4. 需求分析：品类分类趋势分析的核心指标与维度

品类分类趋势分析是采购支出数据仓库的核心应用场景之一。其目标是通过多维度、多指标的综合分析，揭示不同品类在时间序列上的支出变化、价格波动、采购量变动以及供应商格局的演变。本节将系统梳理分析所需的核心指标与维度，为后续的星型模型设计与ETL逻辑奠定基础。

4.1 核心指标定义

趋势分析需要围绕“金额-量-价-结构”四个层面构建指标体系，确保既能洞察宏观支出规模，又能深入微观效率与风险。

4.2 核心维度体系

维度是观察指标的“视角”。品类趋势分析需要至少建立四个基础维度，并支持维度之间的交叉钻取。

• 时间维度： 支持年、季度、月、周等粒度，用于观察趋势的季节性与周期性。
• 品类维度： 支持品类树（大类→中类→小类），用于上卷（Roll-up）和下钻（Drill-down）分析。
• 供应商维度： 包含供应商名称、等级、区域、合作年限等属性，用于分析供应商表现。
• 部门维度： 包含采购部门、成本中心、需求部门等，用于分析内部需求来源与合规性。

4.3 指标与维度的交叉分析矩阵

将四个指标与四个维度进行交叉组合，可以形成丰富的分析场景。下表列出了最常用的分析组合及其业务解读：

4.4 趋势分析核心流程（SVG图）

下图展示了从数据源到趋势分析看板的完整流程，重点突出ETL在指标计算与维度关联中的角色。

4.5 维度与指标的星型模型映射（SVG图）

在数据仓库设计中，趋势分析需要将指标存储在事实表，维度存储在维度表。下图展示了星型模型的核心映射关系。

4.6 关键分析场景与SQL示例

以下SQL示例展示了如何基于星型模型查询品类月度支出与单价趋势：

-- 查询品类月度支出金额与加权平均单价趋势
SELECT
    d.year,
    d.month,
    c.category_name,
    SUM(f.amount) AS total_spend,
    SUM(f.quantity) AS total_quantity,
    ROUND(SUM(f.amount) / NULLIF(SUM(f.quantity), 0), 4) AS weighted_avg_price
FROM fact_purchase f
JOIN dim_time d ON f.time_key = d.time_key
JOIN dim_category c ON f.category_key = c.category_key
WHERE c.category_level = '小类'
  AND d.year = 2024
GROUP BY d.year, d.month, c.category_name
ORDER BY d.year, d.month, total_spend DESC;

4.7 需求分析总结清单

在进行数据仓库设计与ETL开发前，请确认以下需求点已明确：

• 指标确认： 支出金额、采购量、单价趋势、供应商集中度（CR3/CR5/HHI）是否全部纳入？是否需要增加“采购周期”、“到货准时率”等辅助指标？
• 维度确认： 时间、品类、供应商、部门四个维度是否满足业务方分析需求？是否需要增加“项目维度”、“合同维度”或“区域维度”？
• 粒度确认： 事实表粒度是“订单行”还是“汇总日/月”？不同粒度会影响ETL聚合逻辑与存储量。
• 计算逻辑确认： 单价是采用加权平均还是最后一次采购价？供应商集中度是按“支出金额”还是“采购量”计算？
• 历史数据范围： 需要加载多少年的历史数据？是否涉及数据回溯与重算？