在管理咨询和商业分析中，矩阵分析是最常见的一种分析方法，比如波士顿矩阵、通用矩阵、安索夫矩阵等等。其基本思路就是根据两个维度，每个维度两个分类，组成一个4分类的图形；如果每个维度多分一类就是9分类的图形。之所以选择两个维度，是为了在二维图形上能直接表达出来，但这往往也会出现信息不全的尴尬问题。
今天介绍在PowerBI里面实现矩阵分析，并且因为DAX语句的灵活性，还可以自由的调整参数字段，做到图形随心所动。效果就是上面这样，思路也不复杂，下面来介绍一下实现方式。
首先介绍一下我们使用的数据，还是熟悉的订单数据，Python一直在后台不停产生最新数据，所以还是很有意思的。我们这里就使用品牌的金额环比变化和品牌金额整体占比两个维度来演示。实际如果正常情况下我们有条件最好选择品牌整体的同比数据和品牌在行业的占比。两个度量值的DAX语句如下↓
金额环比 =
VAR last_m = CALCULATE([销售金额(万)],DATEADD('Date'[日期],-1,MONTH))
RETURN
DIVIDE([销售金额(万)]-last_m,last_m)
金额品牌占比 = DIVIDE([销售金额(万)],CALCULATE([销售金额(万)],ALL(brand[品牌])))
然后插入散点图，用这两个度量值做横纵坐标，在设置一下颜色和标签，效果如下↓
但这离我们的理想效果还有一定的差距，首先我们需要插入两条线来进行分隔，分成四个象限。方法是在分析菜单里面新增一条自定义的横线和纵线就行了，这里为了能够自由的控制横纵线条的位置，我们需要把两条线做成参数选项，然后通过自定义线条的形式加载进来，效果如下↓
[图片上传失败...(image-2e426c-1663766475525)]
最后我们需要设置不同象限的颜色，以便更清楚的区分不同的分类，这里还需要结合到自定义线条的动态变化，我们新建一个颜色的度量值，然后应用到散点图的颜色里面就可以了，颜色的DAX语句如下↓
交易金额四象限color =
var mks = [BCG_h Value]
var yoy = [BCG_v Value]
RETURN
SWITCH(
TRUE(),
[金额品牌占比] >= mks && [金额环比] >= yoy, "#65DE5D",
[金额品牌占比] >= mks && [金额环比] < yoy, "#FDDE46",
[金额品牌占比] < mks && [金额环比] >= yoy, "#FF774A",
[金额品牌占比] < mks && [金额环比] < yoy, "#AAAEB0",
BLANK()
)
到此我们的内容就完了，再加几个筛选器就可以了，可以自由灵活的控制线条的位置和其他参数。
这里我们使用的是二分类的方法，是分成四个象限，我们也可以分成9个维度来做，只需要再新增两条线就行了，然后颜色的DAX语句在新增点颜色值就可以了。
End
◆ PowerBI_RFM客户关系模型
◆ PowerBI饼图、圈图、旭日图
◆ Excel时间序列预测函数
◆ Python操作MySQL数据库
◆ Python企业微信机器人
