在成千上万个客户中，总有一些客户的价值非常大，是最优质客户，当然也不可避免会有一些价值很低的客户，如何来快速发现检测出这些异常客户呢？
首先得确定按哪个维度来确定客户的价值，然后按这个维度来分析就可以了，比如按贡献的收入来划分，贡献的收入高，并且增长快的客户就是优质客户，相反，那些收入贡献很低，并且大幅下滑的客户，也值得去重点关注、分析原因。
发现异常数据常用散点图来展现，以收入为例，按贡献收入额和收入同比差异两个维度来生成散点图。
建立度量值：
收入 = SUM( '订单'[销售额] )
收入 LY =
CALCULATE(
[收入],
SAMEPERIODLASTYEAR( '日期表'[日期] )
)
收入 同比差异 = [收入]-[收入 LY]
然后将[收入]和[收入 同比差异]放到Y轴和X轴中，生成客户散点图，
大部分客户集中于同比差异较少的区域，而处于右上角的客户，贡献收入额和增幅都很高；位于左下角的零星客户，则正好相反。
在散点图最靠边，离集群最远的这些客户，可以认为是异常的客户，保持重点关注。
如果只关注业务下滑的客户，还可以筛选同比差异的数据，只显示小于0的数据，散点图变为下面这样：
更加清晰的看出哪些客户离集群比较远。
如果不仅按收入贡献，还要看利润率的大小来区分客户，可以利用收入和利润率来生成散点图。
关于利润率的度量值可以这样写：
利润 = SUM( '订单'[利润] )
利润率 = DIVIDE( [利润],[收入] )
散点图如下：
右上角是收入贡献和利润率均比较高的客户，左下角则是收入贡献和利润率都比较低的客户。
如果重点关注收入贡献低于2000并且利润利润率低于35%的异常客户，还可以将这些客户用不同的颜色单独标记出来，写个度量值：
color 异常客户 =
IF([利润率]<0.35&&[收入]<2000,"Darkorange")
然后用条件格式就可以按特定颜色来显示这些客户：
这样就能更加清晰的显示出哪些是异常客户。
散点图善于从大量数据中，发现一些分布规律，以及显示异常的数据，在业务分析中经常会被用到。
本文写的度量值都非常简单，在真实的业务分析中，并不是都需要写复杂的度量值、用很高深的DAX函数，利用一些简单的DAX，同样可以发挥出巨大的价值，关键是业务逻辑的理解和运用。
更多推荐手把手教你用PowerBI完成动态帕累托分析
PowerBI作图技巧：利用度量值进行动态指标分析
使用Power BI进行产品关联分析是一种什么体验？
PowerBI这个图表太强大，做预算分析少不了它：ValQ
采悟 Power BI星球
,
