3.1.3　基于聚合的“字段角色”分类：维度描述问题，度量回答问题

字段构成问题结构，聚合是分析的本质。从聚合的角度看构成问题的字段，它们的作用有所不同；部分字段包含聚合[1]，比如销售额总和、最大订单日期——常被称为定量字段（Quantitative Field）或度量字段（Measure）；其他字段则是聚合的分组依据——常被称为分类、定性字段（Qualitative Field）或维度字段（Dimension）。

分析的本质是聚合，因此问题中的度量字段必然与聚合函数相伴而生，比如“利润总和”“平均数量”“最大金额”“最小日期”“员工计数”，本书常将其称为“聚合度量”或者写作“（聚合）度量”。由于度量必然包含聚合，因此“聚合度量”其实是重复定义，“聚合”前缀旨在强调“度量”的聚合属性。

多个聚合字段构成的“业务指标”也必然是度量，比如“利润总和/销售额总和”“利润总和同比”。

同时，聚合度量字段必然依赖维度字段，维度是聚合的分组和计算依据。不管是Excel透视表，还是SQL聚合查询、Tableau可视化、Python分析，概莫能外。

聚合度量的分组依据，在Excel中对应透视表行列字段，在SQL中对应GROUP BY子句，在Tableau中是视图行列、标记（工具提示除外）中的维度字段。图3-5展示了不同工具的依赖关系，图中用线条表示了维度对聚合字段的约束作用。

图3-5　维度是聚合的分组依据（不同工具的对比）

推荐读者使用维度、度量的字段角色作为问题字段的抽象分类。其中，分析对象对应维度字段，问题答案对应度量字段。用一句话概括，如下：

维度描述问题（是什么），度量回答问题（有多少）；

维度是（聚合）度量的（分组和计算）依据。

随着问题的结构日渐复杂，这句话也将日渐重要，特别是高级计算。