Power BI 热力图教程 - 如何创建热力图（附示例）

首先加载一个干净的数据集，并构建一个矩阵，其中基于时间的列显示趋势，类别描述组。应用颜色比例到值上，使最高强度显示为暖色，最低显示为冷色调。这种基本方法帮助您表示需求和性能一目了然，并提供快速理解，知道在哪里重点关注。将原始数据存储在稳定的位置，并按照匹配您的时间范围的计划刷新数据集。

在 Power BI 中，选择 Matrix 视觉化，将Time置于 Columns，将Category置于 Rows，然后将Sales拖到 Values。打开条件格式化，选择背景颜色，并选择一个具有清晰 Min/Max 的发散颜色比例。保持范围限定（例如，0–100）可以提高可读性，并使趋势更容易跨项目比较。这些步骤帮助您比较某些类别中的事物。

尝试实际示例来了解其工作原理：一个跨越单个商店的数据集以及跨网络的，或者教育背景下按小时的服务量日志。如果您有转录或服务交互，按小时聚合并将计数映射到颜色强度。这些具体案例显示了当您将热图逻辑应用于您的领域时会发生什么。

提高可读性的提示：将颜色调色板保持在 5–7 个色调，启用带有清晰标签的图例，添加数据标签或工具提示以显示确切数字，并通过单独的 KPI 卡提供期望目标或基准。在视觉化中，使用look来跨页面保持一致的格式，并将您的热图与教育和服务场景相关的相关数据集绑定。

后续步骤：发布您的报告，与利益相关者分享链接，并将工作簿存储在您的工作区中，以便团队成员可以重用它。随着时间节省，分析师获得快速识别热点并跨部门规划行动的能力，包括networks、教育和服务。

动手步骤：在 Power BI 中构建和验证热图

将热图视为一个网格，其中您的度量为每个单元格着色。首先使用适当的连接器将日历日期维度和财务事实表拉入 Power BI。如果您的数据管道使用导入器，请仔细映射字段以避免不匹配。创建或导入日历表以启用时间智能，并决定分析的每日或聚合日。这种方法将为您利用基于时间的洞察提供坚实的基础。

步骤 1：准备数据模型。连接到源，确保所需字段存在：日期、字段、产品和关键财务值。使用连接器加载表，然后创建关系：日期到日历，产品到产品维度。如果您的模型支持，请将默认跨过滤方向设置为双向。验证日期字段是连续的并已链接，以便日子在视觉化中对齐。

步骤 2：构建度量。创建详细的 DAX 表达式来捕获您想要映射到颜色的指标，例如 TotalSales = SUM( Sales[Amount] )。如果您处理多种货币，请添加一个简单的货币选择器作为切片器并将其纳入度量。保持字段名称一致，并清楚标记度量，以便标签中使用的词对最终用户保持可理解。

步骤 3：创建热图视觉化。使用 Matrix 视觉化，Rows = 产品类别（或其他类别），Columns = 日期（格式化为您选择的粒度）。Values = 步骤 2 中的度量。启用背景颜色的条件格式化，并选择从浅到强的颜色比例以反映强度。排序应按日期升序应用于 Columns，您可以根据数据利用每日、周或月默认粒度。如果需要，添加一个小数据标签以提高可读性而不杂乱。

步骤 4：验证结果。检查网格是否在预期日子渲染而无空白单元格，并且总数与源数据在多个日期上对齐。查找任何表示日历中缺失日子的间隙，并调查导入器或连接器中的相应行。每当您调整切片器或过滤器时，确认热图立即更新并与基于时间的期望保持一致。

步骤 5：测试交互性和性能。添加日期范围、类别和区域的切片器来模拟多种用户场景。确保热图对排序、粒度和跨过滤的变化做出反应，并验证当数据集通过将每日视图更改为更广泛的日历范围增长时，渲染保持响应。

步骤 6：文档和共享。记录字段映射、选择的时间粒度、格式化规则以及您执行的验证检查。将报告发布到您的工作区，通过适当的连接器设置刷新计划，并提供导航说明，以便用户可以自信地探索日历、日期和字段选择。

部分 1：数据准备 - 为网格识别度量和维度

指定一个度量集来捕获强度和sales，并将它们映射到定义网格的dimensions。这种利用智能的methodprovides为analyst提供清晰的起点，特别是当您需要快速决策时，例如即时渠道审查。网格应以minute增量从可信源access数据，以便您可以比较时期跨weekday模式并识别热点。使用blue比例表示强度，并保持界面interactive以支持钻取到behavior细节。

选择对业务成果有意义的度量：总sales、转换率 delta，以及活动means如每次会话访问。Specify时间粒度，并确保数据store在可靠的file中，以便您可以analyze趋势。我们观察到，保持一致的指标子集可以提高跨表可读性，用于analyst审查，并帮助团队根据结果采取行动。

定义网格维度：产品家族、类别、区域、渠道和weekday作为核心时间维度。为了可读性，保持维度集有限，并确保每个字段具有稳定的access路径和在不同过滤器下有效的清晰定义。此设置支持interactive探索，以便analyst可以点击单元格来揭示底层behavior细节。

采用轻量级的interactive工作流程：构建一个blue热图，其中每个单元格的强度反映活动的certain幅度。这种方法provides简单的数据模型，在一致的模式下存储值，并使用广泛支持的 BI 工具的method。这种设置allows您analyze行为，告知business决策，并给合适利益相关者access。

部分 1：网格布局 - 为热图排列行、列和键

从 4x5 网格开始：4 行用于区域，5 列用于时间段，并放置专用图例（键）以确保直观解释和快速行动。

从导入器连接数据到矩阵视觉化，将区域映射到行，将时期映射到列，并将度量分配到矩阵值。此设置在报告中创建矩阵表，并启用非常清晰的可读性、对分析师和报告的信息价值，以及支持教育价值。

实施步骤：1) 在导入器中准备数据并在查询编辑器中清理它，2) 将矩阵视觉化添加到报告表面，3) 利用条件格式化突出高低值，4) 为键添加单独部分，5) 在深色和浅色主题中测试可读性。

趋势和可操作提示：按区域组织，与组织目标对齐，使用在深色模式下有效的 consistent color ramp 以保持可读性，并记录解释方法，以便分析师可以快速解释。这对治理和教育很重要，帮助分析师得出可操作洞察，并加强报告。考虑在 LinkedIn 上添加样本以演示清晰的数据叙述并提升组织价值。

区域	第一季度	第二季度	第三季度	第四季度
北方	78	82	65	90
南方	54	60	58	72
东方	88	91	74	95
西方	62	67	70	80

部分 1：用于热值的 DAX - 创建度量以驱动颜色强度

创建一个名为 Heat Intensity 的单个 DAX 度量来驱动视觉化中的颜色。这种数据驱动方法标准化当前上下文，以便表矩阵中的每个单元格，包括客户、周和区域，使用相同的渐变比例。将此用作数字比较和标签决策的基础，并保持创建专注于清晰、可重用的指标。

1. 识别要可视化的基础值。选择一个数字字段，如总销售额、利润或订单，并确保它在您的视觉化中正确聚合。
2. 在相关范围内计算最小和最大值。使用 ALLSELECTED 以尊重切片器同时保留当前可视化上下文：
3. 返回 0 到 1 之间的标准化值。这启用跨相关区域和表矩阵的一致颜色映射，即使当您按客户组或周过滤时。
4. 提供度量的 DAX 代码。此示例使用简单的收入值并尊重当前选择：
5. 解释如何将度量应用于颜色。在矩阵或热图中使用背景颜色的条件格式化，选择从冷到暖过渡的渐变以反映低到高值。

在 Power BI 中作为新度量放置的代码示例：

Heat Intensity :=
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))

实际使用提示：

• 选项：切换 ALL 和 ALLSELECTED 以更改标准化范围。使用 ALL 进行全局比例，ALLSELECTED 进行切片感知渐变。
• 选项：如果您喜欢中点强调，请创建发散热强度，例如 0.5 作为中性，负偏差和正偏差以相反颜色显示。
• 注释：清楚标记度量（Heat Intensity, Normalized Value），以便队友可以在项目中重用它，而不会误解颜色比例。
• 变量有助于可读性：分离 v、mn 和 mx 计算，然后组装最终返回，以在大型模型中更容易维护。
• 当比例由度量固定而不是每个视觉化硬编码时，客户、周和相关区域变得更容易比较。
• 如果数据源跨越多个表，请考虑 couplerio 或 hevo 集成，以确保在标准化前的一致货币、日期或单位转换。
• 在您构建数据驱动故事报告的示例中很有用，能够快速查看跨队列的性能差异。

在报告中应用的方法：

1. 选择您想要按热强度着色的矩阵或表视觉化。
2. 打开条件格式化窗格并选择背景颜色（或字体颜色）。
3. 按字段值格式化并选择 Heat Intensity 度量。
4. 选择渐变–例如，从蓝到红–并调整最小/最大颜色以反映所需的视觉强调。
5. 标签：确保轴和图例标签传达颜色反映范围的数字比例，而不是原始值。

高级说明：

• 如果您维护周维度，您可以比较周环比性能，同时保持稳定的颜色渐变。
• 对于项目仪表板，将此与数字工具提示结合，以显示标准化颜色提示旁边的实际值。
• 当处理来自多个源的表矩阵时，验证数据类型和舍入规则，以便标准化在相关视觉化中保持稳定。
• 可选：创建单独的度量用于最大和最小值，以在其他视觉化中重用或在卡片中显示当前范围。

这种方法在整个区域、客户和周集上提供一致、可解释的颜色信号，使您更容易一目了然地发现异常和趋势，而无需为每个视觉化重复创建步骤。

部分 2：视觉调优 - 设置颜色比例、图例和工具提示

推荐：为变化设置发散颜色比例，为绝对值设置顺序比例，然后锁定最小和最大值到数据范围。这使月份行和位置间的值差异清晰。

基于数据分布选择颜色比例。对于销售热图，应用从浅到深的顺序调色板以强调更高值；对于百分比变化，使用带有中性中点的发散比例。在自动模式下，Power BI 调整到数据，但您可以通过微调中点来完成，以提高视觉对比度和可读性。

显示图例并优化其位置以提高可读性。使用简洁的图例标题（例如，“值”或“销售”）并水平放置图例以节省垂直空间。保持字体大小与其他视觉化一致，并确保图例在显示预览中永不重叠数据。

工具提示携带超出颜色的上下文。在工具提示窗格中，添加值、月份和工作日字段，加上位置和服务，以在悬停时提供快速上下文。当可用时，包括转录或笔记作为二级字段，以便分析师可以将快速浏览转化为可操作洞察，而无需滚动回源数据。

使用图标或小指示器增强视觉提示，以信号趋势方向。例如，工具提示或标题中的向上箭头帮助用户一目了然地解释数据，而不杂乱。这种方法支持视觉清晰的仪表板，支持合规性和对数字的信任。

布局和交互很重要。将颜色比例定位在主网格之外，保持矩阵中的小计在相关位置可见，并确保水平对齐保持干净的阅读流程。当您点击单元格时，报告应转向过滤结果，显示对相关月份、位置和销售渠道的影响。

可访问性和可用性是具体益处。为色盲用户测试颜色调色板，并验证当您滚动通过月份时，值和小计保持可读。如果必须显示冗长细节，使用短图标工具提示进行注释，而不是占用额外空间，这为处理工作日和周末数据的忙碌用户保持可读性。

实际指导：首先调优颜色比例的最小–中–最大，然后微调图例和工具提示。在几分钟内，您可以完成一个清晰传达跨位置和月份的服务性能的热图，支持合规检查，并突出销售团队的最强段。