100种分析思维模型(003号)
共 2809字,需浏览 6分钟
·
2021-02-04 02:25
一个分析思维模型的背后,可能涉及很多相关的背景知识,但对于使用模型的人来讲,真正关心的是如何应用模型去解决实际的问题,而不是模型背后复杂的原理和公式。
这就好比使用手机和电脑,我们关心的是其中软件的应用和运行的速度,并不需要理解计算机的原理和算法。
我选择 100 种分析思维模型的原则,也是侧重于应用,而不是原理。
希望我能用简单朴素的方式,把自己学习、思考和实践过程中,总结出来的有价值的信息,分享和传递出去,让更多的人能够从中受益。
上次我介绍了第 002 号分析思维模型:
下面开始介绍第 003 号分析思维模型:
矩阵分析模型
1. 模型介绍
波士顿咨询公司的创始人布鲁斯·亨德森,于 1970 年创建了一种矩阵分析模型,他选择两个重要的指标,分别作为二维坐标的横轴和纵轴,形成一个具有四个象限的矩阵,所以通常称之为波士顿矩阵,也称为四象限分析法。
波士顿矩阵通常用来分析产品结构,其中包括两个重要的指标,分别是:销售增长率和市场占有率,把产品分成 4 种类别,建议采取不同发展策略,从而实现产品结构的良性循环。
(1)明星类产品 ★:加大投资
(2)问题类产品 ? :选择策略
(3)金牛类产品 ¥:保持现状
(4)瘦狗类产品 × :逐步放弃
应用矩阵分析模型的步骤:
(1)提炼两个重要的指标;
(2)绘制四象限分析图表;
(3)分析总结和提出建议。
2. 应用举例
矩阵分析模型的应用非常广泛,只要你能找到两个关键指标,就可以试着应用它来进行分析。
比如说,我在免费的知识星球「林骥」分享过一个超市数据集,其中包含每个地区的销售额、数量、折扣和利润等数据,我们可以从中提炼出两个重要的指标:销售额和利润率,然后绘制四象限分析图表。
根据上面的销售额与利润率分析矩阵,我们可以结合对业务实际情况的理解,分析总结业务的亮点和不足,从而有针对性提出有用的建议。
比如说,华北地区的利润率最高,但是销售规模一般,可以试着分析总结华东地区的销售经验,用来提升华北地区的销售额,同时让利润率保持在较高的水平,从而提升企业整体的利润。
下面是完整的 Python 代码:
# 导入所需的库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']
# 读取 Excel文件
df_excel = pd.read_excel('../../data/超市数据.xlsx')
# 数据透视表
df = df_excel.pivot_table(values=['销售额', '利润'], index='地区', aggfunc=sum)
# 计算利润率
df['利润率'] = round(df['利润']/df['销售额']*100, 1)
# 使用「面向对象」的方法画图,定义图片的大小
fig, ax = plt.subplots(figsize=(8, 8))
# 设置背景颜色
fig.set_facecolor('#00589F')
# 设置标题
ax.set_title('\n销售额与利润率分析矩阵\n', loc='center', size=26, color='w')
# 基础散点图:这里需要单独拆开 x,y 轴和希望配对的标签
x, y = df['销售额']/10000, df['利润率']
label = df.index
# 画散点图
ax.scatter(x, y, color='#00589F', marker='.', s=600, zorder=1)
# 设置坐标标签字体大小和颜色
ax.tick_params(labelsize=13, colors='#cccccc')
# 设置坐标轴的标题
ax.text(ax.get_xlim()[0]-120, np.mean(ax.get_ylim()), '利\n润\n率\n(%)', va='center', ha='center', fontsize=16, color='w')
ax.text(np.mean(ax.get_xlim()), ax.get_ylim()[0]-9, '销售额(万元)\n', va='center', ha='center', fontsize=16, color='w')
# 对散点图中的每一个点进行文字标注
for a,b,l in zip(x,y,label):
plt.text(a, b+0.5, '%s' % l, ha='center', va='bottom', fontsize=16)
# 设置坐标轴范围,根据数据情况进行适当修改
ax.set_xlim(0, round(x.max(), -2))
ax.set_ylim(0, round(y.max(), -1))
# 添加特定分割线,在变量的均值处开始画
plt.vlines(x=x.mean(), ymin=0, ymax=ax.get_ylim()[1], colors='#999999', linewidth=1)
plt.hlines(y=y.mean(), xmin=0, xmax=ax.get_xlim()[1], colors='#999999', linewidth=1)
# 隐藏背景网格
plt.grid(False)
plt.show()
小结
矩阵分析模型,比较简单直观,没有复杂的理论公式,关键是理解它的分析思维,用自己积累的知识经验,找到两个重要的指标,对它们进行深入的分析,从而解决实际的问题。
矩阵分析模型的应用非常广泛,不仅能用来分析产品和销售,而且还能用来做人群划分,甚至可以用来实现梦想,等等。
合理地应用矩阵分析模型,能够帮助我们更好地抓住问题的关键,更深刻地理解关键指标之间的联系,提高我们分析思维能力,从而提出更有前瞻性的建议,帮助我们作出更加科学的决策。
点击下方链接