咨詢公司的數據分析模型有多高大上?帶你漲漲姿勢!
做數據分析的同學們都見過下邊這種矩陣,很多人對此頂禮膜拜,甚至還有一些網文作者直接就把矩陣思維、矩陣模型、矩陣法招呼上了,說它是數據分析的“底層思想”“核心邏輯”。
好吧……他們肯定是沒在咨詢企業上過班了。其中真相如何,今天我們系統講解一下。
圖片
1、 從平均值法說起
平均數是用得最多,也被調侃的最多的概念。有詩為證:
村頭老張一千萬
隔壁九個窮光蛋
統計局里算一算
各個都是張百萬
但問題是,為啥平均數被吐槽這么多,實際上卻又使用得最多?明明統計學里有平均數、中位數、眾數三個概念,三個概念都很好理解,但為啥非是平均數呢?
答:因為平均數用起來方便、省事。用平均數,能很簡單地把總量按人頭分解,比如:
- 銷售金額=購買客戶數*人均購買量
- 生產數量=生產線數*平均產能
- 備貨數=門店數*平均銷量
這樣在做管理的時候是很省事的:想提高銷量,要么增加客戶人數,要么提高人均購買。這兩個數字可以簡單地直接相乘。用中位數、眾數顯然達不到這個效果。
并且,在下命令的時候也很清晰:每個人都要做到平均水平以上!你做不到,你就拖了大家的后腿,大家都能做到你憑什么做不到。你看,簡單清晰,而且符合人們的直觀感覺,很有說服力。
所以平均數是自帶標準的。高于平均值就是好,低于平均值就是不好。這一點對咨詢顧問們來說非常重要。
因為大部分咨詢顧問,在特定行業里的經驗遠沒有客戶多。因此診斷問題的時候,咨詢顧問們非常需要一個不依賴于行業的、中立的、有說服力的標準來判斷好壞。判斷完好壞,才能進一步分析為啥好、為啥壞。因此平均值法是用得最多的判斷方法。
當然,平均值法也有它的先天不足,這就引申出其他方法。
2 、平均值法的迭代升級
用平均數的問題,其實來源于個體差異過大,所謂:“我和姚明平均身高,和馬云平均財富”,因此在平均值法的基礎上,又引入了二八法:按20/80理論,直接把最好的前20%分離出來,單獨觀察,避免干擾其他群體,這樣也能做出判斷。
圖片
二八法一般在前臺/營銷端用得多。因為后臺/供應端的生產、物流都是機器化流程,容易把控質量,但前臺/營銷端常常出現少數能力好的銷售做出大量業績、少數金主爸爸貢獻大部分利潤的情況。在管理上,進而衍生出淘金法。即招100個銷售,要從里邊培育出20個Ace級銷售。類似挖一大堆沙,從里邊淘出金子的過程。
如果評價維度有兩個呢?這就引申出了矩陣法。
3 、從平均值法到矩陣法
矩陣法本質上是一種用兩個維度來找判斷標準的方法。它的操作非常簡單:
第一步,找到兩個評價維度,每個維度取平均值做判斷標準。
第二步,兩個指標交叉,把待評價對象。
第三步,根據兩維度含義,給出分類解讀。
只要兩個指標相關性不是非常高,兩個指標交叉的時候,數據就會分散在四個矩陣里,這樣能清楚找到業務含義(如下圖)。
圖片
更有趣的是,如果兩個評價維度組合得當,是能夠解讀出很多有意思的業務含義的。比如游戲行業的用戶活躍/用戶付費兩個指標。可以起個:
☆ 高活躍+高付費=金牛用戶(又出錢又出力的老牛)
☆ 低活躍+高付費=土豪用戶(懶得自己打,爺花錢買!)
☆ 高活躍+低付費=白嫖用戶(啦啦啦,就是干玩不給錢)
☆ 低活躍+低付費=邊緣用戶(都不咋玩,要跑咯)
這樣的解讀能一下讓報告的氣氛活躍起來,結合所謂“矩陣模型”,顯得既高大上,又活潑,這是甲方爸爸們最喜歡看的東西。因此矩陣模型便大行其道了,每個咨詢公司在新員工培訓的時候,都會教如何構建矩陣模型,讓爸爸們滿意。這是一個祖傳手藝。
所以你看到的咨詢公司的所謂分析模型, 出現最多的就是矩陣,各種矩陣。如果矩陣搞不掂,基本上就是什么7S,9P之類的巨復雜,巨多分類維度的模型了。反應快的同學,看到這立馬就有疑問了。“誒?為啥會這樣,理論上3個維度的評價,也能這樣疊加下去呀,不就是拉交叉表嗎。”
以3維度評價為例,即使每個維度都用二分類,那么能分出來的也有2*2*2=8類。這種情況下會出現幾個問題:
- 每一類含義解讀變得復雜,不見得都能解釋清楚。
- 每一類群體數量變少,經常出現一個群體占比50%,另一個占比5%的問題
- 因為群體規模不均,經常引發客戶:“我們再細分一下”的要求,結果拆得越支離破碎,解讀越麻煩,而且有的客戶,就是50%用戶消費、活躍都是0,也沒法繼續深入
總之,原本用平均值法、用矩陣法,為的是簡單、省事。現在反而人為的制造復雜性了。所以當評價維度超過3個以上的時候,咨詢顧問們會傾向于放棄手動分類,直接用包含一大堆分類維度的綜合評估模型。或者干脆上K均值聚類,對著聚出來的結果再拍腦袋解讀。
4 、小結
所謂分析模型和方法,都是有特定的使用背景、使用目的、使用效果的。而且并不是所有的分析方法,都是沖著“精準”去的。能快速、省事的解決問題,才是最終目的。
這又是一件“君子以為文,小人以為神”的事。認真理解起背后的邏輯,就能進步。打著“權威、牛逼、科學”的幌子死記硬背,就把自己繞進去了。