在過去幾天的實作中，我們學會了用長條圖比大小、用折線圖看趨勢、用地圖找熱區，以及用圓環圖看佔比。這些圖表大多只涉及「一個維度對應一個度量」。

但在實際的商業運營中，決策者最常遇到的難題往往牽涉兩個連續度量之間的相互影響：

「折扣給得越深，銷售量真的有等比例上升嗎？」

「是不是有些明星商品銷量驚人，但實際上扣除運費與折讓後根本在虧錢？」

要回答這類關聯性與異常值問題，散布圖（Scatter Plot） 與 四象限矩陣分析 是最強大的視覺化武器。今天我們將示範如何在完全免寫統計公式的情況下，純靠滑鼠拖拉完成專業的矩陣定位！

一、散布圖的核心邏輯：兩個度量的空間交會
長條圖或折線圖通常是將「維度（藍色）」放在列或欄上，但散布圖的本質不同：

X 軸（欄）：放置一個連續度量（如 Sales 銷售額）。

Y 軸（列）：放置另一個連續度量（如 Profit 利潤）。

詳細資料（Detail）：拖入想要觀察的實體單元（如 Product Name 產品名稱 或 Customer ID 客戶編號）。

如果沒有指定詳細資料，Tableau 預設會把全公司資料加總成一個點；一旦將「產品」拖入詳細資料，這個點就會瞬間「炸開」成成百上千個獨立的數據點，分佈在坐標平面上！

二、實戰演練：三步驟繪製銷售與利潤散布圖
我們以經典的產品健康度診斷為例：「找出哪些產品是高營收高獲利的金牛，哪些又是賣越多虧越多的地雷？」

操作步驟：
建立雙度量坐標軸：

將度量欄位的 Sales（銷售額） 拖曳到上方的 「欄 (Columns)」。

將度量欄位的 Profit（利潤） 拖曳到上方的 「列 (Rows)」。

此時畫布正中央只有單獨一個代表全店總數的圓點。

打散維度顆粒度（Detail）：

從左側維度清單找到 Product Name（產品名稱） 或 Sub-Category（子類別）。

將它拖曳到標記卡的 「詳細資料 (Detail)」 上。

中央的單一圓點瞬間散開，化為代表各產品的散布點群！

豐富標記維度（色彩與大小）：

將 Category（大類別） 拖曳到 「色彩 (Color)」，不同商品大類一秒套用不同顏色。

將 Discount（平均折扣率） 拖曳到 「大小 (Size)」，圓點越大代表促銷折扣下得越重。

一張結合「營收（X軸）」、「利潤（Y軸）」、「產品線（顏色）」與「折扣深度（大小）」的四維資訊圖表瞬間完成！

三、進階商業利器：建立「四象限參考線矩陣」
單純散落的點有時難以立刻分類，商業上最經典的手法是利用 四象限分析法（BCG 矩陣概念）：

切換到畫布左側的 「分析 (Analytics)」 標籤頁。

拖曳 「參考線 (Reference Line)」 到畫布中：

先放置在 Table ➔ SUM(Sales)，設定為「平均值 (Average)」。

再重複一次，將參考線放置在 Table ➔ SUM(Profit)，同樣設定為「平均值 (Average)」（或手動輸入固定值 0 作為盈虧分界線）。

此時圖表被兩條垂直與水平線完美切割成四個象限：

第一象限（右上：高營收、高利潤）：企業的核心金牛產品，應給予充足庫存與行銷支援。

第二象限（左上：低營收、高利潤）：潛力利基商品，銷量雖少但毛利極高，值得投入預算擴大推廣。

第三象限（左下：低營收、負利潤）：常態邊緣產品，可評估逐步縮減品項或自然淘汰。

第四象限（右下：高營收、負利潤）：最致命的營運陷阱！ 營收極大但全在賠錢賣（通常圓點很大，代表促銷折讓失控），必須立刻檢討定價策略。

四、免寫統計代碼：一鍵加入趨勢線（Trend Line）
如果主管問：「整體來看，銷售額越高的產品，利潤是不是真的普遍比較高？」

我們不需要在 Excel 裡算相關係數，也不用在 Python 裡寫線性回歸：

依然在左側的 「分析 (Analytics)」 面板中。

找到 「趨勢線 (Trend Line)」，直接拖曳到畫布中央放開。

畫面上會立刻畫出一條最佳擬合線性回歸線，將滑鼠懸停在線上，Tableau 還會自動計算出 R-squared（判定係數）與 P-value，讓商業洞察具備嚴謹的數據說服力！