什么是汇总层

BI 多维分析，是指业务人员针对已经建好的数据立方体，在页面上拖拽数据，进行分析

常见的分析，一般都是在某些维度上对测度进行合计、计数、平均、最大最小等聚合运算，再用升降序方式显示出来，这些运算的基础都需要先针对相应维度（年、月、省、市…）进行某种汇总，然后再基于这个结果进行分析，这些维度以及维度的不同层次就是汇总层

比如下面这个交叉分析表，按省、年、产品小类对订单数量进行求和，省 + 年 + 产品小类 这就是个汇总层

再比如更简单一些的，交叉表变成分组表，按市进行所有产品销售数量的汇总，市 + 产品，也是一个汇总层

常见的求和、计数、平均、最大最小等分析运算，就像上面的两个例子一样，有一个汇总层就够，定好要分析什么，然后界面上拖拽相应的维度就可以做出统计

但跨行组运算不一样！

什么是跨行组

排名、累积、占比、环比、同比等运算就是跨行组运算

之所以叫跨行组，是因为这些运算不是简单的在行内计算或者组内汇总等，而是需要跨行或者跨组运算了

比如环比，需要比上期，那就是这行的数据要比另一行（不一定是上一行）的数据，运算跨行了

再比如同比，要比去年同期，那就是今年的分组汇总要比去年的分组汇总了，运算跨组了

这些复杂的跨行跨组的多维分析运算我们定义为跨行组运算，这些运算也是更有意义和价值的运算

为什么跨行组运算需要两个汇总层

一个汇总层，只能算出一些求和、计数、平均之类的东西，如果要做更复杂的跨行组运算，就都需要两个汇总层了

占比

比如占比，就得有两个汇总层才能比，一个小范围的汇总层和一个范围更大的汇总层来比

比如针对 城市 + 月 + 产品小类，这是个汇总层

如果我们要算月统计值在年内的占比，那就需要把时间维度上升到年再来个汇总层，城市 + 年 + 产品小类，有这俩汇总层，就可以做月在年内的占比了

如果我们要算城市在省内的占比，那就需要把地区维度提到省然后再来个汇城市 + 年 + 产品小类，这样才能做市比省

如果还要城市月统计在年内和省内的占比，那就时间和地区的维度都得提起来，再来个省 + 年 + 产品小类的汇总层才可以

层次多的维度，还会有很多其他的占比运算需求，这里就不一一列举了，都得需要两个汇总层才可以

排名

刚才的占比我们主要是在概念上解释两个汇总层的必要性，现在我们再来通过一个实例来看看排名为什么需要两个汇总层，为方便理解，我们用一个简单的分组汇总分析来看

这个例子是用润乾 BI 做的，是在市维度上对产品的销售数量进行汇总，然后对全国的城市进行排名，市 + 产品，就是一个汇总层，另一个汇总层是：全国 + 产品的汇总层（这个汇总层不是求和了，是计数，记录比你大的有几个，然后加 1 就是你的排名，汇总层是广义的聚合运算的总称，求和、计数、第一个等都属于汇总层）

如果要在省内进行排名，那就要给第二个汇总层定个范围，如上图一样，限制在一个省内

如果要按省进行排名，看每个省在全国的排名，那就需要 省 + 产品的汇总层以及全国 + 产品的汇总层了

累积

上图的累积，是润乾 BI 默认的累积方式，对所有月份进行累积，这个累积首先需要一个 月 + 订单的汇总层，对每月的数量进行求和，还需要一个所有月份 + 订单的汇总层，这个汇总层不是全部求和，而是对小于等于当前月的订单求和

如果要求月订单在年内的累积，那就需要：月 + 订单和年 + 订单两个汇总层

如果是求年订单的累积，那就是年 + 订单和所有年 + 订单 两个汇总层

环比

环比也需要两个汇总层，一个是月 + 产品，按月进行汇总，一个是全部月份 + 产品，当然这个汇总层也不是汇总求和，而是在这个层里找到第一个符合条件的值

如果是年环比，那就是年 + 产品和全部年份 + 产品两个汇总层

同比

同样的，同比也需要两个汇总层，一个是月 + 产品，按月进行汇总，一个是全部月份 + 产品，第二层也不是求和运算，也是找层里的第一个符合条件的值

至于表达式中为什么是要加 100，因为 201102 这样的数据，减 100 就是 201002，就是去年同期

可以用来检验 BI 工具的例子

跨行组运算为什么需要两个汇总层才能做好，上面的例子中已经讲完，下面再附上几个有业务意义的，能用来检验 BI 工具跨行组运算能力的例子，有需要的可以收藏一下，以后用来检验工具了，看看它们能不能做出来，能做出来的，就可以放心用了

产品销售数量在年内和省内的排名

求偶数月的累积，以及同时既按月，也按年的累积

计算年内的环比，同时算出环比增长率

总结

多维分析中的这些排名、累积、占比，同比、环比等跨行组运算分析，各个 BI 产品其实都支持，都可以做，但能做的程度不一样，有些只能做简单的，功能就不够用，不完整。只有能提供两个汇总层的 BI 多维分析工具，才能做更复杂、全面的分析运算，才能为决策提供更有深度，更科学的结论和依据

关于跨行组运算更详细的内容可以参考：

商业智能（BI）课程 5- 多维分析 - 跨行组计算