Power BI帕累托分析全攻略：快速定位业务关键问题的艺术

帕累托分析（Pareto Analysis），也被称为80/20法则、关键少数法则，是一种常用的管理工具，用于识别和处理影响业务的主要因素。

随着微软对Power BI可视化计算、窗口函数的更新，实现帕累托计算越发容易。下图是常见的Power BI帕累托图表，是一个零售业案例，按销量展示了重点贡献产品。

这样的帕累托分析是非常单薄的，且容易做出错误的决策。这个图表缺乏一些核心的背景信息：

1. 缺乏产品上市周期信息，如果销量排名第一的STY1381已经上市两个月，而排名倒数第一的STY1611才上市一天，把这两者放在一起比较是不公平的。

2. 缺乏促销信息，如果排名第一的STY1381是打对折卖掉的，排名第三的STY1379是正价卖掉的，从未来的贡献潜力来说，显然排名第三这个更大。

3. 缺乏库存信息，产品销量上不去可能是因为前期订单不足，剩余存货不足（例如服装产生断码），而不是市场不需要。

基于我在零售业的从业经验以及DAX+SVG可视化方面的探索，我对帕累托分析图表做出了若干改进（在内置表格矩阵展示）。

1. 扩充信息的帕累托

下图是改进后的第一个版本，第一列增加了产品图片，直观看到是哪些产品排在前面。

中间的条形和折线和普通的帕累托图是相同的，但是纵向变成了横向，另外增加了排名图标。

纵向的折线是不同产品的累加，横向折线是同一产品在日期趋势上的累加，可以看到产品的销售走势差异。

消化率此处指销量除以订单量，消化率过高可能当前不足，当然此处也可直接展示库存指标。

综上，这个表格在原帕累托图表的基础上，增加了辅助信息，可以更准确的看到什么产品是真正的主要贡献者，以及是否是潜力股。

2. 扩充信息的ABC分析

把上方帕累托条形图的排名图标变为ABC分级、条形图颜色对应调整，即可变为ABC分析：

3. 双层级帕累托

以上帕累托针对一个维度层级，在此基础上可以继续升级下方的双层帕累托。纵向折线为“品类级”帕累托，横向折线为下一级“子品类”级帕累托。

4. 多维平铺帕累托

如果需要帕累托分析的维度很多怎么办？试试多维平铺。以下示例列举了四个维度：店铺名称、品牌、品类、子品类。不同的维度进行了颜色间隔展示。

5. 单品位置标注帕累托

还有一种聚焦单品的帕累托，适用于产品销售分析、库存分析等情景。

图片

上图的亮点在最右侧，每行展示的帕累托曲线是相同的——都是当前产品范围的帕累托图表。不同的是，红色圆点标注了当前产品在帕累托中的位置。这样一眼可以看到该产品是头部大贡献还是尾部小贡献。

图表中还贴心的标注了50%、80%位置（虚线），以便直观看到当前产品落在哪个区间。

另外还有一个细节，Power BI 表格目前没有文本垂直居中功能，但我的设计突破了这一限制。

6. 逆向帕累托

我们还可以逆向帕累托，关注尾部。为什么要关注尾部？

因为尾巴是否健康影响头部的发挥。举个例子，你有一盘货品，末尾销售贡献合计不到1%的款式（SKU）占到20%，这盘货品的健康度显然要大打问号。

这1%的款式很可能要占到20%的店铺陈列空间，却几乎没有销售贡献，从空间上形成了对（你帕累托分析出的）头部产品的挤对。所以，首先我们需要对尾部产品进行识别，然后将这些产品进行特殊处理以加快清理（可能是打折、调拨等方式）。

再比如利润贡献末尾1%的店铺消耗了公司30%的费用预算。如果把这些钱投在优质店铺上，可能会给公司带来更大的产出。

以下逆向帕累托-尾巴分析表格按照贡献占比从小到大排序，并给出行动建议：