龙空技术网

矩阵分析法 | 你真的会决策吗?

温温予你 104

前言:

而今姐妹们对“二维矩阵分析方法”大概比较关切,各位老铁们都需要分析一些“二维矩阵分析方法”的相关资讯。那么小编也在网络上网罗了一些对于“二维矩阵分析方法””的相关内容,希望兄弟们能喜欢,看官们一起来学习一下吧!

拿破仑说:“没什么比决策能力更困难,因而也更珍贵的了。”

但是,

你真的会做决策吗?

你做的决策是对的吗?

无论是要解决问题,还是要把握机会,都要学会及时做决策。现在我们可能还没有掌握这种能力,但是了解、掌握了这种决策工具后,它可以理顺我们的思考结构,让我们的思考脉络更清晰,更有条理。

今天,我们聊聊决策的一种方法-------矩阵分析法。

什么是矩阵?

矩阵的本意是子宫、控制中心的母体、孕育生命的地方。在数学上,矩阵是指纵横排列的二维数据表格,最早来自于方程组的系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。最常见的矩阵是两行两列式矩阵。

矩阵的作用是什么?

矩阵分析法可以帮你更好地梳理信息,将两个变量进行对比,并梳理出四种可能的结果。

为了呈现数据,将两种物品放在两种情况下考量,从而产生四种可能的结果。

矩阵有哪些用途?著名的时间管理矩阵

想必大家都知道。其目的是强调要把时间用来处理“重要却不紧急”的事情。

做自己时间的管理大师

有了这个矩阵,不用担心自己的学习任务有疏漏,不用担心自己的工作有遗漏,不用再担心自己的计划完不成.......还不赶快用起来!!!

难道只有这一种用途?

不急不急,听我慢慢道来~[灵光一闪]

整理数据,梳理信息

当矩阵包含数据时,我们的任务就是填上已知信息,然后通过简单的数学运算来找出未知的信息。

打个比方,一家玩具厂要生产一批玩具。每个玩具都具备以下四个 特点中的两个:要么是蓝色,要么是绿色;要么是大号,要么是小号。 这时我们可以用矩阵来列出所有可能的结果。你会发现,只要稍微扩展 一下该矩阵,你就可以轻松找到自己想要的任何信息。(见矩阵表1)

矩阵1

填上具体数字后的矩阵如表假设我们一共要生产100件玩 具,“100”这个数字必须放在扩展矩阵的右下角部分。(见矩阵表2)

矩阵2

但要记住,在使用矩阵法进行分析时,一定要确保所有数据“相互独立,完全穷尽”。

所谓“相互独立”,就是指所有数据信息彼此不会重合。换句话说, 这些玩具要么是蓝色要么是绿色,要么是大号要么是小号,不可能 有“绿底蓝条”或者“蓝底绿条”的玩具,也不可能有“中号”的玩具。

所谓“完全穷尽”,是指这些信息的数量是确定的。一共有100件玩 具,其中30件蓝色,70件绿色;65件大号,35件小号。当一组数据“相 互独立,完全穷尽”时,它们就能涵盖所有情况。

矩阵还是表格?

矩阵有时候看起来像表格(事实上,所有矩阵都是表格,但并非所有表格都是矩阵),但矩阵和表格的功用截然不同。正如我们前面所说,表格只是把一些相关信息进行展示或归类,而矩阵中所展示的信息 必须是“相互独立,完全穷尽”的。 需要说明的是,在实际应用中,表格不应当被用来展示那些随机数据。

矩阵3

矩阵3很肯定不是矩阵,那下面这个图是吗?

矩阵4

虽然矩阵4看起来像个矩阵,但它并不是——因为该表中的信息只能竖着读,不能横着读,也就是说,这些信息不是“相互独立,完全穷 尽”的。

你判断对了吗?

那如何才能让他变为一个矩阵呢?

在呈现这张表格时,应该同时附上下面的文字: 如今我们经常会听到“信息”这个字眼。但到底怎样的信息才是“好 的”信息呢?通常来说,好的信息要具备以下四个特点——易获取、易总结、相关性、个性化。当一条信息同时符合这四个特点时,我们说它 是“好的”信息。 “易获取”和“易总结”这两个特点可以规范信息的传播效率,而“相 关性”和“个性化”则跟信息传播的效用有关。

简单来说,“易获取”和“易总结”可以让信息更容易传播,而“相关性”和“个性化”则可以让信息更容易达到传播的目的。 矩阵4的目的则是强调效用的重要性,也就是强调“相关性”和“个性化”的重要性。除非信息既有效率又有效用,否则它很难被用户消化吸收。而如果不能被消化吸收,信息的传播就是无效的。拥有以上四个特点的信息可以被认为是“透明的”,它高效易吸收,所以也很容易“进入”用户的大脑.

如何使用矩阵分析法?

来个例子。

假设你公司有个职位空缺,需要招人,摆在你面前有35份简历,其中有20个人拥有至少7年工作经验,有23人有本科学历,有3人工作经验 不到7年,而且没有本科学历。请问,有多少求职者同时拥有至少7年工作经验和本科学历? 第1步:列出矩阵,填上相应信息。“?”表示你想要寻找的答案 。

矩阵5

矩阵6

答案一下子就出来了:有11名求职者拥有至少7年工作经验和本科学历。

矩阵7

你学会了吗?赶快用起来~

我是温予,我们一起探索这光怪陆离的世界~

标签: #二维矩阵分析方法