Power BI Heatmap Tutorial – How to Create Heatmaps with Examples

Inizia caricando un dataset pulito e costruendo una matrice dove le colonne basate sul tempo mostrano tendenze e le categorie descrivono gruppi. Applica una scala di colori ai valori in modo che l'intensità più alta appaia in colori caldi e la più bassa in tonalità più fredde. Questo basic l'approccio aiuta te rappresentare domanda e prestazioni a colpo d'occhio e fornisce rapidamente understanding di dove concentrarsi. Archiviare i dati grezzi in una posizione stabile e aggiornare il set di dati secondo una pianificazione che corrisponda alla tua time horizon.

All'interno di Power BI, scegli il visual Matrix, posiziona Tempo on Columns and Category su Rows, quindi trascina Vendite Da valori. Apri Formattazione Condizionale, seleziona Colore di Sfondo e scegli una scala di colori Divergente con un Min/Max chiaro. Mantenere l'intervallo limitato (ad esempio, 0–100) migliora la leggibilità e rende più facile confrontare le tendenze tra gli elementi. Questi passaggi ti aiutano a confrontare le cose tra alcune categorie.

Prova esempi pratici per vedere come funziona: un dataset che copre un singolo negozio e anche reti, oppure un log di volume di servizio per ora in contesti educativi. Se hai trascrizioni o interazioni di servizio, aggrega per ora e mappa il conteggio all'intensità del colore. Questi casi concreti mostrano cosa aspettarsi quando applichi la logica del heatmap al tuo dominio.

Consigli per migliorare la leggibilità: mantenere la tavolozza dei colori a 5–7 sfumature, abilitare una legenda con etichette chiare, aggiungere etichette dati o tooltip per valori esatti e fornire un a desiderato target or benchmark via a separate KPI card. Within the visual, use a guarda per una formattazione coerente tra le pagine e per collegare la tua heatmap a un set di dati correlato per scenari di istruzione e servizi.

Prossimi passi: pubblica il tuo report, condividi un link con gli stakeholder e archivia il workbook nel tuo spazio di lavoro in modo che i membri del team possano riutilizzarlo. Con time salvati, gli analisti acquisiscono la capacità di identificare rapidamente i punti critici e pianificare azioni tra i reparti, compreso networks, istruzione e servizi.

Passaggi pratici per creare e convalidare heatmaps in Power BI

Considera una heatmap come una griglia in cui la tua misura colora ogni cella. Inizia caricando una dimensione di data del calendario e una tabella di fatti finanziari in Power BI utilizzando i connettori appropriati. Se la tua pipeline di dati utilizza un importer, mappa attentamente i campi per evitare discrepanze. Crea o importa una tabella di calendario per abilitare l'intelligenza temporale e decidi se utilizzare giorni giornalieri o aggregati per la tua analisi. Questo approccio ti fornirà una solida base per sfruttare i contenuti di insight basati sul tempo.

Passo 1: Prepara il modello dati. Connettiti alle fonti, assicurandoti che i campi richiesti esistano: data, campo, prodotto e valori finanziari chiave. Utilizza connettori per caricare tabelle, quindi crea relazioni: data al calendario, prodotto alla dimensione prodotto. Imposta la direzione di filtro incrociato predefinita su entrambi se il tuo modello lo supporta. Verifica che il campo data sia continuo e collegato, in modo che i giorni siano allineati tra le visualizzazioni.

Passaggio 2: Costruire la misura. Creare un'espressione DAX dettagliata per catturare la metrica che si desidera mappare al colore, come TotalSales = SUM( Sales[Amount] ). Se si lavora con più valute, aggiungere un selettore di valuta semplice come filtro e incorporarlo nella misura. Mantenere i nomi dei campi coerenti ed etichettare la misura in modo chiaro in modo che la parola usata nelle etichette rimanga comprensibile per gli utenti finali.

Step 3: Crea la visualizzazione heatmap. Utilizza una visualizzazione Matrix con Righe = categoria prodotto (o altra categoria) e Colonne = data (formattata alla granularità scelta). Valori = la misura dal Passo 2. Abilita la formattazione condizionale per il colore di sfondo e scegli una scala di colori da chiaro a intenso per riflettere l'intensità. L'ordinamento deve essere applicato alle Colonne per Data in ordine crescente e puoi sfruttare una granularità predefinita giornaliera, settimanale o mensile a seconda dei tuoi dati. Se necessario, aggiungi una piccola etichetta dati per migliorare la leggibilità senza creare confusione.

Passo 4: Validare i risultati. Verificare che la griglia si visualizzi senza celle vuote per i giorni previsti e che i totali siano coerenti con i dati di origine in più date. Cercare eventuali lacune che segnalino giorni mancanti nel calendario e indagare sulle righe corrispondenti nell'importatore o nei connettori. Ogni volta che si regola un indicatore visivo o un filtro, confermare che il diagramma a caldo si aggiorni immediatamente e rimanga coerente con le aspettative basate sul tempo.

Step 5: Testare l'interattività e le prestazioni. Aggiungere slicer per intervallo di date, categoria e regione per simulare molteplici scenari utente. Assicurarsi che la heatmap reagisca ai cambiamenti nell'ordinamento, nella granularità e nel cross-filtering, e verificare che il rendering rimanga reattivo quando il dataset cresce cambiando la visualizzazione giornaliera in un ambito calendario più ampio.

Passo 6: Documentazione e condivisione. Documentare le corrispondenze dei campi, la granularità temporale scelta, le regole di formattazione e i controlli di convalida eseguiti. Pubblicare il report nel tuo spazio di lavoro, configurare una pianificazione di aggiornamento tramite i connettori appropriati e fornire note di navigazione in modo che gli utenti possano esplorare con sicurezza il calendario, la data e le selezioni di campo.

Sezione 1: Preparazione dei dati – identificare misure e dimensioni per la griglia

Specifica un single insieme di misure che catturano intensità e sales, e mappa them to dimensioni che definiscono la griglia. Questo metodo sfruttando l'intelligenza provides un punto di partenza chiaro per il analista, e aiuta particolarmente quando è necessario prendere decisioni rapide, come per le revisioni immediate dei canali. La griglia dovrebbe access dati da una fonte affidabile in un minuto incrementi, quindi puoi confrontare giornata feriale identificare schemi attraverso periodi e individuare i punti caldi. Utilizzare un blu scala per intensità e mantenere l'interfaccia interattivo per supportare l'analisi dettagliata di comportamento dettagli.

Scegli misure con significato per gli esiti aziendali: totale sales, variazione del tasso di conversione e attività means come visite per sessione. Specifica granularità temporale e assicurare store di dati in modo affidabile file così puoi analyze trends. abbiamo osservato che mantenere un sottoinsieme coerente di metriche migliora la leggibilità delle tabelle incrociate per analista recensioni e aiuta i team ad agire in base ai risultati.

Definisci le dimensioni della griglia: famiglia di prodotti, categoria, regione, canale e giornata feriale come una dimensione temporale fondamentale. Per leggibilità, mantenere limitato l'insieme delle dimensioni e assicurare che ogni campo abbia una stabilità access un percorso e una definizione chiara che funziona sotto filtri variabili. Questa configurazione supporta interattivo exploration, so an analista puoi cliccare una cella per rivelare le strutture sottostanti comportamento dettagli.

Adottare un approccio leggero, interattivo workflow: build a blu heatmap dove l'intensità di ogni cella riflette un certaino magnitude of activity. This approach provides un semplice modello di dati, memorizza valori under uno schema coerente, e utilizza un metodo ampiamente supportato tra gli strumenti di BI. Tale configurazione allows a te analyze behavior, inform business decisioni, e dare access ai giusti stakeholder.

Sezione 1: Layout a griglia – disponi righe, colonne e chiavi per il termogramma

Inizia con una griglia 4×5: 4 righe per le regioni e 5 colonne per i periodi di tempo, e posiziona una legenda dedicata (chiavi) per garantire un'interpretazione intuitiva e un'azione rapida.

Connetti i dati dall'importatore a un visual matrix, mappa le regioni alle righe e i periodi alle colonne, e assegna la misura ai valori della matrice. Questa configurazione crea una tabella matrice all'interno del report e consente una leggibilità molto chiara, un valore informativo per analisti e rapporti e supporta il valore educativo.

Passaggi per l'implementazione: 1) preparare i dati nell'importatore e pulirli nell'editor query, 2) aggiungere la visualizzazione matrice alla superficie del report, 3) utilizzare la formattazione condizionale per evidenziare i valori alti e bassi, 4) aggiungere una sezione separata per la legenda, 5) testare la leggibilità sia nei temi scuro che chiaro.

Consigli per tendenze e azioni: organizzare per regione, allineare con gli obiettivi dell'organizzazione, utilizzare una scala di colori coerente che funzioni in modalità scura per preservare la leggibilità e documentare l'approccio di interpretazione in modo che l'analista possa interpretare rapidamente. Questo è importante per la governance e la formazione, aiutando l'analista a ricavare informazioni utili e a rafforzare i report. Considera di aggiungere un esempio su linkedin per dimostrare una chiara narrazione dei dati e aumentare il valore dell'organizzazione.

Sezione 1: DAX per valori di calore – creare una misura per guidare l'intensità del colore

Crea una singola misura DAX denominata Heat Intensity per guidare il colore nelle tue visualizzazioni. Questo approccio basato sui dati normalizza il contesto corrente in modo che ogni cella in tabelle matrici, inclusi clienti, settimane e aree, utilizzi la stessa scala di gradazione. Utilizza questo come base sia per i confronti numerici che per le decisioni di etichettatura e mantieni la creazione incentrata su una metrica chiara e riutilizzabile.

1. Identifica il valore base da visualizzare. Scegli un campo numerico come vendite totali, profitto o ordini, e assicurati che si aggregui correttamente nelle tue visualizzazioni.
2. Calcola min e max sull'ambito pertinente. Usa ALLSELECTED per rispettare i filtri incrociati mantenendo il contesto di visualizzazione corrente:
3. Restituisce un valore normalizzato compreso tra 0 e 1. Ciò consente una mappatura coerente dei colori tra aree e tabellematrices correlate, anche quando si filtra per gruppi di clienti o settimane.
4. Fornire il codice DAX per la misura. Questo esempio utilizza un valore di ricavo semplice e rispetta le selezioni correnti:
5. Spiega come applicare la misura al colore. Usa la formattazione condizionale per il colore di sfondo in una matrice o una mappa di calore, scegliendo una sfumatura che passa dal freddo al caldo per riflettere i valori da bassi ad alti.

Esempio di codice da inserire in Power BI come nuova misura:

Intensità del Calore := 
VAR v = SUM('Sales'[Amount])
VAR mn = CALCULATE(MIN('Sales'[Amount]), ALLSELECTED('Sales'))
VAR mx = CALCULATE(MAX('Sales'[Amount]), ALLSELECTED('Sales'))
RETURN IF(mx - mn = 0, 0, (v - mn) / (mx - mn))

Consigli per l'uso pratico:

• Opzione: passa da ALL e ALLSELECTED per modificare l'ambito di normalizzazione. Usa ALL per una scala globale, ALLSELECTED per gradienti consapevoli delle slice.
• Opzione: crea un'Intensità Termica Divergente se preferisci un'enfasi sul punto medio, ad esempio 0,5 come neutro, con deviazioni negative e positive mostrate in colori opposti.
• Commento: etichetta chiaramente la misura (Intensità del calore, Valore normalizzato) in modo che i membri del team possano riutilizzarla in diversi progetti senza fraintendere la scala dei colori.
• Le variabili migliorano la leggibilità: separa i calcoli di v, mn e mx, quindi assembla il valore di ritorno finale per facilitare la manutenzione in modelli di grandi dimensioni.
• Risulta più facile confrontare clienti, settimane e aree correlate quando la scala è definita dalla misura anziché codificata in modo rigido per ogni visualizzazione.
• Se le fonti dati coprono più tabelle, prendi in considerazione un'integrazione couplerio o hevo per garantire una valuta, date o conversioni di unità coerenti prima della normalizzazione.
• Utile in esempi in cui si costruisce un report di data storytelling, consentendo una rapida analisi delle differenze di performance tra coorti.

Come applicare in un report:

1. Seleziona la visualizzazione della matrice o della tabella che vuoi colorare in base all'intensità del calore.
2. Aprire il riquadro formattazione condizionale e scegliere Colore sfondo (o Colore carattere).
3. Formatta per valore di campo e seleziona la misura Intensità Termica.
4. Scegli un gradiente –ad esempio, dal blu al rosso– e regola i colori min/max per riflettere l'enfasi visiva desiderata.
5. Etichettatura: assicurarsi che le etichette degli assi e della legenda comunichino che il colore riflette una proporzione numerica dell'intervallo, non valori grezzi.

Note avanzate:

• Se mantieni una dimensione settimanale, puoi confrontare le prestazioni settimana su settimana preservando una scala di colori stabile.
• Per i dashboard di progetto, combina questo con un tooltip numerico per mostrare il valore effettivo insieme al segnale di colore normalizzato.
• Quando si lavora con tabelle/matrici provenienti da più fonti, verificare i tipi di dati e le regole di arrotondamento in modo che la normalizzazione rimanga stabile tra le visualizzazioni correlate.
• Opzionale: crea una misura separata per i valori massimo e minimo da riutilizzare in altre visualizzazioni o per visualizzare l'intervallo corrente in una card.

Questo approccio fornisce un segnale di colore coerente e interpretabile su tutto l'insieme di aree, clienti e settimane, rendendo più facile individuare anomalie e tendenze a colpo d'occhio, senza richiedere passaggi di creazione ripetitivi per ogni visualizzazione.

Sezione 2: Regolazione visiva – impostare scale di colori, legende e suggerimenti.

Recommendation: Imposta una scala di colori divergente per le modifiche e una scala sequenziale per i valori assoluti, quindi blocca il valore minimo e massimo all'intervallo dei dati. Questo rende chiare le differenze di valore tra le righe mensili e le posizioni.

Scegli scale di colore in base alla distribuzione dei dati. Per le mappe di calore delle vendite, applica una tavolozza sequenziale dal chiaro allo scuro per enfatizzare i valori più alti; per le variazioni percentuali, utilizza una scala divergente con un punto medio neutro. In modalità automatica, Power BI si adatta ai dati, ma puoi terminare personalizzando i punti medi per migliorare il contrasto visivo e la leggibilità.

Mostra la legenda e ottimizzane la posizione per la leggibilità. Utilizza un titolo di legenda conciso (ad esempio, “Valore” o “Vendite”) e posiziona la legenda orizzontalmente per risparmiare spazio verticale. Mantieni le dimensioni dei caratteri coerenti con altre visualizzazioni e assicurati che la legenda non sovrapponga mai i dati nelle anteprime mostrate.

Gli tooltip forniscono un contesto che va oltre il colore. Nel pannello Tooltip, aggiungi campi valore, mese e giorno della settimana, oltre a posizioni e servizio per fornire un contesto rapido quando passi con il mouse. Includi trascrizioni o note come campo secondario quando disponibili, in modo che gli analisti possano trasformare una rapida occhiata in informazioni utili senza scorrere nuovamente i dati di origine.

Migliora gli indicatori visivi con un'icona o un piccolo indicatore che segnala la direzione del trend. Ad esempio, una freccia rivolta verso l'alto nel tooltip o nell'header aiuta gli utenti a interpretare i dati a colpo d'occhio, rafforzando la leggibilità senza creare confusione. Questo approccio supporta dashboard visivamente chiari che supportano la conformità e la fiducia nei numeri.

Layout e interazione sono importanti. Posiziona la scala dei colori per evitare di ostruire la griglia principale, mantieni visibili i subtotali nelle matrici quando rilevante e assicurati che l'allineamento orizzontale preservi un flusso di lettura pulito. Quando clicchi una cella, il report dovrebbe passare a risultati filtrati, mostrando l'impatto su mesi, località e canali di vendita correlati.

L'accessibilità e l'usabilità sono vantaggi concreti. Testa la tavolozza dei colori per gli utenti daltonici e verifica che i valori e i subtotali rimangano leggibili quando scorri i mesi. Se devi mostrare dettagli lunghi, annota con un breve tooltip di icona anziché occupare spazio extra, il che preserva la leggibilità per gli utenti impegnati che lavorano con dati su giorni feriali e fine settimana.

Indicazioni pratiche: iniziare sintonizzando il min–mid–max della scala dei colori, quindi ottimizzare la legenda e i suggerimenti. In pochi minuti, puoi completare una mappa di calore che comunica chiaramente le prestazioni del servizio in base alla posizione e al mese, supporta i controlli di conformità ed evidenzia i segmenti più forti per i team di vendita.