此文已由作者王文开授权网易云社区发布。

欢迎访问网易云社区，了解更多网易技术产品运营经验。

在网易有数中，我们的目标是使数据分析成为一种愉快的行为。

个人认为一款优秀的数据分析工具应该是能够做到：当用户在使用它做数据分析的时候，已经忘记了工具的存在，而是能够集中关注于发现数据背后揭示的故事。这个可以叫做experience flow，是一种沉浸在数据分析中的喜悦状态。

同时，你一定遇到过的情况。有时，你遇到了一个问题，其实是很容易描述清楚的，但当你试图在网易有数中展示并回答，会发现它竟是很难的。此时，刚才提到的experience flow，就没有了感觉，你需要开始思考如何重新处理数据，此时你的分析思路会打断，而不是集中在问题和答案。对于业务分析师来说，这是郁闷的，他们遇到了困境缺不知道如何着手。

如上这些问题的核心是：

数据，需要可以自由汇总到不同的粒度，并且不同粒度的数据能够在一张表里进行展现。

这么说比较抽象，我们来举一个具体的电商场景的例子

某家电商成立于2013年，有一天数据分析师在利用网易有数做数据分析，首先她想看一下每年销售额的增长情况，于是在有数中，很容易做出了如下的柱状图。她很满意，销售额一直在增长。

销售额趋势

此时，她的脑海中出现了新的想法，她想看一下"每年的销售额究竟都是由哪一年的客户贡献的?"

首先我们来分析一下她的问题，什么叫“由哪一年的客户贡献的”？

于是她先在有数中做一个简单的表格，把“客户名称","订单ID","订单日期"放入Y轴，得到如下图表。可以看到，丁君这个客户一共买过4个订单，最早的购买日期是"2013-03-01"，那我们就可以认为丁君这个客户是2013年的客户。所以我们就其实就是要在有数中计算出每个客户首次购买时间，这样我们就能知道该客户是哪一年的客户了

试探表格

现在，我们的目标就是计算出“每个客户的首次购买时间”。

怎么做，是不是脑海中浮现出的第一个想法是 min([订单日期])，恭喜你，已经成功了一半了

首先我们创建一个计算度量，如下图

最早购买日期

然后把这个字段加到图上，却发现，并不是我们期待的效果。“订单日期”和“最早购买日期”这两列的数据完全一样。为什么会这样？这就涉及到了图表聚合粒度的问题，这块内容我会在后续其他文章中详细阐述。

这里我想说的是，当前图表中有“客户名称”，“订单ID”，“订单日期”,这些维度字段都会确定图表的聚合粒度，所以min([订单日期])，这个聚合方式是会收到当前图表粒度影响的。所以才会一模一样。

最早购买日期

所以，我们现在需要有一种方式，能够指定这个日期的聚合粒度(维度)，且不受图表上的粒度所影响。

网易有数在这个版本中加入了重磅功能：跨视图粒度计算表达式（Cross Level Calculation），下文简称CLC。

CLC，一共有三种形式，INCLUDE,EXCLUDE,FIXED，后边我们一点点来揭开他们。

在当前的例子中，我们会需要用到FIXED表达式，他们的格式看起来像这样：

FIXED表达式

注意，蓝色部分看着熟悉吧，就是刚才那个基本的数据聚合公式----最小值。红色的部分是一个新的容器，它告诉网易有数在执行蓝色部分求最小日期的时候，在哪个数据粒度进行计算，如在FIXED公式中，就是告诉网易有数，仅仅在“客户名称”这个粒度，对订单日期求最小，不考虑任何其他的粒度，也就是不考虑当前图表上的粒度。

于是我们创建了一个计算维度，如下写了FIXED表达式

每个客户的首次购买时间

此时，再把“每个客户首次购买时间”，拖入图表，这下就对了，这个字段不会受到图表上的粒度影响。

每个客户首次购买时间

ok，现在万事俱备了，现在只需要将“每个客户首次购买时间”放到颜色栏，就能区分出每一年的销售额里面，有多少是2013年的客户，有多少是2014年的客户，...贡献的

比如，可以从下图可以看到：

1、2013年是这个电商的第一年，那所有的销售额肯定是当年客户贡献的

2、2014年的销售额中，有224.3万是2013年客户贡献的，有116.8万是2014年客户贡献的

新客销售额贡献情况

如果不想看绝对值，可以将图表改成堆叠百分比柱状图。这样就能看到每年销售额里面，各个年份的客户的贡献百分比。

这样就能看出问题了：

这家电商虽然销售额逐年上升，但是新客的贡献率越来越低

2014年的销售额里面，新客的贡献率只有34.24%

2015年的销售额里面，新客的贡献率降到了9.31%

2016年的销售额里面，新客贡献率更低了

新客销售额占比

这就是网易有数中 跨视图粒度计算 的一个小案例，真是冰山一角，敬请期待后续更多案例！

网易有数：企业级大数据可视化分析平台，具有全面的安全保障、强大的大数据计算性能、先进的智能分析、便捷的协作分享等特性。点击可免费试用

相关文章：
【推荐】 盘点大数据在游戏行业中的应用
【推荐】 年轻设计师如何做好商业设计