過濾層級是什麼

適合人群：過濾器進階使用者

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！

同一個過濾條件放在不同的過濾層級，最終結果也可能不同。

下面用「銷售額 > 100」說明，放在計算的不同位置：聚合前過濾和聚合後過濾的結果差別。

• 「銷售額＞100」放在明細過濾層級

• 「銷售額＞100」放在聚合計算過濾層級

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）過濾出排名前五的產品，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：

在本文課程中，我們已經詳細探討了“過濾層級”這一概念，為了進一步加深理解並掌握應用技巧，你可以透過以下內容對四個過濾層級的具體操作和應用場景進行學習：