100種分析思維模型（003號）
一個分析思維模型的背后，可能涉及很多相關(guān)的背景知識，但對于使用模型的人來講，真正關(guān)心的是如何應(yīng)用模型去解決實際的問題，而不是模型背后復(fù)雜的原理和公式。
這就好比使用手機和電腦，我們關(guān)心的是其中軟件的應(yīng)用和運行的速度，并不需要理解計算機的原理和算法。
我選擇 100 種分析思維模型的原則，也是側(cè)重于應(yīng)用，而不是原理。
希望我能用簡單樸素的方式，把自己學(xué)習、思考和實踐過程中，總結(jié)出來的有價值的信息，分享和傳遞出去，讓更多的人能夠從中受益。
上次我介紹了第 002 號分析思維模型：
下面開始介紹第 003 號分析思維模型：
矩陣分析模型
1. 模型介紹
波士頓咨詢公司的創(chuàng)始人布魯斯·亨德森，于 1970 年創(chuàng)建了一種矩陣分析模型，他選擇兩個重要的指標，分別作為二維坐標的橫軸和縱軸，形成一個具有四個象限的矩陣，所以通常稱之為波士頓矩陣，也稱為四象限分析法。
波士頓矩陣通常用來分析產(chǎn)品結(jié)構(gòu)，其中包括兩個重要的指標，分別是：銷售增長率和市場占有率，把產(chǎn)品分成 4 種類別，建議采取不同發(fā)展策略，從而實現(xiàn)產(chǎn)品結(jié)構(gòu)的良性循環(huán)。
（1）明星類產(chǎn)品 ★：加大投資
（2）問題類產(chǎn)品 ? ：選擇策略
（3）金牛類產(chǎn)品 ￥：保持現(xiàn)狀
（4）瘦狗類產(chǎn)品 × ：逐步放棄
應(yīng)用矩陣分析模型的步驟：
（1）提煉兩個重要的指標；
（2）繪制四象限分析圖表；
（3）分析總結(jié)和提出建議。
2. 應(yīng)用舉例
矩陣分析模型的應(yīng)用非常廣泛，只要你能找到兩個關(guān)鍵指標，就可以試著應(yīng)用它來進行分析。
比如說，我在免費的知識星球「林驥」分享過一個超市數(shù)據(jù)集，其中包含每個地區(qū)的銷售額、數(shù)量、折扣和利潤等數(shù)據(jù)，我們可以從中提煉出兩個重要的指標：銷售額和利潤率，然后繪制四象限分析圖表。
根據(jù)上面的銷售額與利潤率分析矩陣，我們可以結(jié)合對業(yè)務(wù)實際情況的理解，分析總結(jié)業(yè)務(wù)的亮點和不足，從而有針對性提出有用的建議。
比如說，華北地區(qū)的利潤率最高，但是銷售規(guī)模一般，可以試著分析總結(jié)華東地區(qū)的銷售經(jīng)驗，用來提升華北地區(qū)的銷售額，同時讓利潤率保持在較高的水平，從而提升企業(yè)整體的利潤。
下面是完整的 Python 代碼：
# 導(dǎo)入所需的庫import numpy as npimport pandas as pdimport matplotlib.pyplot as plt# 正常顯示中文標簽plt.rcParams['font.sans-serif'] = ['SimHei']# 讀取 Excel文件df_excel = pd.read_excel('../../data/超市數(shù)據(jù).xlsx')# 數(shù)據(jù)透視表df = df_excel.pivot_table(values=['銷售額', '利潤'], index='地區(qū)', aggfunc=sum)# 計算利潤率df['利潤率'] = round(df['利潤']/df['銷售額']*100, 1)# 使用「面向?qū)ο蟆沟姆椒ó媹D，定義圖片的大小fig, ax = plt.subplots(figsize=(8, 8))# 設(shè)置背景顏色fig.set_facecolor('#00589F')# 設(shè)置標題ax.set_title('\n銷售額與利潤率分析矩陣\n', loc='center', size=26, color='w')# 基礎(chǔ)散點圖：這里需要單獨拆開 x，y 軸和希望配對的標簽x, y = df['銷售額']/10000, df['利潤率']label = df.index# 畫散點圖ax.scatter(x, y, color='#00589F', marker='.', s=600, zorder=1)# 設(shè)置坐標標簽字體大小和顏色ax.tick_params(labelsize=13, colors='#cccccc')# 設(shè)置坐標軸的標題ax.text(ax.get_xlim()[0]-120, np.mean(ax.get_ylim()), '利\n潤\n率\n(%)', va='center', ha='center', fontsize=16, color='w')ax.text(np.mean(ax.get_xlim()), ax.get_ylim()[0]-9, '銷售額(萬元)\n', va='center', ha='center', fontsize=16, color='w')# 對散點圖中的每一個點進行文字標注for a,b,l in zip(x,y,label):plt.text(a, b+0.5, '%s' % l, ha='center', va='bottom', fontsize=16)# 設(shè)置坐標軸范圍，根據(jù)數(shù)據(jù)情況進行適當修改ax.set_xlim(0, round(x.max(), -2))ax.set_ylim(0, round(y.max(), -1))# 添加特定分割線，在變量的均值處開始畫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)# 隱藏背景網(wǎng)格plt.grid(False)plt.show()
小結(jié)
矩陣分析模型，比較簡單直觀，沒有復(fù)雜的理論公式，關(guān)鍵是理解它的分析思維，用自己積累的知識經(jīng)驗，找到兩個重要的指標，對它們進行深入的分析，從而解決實際的問題。
矩陣分析模型的應(yīng)用非常廣泛，不僅能用來分析產(chǎn)品和銷售，而且還能用來做人群劃分，甚至可以用來實現(xiàn)夢想，等等。
合理地應(yīng)用矩陣分析模型，能夠幫助我們更好地抓住問題的關(guān)鍵，更深刻地理解關(guān)鍵指標之間的聯(lián)系，提高我們分析思維能力，從而提出更有前瞻性的建議，幫助我們作出更加科學(xué)的決策。
點擊下方鏈接
