九大数据分析方法:矩阵分析法
今天继续分享九大数据分析方法系列:矩阵分析法。矩阵分析法是在各路数据分析文章中,出现频率最高的词。甚至有不懂行的小白把它捧到“核心思维”,“底层逻辑”的高度。哈哈,才没有那么神呢。 一、矩阵分析法是干什么九大的? 数据分析领域,有一个简单,但非常致命的核心问题:“到底指标是多少,才算好?”为了这个问题,公司里经常吵成一团。矩阵分析法就是试图解决这个问题。它的逻辑非常简单:比平均值高,就算好! 很多小伙伴会惊呼:这也太简单粗暴了! 可是数据,如果大家仔细想想,用平均值非常合理: 理解上简单:中位数、众数、四分位数,都太抽象了,不细想都不知道是啥 计算上方便:AVERAGE函数是所有开发工具标配,太好用了。 使用时方便:比如销售人均产值1万,那100万业绩,招1分析00个人就够啦! 相比之下,告诉你销售团队的中位数/众数是1万,问需要多少人能做出100业绩?根本回答不了。所以平均值就是好用! 二、如何构造一个矩阵? 既然用平均值就可以了,为什么还要做矩阵呢?因为单纯靠一个指标,不能充分评价方法好坏。比如考核销售,如果只考核销售业绩。那销售们很可能倾向于卖利润很低的引流型产品。那种利润高,价格高,不容易卖的利润型产品,就没人卖了。最后销售卖越多,公司支付给销售提成越多,公司利润反而下降了! 此时就需要引入两个:矩指标来考核: 销售业绩 销售利润 这样两个指标交叉,就有四种情况和对应的建议(如下图)。 如果把两个指标一纵一横的放,就构成了一个矩阵(如下图)。 这样矩阵就画好啦!矩阵分析法的最大优势,在于直观易懂。可以很容易从两个指标的阵分交叉对比中发现问题。特别是当这两个指标是投入/成本指标的时候,成本高+收入低,成本低+收入与高两个类别,能直接为业务指示出改进方向,因此极大避免了“不知道如何评价好坏”的问题。 很多咨询公司都喜欢用这种方法,类似KA析法NO模型或者波士顿矩阵,本质就是找到了两个很好的评价指标,通过两指标交叉构造矩阵,对业务分类。分类的区分效果很好,就广为流传了(如下图)。 了解了原理以后,我们可以自己动手做一个矩阵哦,构造矩阵是很简单的事,只要找两九大个评价指标,之后各自取均值,就能进行分类了。 三、矩阵分析法简单例子 举个简单的例子,一个销售团队,10名销售一个月内开发的客户数量,产生的总业绩如下图所示。用矩阵分析法的话: 第一步:先对客户数量、业绩求平均值 第二步:数据利用平均值,对每个销售人员的客户数量、业绩进行分类 第三步:区分出多客户+高业绩,少客户+高业绩,多客户+低业绩,少客户+低业绩四类 这样就完成分类啦。 而且,还能对这四类起四个好听的名字,比如: 多客户+高业绩:均衡型(或者叫:两分析手都抓型) 多客户+少业绩:摆小摊型,像摆小摊一样,虽然人多,但是挣不到几个钱 少客户+高业绩:吃大户型,抓住几个大户猛吃…… 少客户+少业绩:待发展型(或者叫:哪头都不行……) 用散点图,能直观的标识出这种分布: 后续,还能类似方法波士顿矩阵一样,比如建议吃大户型,不许歧视散客,增加客户数量。或者建议摆小摊型提升识别高价值用户能力等等。 四、矩阵分析法应用范围 有两个场景,是不适合用矩阵分析法的。 其一:有极大/极小值影响了平均值的时候。比如下图,:矩看似销售们平均业绩是100 但是头部的3个高手,业绩占了57%,其他17个人都是陪衬。 此时,矩阵分析法的基础:平均值,已经不具有区分能力。也不能简单地认为:20个人能做100万,那40个人就能做200万。想做到200万,需要阵分再找到几个高手,而不是一帮咸鱼。一般出现极大/极小值的时候,可以用:分层分析法。 其二:两个指标高度相关的时候。比如下图,用户消费金额与消费频次,两个指标天生高度相关。此时可以用散点图,强行做矩阵,但是会发现左上,右析法下两个区域几乎没有数据,所有的点,都集中在一条线上。 此时矩阵分析法的业务解读能力接近0,因此不适用了。一般出现高度相关的时候,需要用:相关分析法。
- 最近发表
- 随机阅读
-
- 标签: 国锐生活 春雨医生 数字医疗 互联网医院
- 氧气罐能上飞机么
- 蜈蚣属于昆虫吗
- OpenAI支持AI动画长片《Critterz》制作 计划2026年戛纳电影节首映
- 云计算核心技术Docker教程:Docker Hub为Docker Hub禁用双重身份验证
- 标签: 王侠 中国汽车重庆论坛 价格战 新能源车
- 外媒:科学家设计出一款类鱼软体机器人 可入深海探索
- MIT科学家设计的新系统可以在几小时内创造出海星机器人
- 标签: 星动纪元 顺丰科技 具身智能 物流机器人
- 标签: 斯柯达 大众中国 ENYAQ_RS_iV 柯迪亚克
- 想用好AI,你得趁早搞定这两问题!
- 谷歌地球推出3D时间推移功能 显示了气候变化对地球造成的破坏性
- 图灵奖得主Bengio又出新论文,Reddit崩溃:idea撞车了
- 云计算开发:Python内置函数-reverse()函数详解
- 可以像 Docker 一样方便的使用 Containerd 吗?
- 从粗糙几何到逼真3D视频:VideoFrom3D重塑图形设计新纪元
- 标签: 兆易创新 港股上市 A+H 基石投资者
- 服务云原生 Graviton2处理器带来40%性价比提升 AWS中国高管详解背后关键技术
- Pytorch中的NN模块并实现第一个神经网络模型
- 标签: 豆包 抖音集团 鸡腿菇 大青褶伞
- 搜索
-
- 友情链接