简明目录

• 背景介绍
• 主要内容
• 数据预览
• 功能入口
• 分析页面详解
• 纵向分析
• 横向分析

背景介绍

Power BI 是一种商业分析解决方案，可帮助对数据进行可视化、在组织中共享见解、或将见解嵌入应用或网站中。连接到数百个数据源，并使用实时仪表板和报表对让数据变得生动。（此解释来自Power BI官网：https://powerbi.microsoft.com/zh-cn/ ）
本文介绍的解释此下降/增长，是Power BI于去年7月份更新的新功能。用户只需通过简单点选，便可追踪数据下降/增长的背后原因。
本文将解释此功能的用法，同时带领同学们，来对数据进行简单分析。
(更新内容见：https://powerbi.microsoft.com/en-us/blog/power-bi-desktop-july-2018-feature-summary/ )

主要内容

数据预览

• 数据表
  本文分析梁山泊十几位好汉近日的销售情况。
  数据表有五列：日期 day、销售产品 Product (A和B两种)、销售大区 Area 、销售经理 Manager 以及销售金额 Sales。
  数据肖像如下：
  
• BI报表
  最终报表效果如下：
  
  报表中展示了各个维度的筛选器：经理、产品、大区。销量每日变化的原因最终归结到这三个维度上面，而解释此下降/增长功能正是在做这件事情。

功能入口

注意：解释此下降/增长功能只能用在使用了时间序列的可视化组件上。
从BI中可以看出，2月4日的销量发生了明显的下滑。本文分析当日下降的原因，鼠标右键点击当日数据点，依次选择分析→解释此下降，即可进入Power BI的分析页面。

分析页面详解

2月4日销售金额下降，说的是相比于前一天2.3的金额，因此分析页面展示的内容是当日同上日的比较（或当周同上周、当年同上年，依据时间粒度的不同，比较的时间自然不同）。
Power BI会根据不同维度来进行分析，即：针对不同维度的纵向分析。数据表中，具有三个维度：经理、产品和大区。
Power BI中提供了四种可视化组件来进行分析，即：针对同一纬度的横向分析。依次为：瀑布图、散点图、百分比堆积柱状图、桑基图。

纵向分析

本节只选取瀑布图这一种可视化组件来分析，同学们也可以选取另外三种可视化组件。

• 销售金额按经理维度分析
  
  页面标头：这是介于2月3日和2月4日之间的57.56%的下降分析。
  英文小字：按照Day(日期)和Manage(经理)来分析的此下降。
  瀑布图优点：上升下降一目了然，变化的具体数值也清晰明了。从图可以看到，军师吴用下降的量最多，高达4600万两白银！其次是孔明，下跌了1800万两白银。
  （Power BI的自动单位系统对国人极不友好，千、百万、十亿……用着都别扭……不过谁让别人搞出了这玩意儿呢……什么时候我也去开发一个，自定义自动单位系统，想想都美滋滋）
• 销售金额按产品维度分析
  
  从图中看出，A产品销售金额下跌的程度远大于B产品。
  此时，及时雨宋江就可以针对A产品来进行深入调查了：产品本身出现了什么问题？时间周期的问题？……
• 销售金额按大区维度分析
  
  从图中看出，重庆下跌了9400万两白银，远远高于其他三根柱子。
  是不是负责重庆片区的哪位英雄想溜了？还是有人克扣了饷银？

从不同维度的纵向分析来看，用户可以很快速地找到此次下降的原因。然而，当数据表中有很多维度的时候，Power BI都会将其囊括在内、一一进行分析，造成干扰，这种无用的分析同学们注意选择性舍弃。

横向分析

本节按照经理维度，来对Power BI选取的不同可视化组件进行解读。

• 瀑布图
  上述内容已对此进行分析，此处不做说明。

• 散点图
  
  在图下面的四个小图中选择第二个小图，即为Power BI提供的升级版的散点图。
  1). 先看横轴纵轴，横轴为3号的销售金额，纵轴为4号的销售金额，每个经理每日都有一个销售金额，比如吴用2.3为8072万，2.4为3435万，那么坐标就是(8072万,3435万)，以此类推。
  2).再看整个区域分成了两种颜色，左上为绿色，右下为红色。红与绿之间的界线可以看出是过(2000万，2000万)、(4000万,4000万)……即在红色区域里面就是下跌，在绿色区域里面就是上涨。所有的经理都在红色片区内，说明面对此次下跌风潮，无人幸免。
  3). 最后看数据点，越靠近右侧的，说明2.3的销售额越大；同时，越靠近上侧的，说明2.4的销售额也越大。可以看到吴用的金额遥遥领先于其他人，说明军师的油水儿应该不少。

• 百分比堆积柱状图
  
  该图展示各个组成占比的变化情况。
  2.4发生了明显的下跌，是否只是因为某些人的销售金额发生了突变？如果真是这样，那么从这两天的组成比重来看，应该会有部分经理发生了较大的变化。
  而从图中看出，这两天里，每个经理销售金额占比基本保持不变；孔明占比较前日稍有减少，而公孙胜金额占比较前日稍有增加。

• 桑基图
  
  Power BI所用的修正版桑基图展示每一个类别在这两天里的变化，同时生动显示了各个类别的绝对体量。
  首先，从条形图的高度看出，2.4的高度比2.3的高度低，说明了下跌；
  其次，销售金额本来排名第2的孔明由于某种原因，下跌到了第4名；（仿佛看到了高中月考试，上个月月考全年级第1，这个月月考全年级第10，班主任单独找我训话的样子）
  最后，那些贡献量少的，都是一条线，基本被忽略。

总结一下，各个图所展示的优势（缺点自己体会）：

总结

• Power BI的解释此下降/增长能帮助用户快速定位数据异常变化的原因，得益于对数据分别进行了纵向（不同维度）和横向（不同可视化效果）的分析。
• Power BI正在走向真正的商业智能。今年2月，Power BI刚推出了关键影响因素功能，与本文介绍的解释此下降/增长交相辉映，同学们可以自己去研究。相信在不久的将来，用户只需简单的点选，就能清楚地知道促使数据变化的真正原因。
• 可惜的是，本文中所说的四种可视化组件，用户并不能在BI报表中使用……市场里面也没有……
• Power BI不知道比现在国内市场上的BI工具高到哪里去了！交互式的可视化组件，强大的DAX函数体系，M查询，舒服的配色，满满AI技术的深入分析……
• 需要Power BI文件的可以在评论中获取。