|
|
7 个回答
Tableau Include和Power Bi summarize函数
最近阅读《the definitive guide to DAX》（中文《DAX圣经》），第四章中讲解了一个典型案例，借此介绍了SUMMARIZE函数，这里笔记整理如下，并借此说明PBI与Tableau在处理“多个详细级别问题”时的方法差异。
一个是强大的DAX，另一个是高级的LOD表达式。
1、问题解析
以超市数据为例，分析“客户平均年龄”（the average age of customers of Contoso）。由于一个客户可能在同一年度购买多个产品，重复购买多个产品，直接计算平均值，就相当于把频次作为了结果的权重——哪些同一个年度购买多次的客户，在结果中被计算了多次。
为了解决这个问题，我们就需要将每个客户限定计算一次，因此问题的分析就变成了预先计算之后的二次聚合。书中把这个问题进一步解释如下：
Compute the average age of customers at the time of sale, counting each customer only once if they made multiple purchases at the same age .
假定视图中使用“子类别”sub-category字段，问题如下：
各个子类别 的 平均客户消费年龄
这个问题中，包含了一个预先的问题，从而消除直接平均带来的多次计算：各个子类别、每个客户的消费年龄唯一值（去重）。这里的去重复可以创建一个临时表，也可以使用min或者avg聚合。
2、PBI的解答方法
在PBI中，先使用计算列（calculated column）计算“每个客户消费时的当下年龄”。它等于出生日期和订单日期的年数间隔。如果数据表中没有出生日期，可以使用RELATE函数引用。如下所示：
SALES[customer Age] =
DATEDIFF( --compute the difference between
RELATED(Customer[birth Date] ), -- the customer's birth date
Sales[Order Date], -- and the order date
YEAR -- in year
计算列中的字段，接下来可以等价于数据表字段，既可以作为维度，又可以作为度量。
不过，直接把上述字段计算平均是错误的，它会重复计算一个客户在同一时间的多次购买。即：
Avg Customer Age Wrong := AVERAGE (SALES[customer Age] )
官方还介绍了一种错误的做法：直接使用DINTINCT函数返回年龄的不重复值。
它会把相同年龄的多个客户列入一个值计算，相比上一种错误做法（客户被多次计算），这里的数据就会太少（相同年龄的客户会被忽视）。如下：
Avg Customer Age Wrong :=
AVERAGEX ( -- iterate on the distinct values of customer age
DISTINCT (Sales[customer Age]),
SALES[customer Age] )
最后，作者使用了SUMMARIZE函数，指定聚合“每个客户、每个消费年龄”计算 年龄的平均值。如下所示：
Avg Customer Age correct:=
AVERAGEX ( -- iterate on
SUMMARIZE( --all the existing combinaiton
Sales, -- that exist in Sales
Sales[customer ID], -- of the customer id and
Sales[customer Age], -- the customer age
SALES[customer Age] ) -- and average the customer's age
注意，这里SUMMARIZE的变量是数据表和维度字段（客户ID和客户年龄——来自calculated column）。
而当视图中行字段是Color时，行字段也成为了影响DAX计算的“筛选器上下文”（filter context）的一部分，因此聚合就从summarize指定的两个维度字段，变成了三个维度字段：
各个color， 的 客户平均年龄 （指定当前color、计算每个客户的一次消费年龄）。
可以看出，DAX中SUMMARIZE的filter context和可视化中color字段共同起作用。
3、Tableau 的解答方法
如果是Tableau中，这个问题的过程也是一样的，首先行级别计算计算订单消费时的客户年龄；其次聚焦客户年龄，避免多次计算。
第一步，使用datediff计算客户消费时年龄
第二步，创建视图（这里使用子类别代替上面的color）。
这里的难点也是计算。
年龄直接平均显然是不对的（一个客户同一年的多次购买会全部参与平均值聚合）（图中第一列）。
如果指定“每个子类别、每个客户”呢，假设我在20岁、21岁、22岁都买过打印机，此时的计算，会计算我三个值的平均，即（20+21+22）/3作为接下来进一步计算的前提。显然，我的平均值年龄再次平均，是没有业务意义的（图中第二列）。
参考PBI上的SUMMARIZE，正确的逻辑是，先解决同一个客户同一年龄中的购买问题，即指定子类别、客户、年龄返回唯一值——这里使用AVG或者MIN都可以。假设我在20岁、21岁、22岁都买过打印机，并且在20岁还没过同一个类别下的打印机墨盒，那么就应该保留三个唯一值，即去重，又不能进一步简化到无意义。
所以正确的计算是：
AVG( {FIXED [Sub-Category],[Customer Name],[消费年龄]: avg([消费年龄])})
接下来，上述的返回值，在同一个子类别中，和其他所有客户的其他返回值计算平均值，就是该子类别的客户平均消费年龄。
基于这样的计算，一个客户、同一年龄的多次购买会被简化为一个值；而一个客户、多个年龄的购买会被保留。不同客户之间遵循相同的逻辑，最终获得聚合值。
在Tableau中，这里的子类别正是视图维度，因此可以用INCLUDE代替，如下：
AVG( {INCLUDE [Customer Name],[消费年龄]: avg([消费年龄])})
这样一看，这一简单的一行，就相当于PBI中的冗长的一大段，这里重复一下，强烈对比：
Avg Customer Age correct:=
AVERAGEX ( -- iterate on
SUMMARIZE( --all the existing combinaiton
Sales, -- that exist in Sales