（四）数据分析|QQ模型、杜邦分析、矩阵分析

进行数据分析时，都可以从数量（Quantity）、质量（Quality）这两大角度进行分析，简称为QQ模型，也称为QQ模型分析方法。

第一个Q，就是数量（Quantity），也就是我们常说的绝对指标，例如收入、用户数、渠道数、GDP、人口数等绝对指标，主要用来衡量事物发展的规模大小情况。

第二个Q，就是质量（Quality），也就是我们常说的相对指标，例如利润率、留存率、覆盖率、人均GDP、人均消费数等相对数指标，主要用来衡量事物发展的质量高低情况

其中，质量又可以分为广度和深度两个角度：广度是指群体覆盖的范围，而深度是指群体参与的深度。

应用：分析业务时，可以先分析业务是否达到一定规模？如果业务规模够大，可以再分析质量高不高？质量不高就可以从提升质量角度入手。收入与利润率、用户数与留存率等结合分析，都是QQ模型的经典应用。

杜邦分析法（DuPont Analysis）是利用几种主要的财务比率之间的关系来综合地分析企业的财务状况。具体来说，它是一种用来评价公司盈利能力和股东权益回报水平，从财务角度评价企业绩效的一种经典方法。其基本思想是将企业净资产收益率逐级分解为多项财务比率乘积，这样有助于深入分析比较企业经营业绩。由于这种分析方法最早由美国杜邦公司使用，故名杜邦分析法。

该体系以资产净收益率为龙头，如上图所示，以总资产收益率和权益乘数为核心，重点揭示企业盈利能力及权益乘数对资产净收益率的影响，以及各相关指标之间的相互影响关系，为各级管理者优化经营理财状况、提高公司经营效益提供了思路。

杜邦分析法主要用于财务方面的分析，但可以利用这种方法结合业务进行分析，如下例：

例：公司A2020年的市场占有率相较于2019下降7%，请分析原因。

可以绘制上图，分别将A公司和其他存在竞争关系的公司的规模与增长人数相比较，并计算两年里彼此相应点的增幅/降幅，找到占有率下降的原因。

矩阵分析法是指根据事物（如产品、服务等）的两个重要属性（指标）作为分析的依据，进行分类关联分析，找出解决问题的一种分析方法，也称矩阵关联分析法，简称矩阵分析法。

以属性A为横轴，属性B为纵轴，组成一个坐标系，在两个坐标轴上分别按照某一标准（如：经验值、行业水平等）进行刻度划分，构成四个象限，将要分析的事物对应投射至这四个象限内，进行交叉分类分析，直观地将两个属性的关联性表现出来，进而分析每一个事物在这两个属性上的表现，如图所示，因此也称为象限图分析法。

下面是某用户满意度研究进行矩阵分析应用的案例。通过象限图能够非常直观地看出公司在各方面竞争中的优劣势分别是什么，从而合理分配公司有限的资源，有针对性的确定公司在管理方面需要注意什么。

第一象限（高度关注区）：属于重要性高，满意度也高的象限，表明G、C两个项目既得到公司的重视，又得到顾客的认可，应当继续保持关注。

第二象限（优先改进区）：属于重要性高，但满意度低的象限，这个象限标志着A、D、E项目的改进机会，公司需要谨慎的确定需要什么类型的改进。

第三象限（无关紧要区）：属于重要性低，满意度也低的象限，公司应当进一步关注用户对F、J项目的期望值的变化。

第四象限（维持优势区）：属于重要性低，满意度高的象限，标志着资源过度投入，公司应该合理调整资源分配。

把多个时间节点的数据放在同一张象限图中，并用箭头把每个服务项目随时间的变化标注出来，如下图所示。此矩阵可以让读者直观地了解之前每个项目在用户评价中处于什么位置，现在处于什么位置，将来又如何发展，非常清晰直观，为决策者进行决策提供了强有力的支撑依据。

如果企业有较多的短板（需要改进的指标），且出于自身资源有限，只能集中有限资源优先对某个短板进行改进。再参考改进的难易程度来决定资源分配，可以准确的确定改进的顺序。

如下图，旗袍的大小代表了改进的难易程度，气泡越小代表越简单，越大代表越难。