上一讲讲了内存计算筛选，又可称之为自定义计算成员筛选，即当某列是通过自定义计算成员得到的时候，还要想利用其作为筛选条件，就需要用到自定义计算成员筛选功能。
上一讲还给大家出了道作业，就是：想知道哪些门店的客单价低于平均客单价，怎么实现？
我们先来理一下思路：1、我们要先计算各门店的客单价；2、再得到公司整体的平均客单价；3、然后再将各门店的客单价与平均客单价相减，得到的差值（客单价差）即为我们要筛选的来源计算成员；4、在筛选区域按差值（客单价差）<0，即得到低于平均客单价的门店。
思路是理完了，接下来我们进系统操作一下：
1、计算各门店的客单价
由于客单价=收入/客流量，因此我们要新建表格，先把收入、客流量计算出来。
收入：点【汇总】旁【+】，点击选择【收入】，点确定。
客流量：点【汇总】旁【+】，点击选择【订单号】，点左下角选择【唯一计数】后点确定。得到一个【唯一计数_订单号】，点击旁边的【…】，选择【重命名】为【客流量】。
到这一步就可以利用自定义表达式来计算客单价。
客单价：点击【汇总】旁【+】，点【fx】，在【计算成员1】中输入【客单价】，点击左下角【汇总区域】后，在【自定义表达式】中点击输入公式：收入/客流量后点击确定。
bi零售数据分析
点击【行维度】旁的【+】，点击【门店】后点确定，即可得到下图效果：
bi零售数据分析
2、得到公司整体的平均客单价
我们发现没办法继续操作下去了，因为得到【平均客单价】这一步骤好像并没有那么简单。那么，到底怎么样才能得到【平均客单价】呢？今天我们要讲的内容【总聚合】就刚好是帮助我们理解并解决类似的零售数据分析场景的。
本期内容
所谓【总聚合】，就是为了方便我们将某一个汇总字段的总计那一行的值，重复引用，而专门配置的一种内存聚合方式，包括总计、计数、平均值、最大值、最小值。
bi零售数据分析
为了方便大家理解，我们回到上节的作业。我们刚才已经得到了下表所示的内容，此时，我们会发现，公司整体的平均客单价就等于公司总的收入/总的客流量，也就是下图中标识的部分，它出现在客单价这一列，总计这一行中。
bi零售数据分析
那接下来怎么操作呢？我们重新进入到bi数据分析系统。
点【客单价】旁的【…】，点击【总聚合】，点【行总计】后，表格中将立即出现一列【行总客单价】，这个其实就是我们要的【平均客单价】，只需点【…】选择【重命名】进行修改即可。
bi零售数据分析
3、计算差值（客单价差）
将各门店的客单价与平均客单价相减，得到的差值（客单价差）即为我们要筛选的来源计算成员。
点【汇总】旁的【+】，点【fx】，勾选左下角【汇总区域】，然后在【计算成员1】中输入【差值】，在【自定义表达式】中点击输入公式：客单价-平均客单价，点确定。
bi零售数据分析
4、筛选得到低于平均客单价的门店
在筛选区域按差值（客单价差）<0，即得到低于平均客单价的门店。
点击【筛选】旁的【+】，点【fx】，选择【差值】后点确定，进入条件筛选器。将【等于】改为【小于】，数值为【0】后，点【OK】。
bi零售数据分析
上期作业讲完了，大家会发现这个作业难点就在于怎么得到平均客单价，而这刚好也是本次课程的重点。在这个例子讲完后，大家应该大概有些理解了。我们接下来再举一个例子。
我们在销售预测二的视频中，提到了一个周权重系数的概念，用它可以更精准的来进行销售预测。接下来，我们就尝试使用总聚合的内存计算方式，在前端得到周权重系数报表。
我们先温习一下周权重系数的概念：
周权重系数，它就是将周一到周日的波动特性量化。我们先来看它的计算过程：
第一步：计算历史年份中（过去1-3年）历史销售情况，按周一到周日进行汇总，这样，就得到了所有周一到周日的销售数据。
第二步：找到其中最小值的是星期几，然后以它为基数（周权重系数为1），其他都除以基数，就得到周一到周日每一天的周权重系数。
这里面要用到的最小值，就可以通过【总聚合】-【行最小值】来获取。接下来，我们进系统操作一下：
第一步：得到周一到周日的销售数据
点击【汇总】旁的【+】，选择【收入】后点确定，将收入放到汇总区域中；
点击【行维度】旁的【+】，勾选时间表下的【时间星期】，点确定。这样就可以得到周一到周日的销售数据。
bi零售数据分析
第二步：以最小值的是星期几为基数，得到周一到周日每一天的周权重系数
依次点击【收入】旁的【…】、【总聚合】、【行总最小值】。
bi零售数据分析
bi零售数据分析
点击【汇总】旁的【+】，点击【fx】，勾选左下角【汇总区域】，在【计算成员1】中输入【周权重系数】，在【自定义表达式】中输入公式：收入/行总最小收入，点确定。
bi零售数据分析
bi零售数据分析
如上图所示，如果出现小数点太少导致周权重系数差别不大，甚至是看不出差别，就可以调整它的小数点。
点击右侧【表列】，在序列中选择【周权重系数】，在列格式下将值小数位改为【4】。
bi零售数据分析
敲黑板，讲重点
当我们需要将某一列的某一行，拿来进行其他计算时，就可以使用【总聚合】的内存计算方式。
如果是想拿该汇总总计那一行的数据，就选择行总计或行父级总计，这里有父级和没父级的区别之前在讲占比时已经提及，就是当有多个行维度时会有差异，大家再自行理解；
如果是想拿该汇总所有行中最小值或最大值，则可以选择行最小值或行最大值；
如果是想得到该汇总所有行的行数，则可以选择行计数；
如果是想得到该汇总所有行的平均值，则可以选择行平均值。
今天没有操作的总聚合方式，大家可以自行操作并消化一下。
最后，给大家出一道思考题：在哪些应用场景下，普通的聚合与总聚合可以得到同样的结果呢？
我们零售数据分析操作篇讲到这里，也已经接近尾声了，基本上零售数据分析会遇到的场景以及这些场景用到的功能，我们都讲的差不多了，接下来这个操作篇我们将会暂时休息，将会回归到以零售数据分析应用场景为主的内容，当然，也可能我们还会遇到某些功能还需要补充或强化，再穿插回来。接下来，请大家移步到《老周道数据之零售行业数据分析系列课程》，我们在那里再见。
