数据仓库：fact table中semi-additive与non-additive度量的区别

所有事实表度量的加性分类，核心判断标准是沿关联维度做SUM加总后的结果是否具备实际业务意义，二者的核心差异可以从定义、典型场景、汇总规则三个层面明确区分，完全匹配Kimball维度建模的标准定义，也覆盖考试常见考点。

基础定义边界 #

• 半加性度量：仅能沿部分维度做SUM加总，沿剩余特定维度加总的结果没有业务意义，属于「部分可加、部分不可加」的类型。
• 非加性度量：沿任何维度做SUM加总的结果都没有业务意义，属于「完全不可直接加总」的类型。

半加性度量典型场景与示例 #

半加性度量绝大多数是时点快照类的绝对值指标，最常见的不可加维度是时间维度：

• 示例1：银行账户余额。同一统计时点下，沿客户、地区、账户类型维度加总所有账户的余额，得到的全行总存款数据是有效的；但沿时间维度把同一个账户1-12月的月末余额加总，得到的数值没有任何业务含义，不能代表该账户的年度总余额。
• 示例2：仓库SKU库存数。同一统计时点下，沿仓库、商品类目维度加总所有仓库的某SKU库存，得到的全国总库存数据是有效的；但沿时间维度把同个SKU一个月内每天的库存数加总，得到的数值不能代表月度总库存，没有业务意义。
• 汇总规则：可加维度直接用SUM汇总；不可加维度（通常是时间）不能用SUM，一般根据业务需求取MAX/MIN（如月度最高库存）、AVG（如月均账户余额）、期末首末值（如取当月最后一天库存作为月度库存值）。

非加性度量典型场景与示例 #

非加性度量绝大多数是比率、比例、单位均值类的相对衍生指标，不存在任何可以直接SUM加总的维度：

• 示例1：商品折扣率。单款SKU折扣率8折、另一款7折，无论沿商品类目、门店、时间哪个维度加总折扣率，得到的结果都没有业务意义——你不能说两个商品的总折扣是1.5折。
• 示例2：渠道转化率。A渠道访客转化率3%、B渠道5%，无论沿渠道、活动、时间哪个维度加总转化率，得到的结果都完全无效，不能代表整体转化率是8%。
• 示例3：商品销售单价。同一款SKU甲门店售价10元、乙门店售价12元，无论沿门店、时间哪个维度加总单价，得到的22元结果都不代表任何实际业务含义。
• 汇总规则：永远不能直接对指标本身做SUM汇总，必须先拆分出指标计算用到的分子、分母，将分子、分母分别按维度加总后，再做除法得到汇总后的指标值。比如计算整体转化率，要先把所有渠道的总访客数、总转化人数分别加总，再用总转化人数除以总访客数得到结果，不能直接加总各渠道转化率。

考试快速判断技巧 #

拿到一个指标先做两步验证：

1. 先试沿非时间维度（比如地区、商品、客户）加总，看结果有没有业务意义，如果完全没意义，直接判定为非加性度量；
2. 如果非时间维度加总有效，再试沿时间维度加总，如果时间维度加总结果无效，就判定为半加性度量；如果所有维度加总都有效，就是全加性度量。

内容的提问来源于stack exchange，提问作者user2205174