概念分层可以用来把数据变换到多个粒度值，下面是4种标称数据的概念分层的产生方法。
（1）由用户或专家在模式级显式地说明属性的部分序。通常分类属性或维的概念分层涉及一组属性，用户或专家在模式级通过说明属性的部分序或全序，可以很容易地定义概念分层。
（2）通过显式数据分组说明分层结构的一部分。这基本上是人工定义概念分层结构的一部分。在大型数据库中，通过显式的值枚举定义整个概念分层是不现实的，然而对一小部分中间层数据，我们可以很容易地显式说明分组。
（3）说明属性集，但不说明它们的偏序。用户可以说明一个属性集，形成概念分层，但并不显式说明它们的偏序，然后系统可以试图自动地产生属性的序，构造有意义的概念分层。由于一个较高层的概念通常包含若干从属的较低层概念，定义在高概念层的属性与定义在较低概念层的属性相比，通常包含较少数目的不同值。根据这一事实，可以根据给定属性集中每个属性不同值的个数，自动地产生概念分层。具有最多不同值的属性放在分层结构的最低层。一个属性的不同值个数越少，它在所产生的概念分层结构中所处的层就越高，在许多情况下，这种启发式规则都很有用。在进行分层之后，在必要的情况下，局部层次交换或调整可以由用户或专家来做。
（4）只说明部分属性集。在定义分层时，用户可能只对分层结构中应当包含什么有一个很模糊的想法，或者说用户在分层结构的说明中只包含了相关属性的一部分。这时，为了处理这部分说明的分层结构，要在数据库模式中嵌入数据语义，使语义密切相关的属性能够在一起。利用这种办法，一个属性的说明可能会触发整个语义密切相关的属性被“拖进”，形成一个完整的分层结构。然而必要时，用户可以忽略这一特性。
总之，模式和属性值计数信息都可以用来产生标称数据的概念分层，使用概念分层变换数据使得较高的知识模式可以被发现。
