精读《15 大 LOD 表达式 - 上》

通过上一篇 精读《什么是 LOD 表达式》 的学习，你已经理解了什么是 LOD 表达式。为了巩固理解，结合场景复习是最有效的手段，所以这次我们结合 Top 15 LOD Expressions 这篇文章学习 LOD 表达式的 15 大应用场景，因篇幅限制，本文介绍 1～8 场景。

1. 客户下单频次

各下单次数的顾客数量是多少？

柱状图的 Y 轴显然是 count([customerID])，因为要统计 当前维度下的客户总数。

这里插一句，对于柱状图的 Y 轴，在 sql 里就是对 X 轴 group by 后的聚合，因此 Y 轴就是对 X 轴各项的汇总。

柱状图的 X 轴要表达的是以何种粒度拆解，比如我们是看各城市数据，还是看各省数据。在这个场景下也不例外，我们要看 各下单次数下的数据，那么如何把下单次数转化为维度呢？

我们需要用 FIX 表达式制作一个维度字段，表示各顾客下单次数。很显然数据库是没有这个维度的，而且这个维度需要按照客户 ID group by 后，按照订单 ID count 聚合才能得到，因此可以利用 FIX 表达式：{ fixed [customerID] : count([orderId]) } 描述。

2. 阵列分析

当我们看年客户销售量时，即便是逐年增长的，我们也会有一个疑问：每年销量中，首单在各年份的顾客分别贡献了多少？

因为关系到老客忠诚度和新客拓展速度，新客与老客差距过大都不好，那我们如何让 2021 年的柱状图按照 2019、2020、2021 年首单的顾客分层呢？这就是阵列分析。

我们要画一个柱状图，X、Y 轴分别是 [Year]、sum([Sales])。

为了让柱状图分层，我们需要一个表示颜色图例的维度字段，比如我们拖入已有的性别维度，每根柱子就会被划分为男、女两块。但问题是，我们制作并不存在的 “首单年份维度”？

答案是利用 FIX 表达式：{ fixed [customerID] : min([orderDate]) }。

3.