本文轉載自微信公衆號「碼工小熊」，作者小熊妹。轉載本文請聯繫碼工小熊公衆號。
大家好，我是愛學習的小xiong熊妹。
今天繼續分享九大數據分析方法系列：矩陣分析法。矩陣分析法是在各路數據分析文章中，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，纔沒有那麼神呢。
一、矩陣分析法是幹什麼的?
數據分析領域，有一個簡單，但非常致命的核心問題：“到底指標是多少，纔算好?”爲了這個問題，公司裏經常吵成一團。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、衆數、四分位數，都太抽象了，不細想都不知道是啥
計算上方便：AVERAGE函數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/衆數是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，爲什麼還要做矩陣呢?因爲單純靠一個指標，不能充分評價好壞。比如考覈銷售，如果只考覈銷售業績。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覈：
- 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，能直接爲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，通過兩指標交叉構造矩陣，對業務分類。分類的區分效果很好，就廣爲流傳了(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：喫大戶型，抓住幾個大戶猛喫……
- 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，比如建議喫大戶型，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用戶能力等等。
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。也不能簡單地認爲：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，用戶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數據，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。
