一文搞懂数据分析必备的「矩阵分析法」
一文搞懂数据分析必备的「矩阵分析法」
来  源：码工小熊/作  者：小熊妹
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。
矩阵分析法是干什么的？
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，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100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！
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指标来考核：
∙销售业绩
如何做数据分析∙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KANO模型或者波士顿矩阵，本质就是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）。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。