中国式报表是一种具有独特特点和复杂需求的报表形式，通常以 Excel 文件为基础，经过一系列处理最终生成，是多数国内传统企业数据管理与展示的一环，其也称作“复杂报表”。其展示形式和 DataWind 的仪表盘有所不同，更类似于数据透视表的样式。为适应国内企业多样化和精细化的管理需求，中国式报表数据量通常较大，密集地涵盖了众多明细数据和汇总数据；计算方式复杂多样，包含多种数学计算和逻辑判断；统计维度丰富，需要从多个角度和层次对数据进行全面分析和展示，以满足不同部门和层级的多样需求；同时极为注重数据的完整性和准确性，力求精确无误地呈现所有相关数据。正是这种复杂且具有特定条件的选择性计算，导致绝大部份的敏捷 BI 的图表功能难以直接且有效地对其进行支持和展示，给数据的呈现和分析带来了一定的挑战。
如下图，中国式报表格式包含多层级的汇总与特定条件下的计算，现有的敏捷 BI 或可视化工具难以直接通过前端的方式来解决。

DataWind支持利用自定义SQL将所需要的字段优先处理出来，然后和原表拼接到一起形成新表，再通过前端基础的数据透视表功能，将结果展示出来，在 DataWind 中实现中国式报表的效果。同时，还可利用直连数据集可插入参数的功能，使得最终的展示结果比传统 Excel 更灵活优秀。
暂时无法在飞书文档外展示此内容

利用自定义SQL功能，可实现中国式报表在DataWind仪表盘中的呈现。

单纯的数据透视表样式图表，无法达到中国式报表展示的需求。

利用自定义SQL的功能，读取原始数据源，将需要字段处理好后和原数据拼接，处理成为所需要的数据集。
利用直连可以带入参数的功能，预先将设定好的参数带入，实现前端在展示图表时的灵活性。

2.1 接入数据源

（1）点击数据准备-数据集-创建-新建数据集-ClickHouse数据。
注：由于本次需要利用到直连数据集中插入参数的功能，所以需要用 ClickHouse 数据。

（2）添加后进入到以下页面，选择自定义SQL，直连方式。

2.2 构建需要的数据集

按照实际的业务场景，将所需要二次处理的字段通过SQL语句处理好，再和原表拼接起来。
应用场景：如业务需要将某些条件下的逻辑下的销售额加和到一起，且存在多个加和的场景，这时候需要将每个加和的字段单独拎出来构建之后，再拼接到一起。
（1）单一字段构建

select
      '总计' as `省/自治区`,
      '一级+二级' as `邮寄方式2`,
      `订单日期`,
      sum(`销售额`) as `销售额`,
      sum(`数量`) as `数量`
    from
      `aeolus_data_db_rangers_202309`.`aeolus_data_table_22_3751_prod`
    where
      `订单日期`>='2019-01-01'
      and `订单日期`<='2019-06-30'
      and `邮寄方式` in('一级', '二级')
      and `p_date`='2023-09-25'
    group by
      `省/自治区`,`邮寄方式2`,`订单日期`
 --筛选出邮寄方式为一级或二级的数据，按照 省/自治区、邮寄方式2、订单日期的分组方式，对销售额和数量进行求和--
 --重新命名邮寄方式2的原因在于where的条件中会用到邮寄方式的判断，若不重新命名会导致此判断失效--  

 --这里会生成以下格式的数据
 省/自治区   邮寄方式2     订单日期       销售额    数量
 总计        一级+二级     2019-01-01    xxxx     xxxx
 总计        一级+二级     2019-01-02    xxxx     xxxx
 ......
 总计        一级+二级     2019-06-30    xxxx     xxxx
 --

（2）多个字段的构建
将构建好的单一字段 通过union all 的方式，上下组合在一起。

select
      '总计' as `省/自治区`,
      '一级+二级' as `邮寄方式2`,
      `订单日期`,
      sum(`销售额`) as `销售额`,
      sum(`数量`) as `数量`
    from
      `aeolus_data_db_rangers_202309`.`aeolus_data_table_22_3751_prod`
    where
      `订单日期`>='2019-01-01'
      and `订单日期`<='2019-06-30'
      and `邮寄方式` in('一级', '二级')
      and `p_date`='2023-09-25'
    group by
      `省/自治区`,`邮寄方式2`,`订单日期`

    union all
  --将处理好的字段通过 union all 的方式拼接到一起，需要注意的是，需要保持上下的结构一致--  
    select
      '总计' as `省/自治区`,
      '二级+标准级' as `邮寄方式2`,
      `订单日期`,
      sum(`销售额`) as `销售额`,
      sum(`数量`) as `数量`
    from
      `aeolus_data_db_rangers_202309`.`aeolus_data_table_22_3751_prod`
    where
      `订单日期`>='2019-01-01'
      and `订单日期`<='2019-06-30'
      and `邮寄方式` in('标准级', '二级')
      and `p_date`='2023-09-25'
    group by
      `省/自治区`,`邮寄方式2`,`订单日期`
    union all
   --同上--
    select
      '总计' as `省/自治区`,
      '一级+二级+标准级' as `邮寄方式2`,
      `订单日期`,
      sum(`销售额`) as `销售额`,
      sum(`数量`) as `数量`
    from
      `aeolus_data_db_rangers_202309`.`aeolus_data_table_22_3751_prod`
    where
      `订单日期`>='2019-01-01'
      and `订单日期`<='2019-06-30'
      and `邮寄方式` in('一级', '二级', '标准级')
      and `p_date`='2023-09-25'
    group by
      `省/自治区`,`邮寄方式2`,`订单日期`
      
  --这里会生成以下格式的数据
 省/自治区   邮寄方式2     订单日期       销售额    数量
 总计        一级+二级     2019-01-01    xxxx     xxxx
 总计        一级+二级     2019-01-02    xxxx     xxxx
 ......
 总计        一级+二级     2019-06-30    xxxx     xxxx
 总计       二级+标准级    2019-01-01    xxxx     xxxx
 ......
 总计       二级+标准级    2019-06-30    xxxx     xxxx
 总计    一级+二级+标准级  2019-01-01    xxxx     xxxx
 ......
 总计    一级+二级+标准级  2019-06-30    xxxx     xxxx
 --

**Tips:**由于最终我们需要将这些都显示在总计下，从而需要给这些字段一个统一的维度值，且需要和省份处于同一层级，因此可以给这批字段统一定义一个省/自治区的值。
（3）和原表拼接，即可形成一张新表，来满足我们后续展示图表所需要的全部字段。

select
  `销售额`,
  `数量`,
  `省/自治区`,
  `邮寄方式2` as `邮寄方式`,
  `订单日期`
  
--这里需要将之前改名的字段名称改回去,以确保在和原表关联的时候，数据能对应上--

from
  (
 select
      '总计' as `省/自治区`,
      '一级+二级' as `邮寄方式2`,
      `订单日期`,
      sum(`销售额`) as `销售额`,
      sum(`数量`) as `数量`
    from
      `aeolus_data_db_rangers_202309`.`aeolus_data_table_22_3751_prod`
    where
      `订单日期`>='2019-01-01'
      and `订单日期`<='2019-06-30'
      and `邮寄方式` in('一级', '二级')
      and `p_date`='2023-09-25'
    group by
      `省/自治区`,`邮寄方式2`,`订单日期`
    union all
    .....
 select
      '总计' as `省/自治区`,
      '一级+二级' as `邮寄方式2`,
      `订单日期`,
      sum(`销售额`) as `销售额`,
      sum(`数量`) as `数量`
    from
      `aeolus_data_db_rangers_202309`.`aeolus_data_table_22_3751_prod`
    where
      `订单日期`>='2019-01-01'
      and `订单日期`<='2019-06-30'
      and `邮寄方式` in('一级', '二级','标准级','当日')
      and `p_date`='2023-09-25'
    group by
      `省/自治区`,`邮寄方式2`,`订单日期`
  ) as tmp

union all

select
  `省/自治区`,
  `邮寄方式`,
  `订单日期`,
  `销售额`,
  `数量`
from
  `aeolus_data_db_rangers_202309`.`aeolus_data_table_22_3751_prod`
where
   `订单日期`>='2019-01-01'
  and `订单日期`<='2019-06-30'
  and `p_date`='2023-09-25'
  
  --这里会生成以下格式的数据
 省/自治区   邮寄方式2     订单日期       销售额    数量
 总计        一级+二级     2019-01-01    xxxx     xxxx
 总计        一级+二级     2019-01-02    xxxx     xxxx
 ......
 总计        一级+二级     2019-06-30    xxxx     xxxx
 总计       二级+标准级    2019-01-01    xxxx     xxxx
 ......
 总计       二级+标准级    2019-06-30    xxxx     xxxx
 总计    一级+二级+标准级   2019-01-01    xxxx     xxxx
 ......
 总计    一级+二级+标准级   2019-06-30    xxxx     xxxx
 上海            一级      2019-01-01    xxxx     xxxx
 上海            一级      2019-01-03    xxxx     xxxx
 北京            一级      2019-01-05    xxxx     xxxx
 ......
 --

2.3 制作可视化图表

用前面操作生成的数据集进行可视化查询，只需要做一些表格上的调整，即可实现传统的中国式报表的样式，也就是在DataWind上，实现中国式报表的基础展示。

在实现基础的中国式报表之后，我们还可以借助参数的功能为图表增加更多的灵活性。

3.1 配置参数

预先配置好需要的参数，便于后续调用。点击**数据准备-数据集-参数管理-创建参数，**创建需要的公共参数。
应用场景：通过切换日期和不同的省份，来展示所需要的数据片段，所以需要建立相关的日期参数和一个省份参数（下图）。

考虑到存在选择多个省份的场景，使用了多选的逻辑，日期参数就相对较为传统，设定好默认值即可。

**Tips:**参数多选和单选的逻辑下，无论是在SQL中写，还是在DataWind新增字段中带入，写法上会有一些区别：

• 若为单选，一般用“=”完成判断（单选也可能用in判断）：

``省/自治区 = {省/自治区}

• 若参数为多选，则需要在写判断条件时用in的逻辑，且不要忘记括号：

``省/自治区 in ({省/自治区})

3.2 插入参数

在 ClickHouse 数据源中，在直连下的自定义SQL中点击插入参数，在对应的位置插入需要的参数占位。

参数构建：
（1）单一字段构建

select
      '总计' as `省/自治区2`,
      '一级+二级' as `邮寄方式2`,
      `订单日期`,
      sum(`销售额`) as `销售额`,
      sum(`数量`) as `数量`
    from
      `aeolus_data_db_rangers_202309`.`aeolus_data_table_22_3751_prod`
    where
      `订单日期`>={开始日期}
      and `订单日期`<={结束日期}
      
      --这里引入两个日期参数用来作为以后的条件判断，比如
      开始日期为2019-01-01 结束日期为2019-06-30
      这里实际的条件就是：
      `订单日期`>='2019-01-01'
      and `订单日期`<='2019-06-30' 
      和之前逻辑一致--
      
      and `邮寄方式` in ('一级', '二级')
      and `p_date`='2023-09-25'
      and `省/自治区` in ({省/自治区})
      
      --这里引入了另一个参数{省/自治区}，但由于参数{省/自治区}是一个可多选的值，比如选择上海和北京，这里就是 `省/自治区` in ('上海','北京') , 所以需要用 in 来做判断，不能用`省/自治区` = {省/自治区} 来做判断--  
      
    group by
      `省/自治区2`,`邮寄方式2`,`订单日期`

（2）多个字段构建

select
      sum(`销售额`) as `销售额`,
      sum(`数量`) as `数量`,
      '总计' as `省/自治区2`,
      '一级+二级' as `邮寄方式2`,
      `订单日期`
    from
      `aeolus_data_db_rangers_202309`.`aeolus_data_table_22_3751_prod`
    where
      `订单日期`>={开始日期}
      and `订单日期`<={结束日期}
      and `邮寄方式` in('一级', '二级')
      and `p_date`='2023-09-25'
      and `省/自治区` in ({省/自治区})
    group by
      `省/自治区2`,
      `邮寄方式2`,
      `订单日期`
    union all
    --这里逻辑和上述一样，通过union all 将上下连个表结构一样的内容拼到一起，涉及到多个字段都可以用此类方式拼到一起--
    select
      sum(`销售额`) as `销售额`,
      sum(`数量`) as `数量`,
      '总计' as `省/自治区2`,
      '二级+标准级' as `邮寄方式2`,
      `订单日期`
    from
      `aeolus_data_db_rangers_202309`.`aeolus_data_table_22_3751_prod`
    where
      `订单日期`>={开始日期}
      and `订单日期`<={结束日期}
      and `邮寄方式` in('标准级', '二级')
      and `p_date`='2023-09-25'
      and `省/自治区` in ({省/自治区})
    group by
      `省/自治区2`,
      `邮寄方式2`,
      `订单日期`

（3）将新构建的字段和原表拼到一起生成新的数据集

select
  `销售额`,
  `数量`,
  `省/自治区2` as `所属省份`,
  `邮寄方式2` as `订单渠道`,
  `订单日期`
from
  (
    select
      sum(`销售额`) as `销售额`,
      sum(`数量`) as `数量`,
      '总计' as `省/自治区2`,
      '一级+二级' as `邮寄方式2`,
      `订单日期`
    from
      `aeolus_data_db_rangers_202309`.`aeolus_data_table_22_3751_prod`
    where
      `订单日期`>={开始日期}
      and `订单日期`<={结束日期}
      and `邮寄方式` in('一级', '二级')
      and `p_date`='2023-09-25'
        and `省/自治区` in ({省/自治区})
    group by
      `省/自治区`,
      `邮寄方式2`,
      `订单日期`
    union all
    .....
    --此处为所有需要构建的字段--
    union all
    select
      sum(`销售额`) as `销售额`,
      sum(`数量`) as `数量`,
      '总计' as `省/自治区2`,
      '全部方式' as `邮寄方式2`,
      `订单日期`
    from
      `aeolus_data_db_rangers_202309`.`aeolus_data_table_22_3751_prod`
    where
      `订单日期`>={开始日期}
      and `订单日期`<={结束日期}
      and `邮寄方式` in('一级', '二级', '标准级', '当日')
      and `p_date`='2023-09-25'
        and `省/自治区` in ({省/自治区})
    group by
      `省/自治区`,
      `邮寄方式2`,
      `订单日期`
  ) as tmp
union all
select
  `销售额`,
  `数量`,
  `省/自治区` as `所属省份`,
  `邮寄方式` as `订单渠道`,
  `订单日期`
--拼接时候需要注意，两个表的结构名称需要一致--
from
  `aeolus_data_db_rangers_202309`.`aeolus_data_table_22_3751_prod`
where
  `订单日期`>={开始日期}
  and `订单日期`<={结束日期}
  and `p_date`='2023-09-25'
  and `省/自治区` in ({省/自治区})

插入参数后，在构建表的值的SQL中，会根据我们选择的参数**{省/自治区}**的不同，自动统计出不同参数条件下的统计结果。

3.3 仪表盘筛选调整

通过仪表盘加参数，调整参数显隐性，筛选器关联参数以及调整筛选条件顺序等方式，优化前端展示，即可完成更加灵活的中国式报表在 DataWind 上的呈现。