数据分析师训练营/ 第六篇 可视化/ 第二十六章
第二十六章 · BI 看板

把口径钉在墙上

看板做得好不好,不取决于你用了哪个工具,而取决于三件事:指标口径有没有写死、 聚合逻辑有没有搞对、筛选器的作用范围有没有说清。很多看板第一眼很漂亮,第二眼被人发现 “这个数和财务对不上”,第三眼就没人再打开。

本章不要求你安装 Tableau 或 Power BI。我们先讲清 BI 的聚合逻辑,再用线框稿把 总览、趋势与结构、明细与下钻三页经营看板画出来。工具会换,这套结构不会。

理论 : 实操 = 4 : 6 约 8 学时 前置 第 25 章

26.1BI 的聚合逻辑

BI 看板上的每一个数字,都可以拆成一句话:在什么范围内,按什么分组,把哪个数字怎么聚合。 这三件事任意一件错了,图再好看也是错的。

26.1.1维度、度量与聚合方式

维度是“按什么分组”,比如渠道、月份、城市;度量是“拿什么算”,比如实付金额; 聚合方式是“怎么算”,比如求和、计数、去重计数。把“渠道”拖到行、“实付金额”拖到值、 选“求和”,BI 执行的就是 GROUP BY channel 加 SUM(pay_amount)。 维度决定行数,度量决定每行算出什么数。

渠道GMV(元)订单数客单价(元)
自然搜索63,215,624.366,28110,064.58
信息流47,042,514.154,67810,056.12
朋友推荐32,164,193.803,15410,197.91
线下14,941,047.831,5029,947.44
合计157,363,380.1415,61510,077.71
图 26.1.1 同一度量按渠道拆成四行;GMV 和订单数可加,客单价不能
类型例子规则
可加GMV、订单数、商品件数子集相加等于总计,四个渠道 GMV 相加正好是 157,363,380.14。
不可加客单价、转化率、退款率不能相加,也不能直接平均,必须回到分子分母。
半可加库存、账户余额可跨渠道相加,不可跨时间相加。
去重计数用户数、访客数跨组不能直接相加,同一个人可能在多个渠道。
1

先定粒度,再定维度和度量

粒度是“一行代表什么”。订单表一行是一笔订单,商品行一行是一个订单里的一个商品。 粒度没定,维度就是猜的,度量一定会重复计算。

如果不这样会怎样:把订单表和商品行表直接按订单号关联,再对订单金额求和, 15,615 笔已支付订单会变成 31,071 行,GMV 被算成 365,790,418.68 元, 是真实值 157,363,380.14 的 2.32 倍。

26.1.2计算字段、计算表,与行级 / 聚合级

BI 里的“计算”分两层。行级计算每一行算一个值,比如 实付金额 = 原价 - 优惠、月份 = 下单日期截到月; 聚合级计算每个分组算一个值,比如 客单价 = SUM(实付金额) / COUNT(DISTINCT 订单号)。 大多数工具把前者叫“计算列”,后者叫“度量值”。边界只有一条: 聚合函数里可以套行级表达式,行级表达式里不能套聚合函数。

行级计算(计算列)聚合级计算(度量值)
结果一行一个值,跟着订单走一组一个值,跟着图表走
写法amount - discountSUM(pay_amount) / COUNT(DISTINCT order_id)
放在哪明细表、行筛选、分组键KPI 卡、图表的数值轴
典型错误行级写 SUM(pay_amount)聚合级写 pay_amount / order_id
错误:先聚合再相乘

SUM(单价) × SUM(数量)

订单 O23101400001 单价合计 5,481.12、数量合计 4,算出来 21,924.48 元。

正确:先逐行相乘再求和

SUM(单价 × 数量)

2,287.83×1 + 121.09×1 + 3,072.20×2 = 8,553.32 元,与订单金额一致。

计算表把查询结果物化成新表,比如“每日 × 渠道”汇总表。它占存储、查询快, 代价是刷新延迟和粒度固定:只存到“日 × 渠道”,就下钻不到订单。 计算字段改口径,计算表换速度。

2

比率不可加:先存分子分母,再相除

转化率、客单价、退款率都是“商”,不是“量”。看板里要拆成两个可加的数列, 展示时再做除法,而不是对现成的比率求平均。

如果不这样会怎样:四个渠道的转化率直接求平均是 5.23%, 而全站真实转化率是 5.55%。差了 0.32 个百分点,下一节算给你看。

26.1.3筛选器作用域:页面级、图表级、下钻

筛选器决定了每个数字的计算范围。同一个“渠道”筛选器,放在页面级和图表级, 会让两张图说两套话。

作用域影响谁典型用法典型事故
页面级整页图表和 KPI时间、业务线、地区筛“信息流”后,渠道占比变成一根 100% 的柱子
图表级只影响当前图表剔除异常值、单独看某渠道与旁边 KPI 口径不一致,用户以为数据错了
下钻改变维度层级,不改变范围渠道 → 城市 → 订单下钻后又把“客单价”求了一次平均

顺序也重要:先筛明细再聚合;聚合后再筛叫 HAVING。 取“GMV 前 5 的渠道”时,先筛时间段和已支付,再取前 5;反过来可能只剩 4 个渠道。

口径型筛选——比如“只算已支付”——必须写进指标定义,不能做成用户可取消的勾选框。 一旦取消,GMV 会从 157,363,380.14 变成 201,644,768.60,多 28.14%,不报错。

26.1.4为什么“对转化率求平均”是错的

按用户所属渠道拆开 6 月事件表:

渠道浏览人数支付人数转化率浏览占比
自然搜索795556.92%39.75%
信息流577264.51%28.85%
朋友推荐412204.85%20.60%
线下216104.63%10.80%
合计2,0001115.55%100%
图 26.1.2 四个渠道转化率简单平均 5.23%,按人数加权才是 5.55%

简单平均:(6.92 + 4.51 + 4.85 + 4.63) / 4 = 5.23%。它给四个渠道各 25% 的权重, 可线下只有 216 个浏览者,自然搜索有 795 个,对大盘的影响根本不一样。

正确算法只有一种:先把分子分母各自加总,再做除法。 111 / 2,000 = 5.55%,权重就是每个渠道的浏览人数。

更隐蔽的是辛普森悖论:四个渠道的转化率可能全都上升,全站转化率反而下降, 因为人数结构变了。只看“平均转化率”永远解释不了,必须同时看分子和分母。

正确做法:存 支付人数、浏览人数 两列, 比率用 SUM(支付人数) / SUM(浏览人数) 算。只有一列“转化率”,是救不回来的。
3

行级计算和聚合级计算不能混

行级算“这一行”,聚合级算“这一组”。把 SUM 放进行级,或把裸列放进聚合级, BI 不一定报错,但数一定错。

如果不这样会怎样:用 SUM(单价) × SUM(数量),一笔 8,553.32 元的订单 会被算成 21,924.48 元,虚增 156%。

4

筛选器有作用域,口径型筛选要写进指标定义

页面级改整页范围,图表级只改一张图,下钻只改维度层级。三者要写进看板说明, 否则用户会把“视角差异”当成“数据错误”。

如果不这样会怎样:页面级筛了“信息流”,渠道占比图只剩信息流一根 100% 的柱子, 用户会以为“信息流占了全部 GMV”。

5

一页只回答一个问题,首屏不超过 5 个数字

看板是产品,不是报表仓库。老板第一屏应在 3 秒内看到“大盘好不好”;运营往下滚, 才看到“哪里不好、为什么”。所有图堆在第一屏,等于什么都没说。

如果不这样会怎样:一页 18 张图,用户找不到主指标,最后仍回 Excel 自己筛。 访问量会从第一周 40 次掉到第四周 3 次。

26.2三种用户,三种看板

同一份数据,老板、运营、财务问的是三个不同的问题。看板失败,往往不是图画得丑, 而是把三个人的问题塞进了同一页。

角色核心问题首屏看什么需要的维度推荐图型
老板 大盘健康吗?目标完成了吗? GMV、订单数、客单价,加一句结论 月、渠道(最多 4 个) 3 张 KPI 卡 + 1 条趋势线
运营 哪个渠道有效?活动有没有拉动? 渠道 GMV、转化率、复购率 渠道、城市、活动、日 柱状图 + 漏斗 + 同期群
财务 数对不对?钱收了多少? GMV、实收、折扣、退款 月、渠道、城市、订单 明细表 + 对账条 + 导出

老板要的是结论,不是数据。他不需要知道自然搜索有 6,281 单,只需知道 “6 月 GMV 901.54 万,+2.85%,但低于 4 月峰值 933.18 万”。 所以第一页只放三个数:GMV 157,363,380.14、已支付订单 15,615、客单价 10,077.71; 下面一条 6 个月趋势线,旁边一句结论。

运营要的是可操作。同样是 GMV,运营关心“信息流 4,678 单、客单价 10,056.12, 自然搜索 6,281 单、客单价 10,064.58,预算往哪边加”。所以运营页要有渠道、城市、 活动筛选器,能从渠道下钻到订单。没有下钻,看到异常也查不到原因。

财务要的是可对账。他只关心“你的 GMV 和我账上的差多少”。 所以财务页要拆开原价、优惠、实付、退款,能导出明细,并标注订单号。 还有一个口径:15,615 笔已支付订单里有 439 笔游客订单, 金额 4,274,401.92 元,没有用户 ID,按注册城市拆分时归不到任何城市。 所以“分城市 GMV 之和”是 153,088,978.22 元,不是 157,363,380.14 元。

共用一套语义层,不共用一页看板。三类人看同一个 GMV 定义、同一张订单表, 但要有三个入口:老板看总览,运营看分析,财务看明细。硬塞成一页,结果是老板嫌乱、 运营嫌浅、财务嫌不准,最后谁都不用。

26.3实验:画三页看板线框

这一节不装任何 BI 软件。你用纸、Figma、PPT 或 Excel 都可以,目标是把三页看板的 信息层级、图表选型、筛选作用域画清楚。线框稿画不对,换什么工具都救不回来。

26.3.1实验目标与环境

项目要求
产出3 张线框稿 + 1 张筛选器测试表 + 1 份指标口径卡
工具纸笔、Figma、PPT、Excel 均可;不要求安装 Tableau / Power BI
数据青柠优选 2023-01 至 2024-06 订单,已支付 15,615 单
时间约 90 分钟;画图 60 分钟,走查 30 分钟

工具差异一张表带过。菜单名不同,概念一一对应;本章线框稿不绑定任何工具。

能力ExcelPower BITableau
数据模型单表 / 透视缓存星型模型 + DAX关系模型 + 计算字段
行级 / 聚合级公式列 / 透视值计算列 / 度量值计算字段 / 聚合计算
筛选作用域切片器 / 报表筛选页面 / 视觉对象筛选筛选器架
发布刷新共享文件 / 手动服务 / 网关 / 计划刷新Server / Cloud / 提取刷新
已完成 0 / 6 预计 90 分钟
01

先写需求单,别先画图

10 分钟 · 对应规则 1、5
做什么
给三页各写一句“谁、在什么场景、回答什么问题”,再列出指标和粒度。
为什么
规则 1:粒度不定,维度和度量都是猜的。规则 5:写不出这一句,说明这页不该存在。
怎么做
  1. 画四列表:页面 / 用户 / 问题 / 指标(含口径)
  2. 三页分别写:老板晨会看大盘、运营每天看渠道、财务每月对账
看到什么
三句话都以一个问号结尾;有两个问号就拆页。
02

第 1 页:三张 KPI 卡 + 一条趋势

15 分钟 · 对应规则 1、5
做什么
画总览页:顶部筛选条,中间三张 KPI 卡,下面一条 6 个月趋势线,右下角口径卡。
为什么
老板首屏只容得下 5 个数字。GMV、订单数、客单价回答“规模、笔数、单笔价值”,趋势线回答“变好还是变坏”。
怎么做
  1. 三张卡:GMV 157,363,380.14;订单 15,615;客单价 10,077.71
  2. 每张卡写口径和对比,例如“6 月 9,015,366.64,+2.85%”
  3. 趋势线只画 GMV,避免双轴;口径卡写明 SUM(pay_amount)
看到什么
第一屏不超过 5 个数字,每个数字旁边都能找到口径。
青柠优选 · 经营看板 截至 07-01 全部时间 ▾ 全部渠道 ▾ 全部城市 ▾ GMV(元) 157,363,380.14 6 月 9,015,366.64 +2.85% 已支付订单(笔) 15,615 6 月 881 笔 客单价(元) 10,077.71 GMV ÷ 订单数 GMV 月度趋势(万元) 901.54 1 月 2 月 3 月 4 月 5 月 6 月 口径卡 SUM(pay_amount) WHERE 已支付 不含原价、退款、取消 改口径必须改版本号
图 26.3.1 第 1 页只回答“大盘好不好”:3 个 KPI + 1 条趋势 + 口径卡
03

第 2 页:月度折线 + 渠道占比

20 分钟 · 对应规则 2、5
做什么
左边画 2024 年 1–6 月 GMV 折线,右边画全量渠道的 GMV 占比条形图,下方写一句结论。
为什么
趋势看方向,结构看来源。折线适合连续时间,条形适合比较长度;四类占比用横条比饼图更清楚。趋势取 2024 H1,结构用全量,范围不同必须标注。
怎么做
  1. 折线:908.59、834.54、903.32、933.18、876.53、901.54(万元)
  2. 纵轴从 0 开始,不要截断
  3. 条形:自然搜索 40.17%、信息流 29.89%、朋友推荐 20.44%、线下 9.49%
看到什么
6 月不是最高点,4 月 933.18 万才是;自然搜索接近四成。
第 2 页 · 趋势与结构 趋势 2024 H1 · 结构全量已支付 月度 GMV(万元) 纵轴从 0 开始 0 500 1000 933.18 901.54 1 月 2 月 3 月 4 月 5 月 6 月 渠道 GMV 占比 四条横条,按金额从高到低 自然搜索 40.17% 信息流 29.89% 朋友推荐 20.44% 线下 9.49% 读法:6 个月都在 834–933 万,0 起点看很平;4 月是峰值。
图 26.3.2 第 2 页回答“变好还是变坏、增长来自哪里”:折线看趋势,横条看结构
04

第 3 页:明细表 + 三级下钻

20 分钟 · 对应规则 1、4
做什么
画订单明细表,带面包屑“全部渠道 › 自然搜索 › 上海”,写清下钻路径和导出规则。
为什么
总览只说“哪里异常”,明细才能说“哪一笔异常”。没有下钻,运营看到上海掉了,只能回来找你要数。
怎么做
  1. 表头:订单号 / 时间 / 渠道 / 城市 / 实付金额 / 状态
  2. 默认最近 30 天已支付,每页 50 行,最多导出 10 万行
  3. 下钻:渠道 → 城市 → 订单;敏感字段脱敏
看到什么
自然搜索 + 上海 + 2024-06 共 51 笔、525,349.68 元。
第 3 页 · 明细与下钻 全部渠道 › 自然搜索 › 上海 2024-06-01 ~ 06-30 状态:已支付 搜索订单号 / 用户 ID 导出明细 订单号 下单时间 渠道 城市 实付金额 状态 O24060300107 2024-06-03 19:55 自然搜索 上海 8,003.44 已支付 O24061300160 2024-06-13 03:09 自然搜索 上海 23,720.44 已支付 O24060100260 2024-06-01 07:56 自然搜索 上海 15,359.92 已支付 共 51 笔 · 合计 525,349.68 元 | 每页 50 行 下钻只改变粒度,不改变范围;返回上一级必须能重新加总。
图 26.3.3 第 3 页回答“哪一笔”:面包屑 + 明细表 + 导出,下钻要能加总回上一级
05

加筛选器,然后故意用错一次

15 分钟 · 对应规则 4
做什么
三页顶部放同一组筛选器:月份、渠道、城市;再写一张“操作 → 预期 → 实际”测试表。
为什么
规则 4:筛选器有作用域,不测试就会把“视角差异”当成“数据错误”。页面级渠道筛选会把结构图筛成 100%。
怎么做
  1. 页面级只放时间、渠道、城市;已支付不放进筛选器
  2. 渠道占比图设为“不受渠道筛选影响”
  3. 测月份 = 2024-06 → KPI 9,015,366.64、881 单
  4. 测图表级渠道 = 信息流 → 该图变,KPI 不变;下钻上海 → 51 笔
看到什么
三次测试的数字都能对上;如果 KPI 跟着图表筛选变了,说明作用域配错了。
卡住了 / 出错了

筛完渠道,占比图只剩一根 100% 的柱子:把该图的渠道筛选关掉,或改成“高亮”而不是“筛选”。

下钻后数字比上一级大:检查是否把“订单数”换成了“商品行数”,粒度变了。

06

找一个人,3 分钟内查到三个数

20 分钟 · 对应规则 5
做什么
不讲解,让没参与设计的同事按三个任务自己找数,记录时间和卡点。
为什么
成功标准不是“我画完了”,而是“别人不用问我就能查到”。3 分钟是及格线,超过说明标签、筛选器或层级有问题。
怎么做
  1. 任务 A:6 月 GMV 和环比
  2. 任务 B:自然搜索占全部 GMV 多少
  3. 任务 C:自然搜索 + 上海 + 6 月有多少笔、合计多少
  4. 记录:第一次点击在哪、是否用错筛选器
看到什么
三个数分别是 9,015,366.64 / +2.85%、40.17%、51 笔 / 525,349.68;全部在 3 分钟内找到算通过。

26.4结果验证

先核对三个数,再做五道选择题。数字不对,说明口径或聚合方式还没过关。

只算 status = 已支付,用 pay_amount。
按下单日期截到月,不是按支付日期。
保留两位小数,不带百分号。

26.4.1五道选择题

不看前面的正文,凭第一反应选。选完立刻出解析。

Q1下面哪一项是“度量”,而不是“维度”?
解析:维度是分组依据,度量是拿来聚合的数值。渠道、月份、城市都能把数据切成组;实付金额要被 SUM,才是度量。
Q2要在一个按渠道分组的图表里显示客单价,正确的写法是?
解析:客单价是聚合级比率:分子是可加的 GMV,分母是去重订单数。A、D 把比率降到行级;B 在商品行会翻倍。
Q3页面级筛选器设为“渠道 = 信息流”,渠道占比图最可能出现什么?
解析:页面级筛选先筛掉其他渠道再聚合,占比图的分母也只剩信息流,所以是 100%。要保留四个渠道,就把该图设为“不受影响”。
Q4四个渠道转化率分别是 6.92%、4.51%、4.85%、4.63%,全站转化率是多少?
解析:比率不可直接平均。四个渠道浏览人数不同(795、577、412、216),必须按人数加权。111 / 2,000 = 5.55%,5.23% 低估了自然搜索的权重。
Q5“从渠道下钻到城市”和“把页面筛选器改成某个城市”,区别是什么?
解析:下钻把同一批数据从“渠道级”展开到“城市级”,范围不变;筛选是缩小范围,只留一个城市。一个改粒度,一个改范围。
得分:0 / 5

26.5看板没人用的六个原因

看板上线只是开始。下面六种“没人用”,按出现频率排序,遇到先查表,再改设计。

现象原因解决
用户说“这个数和财务对不上” GMV 用了原价而不是实付,或没排除退款、取消 把 已支付 和 pay_amount 写进语义层;页面挂口径卡
打开要等十几秒,第二次就不点了 每次扫 20,000 行明细,或跨库查原始表 做“日 × 渠道”计算表;首屏查预聚合结果,明细按需加载
图很多,却没人下结论 没有主指标,18 张图平铺,信息过载 一页一个问题;首屏 3 个 KPI + 1 条趋势;其余收进第 2、3 页
看到异常,但查不到是哪一笔 只有汇总,没有明细和下钻 加订单明细页;下钻路径固定为渠道 → 城市 → 订单;支持导出
数据总是“昨天的”,开会时被问住 刷新任务失败没人知道,或刷新时间没标 顶部标“数据截至”;刷新失败告警;做延迟监控
上线三周,访问量掉到个位数 没有 owner,也没嵌进例会流程 指定责任人;周会第一屏就是它;设订阅和异常推送;每月收集一次反馈

26.6本章小结与练习

  1. 聚合只有三件事:维度分组、度量聚合、范围筛选。三者定死,数字才可复现。
  2. 度量分可加与不可加。GMV 可以加,客单价和转化率不可以;比率必须回到分子分母。
  3. 计算字段是表达式,计算表是物化结果。行级算“这一行”,聚合级算“这一组”。
  4. 筛选器有作用域。页面管范围,图表管视角,下钻管层级;口径型筛选写进定义。
  5. 看板是产品。一页一个问题,首屏不超过 5 个数字。

26.6.1练习

  1. 财务页加“退款率”KPI。写出分子、分母、筛选条件,并说明为什么不能对四个渠道的退款率求平均。
  2. 用图 26.1.2 的浏览占比作权重,手算加权转化率,验证是不是 5.55%。
  3. 第 2 页的渠道占比图改成饼图,会丢失什么信息?什么情况下饼图更合适?
  4. 某看板 12 张图,访问量从 40 次/周掉到 3 次/周。按 26.5 的六条原因,写排查顺序和三条改造动作。
参考答案

1. 分子 = 已退款订单数,分母 = 全部订单数,写清时间窗。四个渠道订单量不同,直接平均会给小渠道过高权重;正确写法是 SUM(退款订单数) / SUM(全部订单数)。全站 1,203 / 20,000 = 6.02%。

2. 权重是 39.75%、28.85%、20.60%、10.80%。加权 = 6.92×0.3975 + 4.51×0.2885 + 4.85×0.2060 + 4.63×0.1080 ≈ 5.55%,等价于 111 / 2,000。

3. 饼图比较角度和面积,四块接近时看不出 40.17% 与 29.89% 的差距;横条比较长度更准。饼图只适合 2–3 块、只需看大致占比的场合。

4. 先查口径,再查性能、信息层级,最后查下钻、刷新、owner。三条动作:首屏留 3 个 KPI + 1 条趋势;加明细下钻;指定 owner 并放进周会。

下一章预告:看板画完了,但每次刷新都要人点。第 27 章用 pandas 把“读数据 → 筛选 → 聚合 → 关联 → 对账” 写成一段可重复执行的脚本,让同一套口径每天自动跑一遍。
数据分析师训练营 · 第二十六章
看板工具不限,聚合逻辑通用