---
schema_version: "1"
id: a05a11ad0b3eb561b671ba7cd1154fdb018c795bec4da0a87a2cc4810145b912
title: การวิเคราะห์ทำงานกับแหล่งข้อมูลที่ใช้ความสัมพันธ์อย่างไร
collection: tableau
version: current
locale: th-th
portal_url: https://docs.salesforce.com/tableau/current/th-th/public/desktop/datasource_multitable_analysis_overview.md
canonical_url: https://help.tableau.com/current/public/desktop/th-th/datasource_multitable_analysis_overview.htm
source_site: help.tableau.com
content_type: documentation
content_hash: aa53ac0185a3fb4ea8fccf46b50946d10a522f1cd8a528ab2d4339ed61270d14
description: Understand how analysis works in data sources that use relationships across multiple tables.
---
[ข้ามไปยังเนื้อหาหลัก](#main-content)

# การวิเคราะห์ทำงานกับแหล่งข้อมูลที่ใช้ความสัมพันธ์อย่างไร

การใช้แหล่งข้อมูลที่มีตารางที่เกี่ยวข้องกันหลายตารางจะส่งผลต่อวิธีการวิเคราะห์ใน Tableau เนื่องจากตารางที่เกี่ยวข้องกันหลายตารางจะมีโดเมนอิสระ และจะคงระดับของรายละเอียดดั้งเดิมไว้เมื่อคุณลากฟิลด์ลงในมุมมอง:

- มีการค้นหาข้อมูลที่ระดับของรายละเอียดตามธรรมชาติ
- มีการค้นหาเฉพาะข้อมูลที่เกี่ยวข้องกับการแสดงเป็นภาพเท่านั้น
- ความสัมพันธ์ระหว่างตารางส่งผลต่อผลลัพธ์การค้นหา ลำดับงานของการสร้างการแสดงเป็นภาพอาจแตกต่างกันไป ขึ้นอยู่กับว่าตารางสัมพันธ์กันอย่างไรในแบบจำลองข้อมูล หรือว่าไม่ได้สัมพันธ์กันโดยตรง

ดูวิดีโอ 5 นาทีนี้เพื่อเรียนรู้เกี่ยวกับภาพรวมของการเพิ่มประสิทธิภาพแหล่งข้อมูลและการใช้ความสัมพันธ์

**หมายเหตุ**: อินเทอร์เฟซสำหรับการแก้ไขความสัมพันธ์ที่แสดงในวิดีโอนี้และหัวข้อนี้จะแตกต่างจากรุ่นปัจจุบันเล็กน้อย แต่มีฟังก์ชันการทำงานเหมือนกัน

เรียนรู้เพิ่มเติมเกี่ยวกับวิธีการทำงานของความสัมพันธ์ได้ใน[อย่ากลัวความสัมพันธ์](https://help.tableau.com/current/public/desktop/th-th/datasource_dont_be_scared.htm)และบล็อกโพสต์ Tableau เหล่านี้:

- [ความสัมพันธ์ ตอนที่ 1: แนะนำการสร้างแบบจำลองข้อมูลใหม่ใน Tableau](https://www.tableau.com/th-th/about/blog/2020/5/relationships-part-1-meet-new-tableau-data-model)
- [ความสัมพันธ์ ตอนที่ 2: คำแนะนำและเคล็ดลับ](https://www.tableau.com/th-th/about/blog/2020/5/relationships-part-2-tips-and-tricks)
- [ความสัมพันธ์ ตอนที่ 3: การถามคำถามในตารางที่เกี่ยวข้องหลายตาราง](https://www.tableau.com/th-th/about/blog/2020/6/relationships-part-3-asking-questions-across-multiple-related-tables)

และดูวิดีโอพอดคาสต์เกี่ยวกับความสัมพันธ์จาก[การวิเคราะห์การดำเนินการ](https://action-analytics.com/library/) เช่น [เหตุใด Tableau จึงคิดค้น "ความสัมพันธ์" ขึ้น](https://action-analytics.com/ep-1-why-did-tableau-invent-relationships/) คลิก "วิดีโอพอดคาสต์" ใน[ไลบรารี](https://action-analytics.com/library/)เพื่อดูเพิ่มเติม

ใน Tableau เวอร์ชัน 2024.2 ขึ้นไป แบบจำลองข้อมูล Tableau รองรับการวิเคราะห์แบบหลายข้อเท็จจริงและมิติข้อมูลที่ใช้ร่วมกันผ่านความสัมพันธ์แบบหลายข้อเท็จจริง หากต้องการข้อมูลเพิ่มเติม โปรดดู[เกี่ยวกับแบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริง](https://help.tableau.com/current/pro/desktop/th-th/datasource_mfr_multiple_base_tables.htm) [เมื่อใดควรใช้แบบจำลองความสัมพันธ์แบบหลายข้อเท็จจริง](https://help.tableau.com/current/pro/desktop/th-th/datasource_mfr_when_to_use.htm) และ[สร้างแบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริง](https://help.tableau.com/current/pro/desktop/th-th/datasource_mfr_build.htm)

**หมายเหตุ**: คุณยังสามารถสร้างแหล่งข้อมูลตารางเดียวใน Tableau ได้ คุณสามารถสร้างตารางเชิงตรรกะได้โดยใช้การรวม, การผนวก, SQL แบบกำหนดเอง และอื่นๆ ร่วมกัน พฤติกรรมของการวิเคราะห์แบบตารางเดียวใน Tableau ยังไม่มีการเปลี่ยนแปลง การวิเคราะห์ตารางตรรกะเดียวที่ผสมระหว่างมิติข้อมูลและการวัดผลจะทำงานแบบเดียวกับใน Tableau เวอร์ชันก่อน 2020.2

## ข้อควรพิจารณาสำหรับการวิเคราะห์

### ยืนยันความถูกต้องของความสัมพันธ์

คุณมีตัวเลือกมากมายในการยืนยันความถูกต้องของแบบจำลองข้อมูลของคุณเพื่อการวิเคราะห์ ในขณะที่คุณสร้างแบบจำลองสำหรับแหล่งข้อมูลของคุณ เราแนะนำให้ไปที่ชีตและสร้างการแสดงเป็นภาพเพื่อสำรวจจำนวนระเบียน ข้อมูลที่คาดหวัง ค่าที่ไม่ตรงกัน ค่า Null หรือค่าที่วัดผลซ้ำ ตรวจสอบให้แน่ใจว่าทุกอย่างเป็นไปตามที่คุณคาดไว้โดยใช้งานฟิลด์ในตารางต่างๆ

สิ่งที่ต้องมองหา:

- ความสัมพันธ์ในแบบจำลองข้อมูลของคุณใช้ฟิลด์ตารางที่ตรงกันอยู่หรือไม่
- การเพิ่มคู่ฟิลด์ที่ตรงกันหลายคู่จะทำให้ความสัมพันธ์แม่นยำขึ้นหรือไม่
- ผลลัพธ์ของการลากมิติข้อมูลและการวัดผลต่างๆ ลงในมุมมองเป็นอย่างไร
- คุณเห็นจำนวนแถวตามที่คาดไว้หรือไม่
- หากคุณแก้ไข[การตั้งค่าตัวเลือกประสิทธิภาพ](https://help.tableau.com/current/public/desktop/th-th/datasource_relationships_perfoptions.htm) ค่าที่คุณเห็นในการแสดงเป็นภาพเป็นสิ่งที่คุณคาดไว้หรือไม่ หากไม่ คุณอาจต้องตรวจสอบการตั้งค่าหรือรีเซ็ตเป็นค่าเริ่มต้น

ตัวเลือกสำหรับการยืนยันความถูกต้องของความสัมพันธ์และแบบจำลองข้อมูลมีดังนี้:

- ทุกตารางจะมีจำนวนระเบียนของตารางเป็นเขตข้อมูลชื่อ _ชื่อตาราง(จำนวน)_ ที่ระดับของรายละเอียดสำหรับตารางนั้นๆ หากต้องการดูจำนวนสำหรับตาราง ให้ลากฟิลด์ “จำนวน” ลงในมุมมอง หากต้องการดูการนับสำหรับตารางทั้งหมด ให้เลือกฟิลด์ “จำนวน” สำหรับแต่ละตารางในแผงข้อมูล จากนั้นคลิก“ตารางข้อความ” ใน “แสดงให้ฉันดู”
- คลิก**ดูข้อมูล**ในแผงข้อมูล เพื่อดูจำนวนแถวและข้อมูลต่อตาราง นอกจากนี้ ก่อนที่คุณจะเริ่มสร้างความสัมพันธ์ การดูข้อมูลจากแหล่งข้อมูลก่อนหรือระหว่างการวิเคราะห์อาจมีประโยชน์ในการทำให้คุณเข้าใจขอบเขตของแต่ละตารางด้วย หากต้องการข้อมูลเพิ่มเติม โปรดดู[ดูข้อมูลเบื้องหลัง](https://help.tableau.com/current/public/desktop/th-th/inspectdata_viewdata.htm)
- ลากมิติข้อมูลไปยังแถวเพื่อดู “จำนวนแถว” ในแถบสถานะ หากต้องการดูค่าที่ไม่ตรงกัน ให้คลิกเมนู**การวิเคราะห์** แล้วเลือกเลย์เอาต์ตาราง > แสดงแถวว่าง หรือแสดงคอลัมน์ว่าง คุณยังสามารถลากการวัดผลต่างๆ ไปยังมุมมอง เช่น _<ตารางของคุณ>(จำนวน)_ จากหนึ่งในตารางที่แสดงในการแสดงเป็นภาพของคุณ เพื่อให้แน่ใจว่าคุณจะเห็นค่ามิติข้อมูลทั้งหมดจากตารางนั้น

**เคล็ดลับ**: หากต้องการดูการค้นหาที่สร้างขึ้นสำหรับความสัมพันธ์ ให้ใช้ “ตัวบันทึกประสิทธิภาพ” ใน Tableau Desktop

1. คลิกเมนู “วิธีใช้” แล้วเลือก**การตั้งค่าและประสิทธิภาพการทำงาน** > **เริ่มการบันทึกประสิทธิภาพ**
2. ลากฟิลด์ลงในมุมมองเพื่อสร้างการแสดงเป็นภาพของคุณ
3. คลิกเมนู “วิธีใช้” แล้วเลือก**การตั้งค่าและประสิทธิภาพการทำงาน** > **หยุดการบันทึกประสิทธิภาพ** เวิร์กบุ๊ก “การบันทึกประสิทธิภาพ” จะเปิดขึ้นโดยอัตโนมัติ
4. ในแดชบอร์ด “สรุปประสิทธิภาพ” ภายใต้ “เหตุการณ์ที่จัดเรียงตามเวลา” ให้คลิกแถบ “กำลังดำเนินการค้นหา” และดูการค้นหาข้อมูลด้านล่าง

ตัวเลือกขั้นสูงอีกตัวเลือกหนึ่งคือการใช้ [Tableau Log Viewer](https://github.com/tableau/tableau-log-viewer) บน GitHub คุณสามารถกรองเฉพาะคีย์เวิร์ดได้โดยใช้ `end-protocol.query` หากต้องการข้อมูลเพิ่มเติม ให้เริ่มต้นจาก[หน้าวิกิของ Tableau Log Viewer](https://github.com/tableau/tableau-log-viewer/wiki) ใน GitHub

### การแสดงข้อมูลเฉพาะมิติเป็นภาพ

เมื่อใช้แหล่งข้อมูลแบบหลายตารางกับตารางที่เกี่ยวข้อง: หากคุณสร้างการแสดงเป็นภาพแบบเฉพาะมิติข้อมูลเท่านั้น Tableau จะใช้การรวมภายใน และคุณจะไม่ได้เห็นโดเมนที่ไม่ตรงกันแบบเต็มๆ

หากต้องการดูการรวมค่ามิติข้อมูลบางส่วน คุณสามารถทำสิ่งต่างๆ ต่อไปนี้ได้:

- ใช้ “แสดงแถว/คอลัมน์ว่าง” เพื่อดูแถวที่เป็นไปได้ทั้งหมด คลิกเมนู**การวิเคราะห์** แล้วเลือกเลย์เอาต์ตาราง > แสดงแถวว่าง หรือ แสดงคอลัมน์ว่าง โปรดทราบว่าการตั้งค่านี้จะทำให้เกิดความหนาแน่นสำหรับฟิลด์ “วันที่” และ “กล่องตัวเลข” ซึ่งผู้ใช้อาจไม่ต้องการด้วย
- เพิ่มการวัดผลไปยังมุมมอง เช่น _<ตารางของคุณ>(จำนวน)_ จากหนึ่งในตารางที่แสดงในการแสดงเป็นภาพของคุณ ขั้นตอนนี้จะช่วยให้มั่นใจว่าคุณจะเห็นค่ามิติข้อมูลทั้งหมดจากตารางนั้น

หากต้องการข้อมูลเพิ่มเติม โปรดดู [พฤติกรรมของค่าต่างๆ ที่ไม่ตรงกันสำหรับมิติข้อมูลที่อาจทำให้คุณประหลาดใจ](https://help.tableau.com/current/public/desktop/th-th/datasource_datamodel_whatschanged.htm#Unmatche) และ [การแก้ไขปัญหาเกี่ยวกับการวิเคราะห์หลายตาราง](#Troubles)

### เมื่อไรที่ควรใช้การคำนวณและนิพจน์ LOD

เนื่องจาก Tableau ทำความเข้าใจระดับของรายละเอียด (LOD) ของตารางของคุณ คุณไม่จำเป็นต้องใช้การคำนวณ LOD เพื่อลบข้อมูลซ้ำที่ไม่ต้องการจากการรวม

คุณยังอาจต้องการใช้การคำนวณ LOD ทำสิ่งต่อไปนี้:

- จัดการกับการทำซ้ำที่ไม่ต้องการในตารางต้นทางของคุณ
- คำนวณการรวมหลายระดับ (เช่น ค่าเฉลี่ยที่มากกว่าผลรวม)
- ทำการวิเคราะห์ตามกลุ่ม (เช่น เพื่อคำนวณวันที่สั่งซื้อครั้งแรกของลูกค้าแต่ละราย)

หากการคำนวณ LOD รวมมิติข้อมูลจากตารางเดียวไว้ การคำนวณ LOD นั้นจะปรากฏในตารางของมันเองในแผงข้อมูล

## ตัวอย่างของการวิเคราะห์หลายตาราง

ชุดตัวอย่างต่อไปนี้แสดงวิธีที่ข้อมูลจะถูกค้นหาในตารางที่เกี่ยวข้องหลายรายการ แหล่งข้อมูลหลายตารางมีรายการสั้นๆ ของการปรากฎตัวของนักแสดงในบทบาทภาพยนตร์ที่แตกต่างกัน

แถวในตาราง “การปรากฎตัว” หมายความว่า “นักแสดง” ได้รับบทบาท “ตัวละคร” ตัวหนึ่งใน “ภาพยนตร์” ที่ระบุ ในชุดข้อมูลนี้ “นักแสดง” สามารถมี “การปรากฎตัว” ตั้งแต่ 0 หรือหนึ่งรายการขึ้นไป

เรียนรู้เพิ่มเติมเกี่ยวกับการทำงานของความสัมพันธ์ได้ในบล็อกโพสต์ Tableau เหล่านี้

- [ความสัมพันธ์ ตอนที่ 1: แนะนำการสร้างแบบจำลองข้อมูลใหม่ใน Tableau](https://www.tableau.com/th-th/about/blog/2020/5/relationships-part-1-meet-new-tableau-data-model)
- [ความสัมพันธ์ ตอนที่ 2: คำแนะนำและเคล็ดลับ](https://www.tableau.com/th-th/about/blog/2020/5/relationships-part-2-tips-and-tricks)

### ตัวอย่างที่ 1: การวิเคราะห์คำถามเดียวในข้อมูลที่ทำการรวมเทียบกับข้อมูลที่เกี่ยวข้อง

ใน Tableau ก่อน 2020.2 แหล่งข้อมูลอาจมีตารางเดียวหรือหลายตารางที่รวมหรือผนวกเป็นตารางดีนอร์มัลไลซ์เดียว ตั้งแต่ Tableau 2020.2 เป็นต้นไป Tableau จะตรวจจับและรักษาข้อมูลมาตรฐานแต่ละรายการสำหรับแหล่งข้อมูลหลายตาราง ซึ่งหมายความว่าข้อมูลตารางจะยังคงแยกจากกัน และแต่ละตารางจะรักษาระดับของรายละเอียดดั้งเดิมไว้ ตัวอย่างต่อไปนี้จะแสดงว่าการวิเคราะห์แหล่งข้อมูลตารางเดียวและหลายตารางมีความแตกต่างอย่างไร

ตัวอย่างนี้แสดงตารางข้อมูลภาพยนตร์สามรายการ: “การปรากฎตัว” “นักแสดง” และ “ภาพยนตร์”

![ตารางข้อมูลภาพยนตร์เหล่านี้ ได้แก่ “การปรากฎตัว” “นักแสดง” และ “ภาพยนตร์”](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multitable_ex1.png)

ตารางเหล่านี้สามารถรวมได้: รวมตาราง “การปรากฎตัว” เข้ากับตาราง “นักแสดง” ใน “นักแสดง” = “นักแสดง” และตาราง “การปรากฎตัว” เข้ากับตาราง “ภาพยนต์” ใน “ภาพยนตร์” = “ภาพยนตร์” หากได้ทำการรวมภายนอกทั้งหมดเพื่อไม่ให้มีแถวหายไป เอาต์พุตสุดท้ายจะมีลักษณะดังนี้ โปรดทราบว่าฟิลด์ที่ใช้ในคำสั่งรวมจะปรากฎสองรายการ

![เอาต์พุตของการรวมภายนอกแบบเต็มของตาราง “การปรากฏตัว” กับตาราง “นักแสดง” ใน “นักแสดง” และตาราง “การปรากฏตัว” กับตาราง “ภาพยนตร์” บน “ภาพยนตร์”](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multitable_ex2.png)

ข้อมูลที่นำมารวมกันในตารางเดียวด้วยวิธีนี้จะเรียกว่าดีนอร์มัลไลซ์หรือแบนลง

ข้อมูลที่รวมเป็นข้อมูลที่แบนลง แถวแต่ละแถวจะมีการปรากฎตัวของนักแสดงเป็นตัวละครในภาพยนต์ (ดังนั้น John Rhys-Davies จะมีแถวสองแถวสำหรับ The Return of the King เนื่องจากรับบทตัวละครสองตัว) ดังนั้นความละเอียดของข้อมูลจะอยู่ที่ระดับตัวละครในภาพยนตร์ ข้อมูลที่มีความเกี่ยวข้องในหลายแถวจะเป็นข้อมูลซ้ำ วันฉายรอบปฐมทัศน์ของ The Return of the King มีข้อมูลสองรายการเนื่องจากมีตัวละครสองตัวจากภาพยนตร์เรื่องดังกล่าวในชุดข้อมูล ส่วนสูงของ John Rhys-Davies จะปรากฎห้ารายการเนื่องจากมีการผสมผสาน 5 แบบของตัวละคร/ภาพยนตร์ที่แตกต่างกันสำหรับ John Rhys-Davies ในฐานะนักแสดง

ดังนั้นข้อมูลแบนลงนี้จึงมีลักษณะที่ควรระมัดระวัง ตัวอย่างเช่น หากคุณต้องการพล็อตส่วนสูงของนักแสดงตามรายได้รวมเฉลี่ยของภาพยนตร์ของนักแสดง คุณอาจต้องทำให้ส่วนสูงเป็นคอลัมน์ และรายได้รวมเป็นแถว จากนั้นหาค่าเฉลี่ยของรายได้รวม แต่หากคุณทำแล้วรู้สึกว่ามุมมองเริ่มต้นไม่ถูกต้อง John Rhys-Davies ควรจะมีส่วนสูง 925 ซม. ซึ่งเป็นความสูงกว่า 30 ฟุต

![แผนภาพการกระจายของรายได้รวมเฉลี่ยและส่วนสูงของนักแสดงสามคน](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multitable_ex3.png)

ซึ่งเกิดจากการรวมเริ่มต้นคือ SUM มีแถว 5 แถวในข้อมูลสำหรับ John Rhys-Davies เราจึงจะได้ส่วนสูงจริงของเขา ซึ่งก็คือ 185 ซม. ที่ปรากฏห้ารายการ คุณสามารถแก้ไขได้โดยการเปลี่ยนการรวมในส่วนสูง โดยอาจจะเป็นค่าเฉลี่ยหรือค่าต่ำสุด การทำเช่นนี้จะเปลี่ยนค่ากลับเฉพาะแถวเดียว (เนื่องจากทุกแถวเหมือนกันหมด)

![แผนภาพการกระจายของส่วนสูงและรายได้รวมเฉลี่ยของนักแสดงสามคน](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multitable_ex4.png)

เมื่อคุณเปลี่ยนการรวม ส่วนสูงจะออกมาเหมือนจริงยิ่งขึ้น แต่ตอนนี้คุณต้องให้ความสนใจกับรายได้รวมเฉลี่ย โปรดจำไว้ว่า Tableau พิจารณาว่าแถวทั้งห้าแถวเป็นข้อมูลสำหรับส่วนสูงของ John Rhys-Davies เมื่อคุณคิดถึงรายได้เฉลี่ยโดยรวมที่สร้างได้ในภาพยนตร์ของเขา ค่าเฉลี่ยที่ได้ไม่ควรมาจาก_แถว_ทั้งห้า แต่ควรเป็นค่าเฉลี่ยของ_ภาพยนตร์_ทั้งสามเรื่อง คุณไม่จำเป็นต้องนับรายได้รวมของ Return of the King สองครั้งเพราะเขารับบทตัวละครสองตัว แต่นั่นคือสิ่งที่เกิดขึ้นหรือ

หากคำนวณแบบรวดเร็วแล้ว ภาพยนตร์ Lord of the Rings ควรมีค่าเฉลี่ย (869 + 923 + 1119)/3 หรือ $970.3 อย่างไรก็ตาม ค่าที่ได้ในแผนภาพกระจายคือ $990.6 ค่าเฉลี่ยปัจจุบันมาจากแถวทั้งห้าแถว (869 + 923 + 923 + 1119 + 1119)/5

ปัญหานี้ไม่สามารถแก้ไขได้ง่ายดายด้วยการเปลี่ยนการรวมเหมือนกับปัญหาของส่วนสูง [นิพจน์ระดับรายละเอียด (LOD)](https://help.tableau.com/current/public/desktop/th-th/calculations_calculatedfields_lod.htm) จะเปลี่ยนระดับรายละเอียดที่ Tableau มองหา เริ่มตั้งแต่ระดับเริ่มต้น “การปรากฎตัว” ไปจนถึงระดับ “ภาพยนตร์” คุณสามารถสร้างการคำนวณสำหรับ LOD ของรายได้รวมเป็น {FIXED \[ภาพยนตร์\] : MIN(\[รายได้รวม (ล้านดอลลาร์สหรัฐฯ)\])}

นิพจน์ LOD สามารถอ่านเป็น “สำหรับภาพยนตร์แต่ละเรื่อง ค่าที่ส่งกลับมาเป็นรายได้รวมขั้นต่ำ” การดำเนินการนี้จะกำจัดปัญหาข้อมูลซ้ำเนื่องจากรายได้รวมจะส่งกลับค่ามาเป็นรายได้รวมต่อภาพยนตร์เรื่องเสมอ ถึงแม้จะสร้างมุมมองด้วยภาพยนตร์และนักแสดง

![แผนภาพการกระจายของค่า LOD เฉลี่ยรวมและความสูงของนักแสดงทั้งสามคน](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multitable_ex5.png)

ตอนนี้ตัวเลขจะถูกต้องแล้ว John Rhys-Davies สูง 185 ซม. และรายได้รวมเฉลี่ยสำหรับภาพยนตร์ที่เขาแสดงในชุดข้อมูลนี้คือ 970.3 คุณต้องทำความเข้าใจว่าข้อมูลทำการจำลองอย่างไร และ Tableau รวบรวมข้อมูลอย่างไรก่อนคุณจะตรวจสอบให้แน่ใจว่าได้ค่าที่ถูกต้องส่งกลับมา

#### ข้อมูลนอร์มัลไลซ์ในหลายตาราง

การสร้างความสัมพันธ์ดูคล้ายการสร้างการรวมแต่แทนที่ด้วยการทำให้ข้อมูลแบนลงเป็นตารางเดียว Tableau ใส่ใจกับความสัมพันธ์ระหว่างตารางเสมอ ข้อมูลจะถูกแสดงในแต่ละตารางในระดับของรายละเอียดที่เหมาะสมและมีความเกี่ยวข้องกับข้อมูลอื่น

ในหน้า **แหล่งข้อมูล** คุณจะไม่เห็นมุมมองตารางกริด “แบบเต็ม” ของตารางที่แบนลง เนื่องจากไม่มีข้อมูลนี้ Tableau รักษาตารางทั้งสามตารางไว้เหมือนเดิมและจะทำเพียงแค่สร้างความสัมพันธ์ โดยการดึงข้อมูลที่จำเป็นสำหรับมุมมอง

![ตารางแหล่งข้อมูลสามแหล่งพร้อมชื่อนักแสดง ภาพยนตร์ รายได้รวม และส่วนสูง](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multitable_ex6.png)

ในการสร้างแผนภาพกระจายที่เหมือนกัน ให้ลากส่วนสูงและรายได้รวมไปยังมุมมอง และตั้งรายได้รวมให้เป็นค่าเฉลี่ย เสร็จแล้ว Tableau จะมองหาวิธีที่ข้อมูลในตารางมีความเกี่ยวข้องกัน และแทรกวิธีที่ส่วนสูงแสดง (ตามนักแสดง) และวิธีที่ควรใช้ในการประมวลผลรายได้รวม (ตามภาพยนตร์)

![แผนภาพการกระจายของส่วนสูงและรายได้รวมเฉลี่ยของนักแสดงสามคน](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multitable_ex7.png)

### ตัวอย่างที่ 2: มิติข้อมูลจากตารางเดียว

หากมิติข้อมูลในการแสดงเป็นภาพของคุณมาจากตารางเดียว Tableau จะค้นหาตารางเพียงรายการเดียวและแสดงผลลัพธ์ของโดเมนทั้งหมด คุณสามารถเพิ่มการวัดผลและยังคงดูโดเมนทั้งหมดได้

ตัวอย่างเช่น การใช้แหล่งข้อมูล “การปรากฎตัวในภาพยนตร์” ที่แนะนำไปก่อนหน้านี้ในการเพิ่มฟิลด์ “นักแสดง” ไปยังผลลัพธ์การแสดงเป็นภาพในการแสดงเป็นภาพต่อไปนี้

![ฟิลด์นักแสดงที่เพิ่มไปยังแผงแถวจะแสดงตารางพร้อมชื่อนักแสดง](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multi_ex2a.png)

เนื่องจากมิติข้อมูลเดียวในการแสดงเป็นภาพมาจากตาราง “นักแสดง” Tableau จะทำการค้นหาแค่ในตาราง “นักแสดง” เท่านั้น นักแสดงทั้งหมดในตาราง “นักแสดง” จะปรากฏในการแสดงเป็นภาพ โดยไม่สนว่านักแสดงจะมี “การปรากฎตัว” หรือไม่

![กล่องสีน้ำเงินไฮไลต์ตารางนักแสดง](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multi_ex2b.png)

การนำฟิลด์ “นักแสดงที่ปรากฎตัว” ไปไว้ในมุมมองพร้อมการรวบรวม COUNT จะเปลี่ยนข้อมูลนั้นเป็นการวัดผลและสร้างมุมมองที่แสดงจำนวนการปรากฎตัวตามนักแสดง สังเกตว่า Sigourney Weaver ไม่มีการปรากฎตัว แต่ชื่อของเธอยังอยู่ในมุมมอง

![ฟิลด์ “นักแสดงที่ปรากฏตัว” เป็นการวัดผลบนแถบคอลัมน์ ซึ่งจะให้ผลลัพธ์เป็นแผนภูมิแท่งที่มีรายชื่อตัวแสดงโดยไม่มีการนับจำนวนการปรากฏตัว](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multi_ex2c.png)

### ตัวอย่างที่ 3: มิติข้อมูลจากหลายตาราง

หากมิติข้อมูลในมุมมองมาจากหลายตาราง Tableau จะแสดงโดเมนจากตารางที่เกี่ยวข้องกับมิติข้อมูลทั้งหมด เป็นผลให้ค่ามิติข้อมูลบางรายการที่คุณเห็นในตัวอย่างที่ 1 จะเปลี่ยนไป

ตัวอย่างเช่น การลากฟิลด์จากตารางภาพยนตร์ไปยังการแสดงเป็นภาพจะเปลี่ยนการค้นหา เนื่องจากตาราง “ภาพยนตร์” และ “นักแสดง” จะเชื่อมโยงโดยตาราง “การปรากฏตัว” การค้นหาจะส่งกลับมาเฉพาะการจับคู่นักแสดง/ภาพยนตร์ที่มีอยู่ในตาราง “การปรากฎตัว” เท่านั้น

![ความสัมพันธ์ระหว่างตาราง “การปรากฏตัว” กับตาราง “นักแสดง” และ “ภาพยนตร์”](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multi_ex2d.png)

เนื่องจาก Sigourney Weaver ไม่มี “การปรากฎตัว” ในชุดข้อมูลนี้ (ดังนั้นจึงไม่เกี่ยวข้องกับ “ภาพยนตร์” ใดๆ ในชุดข้อมูล) การแสดงเป็นภาพของการจับคู่นักแสดง/ภาพยนตร์จะไม่แสดงชื่อเธอ:

![แผงแถวที่รวมฟิลด์ “นักแสดง” และ “ภาพยนตร์” ส่งผลให้มีตารางที่รวมเฉพาะนักแสดงที่ปรากฏตัวอย่างน้อยหนึ่งครั้งเท่านั้น](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multi_ex2e.png)

### ตัวอย่างที่ 4: การวัดผลที่ไม่สามารถแยกได้ด้วยมิติข้อมูล

หากการวัดผลไม่สามารถแยกด้วยมิติข้อมูลได้ Tableau จะสร้างการวัดผลซ้ำในมิติข้อมูลดังกล่าว

การแสดงเป็นภาพถัดไปจะแสดงจำนวนรายได้รวมทั้งหมดที่ “ภาพยนตร์” สร้าง เนื่องจากฟิลด์ทั้งสองมาจากตาราง “ภาพยนตร์” Tableau จะค้นหาเพียงตาราง “ภาพยนตร์” เท่านั้น

![กล่องสีน้ำเงินไฮไลต์ตาราง “ภาพยนตร์”](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multi_ex2f.png)

ตาราง “ภาพยนตร์” มีรายได้รวมที่ได้รับซึ่งได้ทำการรวมแล้วสำหรับภาพยนตร์แต่ละเรื่อง (รายได้รวมของ Infinity War จะไม่ปรากฏเมื่อสร้างชุดข้อมูลนี้ขึ้น และจะแสดงเป็นศูนย์)

![แผนภูมิแท่งที่ใช้ตาราง “ภาพยนตร์” จะรวมรายรับที่รวบรวมทั้งหมดสำหรับภาพยนตร์แต่ละเรื่อง](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multi_ex2g.png)

หากคุณเพิ่มนักแสดงไปยังการแสดงเป็นภาพนี้ Tableau จะไม่สามารถแบ่งรายได้รวมของภาพยนตร์ตาม “นักแสดง” ได้ เนื่องจากไม่มีข้อมูลที่มีความละเอียดกว่านี้ในข้อมูล แต่ Tableau จะแสดงรายได้รวมของภาพยนตร์แต่ละเรื่องซ้ำในนักแสดงหลายคน

![แผนภูมิแท่งที่ใช้ตาราง “ภาพยนตร์” และตาราง “นักแสดง” จะแสดงรายรับรวมจาก “ภาพยนตร์” สำหรับภาพยนตร์แต่ละเรื่อง โดยจำลองแบบไปยังนักแสดงแต่ละคน](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multi_ex2h.png)

### ตัวอย่างที่ 5: มิติข้อมูลที่ไม่มีความเกี่ยวข้องตามลำดับขั้นกับการวัดผล

การลบมิติข้อมูล “ภาพยนตร์” จากการแสดงเป็นภาพก่อนหน้าจะค้นหาผลรวมของการวัดผลรายได้รวมของภาพยนตร์สำหรับ “นักแสดง” แต่ละคน ผลลัพธ์จะเป็นการรวมรายได้รวมของภาพยนตร์สำหรับภาพยนตร์ทุกเรื่องที่นักแสดงปรากฎตัว

ในกรณีนี้จะไม่มีความสัมพันธ์แบบลำดับชั้นระหว่างมิติข้อมูล “นักแสดง” และ “รายได้รวมของภาพยนตร์” ซึ่งอาจมีนักแสดงหลายคนปรากฎตัวในภาพยนตร์เรื่องเดียวกัน ตัวอย่างเช่น Benedict Cumberbatch และ Chris Hemsworth ได้ปรากฎตัวใน Dr. Strange ในกรณีนี้ Tableau จะรวมรายได้รวมของภาพยนตร์ของ Dr. Strange ของนักแสดงทั้งสองคนรวมกัน

เนื่องจากค่ารายได้รวมของภาพยนตร์เดียวกันจะมีอยู่ในค่าทั้งหมดของนักแสดงหลายคน Tableau จะไม่รวมผลทับค่าเหล่านี้

![แผนภูมิแท่งแสดงรายได้รวมของภาพยนตร์สำหรับนักแสดงแต่ละคน](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multi_ex2i.png)

อย่างไรก็ตาม เมื่อค่าทั้งหมดแสดงสำหรับการแสดงเป็นภาพนี้ โปรดทราบว่า Tableau จะประมวลผลรายได้รวมภาพยนตร์ทั้งหมดอย่างถูกต้องโดยไม่รวมข้อมูลภาพยนตร์ซ้ำ

![ตารางคำนวณรายได้รวมของภาพยนตร์โดยไม่รวมภาพยนตร์ซ้ำ](/tableau/current/th-th/public/desktop/th-th/Img/data_model_multi_ex2j.png)

## การแก้ไขปัญหาเกี่ยวกับการวิเคราะห์หลายตาราง

สถานการณ์ต่อไปนี้จะเกิดขึ้นได้กับตารางที่เกี่ยวข้องแบบหลายตาราง ตารางนี้จะอธิบายสถานการณ์ที่ทราบและการอธิบายระดับสูงสำหรับวิธีแก้ไขปัญหาการวิเคราะห์ของคุณ

| สถานการณ์การวิเคราะห์ |   | คำอธิบาย |
| --- | --- | --- |
| การรวมภายในสำหรับการแสดงเป็นภาพแบบเฉพาะมิติข้อมูลเท่านั้น |   | คุณจะไม่เห็นค่าทั้งหมดที่คุณคาดการณ์ไว้เมื่อเพิ่มมิติข้อมูลหลายรายการไปยังมุมมองเดียวกันทันที หรือคุณอาจจะสังเกตว่าการเพิ่มมิติข้อมูลใหม่ไปยังการแสดงเป็นภาพจากตารางอื่นส่งผลให้ค่าบางค่าหายไปจากการแสดงเป็นภาพ  
  
Tableau จะใช้การค้นหาที่เก็บรักษาการรวมกันของค่าต่างๆ ที่มีอยู่ในข้อมูล ซึ่งหมายความว่าคุณจะเห็นแถวที่จะสร้างโดยการรวมภายในของตารางที่ให้มิติข้อมูลไปยังการแสดงเป็นภาพ  
  
หากคุณต้องการการรวมบางส่วนของค่ามิติข้อมูล คุณสามารถเปิด “แสดงแถว/คอลัมน์ว่าง” เพื่อดูแถวที่เป็นไปได้ทั้งหมด หรือคุณสามารถเพิ่มการวัดผล เช่น <_ตารางของฉัน_\>(จำนวน) จากหนึ่งในตารางที่แสดงในการแสดงเป็นภาพของคุณ เพื่อให้แน่ใจว่าคุณจะเห็นค่ามิติข้อมูลทั้งหมดจากตารางนั้น |
| ค่าคงที่ในการคำนวณ |   | ในแหล่งข้อมูลหลายตาราง ค่าคงที่จะทำหน้าที่เหมือนมาจากตารางของตัวเองที่มีแถวเดียว หากคุณรวมค่าคงที่ ค่าดังกล่าวจะทำหน้าที่เหมือนกับว่าการรวมเกิดในแถวเดียว ผลรวม(10) จะเท่ากับ 10 เสมอ ค่าเฉลี่ย(10) จะเท่ากับ 10 เสมอเช่นกัน จำนวน(10) จะเท่ากับ 1 เสมอ  
  
เพื่อให้แน่ใจว่ามีความเข้ากันได้ย้อนหลัง ค่าคงที่ในแหล่งข้อมูลตารางเชิงตรรกะเดียวจะทำหน้าที่เหมือนกับว่าได้มีการทำซ้ำค่าคงที่สำหรับค่าแต่ละค่าในตาราง  
  
ค่าคงที่ในการคำนวณระดับแถวจะไม่เปลี่ยนระดับของรายละเอียดของแถวของการคำนวณ การคำนวณ \[ยอดขาย\] + 10 จะทำหน้าที่เหมือนมาจากตารางเดียวกับฟิลด์ \[ยอดขาย\] |
| บังคับการรวมภายนอก |   | Tableau จะทำให้แน่ใจว่าค่าการวัดผลทั้งหมดจะแสดงในการแสดงเป็นภาพ (รวมถึงการรวมของค่ามิติข้อมูลที่เกิดขึ้นในข้อมูล) ดังนั้น หากคุณต้องการตรวจสอบให้แน่ใจว่าคุณจะเห็นค่าที่เป็นไปได้ทั้งหมดในข้อมูลของคุณ รวมถึง “ค่า Null ที่ไม่ตรงกัน” คุณสามารถนำการวัดผลไปยังมุมมองจากแต่ละตารางในเวิร์กชีต |
| ฉันไม่เห็นค่าที่วัดที่คาดว่าจะได้จากการคำนวณตารางไขว้ |   | โดเมนของการคำนวณเป็นการรวมภายในของอินพุต หากไม่ได้เป็นค่าที่ตรงกันจากอินพุตทั้งหมดของการคำนวณการวัดผล ก็จะไม่รวมอยู่ในการคำนวณการวัดผล  
  
พิจารณาการใช้การคำนวณ LOD เพื่อย้ายค่าที่วัดไปยังออบเจ็กต์เดียวกันก่อนการสร้างการคำนวณระดับแถว |
| การคำนวณเพื่อสลับระหว่างฟิลด์จากตารางเชิงตรรกะต่างๆ ให้ผลลัพธ์ที่ไม่คาดคิด |   | หากคุณมีการคำนวณที่สลับระหว่างฟิลด์ระดับแถว ไม่ว่าจะใช้คำสั่ง case, คำสั่ง if หรือฟังก์ชันอย่าง "IFNULL" คุณอาจจะเห็นผลลัพธ์ที่ไม่คาดคิด เนื่องจากการคำนวณนี้จะถูกประมวลผลสำหรับทุกแถว เมื่อแถวคือการรวมภายในระหว่างอินพุตของการคำนวณ  
  
วิธีที่ควรทำคือสลับค่าที่รวม แทนการลองสลับภายในการคำนวณระดับแถว การดำเนินการนี้จะให้ประสิทธิภาพที่ดีขึ้นในสถานการณ์ตารางเดียว  
  
หรือเป็นปัญหาต่อการคำนวณที่อยู่ระหว่างตาราง ทำให้การใช้การคำนวณ LOD เพื่อนำฟิลด์ทั้งหมดไปยังตารางเดียวกัน ก็จะได้ผลเช่นกัน  
  
สิ่งที่ไม่ควรทำ:  
`SUM( IF [Parameter] == "Foo" THEN [Field 1] ELSE [Field 2] END )`  
  
ให้ทำดังนี้  
`IF [Parameter] == "Foo" THEN SUM([Field 1]) ELSE SUM([Field 2]) END` |
| Null ที่ไม่ตรงกันที่ไม่คาดคิด |   | คุณอาจจะเห็นค่าที่วัดที่เกี่ยวข้องกับค่ามิติข้อมูลของ Null ที่คุณไม่ได้คาดคิด ซึ่งอาจจะเป็นสัญญาณว่าความสัมพันธ์ในแหล่งข้อมูลมีการกำหนดค่าที่ไม่ถูกต้อง หรืออาจหมายความว่ามีค่าที่ไม่ตรงกันจากตารางที่มีการวัดผล ซึ่งไม่มีแถวที่สอดคล้องกันในตารางมิติข้อมูล  
  
ในอดีต ข้อมูลนี้อาจหายไปหากเลือกประเภทการรวมที่ไม่ถูกต้อง เมื่อคุณใช้ความสัมพันธ์ ค่าที่ไม่ตรงกันเหล่านี้จะถูกเก็บรักษาไว้ หากคุณไม่ต้องการเห็นค่าที่ไม่ตรงกัน คุณสามารถยกเว้นค่าเหล่านี้ออกโดยใช้ตัวกรอง |
| ค่าที่รวมที่ไม่ถูกต้อง |   | คุณใช้ความสัมพันธ์หรือการรวม ด้วยความสัมพันธ์ ค่าที่รวมจะถูกประมวลผลอย่างถูกต้องตามค่าเริ่มต้น เมื่อใช้การรวม คุณจะต้องเขียนการคำนวณ LOD เพื่อขจัดค่าที่ซ้ำ  
  
คุณได้ตั้งค่าตัวเลือกประสิทธิภาพเกี่ยวกับความสัมพันธ์อย่างไม่ถูกต้องหรือไม่ ลองตั้งค่าตัวเลือกประสิทธิภาพใหม่ให้เป็นค่าเริ่มต้น และดูว่าได้ค่าที่รวมที่ถูกต้องหรือไม่ |
| มิติข้อมูลจะสร้างค่าที่วัดซ้ำแทนที่จะแบ่งขอบเขต  
  
ตัวกรองมิติข้อมูลจะไม่สับเซ็ตการวัดผล |   | ตรวจสอบว่าฟิลด์ที่ใช้เพื่อกำหนดความสัมพันธ์นั้นถูกต้อง |
| Tableau สร้างการค้นหามากเกินไป หรือการค้นหาที่มีการรวมทางซ้ายจำนวนมาก |   | ตรวจสอบบันทึกหรือการบันทึกประสิทธิภาพเพื่อดูจำนวนการค้นหาที่สร้าง และจำนวนการรวมทางซ้ายที่ใช้ ด้วยความสามารถใหม่ในการสร้างแบบจำลองข้อมูล Tableau จะสร้างการค้นหาที่มีการรวมทางซ้ายและ/หรือการค้นหาเพิ่มเติม เพื่อให้แน่ใจว่าค่าที่วัดที่ไม่ตรงกันจะรวมอยู่ในการแสดงเป็นภาพเสมอ หากคุณไม่ต้องการเห็นค่าที่ไม่ตรงกัน ให้ใช้ตัวกรองเพื่อลบค่าที่ไม่ตรงกัน (NULL) จากการแสดงเป็นภาพของคุณ การดำเนินการนี้จะทำให้ได้การค้นหาที่น้อยลง  
  
หากคุณทราบว่าข้อมูลของคุณไม่มีค่าที่ไม่ตรงกันเลย คุณสามารถตั้งค่าความสมบูรณ์เชิงอ้างอิงสำหรับแต่ละความสัมพันธ์เป็น “ค่าที่ตรงกันทั้งหมด” ในตัวเลือกประสิทธิภาพ การดำเนินการนี้จะทำให้ได้การค้นหาที่น้อยลงเช่นกัน  
  
คุณสามารถลดความซับซ้อนของการแสดงเป็นภาพของคุณเพื่อลดจำนวนการค้นหาที่สร้าง การลบการวัดผลและซ่อนการควบคุมตัวกรองเป็นวิธีสำคัญในการจัดการการค้นหาของข้อมูลที่เกี่ยวข้องแบบหลายตารางให้ง่ายขึ้น |
| การค้นหามีการค้นหาย่อยมากเกินไป |   | ตรวจสอบบันทึกหรือการบันทึกประสิทธิภาพเพื่อดูความซับซ้อนของการค้นหาที่ Tableau สร้าง  
  
Tableau จะสร้างการค้นหาย่อยโดยอัตโนมัติเพื่อขจัดข้อมูลซ้ำเมื่อจำเป็น เพื่อสร้างการรวมที่ถูกต้อง ซึ่งจะคล้ายกับการค้นหาที่สร้างโดยการคำนวณ LOD  
  
หากคุณทราบว่าความสัมพันธ์ระหว่างตารางเชิงตรรกะในข้อมูลของคุณมีความไม่ซ้ำกันแบบหนึ่งต่อกลุ่มหรือหนึ่งต่อหนึ่ง คุณสามารถตั้งข้อมูลความไม่ซ้ำกันนี้ในตัวเลือกประสิทธิภาพของความสัมพันธ์ การดำเนินการนี้จะทำให้ Tableau สามารถกำจัดการค้นหาย่อยที่ไม่จำเป็น เนื่องจาก Tableau จะทราบว่าไม่ควรมีข้อมูลซ้ำเกิดขึ้น |
| ฉันใช้การรวมเพื่อกรองข้อมูล |   | ใน 2020.2 Tableau จะพยายามกู้คืนค่าที่ไม่ตรงกัน บางครั้งนั่นหมายความว่า Tableau จะใช้การรวมทางซ้ายที่คุณอาจได้กำหนดการรวมภายในไว้เพื่อกรองข้อมูลออก  
  
หากคุณกรองค่าที่ไม่ตรงกันที่ถูกนำเข้ามาโดยการรวมนี้ออกไป Tableau จะสามารถเพิ่มประสิทธิภาพการค้นหากลับไปยังการรวมภายในได้  
  
โดยขึ้นอยู่กับสถานการณ์เฉพาะของคุณ การจำลองแบบการรวมภายในให้เป็นการรวมกายภาพภายในตารางเชิงตรรกะอาจสมเหตุสมผล ซึ่งจะมีประโยชน์มากหากตารางที่มีการวัดผลถูกใช้เพื่อกรองตารางมิติข้อมูล เนื่องจากจะไม่เป็นการเพิ่มการวัดผลซ้ำ |