1、多维度组合筛选指标
以线下零售业务为主的公司，往往存在销售渠道维度、供应链渠道维度、多种商品维度等筛选条件。如下所示的数据中台公共层指标以及筛选条件：
上述指标的赛选条件含义：可以任意组合 “时间/品牌/销售渠道/组织结构/商品结构/商品属性/消费者类型/标签类型/性别/年龄段” 中的若干个筛选条件，得到对应条件下的会员有效销售金额派生指标。
上述指标需求属于典型的多维度组合筛选指标需求，我们在设计数据中台公共层数据模型的时候，必须考虑指标的所有最细粒度维度。上述维度和组合条件可以划分到以下3个最细粒度的维度：
（1）商品：包含商品品牌、商品结构、商品属性这3个筛选条件；
（2）门店渠道：包含销售渠道、组织结构这2个筛选条件；
（3）会员：包含消费者类型、标签类型、性别、年龄段这4个筛选条件。
因此，我们在设计数据中台公共层数据模型，fct公共事务表必须包含上述3个最细粒度的维度字段。同时，必须设计至少3个dim维度表（商品维表、门店维表、会员维表），且每个维度表至少包含上述几种属性。
为了实现上述设计的公共层数据表，需要对ODS贴源层数据进行预处理。本文建议单独建立一张ODS数据表，将商品、门店、会员3种粒度的支付收款数据通过join数据表关联融合成一张数据表，公共层数据模型直接引用这张数据表。
2、多维度组合筛选情况下的比率型指标如何构建
对于报表开发而言，比率型指标有两种常见的开发方式：
第一种：提前将比率型指标的分子、分母计算逻辑开发完成，然后再将所有可能维度组合下的分子/分母求和，得到所有可能维度组合下的比率型指标。报表工具直接使用计算得到的比率型指标。
第二种：提前将比率型指标的分子、分母计算逻辑开发完成，所有比率型指标都在报表工具建立新的指标（写表达公式实现的指标）去实现。
以下面的比率型指标举例：
需要实现“时间/品牌/销售渠道/组织结构/商品结构/商品属性/消费者类型/标签类型/性别/年龄段”任意组合下的“会员连单率 = 单比销售两件以上（含两件）的单数 / 销售订单数”。
比如：
组合1：筛选品牌1/品牌2 + 线下专卖店销售渠道 + 西服/衬衫/皮鞋 + 今年新品 + 男性会员 + 30-40岁会员；
组合2：筛选品牌1/品牌3 + 天猫旗舰店/京东旗舰店 + 连衣裙/小西装 + 女性会员 + 25-30岁会员 + 金牌会员；
上述两种组合完全不同，得到的“会员连单率”指标结果不同。在9种属性中的任意若干个组合下，即使有一个属性不同，对应的“会员连单率”指标也会变化。
针对上述任意维度组合筛选条件下的比率型指标，我们建议在公共层（CDM层和ADS层）均开发分子和分母的指标。
（1）分子：单比销售两件以上（含两件）的单数，具有可加性；
（2）分母：销售订单数，具有可加性。
分子分母均具有可加性，因此可以在ADS应用层分别建设分子和分母的指标。然后在报表工具建立新的指标：
*会员连单率 = sum(单比销售两件以上（含两件）的单数) / sum(销售订单数)*在报表工具建立好上述指标之后，就可以利用报表工具实现任意维度组合下的会员连单率指标。
