场景

假设您有一份数据包括：商品，品类以及订单数据，商品与品类之间有隶属关系，也就是说一个商品必定隶属与一个品类，或者一个品类下包含了多个不同的商品。 当我们想了解每个商品销售情况时，不仅仅关注销售额的绝对值，同时还想以商品为主要维度，了解整个销售额的构成，这类情况下，您就需要使用到分组聚合函数。

些时，您就需要用到 Agile Query 中的分组聚合函数，它与 Tableau 的 Level of Detail (LoD) Functions 具有相同的特性， 其目的是为了解决不同维度层次的数据进行算术运算，例如：

-- 商品销售额占总体比
PERCENTAGE(
  SUM(order_details.quantity * order_details.unit_price),
  GROUP_SUM(order_details.quantity * order_details.unit_price))

-- 商品销售额占所属品类的比例
PERCENTAGE(
  SUM(order_details.unit_price * order_details.quantity),
  GROUP_SUM(order_details.unit_price * order_details.quantity, categories.category_name))

示例

SQL

• SUM(order_details.unit_price * order_details.quantity)
  ：表达式计算的是商品的销售额
• GROUP_SUM(order_details.quantity * order_details.unit_price)
  ：表达式计算的是总体销售额
• GROUP_SUM(order_details.unit_price * order_details.quantity, categories.category_name)
  ：表达式计算的是每个品类的销售额

当品类维度未被投影时的

示例

SQL

总结

借助分组聚合函数，数据分析师可以高效处理多维度的数据计算，将不同维度的数据灵活整合，轻松实现复杂的分析需求。这不仅提高了数据处理的效率， 还显著增强了分析的深度和精确性。无论是对细化维度的深入挖掘，还是对高层次数据的汇总计算，分组聚合函数都能够提供强大的支持，为业务决策提供更加全面、 精准的数据基础，帮助企业在复杂的市场环境中快速响应和科学决策。