Data Hierarchy 在 Tableau 中到底有多重要？
这一节是后续 LOD（Level of Detail）的地基。请打起精神看完。
学完你要能回答这 3 个问题
- 什么是“数据层级”？
- 层级有哪些共性与陷阱？
- 层级意识如何影响分析与建模？
1) 什么是数据层级
“层级”= 多层 + 上下级。现实世界里随处可见：
- 地理：Country → Region → State → City → Suburb → Address。重名常见，必须依赖上一级消歧。例如 City 需与其 State 绑定。
- 时间：Year → Month → Date。某个 Date 必然隶属某 Month、某 Year。
- 组织：Company → Department → Team → Employee。每个 Employee 有唯一所属 Team。
- 产品：Category → Subcategory → Product。
- 客户：Customer Group → Customer Name → Customer ID。Name 可能重名，因此需要更低层级的 ID。
2) 层级的共性与注意事项
1) 层级属于 Dimensions，不属于 Measures。
2) 层级关系是“一对多”。一个 Employee 只能归属一个 Team。违反这一点的数据建模会在汇总时反复踩坑。
3) Week 不可机械插入 Year → Month → Week → Date。
- 同一周可能横跨两个月甚至两年。基于 Week 的计算、过滤、排序要格外小心。
4) 各层级体系彼此独立。
- 时间层级不会影响组织层级。把数据按“月”汇总，与把数据放在“Product vs. Product Category”的层级下，本质无关。
5) 同一字段可出现在不同 Hierarchy Group 中。
- 例如 Product：
- 销售视角：Category → Subcategory → Product。
- 供应链视角：Supplier/Manufacturer → Factory → Product。
6) 最低层级字段几乎无处不在。
- 如 Transaction ID、Invoice ID，常等同于 Row ID，可被纳入任意层级组用于“对齐到明细”。
3) 为什么必须先搞懂层级
3.1 常见错误（缺乏层级意识导致）
- Top N 客户误判：只用 Customer Name 排序，结果把同名不同 ID 的客户加在一起，出现“幽灵第一名”。
- 周趋势错觉：按“每月的周”看 Weekly Sales，首周与末周总偏低，因为跨月周被拆分。应统一周定义或按 ISO 周聚合。
- 地图歧义：导入 City 后一半地点标不出来，提示 Ambiguous。原因是缺少上级 State/Region 信息或地理角色设定不全。
3.2 层级决定“数据精度”（粒度）
- 每个 Hierarchy Group 的最低层级字段定义了该维度的 Granularity。
- 所有组的最低层级组合，决定了数据集的 lowest level of detail。再下钻也就到此为止。
3.3 让层级成为建模与可视化前的“必查项”
- 在创建每个 Dashboard 前，明确本次分析使用的维度层级，检查计算中调用的字段是否处于正确层级。
3.4 重视关键维度的唯一性（Key Dimension Uniqueness）
- 例：围绕 Customer 的建模与 Join。
- 若以 Customer Name 连接其他表，重名将放大重复，产生爆表与汇总错误。
- 应优先以 Customer ID 这类最低层级的唯一键进行 Join，并核对去重规则。
一个直观示意（基于 Sample Superstore）
- 时间层级：Year → Quarter → Month → Date。
- 地理层级：Country → State/Province → City。
- 产品层级：Category → Subcategory → Product Name。
- 交易明细：Order ID → Order Line（Row ID）。
建立这样的“心智树”，你的聚合、筛选、下钻都会更稳。
实操清单（拿来就用）
- 新项目 5 分钟核对：我这次的最低层级是什么？是否与业务问题匹配？
- 任何 Join 前自问：连接键在对方表是否唯一？是否需要先去重到最低层级？
- 用周做分析时，先统一周定义（ISO 周或业务周），必要时构建标准日期维表。
- 地图歧义时，补全上级地理字段并设置正确的地理角色。
小结
- 层级只属于 Dimensions，且天然一对多。
- Week 是高频陷阱，跨月跨年要特别小心。
- 最低层级定义粒度；所有最低层级的组合决定了数据的 LOD。
- 先识别层级再建模、再做图表，你的错误会大幅减少。