過濾層級是什麼

計算天生存在先後順序，所以過濾也有層級，在不同的計算位置去新增過濾條件，它們的計算邏輯和影響的效果自然也不同。

學習過濾層級，可以幫助你在資料分析的大山上更進一層！

同樣的計算，我們把過濾換下順序，就會得到不一樣的結果。

有一組資料，需要進行兩個步驟：①首先，我們過濾出銷售額大於100的資料；②然後，我們計算每個省份的銷售額。最後得到的結果是：我們篩選出了銷售額大於100的分店後，計算了每個區域的總銷售額。

現在，我們改變一下過濾和計算的順序，即①先計算每個省份的銷售額；②然後再過濾出銷售額大於100的資料。最終呈現的結果是：顯示了總銷售額大於100的區域以及這些區域的銷售額。

在 FineBI 裏面，過濾有四個層級，將過濾放在不同的層級會影響最終的計算結果。接下來我們來一起學習 BI 裏面的過濾層級吧

計算是有順序的， FineBI 中邏輯上的計算順序大致如下。當然在實際分析中，以下下面四個計算不一定會用全。

透過下方的流線圖，可以形象的瞭解到，越在左側的過濾，影響的計算越多。比如說：

• 若進行了「明細過濾」，def欄位計算值、組件聚合、快速計算的計算結果都會因此產生影響；

• 若進行了「聚合計算過濾」，則對聚合計算的結果值沒有影響；

背景：你作為商場營運總管，想了解2021年復購使用者最偏好的產品，以便確定哪些產品能夠吸引並留住顧客

範例資料：辦公用品資料.xlsx

建立分析主題，上傳範例資料，並進入到組件中

4.1 明細過濾

將「簽約時間」拖入到過濾器中，過濾出 2021 年的資料，如下圖所示：

4.2 新增欄過濾

1）使用 def 函式計算出 2021 年每個客戶購買的訂單數，如下圖所示：

2）過濾出「客戶購買的訂單數」≥2 的訂單資料，如此便篩選出復購使用者購買的訂單資料。如下圖所示：

4.3 組件計算

1）建立計算欄位「客戶數」，如下圖所示：

2）製作分組表，拖入「產品名稱、銷售額、客戶數」。查看每個產品的復購人數、及對應銷售額。如下圖所示：

4.4 聚合計算過濾

使用者復購率高可能有以下兩個原因：①產品價格低；②產品本身優秀，對使用者有吸引力

在這裏我們想找出的是本身對使用者有吸引力的產品，需要排除掉降價因素，即篩除掉利潤率過低的產品。

1）建立計算欄位「利潤率」，如下圖所示：

2）過濾出利潤率大於 0.1 的產品，如下圖所示：

過濾後的結果如下圖所示。我們可以看到，聚合過濾不影響聚合計算的結果數值，例如：辦公椅聚合過濾前與過濾後的銷售額和客戶數的值都沒有變動。

4.5 快速計算過濾

對客戶數進行排名，並過濾出前 5 名產品。

1）使用快速計算，對「客戶數」進行排名，如下圖所示：

2）過濾出排名前五的省份，如下圖所示：

4.6 效果查看

最終篩選出：2021年，排除掉低價促銷影響後，復購人數最多的 5 個產品。如下圖所示：

回憶一下我們整個程式做的計算和過濾，如下圖所示：