In den ersten Wochen meines Trainings in der Data School habe ich gelernt, dass eine der größten Herausforderungen in Tableau die Steuerung der Aggregationsebene ist. Während Standard-Visualisierungen oft direkt von den im Arbeitsblatt verwendeten Dimensionen abhängen, bieten Level of Detail Expressions (LODs) eine Methode, Berechnungen losgelöst von der aktuellen Ansicht durchzuführen.
1. Funktionsweise von Fixed LODs
Ein Fixed LOD berechnet einen Wert unter Verwendung einer spezifischen Dimension, ohne Rückschritt auf die Granularität des restlichen Worksheets. Im Gegensatz zu Include- oder Exclude-LODs, die die Dimensionen der Ansicht lediglich ergänzen oder reduzieren, arbeitet der Fixed LOD absolut.
2. Syntax
{ FIXED [Dimension] : Aggregation([Kennzahl]) }
Beispiel: { FIXED [Region] : SUM([Umsatz]) } berechnet den Gesamtumsatz pro Region, egal ob du in deiner Grafik Bundesländer, Städte oder Produkte anzeigst.
3. Praktische Anwendungsbereiche
Die Anwendung von Fixed LODs ist essenziell, um präzise Kennzahlen zu generieren, die als Benchmark oder Grundlage für weitere Analysen dienen.
- Kohorten-Analysen: Um beispielsweise das Datum der ersten Bestellung eines Kunden festzuhalten, wird die Berechnung auf der Kunden-ID fixiert:
{ FIXED [Kunden-ID] : MIN([Bestelldatum]) }.
- Prozentuale Anteile: Wenn der Anteil einer Kategorie am Gesamtwert berechnet werden soll, hilft ein Fixed LOD dabei, den Nenner (Gesamtsumme) konstant zu halten, auch wenn die Ansicht nach Kategorien unterteilt ist.
SUM([Umsatz]) / SUM({ FIXED : SUM([Umsatz]) }) -> Der Nenner bleibt konstant, egal welche Produkte du filterst (außer du nutzt Kontext-Filter).
- Aggregationsstufen verknüpfen: Es lassen sich Dimensionen erstellen, die auf aggregierten Werten basieren, wie etwa die Gruppierung von Kunden nach ihrer Anzahl an Käufen.
Ein klassisches Problem: "Was ist der durchschnittliche Umsatz pro Kunde?"
Normaler Durchschnitt: AVG([Umsatz]) berechnet den Schnitt pro Transaktion.
FIXED Lösung: AVG({ FIXED [Kunden-ID] : SUM([Umsatz]) }) berechnet erst die Summe pro Kunde und bildet daraus den Durchschnitt.
4. "Order of Operations", die Hierarchieebenen in Tableau
Ein kritischer Punkt bei der Arbeit mit Fixed LODs ist die Verarbeitungsreihenfolge in Tableau. Fixed LODs werden berechnet, bevor normale Dimension-Filter greifen. Falls ein Filter das Ergebnis eines Fixed LODs beeinflussen soll, muss dieser zwingend als Kontext-Filter ("Add to Context") definiert werden. Diese technische Nuance ist entscheidend, um Fehlinterpretationen der Daten zu vermeiden.
Warum das sinnvoll ist: Dadurch kannst du "globale" Werte berechnen (z. B. den Gesamtumsatz des Vorjahres), die sich nicht verändern, wenn der Nutzer einzelne Kategorien in der Ansicht wegfiltert.
4.1. Die Datenstruktur im Hintergrund
Man kann sich ein FIXED LOD wie eine temporäre Unterabfrage (Subquery) vorstellen, die Tableau an die Datenbank sendet.
- Aggregation: Tableau erstellt im Hintergrund eine separate Tabelle, die auf den im FIXED-Ausdruck definierten Dimensionen gruppiert ist.
- Join: Diese aggregierte Tabelle wird über einen Left Join wieder mit der ursprünglichen Datenquelle verknüpft.
- Replikation: Da das Ergebnis des Joins auf einer höheren Ebene liegen kann, wird der Wert für alle zugehörigen Zeilen in der Originaltabelle wiederholt (repliziert). Hinweis: Da FIXED LODs Joins und Aggregationen auf Datenbankebene erzwingen, können sie bei extrem großen Datensätzen (Millionen von Zeilen) die Performance stärker beeinflussen als einfache Berechnungen.
5. Zusammenfassung: Warum sind LODs sinnvoll?
- Unabhängigkeit: Sie ignorieren die Granularität der Visualisierung.
- Filter-Kontrolle: Sie erlauben Berechnungen, die "unempfindlich" gegenüber normalen Filtern sind.
- Flexibilität: Sie können als Dimensionen verwendet werden (z. B. um Kunden nach Umsatzklassen zu gruppieren).
- Präzision: Sie lösen das Problem der Replikation bei unterschiedlichen Datenebenen (z. B. Zielvorgaben auf Regionsebene vs. Ist-Werte auf Shopebene).