各位数据的朋友，大家好，我是老周道数据，和你一起，用常人思维+数据分析，通过数据讲故事。
上期内容与作业
上一讲讲了占比相关内存计算的应用场景，包括占比、TOP占比、累计占比等，不同的占比，就是分子或分母不同而已，万变不离其宗。
上一讲还给大家出了道作业，就是：如何画出一个帕累托的统计图，来看品类销售是否符合2-8定律？
上一讲专门给大家普及了一下柏拉图，那我们就来实践一下。直接进系统。（观看视频）
第一步：新建一个表格
将收入指标放入【汇总】中，将品类指标放入【行维度】中。
第二步：加入累计占比
点击【收入】旁的【…】，依次点击【累计占比】、【行累计占比】，即可将【收入行累计占比】放入【汇总】中。
第三步：更换图表
点击上方的【更换图表】，选择柱形图下的标准图。
BI数据分析系统会自动将以柱图展示收入，用折线展示收入行累计占比。
奥威BI零售数据分析
到这时，操作基本完成了，只需要再对细节进行雕琢，比如点击右侧属性中【Y轴1】，找到【值格式】下的【格式】，点击选择【百分比】；勾选分割线。获得以下效果：
奥威BI零售数据分析
点击右侧【序列】属性，选择序列【收入行累计占比】后，找到【值格式】下的【小数位】，修改成【2】。这样在展示收入行累计占比时就可以显示两个小数点。
以上就是上期内容回顾以及作业解答！
本期内容
我们今天讲一下子查询的应用。所谓子查询，即某个查询的结果集（ds2）必须以另外一个结果集(ds1)作为筛选条件。
举例1：我们想看一下在某个门店卖最好的TOP10商品在其他门店的销售情况如何？
在这个例子中，我们首先要查询获取某个门店卖最好的TOP10商品清单，这个结集就是ds1，然后再根据ds1这个结果集来查询其他门店的销售情况，也就是ds2。
举例2：我们要查一年里买过长T恤类别的会员，这批会员买过所有品类的数量。
首先要查询获取查一年里买过长T恤类别的会员清单，这个结果集就是ds1，然后再根据ds1这个结果集来查询买过所有品类的数量，也就是ds2。（点一点，了解零售标准方案）
系统实操
1、在某个门店卖最好的TOP10商品，在其他门店的销售情况如何？
操作关键：使用复制数据集的方法
表格1：分析在某个门店卖最好的TOP10商品
新建表格：将收入指标放入【汇总】中，将商品指标放入【行维度】；接着点击【收入】旁的【…】，依次点击【排序】、【降序】；然后点击【商品】旁的【…】，依次点击【显示TOP】、【10】。
之后，增加筛选条件。点击上方【+】，依次点击【筛选】、【公共筛选】。在添加筛选控件小弹窗中，勾选【门店】，点击左下方选择【下拉{单选}】，点击确定。
奥威BI零售数据分析
表格2：这TOP10商品在其他门店的销售情况
新建表格并复制表格1的数据集：将收入指标放入【汇总】中，将商品指标放入【行维度】；点击数据集构建器下，【筛选】旁的【+】，勾选【商品】，点击确定；在条件筛选器中，将【等于】修改成【数据集】，在旁边的空白框中选择第一个表格的数据集即grid1，选择【商品】后点击OK。
这就意味着第二个结果集的商品是来自第一个结果集的商品记录。
奥威BI零售数据分析
把门店指标添加到【列维度】中，即可看到这TOP10商品在所有门店的销售情况。
奥威BI零售数据分析
2、我们将这个例子拓展到服装行业，这时商品会区分款号、颜色，所以，此时我们就需要增加颜色这个维度，筛选条件也需要分别配置。
新建表格1：将销售数量指标放到【汇总】中，将商品名称、颜色名称放到【行维度】中；之后对销售数量进行降序，点击【销售数量】旁的【…】，依次点击【排序】、【降序】；点击【商品名称】旁的【…】，依次点击【显示TOP】、【10】。
这时就可以看到卖得最好的10款商品（含颜色），但颜色总计的出现让报表显得不是那么好看。点击【颜色名称】旁的【…】，依次点击【总计】、【隐藏总计】。
之后，点击右侧【表行】属性，关闭【合并行】。即可获得下图效果：
奥威BI零售数据分析
添加门店筛选条件：点击上方【+】，依次点击【筛选】、【公共筛选】。在添加筛选控件小弹窗中，勾选【门店】、【门店名称】，点击左下方选择【下拉{单选}】，点击确定。
但这个时候明显不是按照商品颜色款式卖得最好的排序来展现的，这就需要关闭组内排序功能。在进行两个维度以上的排序时会有一个组内排序的参数。当出现了上诉效果，就需要关闭组内排序。
点击【商品名称】旁的【…】，点击【组内排序】。
奥威BI零售数据分析
奥威BI零售数据分析
添加品类筛选条件：点击上方【+】，依次点击【筛选】、【公共筛选】。在添加筛选控件小弹窗中，勾选【商品分类1】，点击左下方选择【下拉{单选}】，点击确定。
表格2：看表格1商品在其他门店的销售情况
新建表格，将表格1的数据集复制过来：
点击【数据集】旁的【+】，选择表格1的数据集grid1，点击确定。然后点击【grid1】旁的【…】，点击【复制】。
分别点击筛选中的【商品分类1】、【门店名称】旁的【…】，点击【删除】。点击【+】，点击【商品名称】。在条件筛选器中，将【等于】改成【数据集】，点击选择【grid1】数据集，点击选择【商品名称】后，点击OK。
点击【筛选】旁的【+】，点击【颜色名称】，点击确定。在条件筛选器中，将【等于】改成【数据集】，点击选择【grid1】数据集，点击选择【颜色名称】后，点击OK。
这样就可以确保表格2筛选条件中的【商品名称】、【颜色名称】都与表格1一致。点击右侧【表行】，关掉【合并行】之后效果如下：
奥威BI零售数据分析
然后再将门店名称放到【行维度】中，即可获得这10个不同款式颜色商品在其他门店的销售情况。
我们注意看一下生成的SQL：点击右下角小图标，调出SQL，即可看到结果生成的技巧。
奥威BI零售数据分析
3、要查一年里买过长T恤类别的会员，这批会员买过所有品类的数量。
按照上面的例子进行操作后，我们会发现生成的SQL会非常长，因为他会将ds1的所有记录都列示出来，这样的话，如果ds1的记录太多，多到上万甚至上百万，那么这样的方法会导致SQL过长而报错，同时，执行的效率也会变慢。所以，针对这样的场景，奥威BI在最新的产品中，增加了数据集(子查询)的筛选运算方式。我们来试一下，同样的场景如何实现。
在数据集构建器下【筛选】项中，点击筛选条件【会员卡ID】旁的【…】，在条件筛选器中，将【数据集】修改成【数据集（子查询）】，选择表格1的数据集【grid1】，点击选择【会员卡ID】后，点击OK。
奥威BI零售数据分析
然后，我们再查下SQL就会发现它会变得简洁很多。
敲黑板，讲重点
1、 子查询的应用场景，关键就是要先区分谁是ds1，谁是ds2，然后再通过筛选高级运算符的方式来实现。
2、 如果子查询的筛选维度有两个及以上，则必须要用筛选运算符为数据集这种方式；如果子查询的筛选维度是1个，且来源记录数可能会比较多，则建议使用数据集(子查询)这种方式，此时可有效避免因生成的SQL语句超长而出错；但如果子查询的筛选维度是1个且来源记录数不多，比如加了TOPN，则两种方法都可以，效果也没有什么区别。
3、 数据集(子查询)这种筛选方式，仅限奥威BI最新微服务版本。
最后，给大家出一道作业：
全公司最好卖的10款商品，在哪5个门店卖的最好？
下一讲，我们会讲一下同一张报表中各图表间任意联动，来实现特定分析思路的应用场景，敬请期待。
老周道数据，和你一起，用常人思维+数据分析，通过数据讲故事，我们下一讲再见！
