维度和度量（数据逻辑）
左侧的维度和度量功能区，这是我们绘制图表的基础。我们的数据源数据，在这里被抽象成了两种类型，维度（Dimensions）和度量（Measures）。我们就是通过维度和度量去构造我们的视图数据的。
作为抽象出来的概念，那么我们就需要具象地去理解这两种类型的数据。这里我仅做简单的介绍，有机会我会给大家详尽地讲述维度和度量的以及相关的进阶知识。
首先我们要引入一个在大数据分析中极为重要的概念 “聚合”，它是我们理解维度和度量的桥梁。对于数据分析师来说，往往关心的并不是最底层的明细数据。数据分析师更注重分析数据的角度，关心的是数据的总体特征。那么数据源里的数据如何从一行一行的，颗粒度最低的明细数据，变成数据分析师需要的更高层次（Level）的数据呢？这就需要对数据进行聚合。
所谓聚合，简单讲就是数据源里的多行数据按照一定的标准计算成一个数据，不管数据源里有1行还是多行，我们视图里的数据都是聚合后的结果，一行数据也是要聚合的，当然一行数据聚合的结果是一样的。
理解了聚合的概念，我们就可以理解维度和度量了。实际上，维度为数据聚合提供依据，而度量是依据维度聚合得到的结果。
比如下图这个简单的数据集。
我们拖动地区到行功能区，拖动销售额到文本，大家可以看到，销售额自动变成了SUM([销售额])。这里的地区是维度，它为这个视图数据提供了聚合的依据，SUM([销售额])是度量值，是按照地区这个维度，将销售额这列的值进行了聚合，而聚合的方式是求和（SUM函数)。
如果我们再把度量区自动生成的计数字段加进来，大家就可以看到，东北地区的销售额这个值14812，实际上是由地区是东北的4行数据得到的结果。
如果我们去分析探究数据源的话就会看到，地区这个字段一共有5个值，这5个值将数据分成了5个不同的组。东北地区这一组共4行数据，SUM([销售额])也就是这组里的4个销售额聚合（求和）的结果。华北地区这一组共2行数据，SUM([销售额])就是这组里2个销售额聚合（求和）的结果。而西南地区这一组只有1行数据，SUM([销售额])就是这组里1个销售额聚合（求和）的结果，也就是这个数据本身。
因此我们说，维度的作用就是将数据集进行分组，而度量值就在维度规定的组内进行聚合计算。
如果我们再拖动类别这个维度到列功能区，虽然我们的SUM([销售额])并没有变化，但是数据结果就完全不一样了。因为视图中增加了维度，现在SUM([销售额])的依据就是地区和类别这个两个维度共同决定的了，所以SUM([销售额])这个度量值的结果就由5个数据变成了9个数据，也就是说我们的数据集被这两个维度分成了9组。因为聚合的依据变化了，结果自然就不一样了， SUM([销售额])也就相应的依据这9组数据重新聚合生成9个不同的值。
这里也有一个特殊情况，假如我们在视图中不放任何维度，那SUM([销售额])的依据是什么呢？实际上，29015这个值是把整个数据集作为一个统一的维度来进行计算的。
因此我们可以说维度是聚合的依据，度量值是聚合的结果。度量值必然依赖于维度，不存在脱离于维度计算的度量值。
维度是大数据分析的中最重要的概念，是一切分析的基础，也是Tableau中构造视图数据的依据。几乎所有Tableau中的重要概念，比如详细级别表达式（LOD）、表计算、分区等都跟维度有关，可以说对维度的理解程度，决定了使用Tableau的高度，理解了维度就掌握了打开Tableau大门的钥匙。