Power BI ValQ业绩影响因素杜邦分析

杜邦分析法（DuPont analysis）是一种分析企业财务状况的方法，得名于美国杜邦公司。该方法可以应用于销售业绩分析。如下图模拟杜邦分析图对门店零售业务的业绩进行分解（参考：黄成明老师的《数据化管理》）

同一层级的指标相乘即可得到上一层级的数据。这种分析方法有助于快速定位到门店的可提升点，指导工作方向，进而提升门店业绩。

1.提升成交率有助于提升成交笔数，从而提升业绩；

2.提升平均零售价或销售折扣，有助于提升件单价，从而提升业绩；

3.提升客单量有助于提升客单价，从而提升业绩。

我在《Power BI商业数据分析项目实战》这本书中，使用参数功能做了一个动态杜邦分析模型，可以动态改变相应指标，观察业绩变化状况，如下图所示。

微软Power BI图表市场近期推出了一个大杀器-ValQ，可以更加简洁有效的实现该模型。我们首先看看该方法展示效果。

我们可以动态调整各个指标，观察业绩的变化情况。该图表有丰富的显示细节：

1.展示某个指标的变化会对关联指标产生什么样的影响，如下图客流提升5%，会对成交笔数有5%的影响，进而对业绩产生影响。

2.可以显示影响的方向，左侧为绿色边框时意味这该影响为正向影响，红色为负向。

3.左上角罗列出了所有变化因子，可以集中查看。当某个影响因子不需要时，直接点删除即可，也可点击"Reset all"还原为默认数据。

有兴趣查看展示效果的读者扫描以下二维码体验下。那么，如何实现？

1.将自定义图表ValQ加载到Power BI中，选择需要的数据到Value字段，激活该图表。

2.选择Creat a New Model from scratch进行创建。

3.通过不断点击下图红框处的加号，生成不同层级的节点，并点击加号旁边的修改按钮，对节点名称进行修改。

生成的节点网络如下图

4.对节点之间的数学关系进行定义

（1）业绩的数据来源于成交笔数*客单价，因此计算方法如图设置。成交笔数、客单价、件单价设置方法相同。

（2）客流数量、成交率、零售价、销售折扣、客单量是最底层指标，指标的数据可以来源于指定数据源，也可以手工自定义一个。

如果是指定数据源，选择data source

如果是手工随机自定义，选择Manual

5.对格式进行修改

（1）小数位数的保留

销售折扣比方保留两位小数，在Display进行设置

（2）增加前缀后缀

业绩后要增加一个“元”字，在Display设置

（3）数据按百分比显示

如图增加一个数据后缀，做一个假百分比。

这样实际成交率其实是个整数，比方显示50%，其实背后的值是50，不是0.5，那么为什么成交笔数的计算结果是正确的？

是因为成交笔数的计算并不是直接两个相乘，而是使用了公式，如图

公式中的3,4指的是指标编号，该编号并非手动输入，而是使用@符号自动弹出。

经过以上设置，再对格式进行美化之后，我们就得到了想要的结果。

ValQ的用处远不止这些，后续还会继续分享。