データ分析をしている学生は以下のマトリックスを見て、多くの人がそれを崇拝しています。マトリックス思考、マトリックスモデル、マトリックス法など、データ分析用であると直接挨拶したオンライン作成者もいます。「低レベル思考」と「コアロジック」、まあ...彼らはコンサルティング会社で働いたことがないに違いありません。真実は何ですか？今日は体系的に説明します。
1.平均的な方法から始める
平均は、最も使用され、最もばかげた概念です。証拠としての詩：
張村1000万次の9人の貧しい
数学の統計局は
すべて100万枚です
しかし、問題は、なぜ平均がそれほど不満を言われているのかということですが、実際にはそれが最も使用されていますか？統計には明らかに、平均、中央値、最頻値の3つの概念があります。3つの概念はすべてよく理解されていますが、なぜ平均ではないのでしょうか。
回答：平均は便利で使いやすいからです。平均を使用すると、合計を頭ごとに簡単に分類できます。次に例を示します。
- 販売額=顧客数*一人当たりの購入
- 生産量=生産ライン番号*平均生産能力
- 在庫数＝店舗数※平均売上高
これにより、管理を行う際の手間が省けます。売上を増やしたい場合は、顧客数を増やすか、1人あたりの購入数を増やす必要があります。これらの2つの数値は、単純に直接乗算できます。明らかに、この効果は中央値と最頻値を使用して達成することはできません。さらに、注文するときは明らかです：誰もが平均以上でなければなりません！それができない場合は、全員を下にドラッグして、誰でもできるようにします。なぜできないのですか。ほら、それはシンプルで明確で、人々の直感的な感覚に一致していて、非常に説得力があります。
したがって、平均には独自の基準があります。平均より上は良いですが、平均より下は悪いです。これはコンサルタントにとって非常に重要です。ほとんどのコンサルタントは、クライアントよりも特定の業界での経験がはるかに少ないためです。したがって、問題を診断するとき、コンサルタントは、良いか悪いかを判断するために業界に依存しない中立で説得力のある基準を必要とします。良いか悪いかを判断することによってのみ、なぜそれが良いのか、なぜ悪いのかをさらに分析することができます。したがって、平均法が最も一般的に使用される判断方法です。
もちろん、平均的な方法にも固有の欠点があり、他の方法につながります。
第二に、平均的な方法の反復的なアップグレード
平均を使うことの問題は、実際には個人差が大きいことに起因します。いわゆる「私と姚明の平均身長、馬雲の平均富」。したがって、平均法に基づいて、28法が導入されます。 ：20/80理論によれば、他のグループの邪魔にならないように、上位20％を直接分離し、別々に観察して、判断を下せるようにします。
28番目の方法は、一般的にフロントデスク/マーケティング側で使用されます。バックエンド/サプライサイドの生産とロジスティクスはすべて機械加工されたプロセスであるため、品質管理は簡単ですが、フロントエンド/マーケティングサイドでは、優れた能力を備えた少数の販売が多くのパフォーマンスを発揮する状況がよくあります。 、および少数の金融所有者が利益の大部分を提供します。管理では、それは派生します：金のパンニング方法。つまり、100の販売が採用され、そこから20のエースレベルの販売を育成する必要があります。それは、砂の大きな山を掘ってそこから金を得るプロセスに似ています。
2つの評価ディメンションがある場合はどうなりますか？これがマトリックス法につながります。
3.平均法からマトリックス法へ
マトリックス法は、本質的に2次元を使用して基準を見つける方法です。その操作は非常に簡単です。
最初のステップは、2つの評価ディメンションを見つけ、各ディメンションの平均を基準として使用することです。
2番目のステップでは、2つの指標が交差し、評価対象が分割されます。
3番目のステップは、2つの次元の意味に基づいて分類の解釈を与えることです。
2つの指標間の相関があまり高くない限り、2つの指標が交差すると、データは4つのマトリックスに分散されるため、ビジネス上の意味を明確に見つけることができます（下図を参照）。
さらに興味深いのは、2つの評価ディメンションを適切に組み合わせると、多くの興味深いビジネス上の意味を解釈できることです。たとえば、ゲーム業界におけるユーザーアクティビティ/ユーザー支払いの2つの指標。開始できます：
☆非常にアクティブ+高額=トーラスユーザー（支払いと貢献をする老牛）
☆低アクティブ+高額=地元の暴君ユーザー（自分で戦うのが面倒、主
がそれを支払う！）☆非常にアクティブ+低額=売春婦ユーザー（ラララ、
お金を払わずにプレイするだけ）☆低アクティビティ+低支払い=限界ユーザー（プレイが苦手、走らなければならない）
このような解釈は、レポートの雰囲気を即座に活性化させることができます。いわゆる「マトリックスモデル」と組み合わせると、背が高く活気に満ちたように見えます。これは、パーティーAの父親のお気に入りです。そのため、マトリックスモデルが普及してきました。すべてのコンサルティング会社は、新入社員がトレーニングをしているときにマトリックスモデルの構築方法を教えて、父親が満足できるようにします。これは先祖代々の工芸品です。
したがって、あなたが目にするコンサルティング会社のいわゆる分析モデルは、マトリックス、さまざまなマトリックスに最も頻繁に現れます。行列を処理できない場合、それは基本的に7S、9P、および分類次元の数が非常に多いその他の非常に複雑なモデルです。迅速に対応するクラスメートは、これを見るとすぐに質問をします。「え？なんでこんな感じなの？理論的には、評価の3次元もこのように重ね合わせることができるのですが、単なる分割表ではありません。」
例として3次元評価を取り上げます。各次元に2つのカテゴリが使用されている場合でも、分離できる2 2 2 = 8のカテゴリがあります。この状況にはいくつかの問題があります。
1.それぞれの意味の解釈が複雑になり、明確に説明できない場合があります。
2.各タイプのグループの数が減少しました。一方のグループが50％を占め、もう一方のグループが5％を占めるという問題がよくあります。3。
グループのサイズが不均一であるため、顧客をトリガーすることがよくあります。もう一度細分化しましょう。」解体が細分化されるほど、解釈が面倒になり、一部の顧客は、ユーザーの消費と活動の50％がゼロであっても、それ以上深く進むことができなくなります。
要するに、平均法と行列法は、もともと単純さと利便性のために使用されていました。今では人為的に複雑さを生み出しています。したがって、評価ディメンションが3つを超える場合、コンサルタントは手動分類を放棄し、多くの分類ディメンションを含む包括的な評価モデルを直接使用する傾向があります。または、単にK-meansクラスタリングを使用して、クラスタリングの結果を解釈します。
4、まとめ
いわゆる分析方法はすべて、特定の使用背景、使用目的、および使用効果を持っています。そして、すべての分析方法が「精度」を目的としているわけではありません。問題を迅速かつ簡単に解決することが究極の目標です。
これは「紳士は文学を、悪役は神を考える」という別のことです。その背後にある論理を理解すれば、進歩を遂げることができます。「権威、偉大さ、科学」を装って、それをロートで暗記しながら歩き回った。そういえば、いわゆるトールモデルの裏にある真実をもっと知りたいという学生もいるはずです。興味のある方は、【グラウンドチースクール】WeChatパブリックアカウントをフォローしてください。次の記事では、真実を共有します。 RFMの背後にあるので、ご期待ください。
著者：陳接地ガス、マイクロチャネル公開番号：地球の学校まで。10年の経験を持つデータアナリストが一連のデータ分析コースを開始し、20,000人以上の学生がいます。