Gráfico de dispersão no Power BI: compare clientes

Um gráfico de dispersão no Power BI permite observar duas medidas numéricas para cada entidade analisada. Ele pode ajudar a distinguir clientes que compram com frequências e valores médios diferentes. Para funcionar, cada ponto precisa representar uma unidade conhecida e os dois eixos devem usar populações compatíveis.

Este roteiro usa clientes de uma carteira hipotética, com quantidade de pedidos no eixo horizontal e ticket médio no vertical. Os exemplos são didáticos. A análise orienta perguntas comerciais, preservando a diferença entre um padrão observado e uma explicação comprovada para o comportamento.

1. Defina um ponto no gráfico de dispersão no Power BI

Escreva o significado de cada marca. Neste exemplo, um ponto representa um cliente no período selecionado. Não é um pedido, uma loja nem uma combinação de cliente e mês. Essa definição decide quais campos agrupam os valores e como interpretar a posição.

Use uma chave estável de cliente e mantenha um nome de exibição adequado ao público. Clientes com nomes iguais não devem ser fundidos apenas pelo rótulo. Se a pergunta exigir um ponto por cliente e mês, crie uma identificação compatível com essa combinação e altere o título. Misturar granularidades no mesmo gráfico pode criar pontos que parecem clientes individuais, mas representam grupos inteiramente diferentes.

2. Prepare pedidos e ticket com a mesma política

Conte pedidos válidos por cliente e calcule ticket como receita compatível dividida por essa contagem. Documente situações excluídas, descontos e devoluções conforme a regra comercial adotada. Não use receita de uma população sobre pedidos de outra.

O guia de agrupamento no Power Query complementa a revisão da granularidade. Um pedido com vários itens continua sendo um pedido no denominador. Valide as duas medidas em uma tabela antes de criar o visual. Um gráfico com pontos bem distribuídos pode continuar incorreto se o ticket foi calculado sobre linhas de item, enquanto a frequência conta documentos distintos.

3. Configure eixos e agrupamento de entidades

A documentação da Microsoft sobre dispersão, consultada em 14 de outubro de 2026, descreve os eixos X e Y. Ela também orienta usar um campo único por ponto no agrupamento do visual, chamado Values na documentação atual, quando os dados aparecem agregados em uma única marca.

Coloque quantidade de pedidos em X, ticket médio em Y e ClienteID no agrupamento correspondente à unidade escolhida. Confira o rótulo disponível na versão em uso. Se aparecer apenas um ponto, verifique a granularidade e os campos antes de supor que faltam clientes. Compare a posição de dois identificadores conhecidos com seus valores na tabela de conferência.

4. Confira três clientes hipotéticos

O cliente A tem dois pedidos de R$ 100 de ticket médio, com receita total de R$ 200. B tem dez pedidos e ticket de R$ 100, totalizando R$ 1.000. C tem cinco pedidos e ticket de R$ 200, também com R$ 1.000.

A e B ficam na mesma altura, mas B fica mais à direita. C aparece acima de ambos e entre eles no eixo horizontal. B e C têm a mesma receita por combinações distintas de frequência e ticket.

Esses perfis podem pedir investigações diferentes. O desenho não informa sozinho margem, custo de atendimento ou potencial de compra; não transforme posição no gráfico em uma classificação completa da qualidade do cliente.

5. Use tamanho e cor somente com finalidade

A Microsoft informa que o tamanho da bolha pode representar uma terceira dimensão. No cenário, receita pode tornar o volume comercial mais visível, mas ela já está relacionada aritmeticamente a pedidos e ticket. Explique essa relação em vez de apresentá-la como uma descoberta independente.

Escolha uma cor para um atributo útil, como segmento cadastral, sem criar dezenas de categorias indistinguíveis. Confira se o campo de legenda altera a unidade dos pontos. Um cliente com vários vínculos de segmento pode ser dividido conforme o modelo, exigindo outra interpretação. Não acrescente atributos apenas para preencher todos os campos disponíveis; cada codificação visual deve apoiar uma pergunta que a equipe consiga formular.

6. Mostre escalas e casos fora da faixa usual

Revise unidades, mínimo e máximo dos eixos. Um cliente com ticket muito alto pode concentrar quase todo o espaço vertical e deixar os demais pontos próximos. Isso pede investigação e talvez outra visão de detalhe, não exclusão automática do caso.

Se limitar a faixa mostrada, informe que há valores fora dela e mantenha uma tabela completa. Não deixe um ajuste de apresentação parecer uma remoção de clientes da população. Consulte o artigo de concentração de receita para investigar dependência de poucos clientes. Um caso extremo pode ser relevante ao negócio, um cadastro agregado ou um erro; a posição não decide qual explicação é correta.

7. Defina referências antes de nomear quadrantes

Uma divisão em quadrantes pode ajudar a organizar revisão comercial, mas as linhas de corte precisam de significado. Use critérios aprovados, como uma referência interna ou uma estatística identificada da população selecionada. Não apresente limites escolhidos por conveniência visual como padrão do mercado.

A documentação descreve linhas de referência disponíveis no painel de análise do visual. Teste o comportamento na versão usada. Se uma referência muda com o filtro, o mesmo cliente pode trocar de quadrante sem alterar seus próprios pedidos.

Declare essa regra. Nomes como “alto valor” e “baixo potencial” exigem justificativa adicional; frequência e ticket observados não demonstram potencial futuro.

8. Diferencie associação, definição e causalidade

Uma inclinação entre pontos não prova que aumentar pedidos causará aumento de ticket. Os eixos podem compartilhar componentes, refletir segmentos diferentes ou ser influenciados por condições comerciais. No exemplo, a receita usada no tamanho é derivada das mesmas grandezas e não acrescenta uma causa.

Compare grupos com contexto suficiente e registre hipóteses para revisão. O guia de rentabilidade por cliente complementa a análise quando houver custos confiáveis. Não conclua que um ponto no alto à direita é necessariamente mais rentável. Descontos, devoluções e esforço de atendimento podem exigir uma leitura que este gráfico não contém.

9. Teste seleção, ausências e acesso ao detalhe

Selecione um cliente e confira quais outros visuais mudam. Depois limpe a escolha e aplique um filtro de período. Verifique clientes sem pedido elegível, ticket sem base e informações ainda incompletas. Esses casos não devem ser convertidos em pontos de zero confirmado sem uma regra apropriada.

Use o roteiro de drillthrough por cliente para abrir documentos que expliquem uma posição. Confira se o detalhe preserva cliente e período esperados. Uma página pode ter milhares de marcas sobrepostas; mantenha filtros e uma tabela de apoio para localizar identificadores. Teste também leitura em tela menor e acesso compatível com o público, sem depender exclusivamente da cor para reconhecer grupos.

10. Converta um perfil em uma pergunta comercial

Escolha um grupo observável e formule uma hipótese concreta. Clientes com poucos pedidos e ticket elevado podem exigir investigação do ciclo de compra, sem presumir inatividade. Registre qual evidência adicional será consultada e como a ação posterior será acompanhada.

O modelo editável de Vendas inclui faturamento e ticket médio. Para acrescentar dispersão, valide a entidade de cada ponto, as medidas e os filtros. Comece com os três clientes de teste e confira suas posições manualmente. O visual estará pronto quando a equipe conseguir explicar cada eixo, recuperar os registros e reconhecer o que o gráfico permite investigar e o que ainda depende de outras evidências.