作者：王文開

在網易有數中，我們的目標是使數據分析成為一種愉快的行為。

個人認為一款優秀的數據分析工具應該是能夠做到：當用戶在使用它做數據分析的時候，已經忘記了工具的存在，而是能夠集中關註於發現數據背後揭示的故事。這個可以叫做experience flow，是一種沈浸在數據分析中的喜悅狀態。

同時，你一定遇到過這樣的情況：有時，你遇到了一個問題，其實是很容易描述清楚的，但當你試圖在網易有數中展示並回答，會發現它竟是很難的。此時，剛才提到的experience flow，就沒有了感覺，你需要開始思考如何重新處理數據，此時你的分析思路會打斷，而不是集中在問題和答案。對於業務分析師來說，這是郁悶的，他們遇到了困境卻不知道如何著手。

如上這些問題的核心是：

數據，需要可以自由匯總到不同的粒度，並且不同粒度的數據能夠在一張表裏進行展現。

這麽說比較抽象，我們來舉一個具體的電商場景的例子

某家電商成立於2013年，有一天數據分析師在利用網易有數做數據分析，首先她想看一下每年銷售額的增長情況，於是在有數中，很容易做出了如下的柱狀圖。她很滿意，銷售額一直在增長。

銷售額趨勢

此時，她的腦海中出現了新的想法，她想看一下"每年的銷售額究竟都是由哪一年的客戶貢獻的?"

首先我們來分析一下她的問題，什麽叫“由哪一年的客戶貢獻的”？

於是她先在有數中做一個簡單的表格，把“客戶名稱","訂單ID","訂單日期"放入Y軸，得到如下圖表。可以看到，丁君這個客戶一共買過4個訂單，最早的購買日期是"2013-03-01"，那我們就可以認為丁君這個客戶是2013年的客戶。所以我們就其實就是要在有數中計算出每個客戶首次購買時間，這樣我們就能知道該客戶是哪一年的客戶了

試探表格

現在，我們的目標就是計算出“每個客戶的首次購買時間”。

怎麽做，是不是腦海中浮現出的第一個想法是 min([訂單日期])，恭喜你，已經成功了一半了

首先我們創建一個計算度量，如下圖

最早購買日期

然後把這個字段加到圖上，卻發現，並不是我們期待的效果。“訂單日期”和“最早購買日期”這兩列的數據完全一樣。為什麽會這樣？這就涉及到了圖表聚合粒度的問題，這塊內容我會在後續其他文章中詳細闡述。

這裏我想說的是，當前圖表中有“客戶名稱”，“訂單ID”，“訂單日期”,這些維度字段都會確定圖表的聚合粒度，所以min([訂單日期])，這個聚合方式是會收到當前圖表粒度影響的。所以才會一模一樣。

最早購買日期

所以，我們現在需要有一種方式，能夠指定這個日期的聚合粒度(維度)，且不受圖表上的粒度所影響。

網易有數在這個版本中加入了重磅功能：跨視圖粒度計算表達式（Cross Level Calculation），下文簡稱CLC。

CLC，一共有三種形式，INCLUDE,EXCLUDE,FIXED，後邊我們一點點來揭開他們。

在當前的例子中，我們會需要用到FIXED表達式，他們的格式看起來像這樣：

FIXED表達式

註意，藍色部分看著熟悉吧，就是剛才那個基本的數據聚合公式----最小值。紅色的部分是一個新的容器，它告訴網易有數在執行藍色部分求最小日期的時候，在哪個數據粒度進行計算，如在FIXED公式中，就是告訴網易有數，僅僅在“客戶名稱”這個粒度，對訂單日期求最小，不考慮任何其他的粒度，也就是不考慮當前圖表上的粒度。

於是我們創建了一個計算維度，如下寫了FIXED表達式

每個客戶的首次購買時間

此時，再把“每個客戶首次購買時間”，拖入圖表，這下就對了，這個字段不會受到圖表上的粒度影響。

每個客戶首次購買時間

ok，現在萬事俱備了，現在只需要將“每個客戶首次購買時間”放到顏色欄，就能區分出每一年的銷售額裏面，有多少是2013年的客戶，有多少是2014年的客戶，...貢獻的

比如，可以從下圖可以看到：

1、2013年是這個電商的第一年，那所有的銷售額肯定是當年客戶貢獻的

2、2014年的銷售額中，有224.3萬是2013年客戶貢獻的，有116.8萬是2014年客戶貢獻的

新客銷售額貢獻情況

如果不想看絕對值，可以將圖表改成堆疊百分比柱狀圖。這樣就能看到每年銷售額裏面，各個年份的客戶的貢獻百分比。

這樣就能看出問題了：

這家電商雖然銷售額逐年上升，但是新客的貢獻率越來越低

2014年的銷售額裏面，新客的貢獻率只有34.24%

2015年的銷售額裏面，新客的貢獻率降到了9.31%

2016年的銷售額裏面，新客貢獻率更低了

新客銷售額占比

這就是網易有數中跨視圖粒度計算的一個小案例，真是冰山一角，敬請期待後續更多案例！

原文首發：網易大數據

感動到流淚！數據分析師的福音：跨視圖粒度計算