，数据量越大，详细程度越低，数据就越少，就越是汇总的数据。

 

人很难在详细程度很高的 30 亿条记录里看到有价值的信息，所以数据分析的过程也可以看作是 对数据汇总计算的过程，这背后数据详细程度在逐渐降低。

 

BI 工具的详细级别

 

如果没有 LOD 表达式，一个 BI 查询的详细程度是完全固定的：

 

如果表格拖入度量，没有维度，那就是最高详细级别，因为最终只会汇总出一条记录。

 

如果折线图拖入维度，那结果就是根据这个维度内分别聚合度量，数据更详细了，详细粒度为当前维度，比如日期。

 

如果我们要更详细的数据，就需要在维度上拖入更多字段，直到达到最详细的明细表级别的粒度。然而同一个查询不可能包含不同详细粒度，因为详细粒度由维度组合决定，不可改变，比如下面表格的例子：

 

行：国家 省 城市

 

列：GDP

 

这个例子中，详细级别限定在了城市这一级汇总，城市下更细粒度的数据就看不到了，每一条数据都是城市粒度的，我们不可能让查询结果里出现按照国家汇总的 GDP，或者看到更详细粒度的每月 GDP 信息，更不可能让城市粒度的 GDP 与国家粒度 GDP 在一起做计算，算出城市 GDP 在国家中占比。

 

但是，类似上面例子的需求是很多的，而且很常见，BI 工具必须想出一种解法，因此诞生了 LOD：LOD 就是一种表达式，允许我们在一个查询中描述不同的详细粒度。

 

从表达式计算来看详细级别

 

表达式计算必须限定在同样的详细粒度，这是铁律，为什么呢？

 

试想一下下面两张不同详细粒度的表：

 

总销售额：

 

10000

 

各城市销售额：

 

北京 3000

 

上海 7000

 

如果我们想在各城市销售额中，计算贡献占比，那么就要写出 [各城市销售额] / [总销售额] 的计算公式，但显然这是不可能的，因为前者有两条数据，后者只有一条数据，根本无法计算。

 

我们能做的一定是数据行数相同，那么无论是 IF ELSE、CASE WHEN，还是加减乘除都可以按照行粒度进行了。

 

LOD 给了我们跨详细粒度计算的能力，其本质还是将数据详细粒度统一，但我们可以让某列数据来自于一个完全不同详细级别的计算：

 

城市 销售额 总销售额

 

北京 3000  10000

 

上海 7000  10000

 

如图表，LOD 可以把数据加工成这样，即虽然总销售额与城市详细粒度不同，但还是添加到了每一行的末尾，这样就可以进行计算了。

 

因此 LOD 可以按照任意详细级别进行计算，将最终产出 “贴合” 到当前查询的详细级别中。

 

LOD 表达式分为三种能力，分别是 FIXED、INCLUDE、EXCLUDE。

 

FIXED

 

{ fixed [省份] : sum([GDP]) }

 

按照城市这个固定详细粒度，计算每个省份的 DGP，最后合并到当前详细粒度里。

 

假如现在的查询粒度是省份、城市，那么 LOD 字段的添加逻辑如下图所示：

 

可见，本质是两个不同 sql 查询后 join 的结果，内部的 sum 表示在 FIXED 表达式内的聚合方式，外部的 sum 表示，如果 FIXED 详细级别比当前视图详细级别低，应该如何聚合。在这个例子中，FIXED 详细级别较高，所以 sum 不起作用，换成 avg 效果也相同，因为合并详细级别是，是一对多关系，只有合并时多对一关系才需要聚合。

 

最外层聚合方式一般在 INCLUDE 表达式中发挥作用。

 

EXCLUDE

 

{ exclude [城市] : sum([GDP]) }

 

在当前查询粒度中，排除城市这个粒度后计算 GDP，最后合并到当前详细粒度中。

 

假如现在的查询粒度是省份、城市、季节，那么 LOD 字段的添加逻辑如下图所示：

 

如图所示，EXCLUDE 在当前视图详细级别的基础上，排除一些维度，所得到的详细级别一定会更高。

 

INCLUDE

 

{ include [城乡] : avg([GDP]) }

 

在当前查询粒度中，额外加上城乡这个粒度后计算 GDP，最后合并到当前详细粒度中。

 

这类的例子比较难理解，且在 sum 情况下一般无实际意义，因为计算结果不会有差异，必须在类似 avg 场景下才有意义，我们还是结合下图来看：

 

这就是 avg 算不准的问题，即不同详细级别计算的平均值是不同的，但 sum、count 等不会随着详细级别变化而影响计算结果，所以当涉及到 avg 计算时，可以通过 INCLUDE 表达式指定计算的详细级别，以保证数据口径准确性。

 

LOD 字段怎么用

 

除了上面的例子中，直接查出来展示给用户外，LOD 字段更常用的是作为中间计算过程，比如计算省份 GDP 占在国内占比。因为 LOD 已经将不同详细粒度计算结果合并到了当前的详细粒度里，所以如下的计算表达式：

 

sum([GDP]) / sum({ fixed [国家] : sum([GDP]) })

 

看似是跨详细粒度计算，其实没有，实际计算时还是一行一行来算的，后面的 LOD 表达式只是在逻辑上按照指定的详细粒度计算，但最终会保持与当前视图详细粒度一致，因此可以参与计算。

 

我们后面会继续解读 tableau 整理的 Top 15 LOD 表达式业务场景，更深入的理解 LOD 表达式。

 

总结

 

LOD 表达式让你轻松创建 “脱离” 当前视图详细级别的计算字段。

 

或许你会疑惑，为什么不主动改变当前视图详细级别来实现同样的效果？比如新增或减少一个维度。

 

原因是，LOD 往往用于跨详细级别的计算，比如算部分相对总体的占比，计算当条记录是否为用户首单等等，更多的场景会在下次精读中解读。