数据分析方法之矩阵思维

  引言:

  1. 想知道乔布斯重返Apple如何缔造传奇,带领Apple起死回生吗?

  2. 提起时间管理,你会想到什么?

  3. 面对杂乱无章的问题,如何快速整理思绪?

    如果你对如上3个问题感兴趣,enjoy~

    分析问题有没有套路呢?没有,因为一定是具体问题具体分析;但也可以说有套路,因为通过古圣先贤的经验总结,还是为我们留下很多宝贵的思考框架的。

     今天介绍的是道法术器中的一套思维方法 -- 矩阵思维(又叫象限思维,以下统称矩阵思维)。 所谓法,有点类似武侠小说中的内功,是需要后天的不断习得才能内化成力。本篇将以 why - what -how三个方面介绍这套内功心法,希望阅读完大家面对问题3有个满意的答案。

      1. 为什么要学习矩阵思维?

      简单的说,这是个非常容易学又实用的思维方法!当你想快速的把无序的事情变得有序,可以使用矩阵思维;当你想对众多产品分而治之时,可以使用矩阵思维;当你面对繁杂的问题不知如何是好时,可以使用矩阵思维!习得这套内功心法,将助力你早日走向人生巅峰。

      2. 什么是矩阵思维?

      我们都学过数学中的四象限,有量化的x轴,也有量化的y轴。其实矩阵思维就是那么一回事!通过寻找两个核心维度(也有可能是量化的指标),通过一横一竖组成一个分类模型,再抽象点就成就了一套思维方法。

      听上去是否有点抽象呢?那么举几个例子,大家应该就很有感觉了:

苹果产品线:当乔布斯重返Apple时,面对公司众多产品时,正是应用了矩阵思维,结合计算机的用途和机型,一个格子只做一款伟大产品,实现产品专注的苹果最终也得以扭亏为盈,起死回生

时间管理:对于习惯做时间管理的小伙伴来说,需要做的工作就是对事情进行分门别类,采取不同的应对策略,这也是应用着矩阵思维方式:

延展一下:若以个人时间管理来说,不重要的事应尽量不做,毕竟人生苦短,专注做好重要的事,距离理想彼岸会更进一步。但何为重要,何为紧急,还是具体问题具体分析!

波士顿矩阵:不同于以上两个例子的维度,波士顿矩阵以市场增长率和相对市场份额这两个量化的指标作为横纵线划分,将公司业务线划分为四大类。

再次延展说明:四个方格子不是一成不变的,需要用动态的眼光来看待问题。例如明星产品的目标是成为现金牛,问题产品需要摆脱泥沼增加市场份额,而所有的产品都可能衰退为瘦狗。

RFM模型:RFM模型是被数据分析人员用烂的一个模型,主要应用于客户管理场景。根据R(客户最近一次购买时间),F(客户购买频次), M(客户购买金额)三个维度,将客户划分为8大类(在此不再赘述,感兴趣朋友自行某度)

延展again:这里是结合三个维度,不再是两个维度。所以矩阵思维的维度是灵活的,不仅是维度,还可以是指标,不仅可以是二维的,也可以是三维的,甚至一维的!最近一个学生说他有两份offer,让我帮忙参详一下。人生类似这样的问题很多,不妨静下心来,写下左利右弊,问题基本解决了80%,至于参详嘛,还是具体问题具体分析,他问我的自然不是政策影响、发展机会等问题…

      大到公司战略,产品线管理,团队管理,用户运营、用户需求分析等场景,矩阵思维都派的上用场。站在巨人的肩膀上,我们可以看得更远,但灵活运用这个思维,具体问题具体分析,才是王道。

      3. 如何应用矩阵思维?

      通过第二部分的介绍,相信大家对于如何构建矩阵思维已经有一定认知了:首先找到两个(或多大)核心维度(指标),再结合维度(指标)的明显特征进行划分,最后再根据各个象限的特征采取不同的策略。

      以实际工作项目为例,背景是为某部门业务的重点城市采集制定策略。通过定位率、采集率建立起二维矩阵,这个城市的定位率高、采集饱和度也高,是比较理想的情况,如下图的D\E\F城市,而H\I\J城市定位率低、采集饱和度也比较低,是需要提升的。

      总结来说,矩阵思维非常简单、但又很实用的一个思考框架,当你希望事情变得有序、做好分门别类时,记得使用矩阵思维!但需要主要如下三点:

  1. 具体问题具体分析:即使是思考框架,采用什么维度或指标也是需要结合实际而定

2. 动态变化:通过矩阵思维划分出来的品类是可能相互转化的,要用发展的眼光来看到品类间可能存在的变化

3. 矩阵的维度是灵活的:就如令狐冲学习独孤九剑,先从一招一式开始,但要更进一层楼,是需要运用这种思维,根据实际问题灵活变通的。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,658评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,482评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,213评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,395评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,487评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,523评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,525评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,300评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,753评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,048评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,223评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,905评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,541评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,168评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,417评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,094评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,088评论 2 352

推荐阅读更多精彩内容