|
做数据分析时，你是不是经常：
 “为什么我加了几个筛选条件后，所有比例都乱套了？”
 “想看各个门店的表现，但又需要稳定的品牌总业绩作对照？”
 “每次切换维度，核心指标就像变了心一样跟着跑？”
如果你点头了，那么今天认识的 Fixed函数，就是为你量身打造的“数据定心丸 ”！
一句话理解
“无论报表怎么“变脸”，我的计算基准纹丝不动。”
想象一下：Fixed函数就像地图上的比例尺 ——无论你放大看北京胡同，还是缩小看中国全图，比例尺始终不变，确保你测量的距离永远准确。
你的数据报表就像这张地图：
 放大到某个门店 = 看具体细节
 缩小到全国视图 = 看整体概况
 Fixed函数 = 那个不变的比例尺，确保你的计算标准始终如一
函数 卡片
业务场景：连锁品牌 的“区域基准线”
大背景：你负责一家连锁零售品牌，有全国几百家门店，销售很多品类和品牌。你想看：
每个门店的业绩
每个品类的表现
每个品牌的贡献占比
业务场景：
作为区域经理或运营分析师，你需要评估每个门店对特定品牌的销售贡献有多大，即某门店，卖出的某品牌产品，究竟占这个品牌在所有门店总销售额的多少比例。
遇到的问题：
报表里并没有现成的“所有门店该品牌销售总额”可供直接计算。需要SUM(该品牌所有销售额单元格) 来计算出“所有门店该品牌销售总额”，作为计算的分母。
示例如下：
广东省广州门店品类1的品牌1销售额/SUM(品牌1所有销售额单元格)
那如何使用数据模型去实现这样的计算需求呢？
解决方案 ：
使用 Fixed函数锁定品牌维度的销售额作为基准。Fixed([品牌],[销售额])，不管你现在看的是哪个门店、哪个品类，都始终按品牌维度来汇总销售额。
实现效果：（左侧图是只勾选了品牌维度的销售额汇总数据）
 
计算公式：
门店品牌贡献度 = 该门店该品牌销售额 ÷ 所有门店该品牌总销售额
所有门店该品牌总销售额=FIXED(品牌【需要锁定的维度】,销售额【指标】)
注意：“,”以及括号都要使用英文符号。维度指标直接在右侧的字段区通过鼠标双击添加。
所有门店该品牌总销售额：
门店品牌贡献度：
Fixed函数的三大核心价值
1. 比例永远准确
 再也不怕“加维度就乱套”的尴尬，占比指标说一不二
2. 基准永远稳定
 就像跑步比赛——所有选手都对照同一条终点线，公平可比
3. 支持深度绩效评估
 区域贡献度排名、门店品类占比分析、品牌在各渠道的表现对比……一切需要“固定对照系”的场景
 何时该召唤Fixed函数？
记住这个“三要三不要”黄金法则：
要用Fixed的三大标志性场景：
 “我需要一个永远不变的参照系”
→ 比如：计算各门店占品牌全国总销售额的比例
 “我的分母必须固定，不受页面筛选影响”
→ 比如：评估促销活动效果时，以活动前30天的日均销售额为基准
 “我要确保跨维度比较的公平性”
→ 比如：对比各区域贡献度时，所有人用同一个全国总额做分母
不必用Fixed的三种情况：
- 只需要计算当前页面小计 → 用普通SUM即可
- 分母需要随筛选条件动态变化 → 考虑用Exclude函数
- 在单一维度下做简单汇总 → Fixed反而是累赘
总结要点
 Fixed用得好，数据基准稳如钟；
 维度选得准，业务洞察更精准；
 语法不马虎，计算结果才靠谱。
准备好迎接“数据尽在掌控”的感觉了吗？现在就去试试吧！——>【函数】Fixed函数实战任务
| 
