1. 概述编辑
计算天生存在先后顺序，所以过滤也有层级，在不同的计算位置去添加过滤条件，它们的计算逻辑和影响的效果自然也不同。
学习过滤层级，可以帮助你在数据分析的大山上更进一层！
2. 为什么过滤有层级编辑
同样的计算，我们把过滤换下顺序，就会得到不一样的结果。
有一组数据，需要进行两个步骤：①首先，我们过滤出销售额大于100的数据；②然后，我们计算每个省份的销售额。最后得到的结果是：我们筛选出了销售额大于100的分店后，计算了每个区域的总销售额。
现在，我们改变一下过滤和计算的顺序，即①先计算每个省份的销售额；②然后再过滤出销售额大于100的数据。最终呈现的结果是：显示了总销售额大于100的区域以及这些区域的销售额。
在 FineBI 里面，过滤有四个层级，将过滤放在不同的层级会影响最终的计算结果。接下来我们来一起学习 BI 里面的过滤层级吧
3. BI里面的过滤层级编辑
计算是有顺序的， FineBI 中逻辑上的计算顺序大致如下。当然在实际分析中，以下下面四个计算不一定会用全。
| 计算顺序 | 此计算后进行的过滤 |
|---|---|
| ①在编辑数据中，对数据表先进行处理 | 明细过滤：对处理好的数据表进行过滤 |
| ②在组件中新增 def 计算字段 | 新增列过滤：def函数输出新列后，对数据表进行过滤 |
| ③将字段拖入组件中，完成聚合计算 | 聚合计算过滤：对聚合计算的结果进行过滤 |
| ④使用快速计算功能，对聚合值进行再计算（二次计算） | 快速计算过滤：对快速计算的结果进行过滤 |
通过下方的流线图，可以形象的了解到，越在左侧的过滤，影响的计算越多。比如说：
若进行了「明细过滤」，def字段计算值、组件聚合、快速计算的计算结果都会因此产生影响；
若进行了「聚合计算过滤」，则对聚合计算的结果值没有影响；
4. 组件过滤案例编辑
背景：你作为商场运营总管，想了解2021年复购用户最偏好的产品，以便确定哪些产品能够吸引并留住顾客
示例数据：办公用品数据.xlsx
新建分析主题，上传示例数据，并进入到组件中
4.1 明细过滤
将「签约时间」拖入到过滤器中，过滤出 2021 年的数据，如下图所示：
4.2 新增列过滤
1）使用 def 函数计算出 2021 年每个客户购买的订单数，如下图所示：
2）过滤出「客户购买的订单数」≥2 的订单数据，如此便筛选出复购用户购买的订单数据。如下图所示：
4.3 组件计算
1）新建计算字段「客户数」，如下图所示：
| 公式分解 | 含义 | 函数帮助文档 |
|---|---|---|
| COUNTD_AGG(客户) | 对客户ID去重计数，计算得到客户数 | COUNTD_AGG |
2）制作分组表，拖入「产品名称、销售额、客户数」。查看每个产品的复购人数、及对应销售额。如下图所示：
4.4 聚合计算过滤
用户复购率高可能有以下两个原因：①产品价格低；②产品本身优秀，对用户有吸引力
在这里我们想找出的是本身对用户有吸引力的产品，需要排除掉降价因素，即筛除掉利润率过低的产品。
1）新建计算字段「利润率」，如下图所示：
2）过滤出利润率大于 0.1 的产品，如下图所示：
过滤后的结果如下图所示。我们可以看到，聚合过滤不影响聚合计算的结果数值，例如：办公椅聚合过滤前与过滤后的销售额和客户数的值都没有变动。
4.5 快速计算过滤
对客户数进行排名，并过滤出前 5 名产品。
1）使用快速计算，对「客户数」进行排名，如下图所示：
2）过滤出排名前五的省份，如下图所示：
4.6 效果查看
最终筛选出：2021年，排除掉低价促销影响后，复购人数最多的 5 个产品。如下图所示：
5. 总结编辑
回忆一下我们整个过程做的计算和过滤，如下图所示：
