BOSS：咦？我要干啥来着？哦，对了，白茶？！

白茶：嗯？BOSS，咋地了！

BOSS：咳咳，是这样的，就是我想知道，咱们这些个门店最直观的对比情况！就是那种可以选择任意两个门店进行各项数据对比的！

白茶：对…对比分析？！

BOSS：我不懂这个那个的，你就告诉我能不能整？

白茶：嗯，能！

在日常工作中，关于对比的可视化思路，主要就是采用扇形图、树状图、云词图或者蚊香图之类的可视化方式。

但是白茶觉得，有时候当类别过多，或者KPI过多的时候，这些可视化插件的呈现效果往往没有一个Table来的直观。

其实大家在做可视化数据分析的时候，都会有一个误区，就是执着于使用图形化插件，但是只要能把分析的结果说清楚，或者达到促进业务发展的价值，其实用哪种方式去呈现反而不是那么重要。

先来看看本期的案例数据：

标准的三张表。

需求是什么？

思路很重要，本期的需求是做对比分析，那么对比分析至少需要两个切片器才能达到对比切换的效果，对吧？

所以输入如下代码：

分店表B =
DISTINCT ( '分店表' )
建立如下模型关系：
 
看到右侧的虚线，小伙伴们有没有想起来什么？
 
答案：未激活关系
 
白茶之前写购物篮分析的时候，用的主要思路就是未激活关系，即可以通过函数进行关系激活——USERELATIONSHIP！
 
思路已经缕好，开始编写代码：
 
FACT_01_销售数量A =
SUM ( '销售明细'[销售数量] )
这是主要筛选器的度量值。
 
FACT_01_销售数量B =
CALCULATE (
    [FACT_01_销售数量A],
    ALL ( '分店表'[分店名] ),
    USERELATIONSHIP ( '销售明细'[所在分店], '分店表B'[分店名] )
这是对比筛选的度量值。
 
将二者同时放到一个上下文中进行检验：
 
经过检验，写法上没有任何问题。
 
开始构建其他分析KPI。
 
成交订单A代码：
 
FACT_02_成交订单A =
COUNTROWS ( VALUES ( '销售明细'[销售流水] ) )
成交订单B代码：
 
FACT_02_成交订单B =
CALCULATE (
    [FACT_02_成交订单A],
    ALL ( '分店表'[分店名] ),
    USERELATIONSHIP ( '销售明细'[所在分店], '分店表B'[分店名] )
顾客数量A代码：
 
FACT_03_顾客数量A =
COUNTROWS ( VALUES ( '销售明细'[客户流水号] ) )
顾客数量B代码：
 
FACT_03_顾客数量B =
CALCULATE (
    [FACT_03_顾客数量A],
    ALL ( '分店表'[分店名] ),
    USERELATIONSHIP ( '销售明细'[所在分店], '分店表B'[分店名] )
销售金额A代码：
 
FACT_04_销售金额A =
SUMX ( '销售明细', [FACT_01_销售数量A] * RELATED ( '产品表'[销售价] ) )
销售金额B代码：
 
FACT_04_销售金额B =
CALCULATE (
    [FACT_04_销售金额A],
    ALL ( '分店表'[分店名] ),
    USERELATIONSHIP ( '销售明细'[所在分店], '分店表B'[分店名] )
销售成本A代码：
 
FACT_05_销售成本A =
SUMX ( '销售明细', [FACT_01_销售数量A] * RELATED ( '产品表'[成本] ) )
销售成本B代码：
 
FACT_05_销售成本B =
CALCULATE (
    [FACT_05_销售成本A],
    ALL ( '分店表'[分店名] ),
    USERELATIONSHIP ( '销售明细'[所在分店], '分店表B'[分店名] )
销售利润A代码：
 
FACT_06_销售利润A =
[FACT_04_销售金额A] - [FACT_05_销售成本A]
销售利润B代码：
 
FACT_06_销售利润B =
[FACT_04_销售金额B] - [FACT_05_销售成本B]
至此，所有KPI指标已经构建完毕。
 
那么如何将这些KPI指标放在同一个表中进行对比呢？
 
构建中间维度表！
 
点击界面操作的输入数据，输入如下内容：
 
利用SWITCH函数将度量值合而为一。
 
KPIA代码：
 
KPIA =
VAR T1 =
    SELECTEDVALUE ( 'Measure'[INDEX] )
VAR T2 =
    SWITCH (
        TRUE (),
        T1 = 01, SELECTEDVALUE ( '分店表'[分店名] ),
        T1 = 02, [FACT_01_销售数量A],
        T1 = 03, [FACT_02_成交订单A],
        T1 = 04, [FACT_03_顾客数量A],
        T1 = 05, [FACT_04_销售金额A],
        T1 = 06, [FACT_05_销售成本A],
        T1 = 07, [FACT_06_销售利润A]
RETURN
KPIB代码：
 
KPIB =
VAR T1 =
    SELECTEDVALUE ( 'Measure'[INDEX] )
VAR T2 =
    SWITCH (
        TRUE (),
        T1 = 01, SELECTEDVALUE ( '分店表B'[分店名] ),
        T1 = 02, [FACT_01_销售数量B],
        T1 = 03, [FACT_02_成交订单B],
        T1 = 04, [FACT_03_顾客数量B],
        T1 = 05, [FACT_04_销售金额B],
        T1 = 06, [FACT_05_销售成本B],
        T1 = 07, [FACT_06_销售利润B]
RETURN
这里主要采用的是SWITCH的条件输出。
 
参考文章：《动态数据》
 
最终效果如下：
 
小伙伴们❤GET了么？
 
（BOSS：干得漂亮！）
 
白茶会不定期的分享一些函数卡片
 
（文件在知识星球[PowerBI丨需求圈]）
 
这里是白茶，一个PowerBI的初学者。
 
                    BOSS：咦？我要干啥来着？哦，对了，白茶？！白茶：嗯？BOSS，咋地了！BOSS：咳咳，是这样的，就是我想知道，咱们这些个门店最直观的对比情况！就是那种可以选择任意两个门店进行各项数据对比的！白茶：对…对比分析？！BOSS：我不懂这个那个的，你就告诉我能不能整？白茶：嗯，能！在日常工作中，关于对比的可视化思路，主要就是采用扇形图、树状图、云词图或者蚊香图之类的可视化方式。但是白茶觉得，有时候当类别过多，或者KPI过多的时候，这些可视化插件的呈现效果往往没有一个Table来的直观。其..
				
数仓开发经常需要与数据表打交道，那么数仓表开发完成之后就万事大吉了吗？显然不是，还需要思考一下如何分析数据以及如何呈现数据，因为这是发挥数据价值很重要的一个方面。通过数据的分析与可视化呈现可以更加直观的提供数据背后的秘密，从而辅助业务决策，实现真正的数据赋能业务。通过本文你可以了解到：
	帕累托分析方法与数据可视化
	RFM分析与数据可视化
	波士顿矩阵与数据可视化
帕累托分析与数据可视化
帕累托(Pareto)分析法，又称ABC分析法，即我们平时所提到的80／20法则
				
今天来给大家来介绍一个十分简单并且实用的可视化插件——DualCard，顾名思义，我们常用此插件来展示两个指标或者两个可比较的指标。该可视化对象的一些关键功能有：
比较两个度量，第一个称为数据，第二个称为比较度量
数据和比较度量的格式选项
将空白度量显示为静态值
支持大号字体
填充，背景，标签和类别的条件格式
卡片方向和填充选项
首先从应用商店导入可视化对象：
它需要的字段有“Measure”，”ComparisonMeasure”，”Tooltip”，分别代表度量值，可比较的度量值，工具提示。