近期开始重新梳理、升级Tableau的知识体系，从而为客户提供更高质量的服务和技术支持。得益于春节期间阅读的learning SQL一书，近日尝试从更本质的视角看待业务分析中的“筛选”过程，并整理笔记如下。本文虽短，内容却非常关键，后期有缘展开补充。
1
筛选看似简单，但又是异常复杂的体系。它的功能看似独立，实则是逻辑计算的化身；分类众多、次序敏感，因此不合理的使用特别容易导致性能问题，甚至样本错误。
近期尝试从另一个角度解释筛选及其相关功能：set集、计算。
2
首先，筛选必然包括两个部分：筛选对象、筛选条件，二者相互依赖，缺一不可。只是在一些情形下，表述有所省略，比如“2022年，不同类别的销售额”默认是针对订单或交易的筛选，而“销售额前10的产品销售额”筛选针对“产品”。
不管使用什么工具，建议先把问题用标准的“三段式结构”来表述，并进一步展开它们的构成要素，有助于理解问题。
3
其次，所有筛选都是逻辑计算，而计算必然是在特定层次上的计算；因此，所有的筛选（计算）也必然是在指定层次上的筛选（计算）。
计算的层次主要有数据表明细的行级别层次（row level）、对应视图的问题层次两大类，因此，筛选也分为行级别的计算筛选、针对问题的聚合计算筛选两大类。其他的条件筛选等高级筛选，都可以视为是二者基础上的组合和升级。
沿着这样的体系，不仅可以数据准备与计算结合在一起，也可以把筛选与计算结合在一起，而它们衔接的关键是：层次。
层次 = LOD = Level = 维度组合
能理解上面的过程，就可以“跳出筛选”理解筛选，从而在复杂的筛选体系中游刃有余。
“跳出三界外，不在五行中”，所言不虚。
@yupengwu