之后再拖动记录数（依赖于总行数）进入横轴，客户每消费一次，就会产生一行订单数据，因此这个数据胶囊的含义为客户消费的次数。
拖动刚才计算好的客单价计算指标进入纵轴：
增加两个辅助线：a：平均金额=消费平均金额，b:消费次数=消费平均次数：
调整颜色为蓝色，最后我们得到的散点图如下：
根据波士顿分析，我们就把频次和力度两个属性不同的用户分析出来了，如：
消费次数超过平均值，每次消费力度也超过平均水平是明星客户，需要重点关注和最高的礼遇；
消费次数超过平均值，但每次消费力度未达到平均水平为现金牛客户，消费频次比较频繁，能带来较为稳定的现金流，这类客户是企业利润基石；
消费未达到平均值，但每次消费力度超过平均水平是问题客户，有希望转化为明星客户，但是存在潜在问题，消费频次不高，需要重点跟进和长期跟踪；
消费未达到平均值，消费力度也未达到平均水平属于瘦狗客户，不需要投入重点维系；
数据分析进阶在刚刚介绍的波士顿矩阵图的基础上，FineBI工具还可以根据其他维度对客户进行多维分析：
比如消费力度和消费周期，用来找到最近消费的客户，以及最近不常来的客户，配合时间、树过滤、滑块过滤等不同的组件，分析明星客户是否在流失，现金牛客户是否在增长。
