? 在管理咨詢(xún)和商業(yè)分析中，矩陣分析是最常見(jiàn)的一種分析方法，比如波士頓矩陣、通用矩陣、安索夫矩陣等等。其基本思路就是根據(jù)兩個(gè)維度，每個(gè)維度兩個(gè)分類(lèi)，組成一個(gè)4分類(lèi)的圖形；如果每個(gè)維度多分一類(lèi)就是9分類(lèi)的圖形。之所以選擇兩個(gè)維度，是為了在二維圖形上能直接表達(dá)出來(lái)，但這往往也會(huì)出現(xiàn)信息不全的尷尬問(wèn)題。

? 今天介紹在PowerBI里面實(shí)現(xiàn)矩陣分析，并且因?yàn)镈AX語(yǔ)句的靈活性，還可以自由的調(diào)整參數(shù)字段，做到圖形隨心所動(dòng)。效果就是上面這樣，思路也不復(fù)雜，下面來(lái)介紹一下實(shí)現(xiàn)方式。

? 首先介紹一下我們使用的數(shù)據(jù)，還是熟悉的訂單數(shù)據(jù)，Python一直在后臺(tái)不停產(chǎn)生最新數(shù)據(jù)，所以還是很有意思的。我們這里就使用品牌的金額環(huán)比變化和品牌金額整體占比兩個(gè)維度來(lái)演示。實(shí)際如果正常情況下我們有條件最好選擇品牌整體的同比數(shù)據(jù)和品牌在行業(yè)的占比。兩個(gè)度量值的DAX語(yǔ)句如下↓

金額環(huán)比 = VAR last_m = CALCULATE([銷(xiāo)售金額(萬(wàn))],DATEADD('Date'[日期],-1,MONTH))RETURN DIVIDE([銷(xiāo)售金額(萬(wàn))]-last_m,last_m)??金額品牌占比 = DIVIDE([銷(xiāo)售金額(萬(wàn))],CALCULATE([銷(xiāo)售金額(萬(wàn))],ALL(brand[品牌])))

? 然后插入散點(diǎn)圖，用這兩個(gè)度量值做橫縱坐標(biāo)，在設(shè)置一下顏色和標(biāo)簽，效果如下↓

? 但這離我們的理想效果還有一定的差距，首先我們需要插入兩條線來(lái)進(jìn)行分隔，分成四個(gè)象限。方法是在分析菜單里面新增一條自定義的橫線和縱線就行了，這里為了能夠自由的控制橫縱線條的位置，我們需要把兩條線做成參數(shù)選項(xiàng)，然后通過(guò)自定義線條的形式加載進(jìn)來(lái)，效果如下↓

? 最后我們需要設(shè)置不同象限的顏色，以便更清楚的區(qū)分不同的分類(lèi)，這里還需要結(jié)合到自定義線條的動(dòng)態(tài)變化，我們新建一個(gè)顏色的度量值，然后應(yīng)用到散點(diǎn)圖的顏色里面就可以了，顏色的DAX語(yǔ)句如下↓

交易金額四象限color = var mks = [BCG_h Value]var yoy = [BCG_v Value]RETURN SWITCH( TRUE(), [金額品牌占比] >= mks && [金額環(huán)比] >= yoy, "#65DE5D", [金額品牌占比] >= mks && [金額環(huán)比] < yoy, "#FDDE46", [金額品牌占比] < mks && [金額環(huán)比] >= yoy, "#FF774A", [金額品牌占比] < mks && [金額環(huán)比] < yoy, "#AAAEB0", BLANK() )

? 到此我們的內(nèi)容就完了，再加幾個(gè)篩選器就可以了，可以自由靈活的控制線條的位置和其他參數(shù)。

? 這里我們使用的是二分類(lèi)的方法，是分成四個(gè)象限，我們也可以分成9個(gè)維度來(lái)做，只需要再新增兩條線就行了，然后顏色的DAX語(yǔ)句在新增點(diǎn)顏色值就可以了。?

?

End

◆?PowerBI_RFM客戶(hù)關(guān)系模型

◆?PowerBI餅圖、圈圖、旭日?qǐng)D

◆?Excel時(shí)間序列預(yù)測(cè)函數(shù)

◆?Python操作MySQL數(shù)據(jù)庫(kù)

◆?Python企業(yè)微信機(jī)器人

總結(jié)

以上是生活随笔為你收集整理的PowerBI矩阵分析模型的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。