今天繼續分享九大資料分析方法系列：矩陣分析法。矩陣分析法是在各路資料分析文章中，出現頻率最高的詞。甚至有不懂行的小白把它捧到“核心思維”，“底層邏輯”的高度。哈哈，才沒有那麼神呢。
一、矩陣分析法是幹什麼的？
資料分析領域，有一個簡單，但非常致命的核心問題：“到底指標是多少，才算好？”為了這個問題，公司裡經常吵成一團。矩陣分析法就是試圖解決這個問題。它的邏輯非常簡單：比平均值高，就算好！
很多小夥伴會驚呼：這也太簡單粗暴了！
可是，如果大家仔細想想，用平均值非常合理：
﹣理解上簡單：中位數、眾數、四分位數，都太抽象了，不細想都不知道是啥
﹣計算上方便：AVERAGE函式是所有開發工具標配，太好用了。
﹣使用時方便：比如銷售人均產值1萬，那100萬業績，招100個人就夠啦！
相比之下，告訴你銷售團隊的中位數/眾數是1萬，問需要多少人能做出100業績？根本回答不了。所以平均值就是好用！
二、如何構造一個矩陣？
既然用平均值就可以了，為什麼還要做矩陣呢？因為單純靠一個指標，不能充分評價好壞。比如考核銷售，如果只考核銷售業績。那銷售們很可能傾向於賣利潤很低的引流型產品。那種利潤高，價格高，不容易賣的利潤型產品，就沒人賣了。最後銷售賣越多，公司支付給銷售提成越多，公司利潤反而下降了！
此時就需要引入兩個指標來考核：
﹣銷售業績
﹣銷售利潤
這樣兩個指標交叉，就有四種情況和對應的建議（如下圖）。
如果把兩個指標一縱一橫的放，就構成了一個矩陣（如下圖）。
這樣矩陣就畫好啦！矩陣分析法的最大優勢，在於直觀易懂。可以很容易從兩個指標的交叉對比中發現問題。特別是當這兩個指標是投入/成本指標的時候，成本高+收入低，成本低+收入與高兩個類別，能直接為業務指示出改進方向，因此極大避免了“不知道如何評價好壞”的問題。
很多諮詢公司都喜歡用這種方法，類似KANO模型或者波士頓矩陣，本質就是找到了兩個很好的評價指標，透過兩指標交叉構造矩陣，對業務分類。分類的區分效果很好，就廣為流傳了（如下圖）。
瞭解了原理以後，我們可以自己動手做一個矩陣哦，構造矩陣是很簡單的事，只要找兩個評價指標，之後各自取均值，就能進行分類了。
三、矩陣分析法簡單例子
舉個簡單的例子，一個銷售團隊，10名銷售一個月內開發的客戶數量，產生的總業績如下圖所示。用矩陣分析法的話：
﹣第一步：先對客戶數量、業績求平均值
﹣第二步：利用平均值，對每個銷售人員的客戶數量、業績進行分類
﹣第三步：區分出多客戶+高業績，少客戶+高業績，多客戶+低業績，少客戶+低業績四類
這樣就完成分類啦。
而且，還能對這四類起四個好聽的名字，比如：
﹣多客戶+高業績：均衡型（或者叫：兩手都抓型）
﹣多客戶+少業績：擺小攤型，像擺小攤一樣，雖然人多，但是掙不到幾個錢
﹣少客戶+高業績：吃大戶型，抓住幾個大戶猛吃……
﹣少客戶+少業績：待發展型（或者叫：哪頭都不行……）
用散點圖，能直觀的標識出這種分佈：
後續，還能類似波士頓矩陣一樣，比如建議吃大戶型，不許歧視散客，增加客戶數量。或者建議擺小攤型提升識別高價值使用者能力等等。
四、矩陣分析法應用範圍
有兩個場景，是不適合用矩陣分析法的。
●其一：有極大/極小值影響了平均值的時候。比如下圖，看似銷售們平均業績是100 但是頭部的3個高手，業績佔了57%，其他17個人都是陪襯。
此時，矩陣分析法的基礎：平均值，已經不具有區分能力。也不能簡單地認為：20個人能做100萬，那40個人就能做200萬。想做到200萬，需要再找到幾個高手，而不是一幫鹹魚。一般出現極大/極小值的時候，可以用：分層分析法。
●其二：兩個指標高度相關的時候。比如下圖，使用者消費金額與消費頻次，兩個指標天生高度相關。此時可以用散點圖，強行做矩陣，但是會發現左上，右下兩個區域幾乎沒有資料，所有的點，都集中在一條線上。
此時矩陣分析法的業務解讀能力接近0，因此不適用了。一般出現高度相關的時候，需要用：相關分析法。
以上就是今天的分享，謝謝大家。後續再來繼續更新：分層分析法與相關分析法，敬請期待哦。
立即試用FineBI免費版：
https://intl.finebi.com/zh-tw/trial?utm_source=Medium_Banner
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
