单向筛选下，事实表互不筛选，正数相加必为正。但当报表粒度不一致（如同时展示订单利润与流量会话ID）时，会触发笛卡尔积，导致订单数据被重复匹配。成本被重复累加，汇总利润由正转负。A、B会导致利润同比例放大或虚高；D会导致线性偏差，均不会由正转负。

虽然物理关系是单向的，但报表层面的查询会打破这个限制。如果报表视觉对象（如矩阵表）中同时使用了销售利润（来自订单表）和流量/广告的细粒度字段（如“会话ID”、“广告活动ID”），BI引擎会以最细粒度进行聚合。由于订单表里没有会话ID，引擎会通过共享的“渠道维度”进行虚拟的多对多关联，导致一条订单记录被多条流量/广告记录重复匹配（笛卡尔积）。此时，成本金额可能被重复累加了N次，如果分摊逻辑或度量值编写不当，汇总利润就会被冲减为负数。而订单明细表因为只展示订单粒度，所以看起来每单都盈利。

A错误：如果成本为空，通常按0处理，利润会偏高；如果为负，利润会异常虚高。这两种情况都不会导致“明细正常、汇总为负”的系统性反转。

B错误：题干已明确是“多对一”，即使多对多导致膨胀，销售金额和成本金额通常会同比例放大，利润（差值）依然为正。

D错误：时间筛选错乱通常导致销售金额和成本金额同时被过滤（例如一个选了本月，一个选了上月），产生的利润偏差是线性的，很难精准地导致“每单都盈利但汇总为负”的系统性反转。