四象限分析的 DAX 实现及高阶思维模式

场景描述

在 Toboyoo 分析看板中，有一个专门的模块，通过 80/20 原理，建立起 “四象限分析” 模型。该模型从【组合象限】、【80/20 数字】和【年度变化】3 个主要子页面进行分析展示。如下所示：

其中，最为基础的是：

这里的 80s 和 20s 是一种标签，反映了从大到小排列后，累计贡献达到 80% 的群体和其他 20% 的群体。这里的 80% 和 20% 并不是群体个数占总群体个数的比例，而是上述所说的标签。因此，这里是不符合 20% 的东西创造 80% 的贡献的。

问题

现在的问题是，如何找出 80s 和 20s 的群体呢？如何通过 DAX 构建计算？当数据量很大的时候怎么处理呢？如何优化呢？

基础计算

通过逐次加列的方式建立这个结构，如下：

其中，店铺和利润很容易理解。

接着，构建一个排名，如下：

test2-rank = rankx(all('DIM-Stores'[StoreKey]),[Gross Profit])

使用 RANKX 函数完成这一任务。（对 RANKX 不清楚，可以参考：RANKX。）

接着，构建积累价值计算，如下：

test3-accumulated value = 
sumx(
    topn([test2-rank],all('DIM-Stores'[StoreKey]),[Gross Profit]),
    [Gross Profit]
)

这里的积累计算给出了一种与帕累托传统计算方法的另外模式。其中用到了 TOPN 函数和 SUMX 函数来实现累计。

接着，计算总数和帕累托积累占比，如下：

test1-ttl = CALCULATE([Gross Profit],all('DIM-Stores'[StoreKey]))

test4-pareto% = divide([test3-accumulated value],[test1-ttl])

这样就得到了整个表。

也就实现了打标签。

预计算与静态化

DAX 引擎由于其动态计算能力，这是工业界的顶级自助 BI 引擎。其动态性体现在：需求不需要事先告知实现人员。例如在 RFM 分析中，如下：

其中，R，F，M 可以不预先给定，而是根据界面的选择，动态给定。这时候，对客户群体的打标签，就是动态打标签。这种能力在传统的 BI 工具中是不具备的，也是 DAX 的强大所在。

但由于一切都会拖延到运行时决定，导致实时计算会消耗大量时间。

因此，在实际中会考虑一种平衡的方案。同时满足设计模式思想的 OCP 原则，即：对修改封闭，对扩展开放。

在本案例中，作者将每年的 80s 和 20s 分别打标后导出到 Excel 再拼合起来。

再将拼合的数据与订单数据再在 PQ 中再拼合，如下：

这样，整套数据内容就静态化了。这样对实时计算时候的性能会大幅度提升。

设计思想

第一步：对已有数据通过 DAX 计算进行打标签。利用了 DAX 的便利性。

第二步：导出数据静态化与现有数据拼接。实现了静态化和预计算，有利于大幅度性能改进。

第三步：注意静态化时候的平衡选择。

整套流程下来，不仅仅利用了 DAX 的计算能力，还继续使用手工方法复制粘贴，再利用 Power Query 做数据拼接，同时蕴含了预计算以及平衡的设计思维。

总结

当小伙伴们拿到作品案例的时候，很多人只是因为作者在 Power BI 外部计算了店铺和产品的标签，而根本不知道这里有这样的深层次考量，这就是普通用户和资深用户之间思维模式带来的差异。请大家注意，这里的技巧根本不是技巧，而是一种思维模式，这种思维模式的精华在于：优势整合。

没有完美的，只有有优势的，厉害的人绝不会抱怨什么东西不完美，因为他们深知你无法改变你无法改变的东西，他们反而会通过智慧去找到平衡，利用不同部分的优势去平衡构建。这里有一部分工作是通过手工复制粘贴完成的。这甚至告诉我们，不管工具多么先进和自动化，复制粘贴这个最初等的动作一样是要用的。

这里表面是在说四象限分析，实际在说的是一种思想模式；这是表面在讲 Power BI，实际在讲的是可以用于任何领域的通用思维模式。如果你还在学习某个函数，那么，还是在一维空间。这里是抽象的四维空间了，因此有点难度，需要反复体会。