Tableau LOD函数史上详细教学（tableau zn函数）

LOD技术即Levels of Detail的简称，意为多细节层次。

——来自百度百科

一般来说，LOD在tableau数据分析中最常用的场景是，当你在查看服务课级别的汇总数据的时候，你还想算一下，服务课某个指标(如出货)，占整个大区的占比，这时候，视图里面摆的全是服务课，所以指标都是按服务课来分摊的（要么服务课平均，要么服务课总计）

提出问题1：那怎样在保持视图显示服务课级别的同时，通过公式计算得出整个大区的总和呢？

下面以湖南大区2月出货数据为例——如何同步计算服务课出货占整个大区的占比？

1、这就需要一个FIXED函数去将你的计算维度提升到大区层级（这个数据源里面用的【公司】字段代替大区）写法如下：

大区总出货={FIXED [公司]:SUM([出货额])}

# 注意写公式的时候，等号(=)和左边的部分不需要的，自己建计算字段的时候写好名字就可以了。

# 另外，公式中的中括号'['也是可以省略不写的，只要你写的字段名，和数据源中的字段名完全一致即可。

# 但是，冒号不能少，冒号前面代表你要锁定的颗粒度层级，右边表示你要汇总数据的方法。

2、那么相应的服务课出货额占大区总出货比例算法无非就是：服务课总出货/大区总出货；公式计算方式如下：

SUM(出货额)/SUM({FIXED [公司]:SUM([出货额])})
# 注意这里要么直接把之前建好的【大区总出货】字段直接拖进计算区域，要么在手写公式的同时，在LOD函数外围套上一个SUM或者其他任意汇总函数(MIN\MAX\AVG都可以） 
# 小伙伴想一下，为什么服务课总出货直接就等于SUM(出货额)呢？这是因为视图里面已经明确将事业部（二级部门）、服务课（三级部门）摆到行、列功能区了，
那么整个视图，默认的计算颗粒度，会去到服务课级别（无论是平均、汇总、最大值、最小值都会是如此）。
公式截图

3、这里就是通过FIXED 将分母的计算维度扩大、且固定到大区层面了。我们把做好的计算字段拖进画布，来看一下计算完的结果——

提出问题2：是不是有点奇怪，算一个大区的占比，结果比例总和不等于100%？

我们回过头来看这个公式 {FIXED [公司]:SUM([出货额])}

这里的固定维度，把一切数据都限制在公司层级，此外它就并不管其他的筛选了，尤其是这个【年月（期间）】='2021年2月'，为什么会这样呢？

发现问题：这里要引出另外一个问题——筛选器的优先级顺序

筛选器有很多种，连LOD函数，也是筛选器！除此之外，我们见过或没见过的筛选器如下：

筛选器1：这个叫数据提取过滤器

筛选器2：这个叫数据源过滤器

筛选器3：维度过滤器，和度量过滤器——下面蓝色的是维度过滤器，绿色的是度量过滤器，一般在我们桌面端工作区域的中间部位，以选项卡方式出现：

筛选器4：上下文过滤器——这个过滤器，我们大部分用户从来没用过：

解决问题：将维度筛选器提升为上下文筛选器，使其优先级高于LOD函数筛选器！

将2个维度筛选器添加到上下文后，可以看到2个蓝色胶囊分别变成灰色了，也就代表他们变成了上下文过滤器，但是！

到底什么是上下文过滤器呢？其实它就是一个过滤器，它与其他过滤器的唯一区别在于下面这张图——每个过滤器的优先级都不一样！

（小朋友们不要再问我什么是优先级，优先级就像同一根水管上，装了好几个阀门，那最先起作用的肯定是最前面的阀门啦，毕竟前面关闸，后面的开关全部都只能哦豁了）

所以我们通过上面的步骤，将普通的维度筛选器（蓝色胶囊）提升为上下文筛选器，那么它的优先级别就超过FIXED LOD函数了，那么，它就可以在“数据”这跟大水管的前方对数据来源进行优先调整拉！！我们来看看调整后的结果——

从图中看到，各个服务课出货占比的总和，加起来确实等于100%了。

这个问题，其实有很多其他解决方法（如直接SUM([出货])/TOTAL(SUM([出货])，无需考虑优先级)，这里借用FIXED函数，让大家对LOD函数有所了解，对未来解决复杂计算有极大帮助

另外，这里是用服务课级别来举例，当大家在看事业部数据的时候，也是同样的道理，怎样保证我又能看具体事业部的出货额，同时还能看到这出货额与大区总出货的占比，就是同样的解决方式了。