🤬 场景需求
在处理制造业成本数据时，经常会遇到“算不准”的情况。例如：
* 采购数据是以“采购单”为单位的。
* 领料数据是以“生产单”为单位的。
* 工资分摊是以“部门”为单位的。
* 销售报表是以“明细行”为单位的。

如果财务人员强行在同一个模型中把这几类数据混杂在一起，计算出来的“毛利率”或“成本差异”就会出现逻辑断层：明明产量上去了，为什么工资支出却对不上？这就是因为没有理清楚“数据颗粒度”。

##

💡 知识点破局
数据颗粒度 (Granularity) 是指数据模型中每一行所代表的业务层级深度。它是模型计算的“最小原子”。

1. 确定核心颗粒度：
通常在 Excel BI 建模中，建议将颗粒度设定为业务的最细明细行（如：订单行、领料明细行）。通过这种“自下而上”的建模，你可以实现从“总公司”到“具体订单”的无损钻取。

2. 统一不同颗粒度：
如果遇到颗粒度不一致的情况，有两种处理方式：
* 向上对齐（降维）： 将最细的数据进行初步汇总（聚合），使之与粗颗粒度的数据对齐（如：把“每日电费”汇总成“每月电费”）。
* 向下拆解（分摊）： 将粗颗粒度的数据按照某种比例逻辑分摊到细颗粒度中（如：将“全厂租金”按“各产品工时”分摊到具体物料）。

3. 对计算的影响：
在 DAX 公式中，颗粒度决定了你的计算是在哪个层级进行的。例如，如果你的颗粒度是“订单行”，那么 `SUMX(‘订单表’, [单价] * [数量])` 就能得到准确的总额。

##

⚠️ 避坑提醒
* “平均单价”陷阱： 如果你的颗粒度是“月”，计算出来的单价只是月平均；如果你的颗粒度是“单”，你才能看到价格的真实波动。对于成本核算，颗粒度越细，分析价值越高。
* 计算效率： 虽然颗粒度越细越好，但要平衡性能。对于几千万行的数据，可能需要根据分析需求做适度的“预聚合”。
* 关键列对齐： 在关联不同颗粒度的事实表时，必须通过公共维度表（如：日期表、物料表）进行连接，严禁直接关联两张不同颗粒度的事实表。

---

点击下载：本文档 Word 实战版