了解 Tableau 中的多事实关系，这是一项数据建模功能，可让您组合单独的事实表并执行多事实分析。
使用 Tableau 2024.2 提供的多事实关系扩展您的数据建模和分析。多事实关系不断发展 ，使您可以组合多组表来执行多事实分析。这可以使用单一数据源解锁新类型的分析，简化在 Tableau 中构建更强大数据模型的过程，并加快洞察时间。Tableau 中使用多事实关系构建的数据模型，显示跨多棵事实树的关系的多个基表。
Tableau 中的多事实关系是什么？
多事实关系是 Tableau 中的一项数据建模功能，它增强了您使用多个事实表（在 Tableau 中称为基表）建模和分析数据的方式。借助多事实关系，您可以同时使用复杂的数据模型，例如多个星型或雪花型架构。
您可能听说过多事实关系，非正式地称为“共享维度”。有时数据跨越不同、不相关上下文中的多个基表。例如，您可能有一个包含销售数据的基表和另一个包含营销数据的基表。现在，这些表中的每一个都可以链接到共享维度表，例如日期或产品，即使它们各自基表中的度量彼此之间没有直接的行级关系。
此数据模型可让您探索相关
性并回答更复杂的分析问题，例如营销支出如何影响销售额，或实际支出如何与预算预测保持一致。您现在可以在单个数据源中探索更全面的数据场景，从而更轻松地执行多事实分析，而无需进行广泛的数据工程。
使用多事实关系的 Tableau 数据模型，展示了在单个数据源中使用多个基表和共享维度的能力
此处展示的假设零售店数据模型跟踪仓库库存、营销活动、销售交易和支持案例。基表彼此之间没有直接关联，以细框轮廓显示。而共享表（以较粗的框轮廓显示）跨基表关联，包含共享维度和共享度量。此外，在产品 – 子类别 – 类别表的情况下，共享表可以与下游共享表关联。
何时在数据模型中使用多事实关系
在多事实关系出现之前，使用关系构建的 Tableau 数据模型可以支持从基表向下游分支，但无法将一个表关联回多个上游表。如果您不需要多个基表，则可以使用标准关系并构建仅包含分支表的数据模型。
让我们看一些例子来展示多事实关系的强大功能和灵活性。
使用一致的维度分析多组事实
如果您有在各个表之间具有相同含义的维度（称为一致维度），则可以使用多事实关系轻松地在 Tableau 中建模。
左侧是具有一致维度的“之前”数据模型，右侧是使用多事实关系在 Tableau 中重建的模型，可实现多个基表和共享维度
如上图所示，请注意所有四个事实表如何成为基表，以及三个下游一致的维度表如何与它们的相关基表关联。
想要一份英文的传真号码综合列表？请继续阅读 传真号码列表 了解各种企业和组织的可靠且最新的传真号码精选列表。在当今的数字时代，电子邮件和消息应用程序主导着通信，传真似乎已成为过去。住宅电话号码和移动互联网是每个人都在使用的东西。
与其他 BI 解决方案不同
Tableau 中并非所有事实表都必须符合所有常见维度表 — 此外，您无需担心方向过滤器。这意味着，您可以将不相关的度量与其共享维度拼接在一起，从而将彼此之间没有直接关系的单独基表中的度量聚合到共享表中的维度。
回到假设的零售店数据模型，多事实分析 客户热门电子邮件列表 分别汇总库存、营销和销售方面的指标，并按其集体共享的维度（日期和产品）进行细分并以视觉方式呈现。
Tableau 中的分析显示了一个假设的零售店，其中库存数量、营销支出金额和销售数量使用产品和日期的共享维度拼接在一起。
请注意，Tableau 是将中间结果（来自共享维度和每个基表）外连接到共享维度值（日期和产品）。这与直接相关的表的内连接维度相辅相成。此外连接语义根据共享维度将来自每个基表的正确聚合度量拼接在一起以创建最终的可视化。
虽然一致性维度可以实现多
事实分析，但它缺乏使用共享表中的度量的额外灵活性。在 Tableau 中，基表中的维度也可以与共享表中的度量一起使用 – 因此您可以将共享度量与特定数据孤岛对齐，以回答一致性维度无法回答的问题。
但是，当使用多个基表之间共享的表中的度量时，Tableau 将需要澄清是否存在来自两个或多个基表的维度。默认情况下，度量将完全聚合，但您可以使用 FIXED LOD 表达式指定如何细分它们，例如：
{FIXED [产品（营销）]：COUNT([产品])}
{FIXED [产品（销售）]：COUNT([产品])}
Tableau 分析显示了使用固定 LOD 表达式消除基表之间共享的表中聚合度量歧义的结果。
通过向外分支和向内分支关联表
通过支持多个基表，Tableau 数据模型更加灵活，允许您创建有效的循环关系。以前，您只能从基表分支，而不能分支回其他表。现在，您可以使用多个基表和多个共享表来模拟这种循环。
左侧是“之前”的数据模型，其中支出表与预算表没有关联；右侧使用多事实关系和共享维度在 Tableau 中重建模型，以演示循环关系，其中基表具有不同的粒度级别。
Tableau 还保留了每个基表的原始粒度。例如，预算可能按月记录，而支出按日记录，日历表包含月份（与预算相关）和日期（与支出相关）的单独列。
在单一数据模型中获得灵活性
在多事实关系出现之前，使用多个字段 销售线索 对关联表需要所有字段对同时为真（您可以将其视为“AND”逻辑）。现在，建议将每个共享维度作为其自己的单独表，这样您就可以依次考虑每个关系，并使用您喜欢的共享维度的任意组合（将其视为更具上下文的“OR”逻辑）。您的数据源在更广泛的场景中变得更加强大，而不会限制您的分析选项。
左侧是具有多个关系子句的“之前”数据模型，右侧是使用多事实关系在 Tableau 中重建的数据模型，以展示在单个数据模型中实现不同分析的灵活性。
这使您的数据模型更加灵活。销售团队可以查看与他们所销售产品相关的区域销售情况，而产品团队可以查看产品数据，而无需引入与他们无关的地理客户数据，财务团队可以探索日期和产品的组合，而无需客户人口统计信息。
对共享维度应用过滤器只会影响共享该维度的相关基表。对非共享维度应用的过滤器仅限于该基表及其相关表。
合并具有共同维度的不同数据源
您无需构建多个不同的数据源，然后将它们直观地组合在仪表板中，而是可以创建包含多个基表的单个数据源。这样可以将不相关的表保持为彼此不同，但又省去了混合数据时有时需要的变通方法。
