精华内容
下载资源
问答
  • 项目管理工具之SWOT分析法

    千次阅读 2020-04-08 00:51:38
    小白进阶之项目管理工具SWOT分析法 一、SWOT分析法 小度解释 二、SWOT分析法分析模型 三、SWOT分析法应用 四、SWOT分析法规则 五、SWOT分析法贡献 叮嘟!小白进阶,做项目必备SWOT分析法分析,写篇博客分享一下。


    叮嘟!小白进阶,做项目必备SWOT分析法分析,写篇博客分享一下。
    在这里插入图片描述

    一、SWOT分析法 小度解释

    所谓SWOT分析,即基于内外部竞争环境和竞争条件下的态势分析,就是将与研究对象密切相关的各种主要内部优势、劣势和外部的机会和威胁等,通过调查列举出来,并依照矩阵形式排列,然后用系统分析的思想,把各种因素相互匹配起来加以分析,从中得出一系列相应的结论,而结论通常带有一定的决策性。
    运用这种方法,可以对研究对象所处的情景进行全面、系统、准确的研究,从而根据研究结果制定相应的发展战略、计划以及对策等。
    S (strengths)是优势、W (weaknesses)是劣势,O (opportunities)是机会、T (threats)是威胁。
    按照企业竞争战略的完整概念,战略应是一个企业“能够做的”(即组织的强项和弱项)和“可能做的”(即环境的机会和威胁)之间的有机组合。
    在这里插入图片描述

    二、SWOT分析法分析模型

    1. 优势与劣势分析(SW)

    由于企业是一个整体,并且由于竞争优势来源的广泛性,所以,在做优劣势分析时必须从整个价值链的每个环节上,将企业与竞争对手做详细的对比。如产品是否新颖,制造工艺是否复杂,销售渠道是否畅通,以及价格是否具有竞争性等。如果一个企业在某一方面或几个方面的优势正是该行业企业应具备的关键成功要素,那么,该企业的综合竞争优势也许就强一些。需要指出的是,衡量一个企业及其产品是否具有竞争优势,只能站在现有潜在用户角度上,而不是站在企业的角度上。
    在这里插入图片描述

    2. 机会与威胁分析(OT)

    比如当前社会上流行的盗版威胁:盗版替代品限定了公司产品的最高价,替代品对公司不仅有威胁,可能也带来机会。企业必须分析,替代品给公司的产品或服务带来的是 “灭顶之灾”呢,还是提供了更高的利润或价值;购买者转而购买替代品的转移成本;公司可以采取什么措施来降低成本或增加附加值来降低消费者购买盗版替代品的风险。
    在这里插入图片描述

    3. 整体分析

    从整体上看,SWOT可以分为两部分:第一部分为SW,主要用来分析内部条件;第二部分为OT,主要用来分析外部条件。
    利用这种方法可以从中找出对自己有利的、值得发扬的因素,以及对自己不利的、要避开的东西,发现存在的问题,找出解决办法,并明确以后的发展方向。根据这个分析,可以将问题按轻重缓急分类,明确哪些是急需解决的问题,哪些是可以稍微拖后一点儿的事情,哪些属于战略目标上的障碍,哪些属于战术上的问题,并将这些研究对象列举出来,依照矩阵形式排列,然后用系统分析的所想,把各种因素相互匹配起来加以分析,从中得出一系列相应的结论而结论通常带有一定的决策性,有利于领导者和管理者做出较正确的决策和规划。

    三、SWOT分析法应用

    SWOT分析法常常被用于制定集团发展战略和分析竞争对手情况,在战略分析中,它是最常用的方法之一。进行SWOT分析时,主要有以下几个方面的内容:

    1. 分析环境因素

    运用各种调查研究方法,分析出公司所处的各种环境因素,即外部环境因素和内部能力因素。外部环境因素包括机会因素和威胁因素,它们是外部环境对公司的发展直接有影响的有利和不利因素,属于客观因素,内部环境因素包括优势因素和弱点因素,它们是公司在其发展中自身存在的积极和消极因素,属主观因素,在调查分析这些因素时,不仅要考虑到历史与现状,而且更要考虑未来发展问题。
    在这里插入图片描述
    优势,是组织机构的内部因素,具体包括:有利的竞争态势;充足的财政来源;良好的企业形象;技术力量;规模经济;产品质量;市场份额;成本优势;广告攻势等。

    劣势,也是组织机构的内部因素,具体包括:设备老化;管理混乱;缺少关键技术;研究开发落后;资金短缺;经营不善;产品积压;竞争力差等。

    机会,是组织机构的外部因素,具体包括:新产品;新市场;新需求;外国市场壁垒解除;竞争对手失误等。

    威胁,也是组织机构的外部因素,具体包括:新的竞争对手;替代产品增多;市场紧缩;行业政策变化;经济衰退;客户偏好改变;突发事件等。
    在这里插入图片描述
    上图所示为swot分析模型

    SWOT方法的优点

    在于考虑问题全面,是一种系统思维,而且可以把对问题的“诊断”和“开处方”紧密结合在一起,条理清楚,便于检验。
    

    2. 构造SWOT矩阵

    将调查得出的各种因素根据轻重缓急或影响程度等排序方式,构造SWOT矩阵。在此过程中,将那些对公司发展有直接的、重要的、大量的、迫切的、久远的影响因素优先排列出来,而将那些间接的、次要的、少许的、不急的、短暂的影响因素排列在后面。

    3. 制定行动计划

    在完成环境因素分析和SWOT矩阵的构造后,便可以制定出相应的行动计划。制定计划的基本思路是:发挥优势因素,克服弱点因素,利用机会因素,化解威胁因素;考虑过去,立足当前,着眼未来。运用系统分析的综合分析方法,将排列与考虑的各种环境因素相互匹配起来加以组合,得出一系列公司未来发展的可选择对策。

    四、SWOT分析法规则

    成功应用SWOT分析法的简单规则:

    1、进行SWOT分析的时候必须对公司的优势与劣势有客观的认识。
    2、进行SWOT分析的时候必须区分公司的现状与前景。
    3、进行SWOT分析的时候必须考虑全面。
    4、进行SWOT分析的时候必须与竞争对手进行比较,比如优于或是劣于你的竞争对手。
    5、保持SWOT分析法的简洁化,避免复杂化与过度分析。
    6、SWOT分析法因人而异。
    

    五、SWOT分析法贡献

    SWOT方法的贡献就在于用系统的思想将这些似乎独立的因素相互匹配起来进行综合分析,使得企业战略计划的制定更加科学全面。
    

    小结!

    学海无涯,学无止境。
    让我们一点一滴积累吧,相信水滴石穿,总归功夫不负有心人。

    就酱,嘎啦!
    

    在这里插入图片描述

    注:小白进阶,每天都在学习的路上。

    展开全文
  • 层次分析法

    万次阅读 2015-06-11 18:11:53
    层次分析法(Analytic Hierarchy Process,简称AHP)是将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初...
            层次分析法(Analytic Hierarchy Process,简称AHP)是将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和 定量分析 的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初,在为 美国国防部 研究"根据各个工业部门对国家福利的贡献大小而进行电力分配"课题时,应用网络系统理论和多目标综合评价方法,提出的一种层次权重决策分析方法。
     
    应用实例编辑
    1、建立递阶层次结构;
    2、构造两两比较判断矩阵;( 正互反矩阵
    购物层次分析模型                      购物层次分析模型
    对各指标之间进行两两对比之后,然后按9分位比率排定各评价指标的相对优劣顺序,依次构造出评价指标的判断矩阵。
    3、针对某一个标准,计算各备选元素的权重;
    关于判断矩阵权重计算的方法有两种,即几何平均法(根法)和规范列平均法(和法)。
    (1)几何平均法(根法)
    计算矩阵A各行各个元素的乘积,得到一个n行一列的矩阵B;
    计算矩阵每个元素的n次方根得到矩阵C;
    对矩阵C进行归一化处理得到矩阵D;
    该矩阵D即为所求权重向量。
    (2)规范列平均法(和法)
    矩阵A每一列归一化得到矩阵B;
    将矩阵B每一行元素的平均值得到一个一列n行的矩阵C;
    矩阵C即为所求权重向量。
     

    2定义

    所谓层次分析法,是指将一个复杂的多目标决策问题作为一个系统,将目标分解为多个目标或准则,进而分解为多指标(或准则、约束)的若干层次,通过定性指标模糊量化方法算出层次单排序(权数)和总排序,以作为目标(多指标)、多方案优化决策的系统方法。
    层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构,然后得用求解判断矩阵特征向量的办法,求得每一层次的各元素对上一层次某元素的优先权重,最后再加权和的方法递阶归并各备择方案对总目标的最终权重,此最终权重最大者即为最优方案。这里所谓“优先权重”是一种相对的量度,它表明各备择方案在某一特点的评价准则或子目标,标下优越程度的相对量度,以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统,而且目标值又难于定量描述的决策问题。其用法是构造 判断矩阵 ,求出其最大 特征值 。及其所对应的 特征向量 W, 归一化 后,即为某一层次指标对于上一层次某相关指标的相对重要性权值。
     

    3优缺点

    优点

    1. 系统性的分析方法
    层次分析法把研究对象作为一个系统,按照分解、比较判断、综合的思维方式进行决策,成为继机理分析、统计分析之后发展起来的系统分析的重要工具。系统的思想在于不割断各个因素对结果的影响,而层次分析法中每一层的权重设置最后都会直接或间接影响到结果,而且在每个层次中的每个因素对结果的影响程度都是量化的,非常清晰、明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。
    2. 简洁实用的决策方法
    这种方法既不单纯追求高深数学,又不片面地注重行为、逻辑、推理,而是把定性方法与定量方法有机地结合起来,使复杂的系统分解,能将人们的思维过程数学化、系统化,便于人们接受,且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题,通过两两比较确定同一层次元素相对上一层次元素的数量关系后,最后进行简单的数学运算。即使是具有中等文化程度的人也可了解层次分析的基本原理和掌握它的基本步骤,计算也经常简便,并且所得结果简单明确,容易为决策者了解和掌握。
    3. 所需定量数据信息较少
    层次分析法主要是从评价者对评价问题的本质、要素的理解出发,比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法,层次分析法把判断各要素的相对重要性的步骤留给了大脑,只保留人脑对要素的印象,化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。[1]

    缺点

    1. 不能为决策提供新方案
    层次分析法的作用是从备选方案中选择较优者。这个作用正好说明了层次分析法只能从原有方案中进行选取,而不能为决策者提供解决问题的新方案。这样,我们在应用层次分析法的时候,可能就会有这样一个情况,就是我们自身的创造能力不够,造成了我们尽管在我们想出来的众多方案里选了一个最好的出来,但其效果仍然不够企业所做出来的效果好。而对于大部分决策者来说,如果一种分析工具能替我分析出在我已知的方案里的最优者,然后指出已知方案的不足,又或者甚至再提出改进方案的话,这种分析工具才是比较完美的。但显然,层次分析法还没能做到这点。
    2. 定量数据较少,定性成分多,不易令人信服
    在如今对科学的方法的评价中,一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑的决策方式的方法,因此必然带有较多的定性色彩。这样,当一个人应用层次分析法来做决策时,其他人就会说:为什么会是这样?能不能用数学方法来解释?如果不可以的话,你凭什么认为你的这个结果是对的?你说你在这个问题上认识比较深,但我也认为我的认识也比较深,可我和你的意见是不一致的,以我的观点做出来的结果也和你的不一致,这个时候该如何解决?
    比如说,对于一件衣服,我认为评价的指标是舒适度、耐用度,这样的指标对于女士们来说,估计是比较难接受的,因为女士们对衣服的评价一般是美观度是最主要的,对耐用度的要求比较低,甚至可以忽略不计,因为一件便宜又好看的衣服,我就穿一次也值了,根本不考虑它是否耐穿我就买了。这样,对于一个我原本分析的‘购买衣服时的选择方法’的题目,充其量也就只是‘男士购买衣服的选择方法’了。也就是说,定性成分较多的时候,可能这个研究最后能解决的问题就比较少了。
    对于上述这样一个问题,其实也是有办法解决的。如果说我的评价指标太少了,把美观度加进去,就能解决比较多问题了。指标还不够?我再加嘛!还不够?再加!还不够?!不会吧?你分析一个问题的时候考虑那么多指标,不觉得辛苦吗?大家都知道,对于一个问题,指标太多了,大家反而会更难确定方案了。这就引出了层次分析法的第三个不足之处。
    3. 指标过多时数据统计量大,且权重难以确定
    当我们希望能解决较普遍的问题时,指标的选取数量很可能也就随之增加。这就像系统结构理论里,我们要分析一般系统的结构,要搞清楚关系环,就要分析到基层次,而要分析到基层次上的相互关系时,我们要确定的关系就非常多了。指标的增加就意味着我们要构造层次更深、数量更多、规模更庞大的判断矩阵。那么我们就需要对许多的指标进行两两比较的工作。由于一般情况下我们对层次分析法的两两比较是用1至9来说明其相对重要性,如果有越来越多的指标,我们对每两个指标之间的重要程度的判断可能就出现困难了,甚至会对层次单排序和总排序的一致性产生影响,使一致性检验不能通过,也就是说,由于客观事物的复杂性或对事物认识的片面性,通过所构造的判断矩阵求出的特征向量(权值)不一定是合理的。不能通过,就需要调整,在指标数量多的时候这是个很痛苦的过程,因为根据人的思维定势,你觉得这个指标应该是比那个重要,那么就比较难调整过来,同时,也不容易发现指标的相对重要性的取值里到底是哪个有问题,哪个没问题。这就可能花了很多时间,仍然是不能通过一致性检验,而更糟糕的是根本不知道哪里出现了问题。也就是说,层次分析法里面没有办法指出我们的判断矩阵里哪个元素出了问题。[1]  
    4. 特征值和特征向量的精确求法比较复杂
    在求判断矩阵的特征值和特征向量时,所用的方法和我们多元统计所用的方法是一样的。在二阶、三阶的时候,我们还比较容易处理,但随着指标的增加,阶数也随之增加,在计算上也变得越来越困难。不过幸运的是这个缺点比较好解决,我们有三种比较常用的近似计算方法。第一种就是和法,第二种是幂法,还有一种常用方法是根法。
     

    4基本步骤

    建立层次结构模型
    在深入分析实际问题的基础上,将有关的各个因素按照不同属性 自上而下 地分解成若干层次,同一层的诸因素从属于上一层的因素或对上层因素有影响,同时又支配下一层的因素或受到下层因素的作用。最上层为目标层,通常只有1个因素,最下层通常为方案或对象层,中间可以有一个或几个层次,通常为准则或指标层。当准则过多时(譬如多于9个)应进一步分解出子准则层。
    构造成对比较阵
    从层次结构模型的第2层开始,对于从属于(或影响)上一层每个因素的同一层诸因素,用 成对比较法 和1—9比较尺度构造成对比较阵,直到最下层。
    计算权向量并做一致性检验
    对于每一个成对比较阵计算最大特征根及对应 特征向量 ,利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过,特征向量( 归一化 后)即为权向量:若不通过,需重新构造成对比较阵。
    计算组合权向量并做组合一致性检验
    计算最下层对目标的组合权向量,并根据公式做组合一致性检验,若检验通过,则可按照组合权向量表示的结果进行决策,否则需要重新考虑模型或重新构造那些一致性比率较大的成对比较阵。
    美国运筹学家T.L.saaty于20世纪70年代提出的层次分析法(Analytic Hierarchy Process,简称AHP方法),是对方案的多指标系统进行分析的一种层次化、结构化决策方法,它将决策者对复杂系统的决策思维过程模型化、数量化。应用这种方法,决策者通过将复杂问题分解为若干层次和若干因素,在各因素之间进行简单的比较和计算,就可以得出不同方案的权重,为最佳方案的选择提供依据。运用AHP方法,大体可分为以下三个步骤:
    步骤1:分析系统中各因素间的关系,对同一层次各元素关于上一层次中某一准则的重要性进行两两比较,构造两两比较的判断矩阵;
    步骤2:由判断矩阵计算被比较元素对于该准则的相对权重,并进行判断矩阵的一致性检验;
    步骤3:计算各层次对于系统的总排序权重,并进行排序。
    最后,得到各方案对于总目标的总排序。
    构造判断矩阵
    层次分析法的一个重要特点就是用两两重要性程度之比的形式表示出两个方案的相应重要性程度等级。如对某一准则,对其下的各方案进行两两对比,并按其重要性程度评定等级。记为第 和第 因素的重要性之比,表3列出Saaty给出的9个重要性等级及其 赋值 。按两两比较结果构成的矩阵 称作判断矩阵。判断矩阵 具有如下性质:
    且 / ( =1,2,… ) 即 为 正互反矩阵
    表3比例标度表
    因素 比因素
    量化值
    同等重要
    1
    稍微重要
    3
    较强重要
    5
    强烈重要
    7
    极端重要
    9
    两相邻判断的中间值
    2,4,6,8
    计算权重向量
    为了从判断矩阵中提炼出有用信息,达到对事物的规律性的认识,为决策提供出科学依据,就需要计算判断矩阵的权重向量。
    定义:判断矩阵 ,如对 … ,成立 ,则称 满足一致性,并称 为一致性矩阵。
    一致性矩阵A具有下列简单性质:
    1、 存在唯一的非零特征值 ,其对应的特征向量归一化后 记为 ,叫做权重向量,且 ;
    2、 的列向量之和经规范化后的向量,就是权重向量;
    3、 的任一列向量经规范化后的向量,就是权重向量;
    4、对 的全部列向量求每一分量的几何平均,再规范化后的向量,就是权重向量。
    因此,对于构造出的判断矩阵,就可以求出最大特征值所对应的特征向量,然后归一化后作为权值。根据上述定理中的性质2和性质4即得到 判断矩阵 满足一致性的条件下求取权值的方法,分别称为和法和根法。而当 判断矩阵 不满足一致性时,用和法和根法计算权重向量则很不精确。
    一致性检验
    判断矩阵 的阶数 时,通常难于构造出满足一致性的矩阵来。但判断矩阵偏离 一致性条件 又应有一个度,为此,必须对判断矩阵是否可接受进行鉴别,这就是一致性检验的内涵。
    定理:设 是正互反矩阵 的最大特征值则必有 ,其中等式当且仅当 为一致性矩阵时成立。
    应用上面的定理,则可以根据 是否成立来检验矩阵的一致性,如果 比 大得越多,则 的非一致性程度就越严重。因此,定义一致性指标
    (1)
    CI越小,说明一致性越大。考虑到一致性的偏离可能是由于随机原因造成的,因此在检验 判断矩阵 是否具有满意的一致性时,还需将CI和平均随机一致性指标RI进行比较,得出检验系数CR,即
    (2)
    如果CR<0.1 ,则认为该判断矩阵通过一致性检验,否则就不具有满意一致性。
    其中,随机一致性指标RI和判断矩阵的阶数有关,一般情况下,矩阵阶数越大,则出现一致性随机偏离的可能性也越大,其对应关系如表4:
    表4 平均随机一致性指标RI标准值(不同的标准不同,RI的值也会有微小的差异)
    矩阵阶数
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    RI
    0
    0
    0.58
    0.90
    1.12
    1.24
    1.32
    1.41
    1.45
    1.49
    可见,AHP方法不仅原理简单,而且具有扎实的理论基础,是定量与定性方法相结合的优秀的决策方法,特别是定性因素起主导作用的决策问题。

    5注意事项

    如果所选的要素不合理,其含义混淆不清,或要素间的关系不正确,都会降低AHP法的结果质量,甚至导致AHP法决策失败。
    为保证递阶层次结构的合理性,需把握以下原则:
    1、分解简化问题时把握主要因素,不漏不多;
    2、注意相比较元素之间的强度关系,相差太悬殊的要素不能在同一层次比较。
     
     
     
    展开全文
  • 主成分分析法

    千次阅读 2015-08-11 12:57:34
    主成分分析法的基本原理及应用 什么是主成分分析法  主成分分析也称主分量分析,旨在利用降维的思想,把多指标转化为少数几个综合指标。  在统计学中,主成分分析(principal components analysis,PCA)是一种...

     

    主成分分析法的基本原理及应用

    什么是主成分分析法

      主成分分析也称主分量分析,旨在利用降维的思想,把多指标转化为少数几个综合指标

      在统计学中,主成分分析(principal components analysis,PCA)是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中,使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上,第二大方差在第二个坐标(第二主成分)上,依次类推。主成分分析经常用减少数据集的维数,同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分,忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是,这也不是一定的,要视具体应用而定。

    主成分分析的基本思想

      在实证问题研究中,为了全面、系统地分析问题,我们必须考虑众多影响因素。这些涉及的因素一般称为指标,在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息,并且指标之间彼此有一定的相关性,因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时,变量太多会增加计算量和增加分析问题的复杂性,人们希望在进行定量分析的过程中,涉及的变量较少,得到的信息量较多。主成分分析正是适应这一要求产生的,是解决这类题的理想工具。

      同样,在科普效果评估的过程中也存在着这样的问题。科普效果是很难具体量化的。在实际评估工作中,我们常常会选用几个有代表性的综合指标,采用打分的方法来进行评估,故综合指标的选取是个重点和难点。如上所述,主成分分析法正是解决这一问题的理想工具。因为评估所涉及的众多变量之间既然有一定的相关性,就必然存在着起支配作用的因素。根据这一点,通过对原始变量相关矩阵内部结构 的关系研究,找出影响科普效果某一要素的几个综合指标,使综合指标为原来变量的线性拟合。这样,综合指标不仅保留了原始变量的主要信息,且彼此间不相关,又比原始变量具有某些更优越的性质,就使我们在研究复杂的科普效果评估问题时,容易抓住主要矛盾。 上述想法可进一步概述为:设某科普效果评估要素涉及个指标,这指标构成的维随机向量为。对作正交变换,令其中为正交阵的各分量是不相关的,使得的各分量在某个评估要素中的作用容易解释,这就使得我们有可能从主分量中选择主要成分,削除对这一要素影响微弱的部分,通过对主分量的重点分析,达到对原始变量进行分析的目的。各分量是原始变量线性组合,不同的分量表示原始变量之间不同的影响关系。由于这些基本关系很可能与特定的作用过程相联系,主成分分析使我们能从错综复杂的科普评估要素的众多指标中,找出一些主要成分,以便有效地利用大量统计数据,进行科普效果评估分析,使我们在研究科普效果评估问题中,可能得到深层次的一些启发,把科普效果评估研究引向深入。

      例如,在对科普产品开发和利用这一要素的评估中,涉及科普创作人数百万人、科 普作品发行量百万人、科普产业化(科普示范基地数百万人)等多项指标。经过主成分分析计算,最后确定个或个主成分作为综合评价科普产品利用和开发的综合指标,变量数减少,并达到一定的可信度,就容易进行科普效果的评估。

    主成分分析法的基本原理

           主成分分析法是一种降维的统计方法,它借助于一个正交变换,将其分量相关的原随机向量转化成其分量不相关的新随机向量,这在代数上表现为将原随机向量的协方差阵变换成对角形阵,在几何上表现为将原坐标系变换成新的正交坐标系,使之指向样本点散布最开的p 个正交方向,然后对多维变量系统进行降维处理,使之能以一个较高的精度转换成低维变量系统,再通过构造适当的价值函数,进一步把低维系统转化成一维系统。

      主成分分析的原理是设法将原来变量重新组合成一组新的相互无关的几个综合变量,同时根据实际需要从中可以取出几个较少的总和变量尽可能多地反映原来变量的信息的统计方法叫做主成分分析或称主分量分析,也是数学上处理降维的一种方法。主成分分析是设法将原来众多具有一定相关性(比如P个指标),重新组合成一组新的互相无关的综合指标来代替原来的指标。通常数学上的处理就是将原来P个指标作线性组合,作为新的综合指标。最经典的做法就是用F1(选取的第一个线性组合,即第一个综合指标)的方差来表达,即Va(rF1)越大,表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的,故称F1为第一主成分。如果第一主成分不足以代表原来P个指标的信息,再考虑选取F2即选第二个线性组合,为了有效地反映原来信息,F1已有的信息就不需要再出现再F2中,用数学语言表达就是要求Cov(F1,F2)=0,则称F2为第二主成分,依此类推可以构造出第三、第四,……,第P个主成分。[1]

    主成分分析的主要作用

      概括起来说,主成分分析主要由以下几个方面的作用。

      1.主成分分析能降低所研究的数据空间的维数。即用研究m维的Y空间代替p维的X空间(m<p),而低维的Y空间代替 高维的x空间所损失的信息很少。即:使只有一个主成分Yl(即 m=1)时,这个Yl仍是使用全部X变量(p个)得到的。例如要计算Yl的均值也得使用全部x的均值。在所选的前m个主成分中,如果某个Xi的系数全部近似于零的话,就可以把这个Xi删除,这也是一种删除多余变量的方法。

      2.有时可通过因子负荷aij的结论,弄清X变量间的某些关系。

      3.多维数据的一种图形表示方法。我们知道当维数大于3时便不能画出几何图形,多元统计研究的问题大都多于3个变量。要把研究的问题用图形表示出来是不可能的。然而,经过主成分分析后,我们可以选取前两个主成分或其中某两个主成分,根据主成分的得分,画出n个样品在二维平面上的分布况,由图形可直观地看出各样品在主分量中的地位,进而还可以对样本进行分类处理,可以由图形发现远离大多数样本点的离群点。

      4.由主成分分析法构造回归模型。即把各主成分作为新自变量代替原来自变量x做回归分析

      5.用主成分分析筛选回归变量。回归变量的选择有着重的实际意义,为了使模型本身易于做结构分析、控制和预报,好从原始变量所构成的子集合中选择最佳变量,构成最佳变量集合。用主成分分析筛选变量,可以用较少的计算量来选择量,获得选择最佳变量子集合的效果。

    主成分分析法的计算步骤

      1、原始指标数据的标准化采集p 维随机向量x = (x1,X2,...,Xp)T)n 个样品xi = (xi1,xi2,...,xip)T ,i=1,2,…,n,

      n>p,构造样本阵,对样本阵元进行如下标准化变换:

      Z_{ij}=\frac{x_{ij}-\bar{x}_j}{s_j},i=1,2,...,n; j=1,2,...,p

      其中\bar{x}_j=\frac{\sum^{n}_{i=1}x_{ij}}{n},s^2_j=\frac{\sum^n_{i=1}(x_{ij}-\bar{x}_j)^2}{n-1},得标准化阵Z。

      2、对标准化阵Z 求相关系数矩阵

      R=\left[r_{ij}\right]_pxp=\frac{Z^T Z}{n-1}

      其中,r_{ij}=\frac{\sum z_{kj}\cdot z_{kj}}{n-1},i,j=1,2,...,p

      3、解样本相关矩阵R 的特征方程\left|R-\lambda I_p\right|=0得p 个特征根,确定主成分

      按\frac{\sum^m_{j=1}\lambda_j}{\sum^p_{j=1}\lambda_j}\ge 0.85 确定m 值,使信息的利用率达85%以上,对每个λj, j=1,2,...,m, 解方程组Rb = λjb得单位特征向量b^o_j

      4、将标准化后的指标变量转换为主成分

      U_{ij}=z^{T}_{i}b^{o}_{j},j=1,2,...,m

      U1称为第一主成分,U2 称为第二主成分,…,Up 称为第p 主成分。

      5 、对m 个主成分进行综合评价

      对m 个主成分进行加权求和,即得最终评价值,权数为每个主成分的方差贡献率。

    主成分分析法优缺点

      优点

      ①可消除评估指标之间的相关影响。因为主成分分析法在对原始数据指标变量进行变换后形成了彼此相互独立的主成分,而且实践证明指标间相关程度越高,主成分分析效果越好。

      ②可减少指标选择的工作量,对于其他评估方法,由于难以消除评估指标间的相关影响,所以选择指标时要花费不少精力,而主成分分析法由于可以消除这种相关影响,所以在指标选择上相对容易些。

      ③主成分分析中各主成分是按方差大小依次排列顺序的,在分析问题时,可以舍弃一部分主成分,只取前面方差较大的几个主成分来代表原变量,从而减少了计算工作量。用主成分分析法作综合评估时,由于选择的原则是累计贡献率≥85%,不至于因为节省了工作量却把关键指标漏掉而影响评估结果。

      缺点

      ①在主成分分析中,我们首先应保证所提取的前几个主成分的累计贡献率达到一个较高的水平(即变量降维后的信息量须保持在一个较高水平上),其次对这些被提取的主成分必须都能够给出符合实际背景和意义的解释(否则主成分将空有信息量而无实际含义)。

      ②主成分的解释其含义一般多少带有点模糊性,不像原始变量的含义那么清楚、确切,这是变量降维过程中不得不付出的代价。因此,提取的主成分个数m通常应明显小于原始变量个数p(除非p本身较小),否则维数降低的“利”可能抵不过主成分含义不如原始变量清楚的“弊”。

      ③当主成分的因子负荷的符号有正有负时,综合评价函数意义就不明确。

    主成分分析法的应用分析

    案例一:主成分分析法在啤酒风味评价分析中的应用[2]

      啤酒是个多指标风味食品, 为了全面了解啤酒的风味, 啤酒企业开发了大量的检测方法用于分析啤酒的指标, 但是面对大量的指标数据, 大多数企业又感到茫然,不知道如何利用这些大量的数据, 由上面的介绍可知,在这种情况下,主成分分析法能够派上用场。近年来,科研人员为了获得对啤酒风味更好的理解, 多元统计技术的使用越来越多。这主要有以下两方面的原因:①在啤酒领域里, 几乎没有一个问题能够使用单变量(单指标)就能反映事物的属性, 例如啤酒的好坏、一致性, 不能通过双乙酰一个指标说明问题;②另一个重要的原因就是, 近年来大量数学统计软件的不断出现和个人电脑的普及促进了多元统计分析技术的应用。多元统计技术在啤酒风味研究中的一个重要任务就是找出啤酒风格和啤酒理化指标(风味成分指标也属于理化指标)之间的相关性。例如可以用多元统计技术来找出啤酒的风味指标和啤酒风味的关系或不同啤酒的风味差异性。

      经常使用的多元统计技术有聚类分析判别分析、主成分分析和回归分析等。其中主成分分析能够用于多指标产品, 主成分分析可以按照事物的相似性区分产品, 结果可用一维、二维或三维平面坐标图标示, 特别直观。使用主成分分析法可以研究隐藏在不同变量背后的关系,而且根据这些变量能够获得主成分的背景解释。

      鉴于主成分分析在啤酒风味质量应用中的强大作用, 本文简单介绍主成分分析的基本原理及其在啤酒一致性监控中的应用,以引起我国啤酒同行的广泛关注。

    1 材料与方法

      1.1 仪器

      HP 6890 毛细管气相色谱仪 (美国安捷伦公司),FID 检测器, HP 7694E 顶空自动进样器, HP 气相色谱化学工作站。

      1.2 分析方法

      1.2.1 样品制备

      啤酒于5 ℃冷藏, 量取 5 mL 酒液于 20 mL 顶空瓶中, 添加2.0 g/L 正丁醇溶液 0.10 mL, 加密封垫及铝盖密封,振荡混匀以供顶空气相色谱测定。

      1.2.2 色谱条件

      毛细管色谱柱 (DB- WAXETR 30 m×0.53 mm i.d,膜厚1.0 μm);柱温:起始温度为 35 ℃, 以 10 ℃/min 程序升温至150 ℃, 再以 20 ℃/min 升温到180 ℃, 并继续恒温5 min;进样口温度 150 ℃; 检测器温度 200 ℃; 载气为高纯氮气, 流速为5 mL/min;氢气 30 mL/min;空气400 mL/min;采用分流进样,分流比为1∶1。

      啤酒的三维坐标图

    2 主成分分析法的基本原理

      2.1 主成分分析法在啤酒研究中应用的必要性这里通过一个例子说明, 主成分分析在啤酒研究中的必要性。假如有6 个啤酒样品,分别标为A- F,每个啤酒样品用3 个指标来描述。这些指标可以是仪器的分析数据、感官分析数据或两者都用。为了便于讨论,假设这3 个指标分别为苦味值(BU)、DMS和酒精浓度。为了解这6 个样品两两之间的相似性, 便于将这6 个样品进行分类,可以把这6 个样品画在三维空间中,见图1。显然在这个简单的例子中, 这6 个样品倾向于形成两类, 即分别是A- C 和 D- F。通过所测的指标可以解释这种分类, 例如, 第一组(A- C)有较高的苦味值和较低的酒精浓度。这个例子中只涉及到6 个样品和3 个指标。但是实际上, 样品数量和指标数量都会很大, 例如, 有20 个指标, 这时, 样品不能在20 维的坐标系中画出。为了解决多指标的样品的比较问题,可以使用主成分分析法。

      2.2 主成分分析法的基本原理

      主成分分析的第一步是将所有的指标数据进行标准化, 标准化的一般方法为: (xijxjmean) / δj, 这里xij是样品i 的第 j 个指标,xjmeanδj是第j 个指标的平均值和标准偏差, 通过标准化后, 每个变量的平均值变成0,标准偏差为1。标准化的好处是可以消除不同指标间的量纲差异和数量级间的差异。

      第二步求出指标间的相关矩阵, 通过相关矩阵, 可以确定具有高度相关性的指标, 这些指标间的协方差可以通过另一个变量替代, 这个变量叫作第一成分。去掉第一成分后, 计算残留相关阵, 通过残留相关阵, 第二组高度相关的变量也可以发现, 它们的协方差可以用第二成分替代, 第二成分和第一成分是正交的。第二成分对原始数据的贡献去除后, 可以提取第三成分。此过程一直继续, 直到原始数据的所有方差都被提取后结束。结果是原数据转化成了同样数量的新变量, 但是, 这些新变量之间是正交的。

      因此, 每个样品的原始变量的标准化数据就被转换成一系列成分的计算值。每一个样品, 原始数据能够表达成新成分的线性组合值, 例如一个有9 个指标的数据集就可转换成:

      V_1=L_{1,1}C_1+L_{1,2}C_2+\cdots+L_{1,9}C_9

      V2=L_{2,1}C_{1}+L_{2,2}C_2+\cdots+L_{2,9}C_9

      ………………

      V_9=L_{9,1}C_1+L_{9,2}C_2+\cdots+L_{9,9}C_{9}

      V_1,V_2,\cdots V_9是原始数据的标准化值。L_{1,1},L_{1,2}\cdots L_{2,1},L_{2,2}\cdots L_{9,9}是原变量与新成分之间的相关程度的指标, 一般将其称为因子荷载。

      通过计算机的主成分程序生成对方差的贡献率。一般而言, 原数据的总方差总是高度集中在前几个成分中。因此,在这个分析中,可以基于可以接受的最低方差贡献率,来选择几个数目较少的主成分。最终,可以用选择的几个主成分来重新计算所用的样品。重新计算的值叫做主成分得分。

      因为原始数据阵的方差通常集中在前几个主成分中(一般为2 或 3 个), 因此样品的一系列标准化因子得分可以在二维的平面坐标中画出, 这样就能够根据样品的相似性来分类样品。另外, 还可以根据因子荷载对这种分类做出某种解释。

    3 主成分分析法在啤酒质量一致性评价中的应用

      3.1 主成分分析法在不同品牌啤酒风味差异性评价中的应用

      啤酒是含酒精的饮料酒, 啤酒的风味是人们选择啤酒的主要影响因素。显然啤酒不同于同浓度的酒精水溶液, 主要是因为啤酒除了含有酒精外还含有数以百计的微量成分, 例如醛、醇及酯类等。对于啤酒生产企业来说, 把自己的啤酒和竞争啤酒的风味进行比较非常重要, 这样可以了解自己的啤酒和竞品的差异, 分析竞争啤酒受市场欢迎的原因, 以改进自己的产品, 或者找出自己啤酒的风格特点, 走差异化竞争之路。为了完成此工作, 啤酒企业可以把自己的啤酒和竞争啤酒进行对比品评, 这是一种非常好的方法, 但是此方法很难从本质上找到与竞品的差异, 很难形成指导生产的定性定量措施。为了解决此问题, 啤酒企业可以对啤酒的风味成分进行分析, 理论上讲, 分析的成分越多, 获得的信息量越大, 但是, 很难从总体上进行对比分析, 这时, 可以通过主成分分析法, 提取主要的综合成分, 然后在平面坐标系中画图进行比较。

      我国不同品牌啤酒的主成份得分图

      图2 是我国市场上主要啤酒的风味物质经主成分分析后的前两个主成分的平面坐标。分析的风味成分有乙醛、乙酸乙酯、异丁酯、乙酸异戊酯、异戊醇及己酸乙酯。分析的时间跨度为半年, 这些数据通过主成分分析法后, 提取前两个主成分, 这两个主成分可以反映全部信息的83.1 %, 提取较为完全, 这说明这两个主成分替代原始的6 个风味成分反映的样品信息。百威啤酒喜力啤酒青岛啤酒是我国啤酒市场上的3 种知名品牌,同时这3 种啤酒的质量也是得到人们的认可的。

      从图2 可看出, 尽管百威啤酒、喜力啤酒和青岛啤酒随着时间的变化每种啤酒的风味成分的含量有所波动, 但是, 每种啤酒还是各自成一团, 自成一类, 三者的中心犹如一个三角形的3 个顶点, 三者组成一个风味三角形。从图2 还可看出, 南方某品牌的啤酒有独自成型的特点, 即其不同于青岛啤酒、也不同喜力啤酒和百威啤酒的风格,实际上通过感官品尝也可以得到此结论。主成分分析法采用的分类是可以通过对主成分的分析做出解释的,图3 是前两个主成分的因子荷载图。

      不同品牌啤酒的主成分的荷载

      从图3 可以看出, 主成分 1 主要由乙酸乙酯、乙酸异戊酯和己酸乙酯决定, 这些酯含量高, 主成分1 就越大, 即主成分1 代表了啤酒的酯香, 酯香越浓, 主成分 1就越大。主成分2 主要由乙醛、异丁醇和异戊醇决定,这些成分能够代表啤酒的“酒劲”的大小, 这些成分含量越高,主成分2 就越大,即啤酒的酒味就越重。结合这种解释, 就可以对图2 中的分类做出分析, 其中百威啤酒是酒味适中和酯香相对较浓的“浓香型”啤酒, 喜力啤酒是酒味和酯香均较浓的“浓醇型”啤酒, 青岛啤酒是酒味较重, 而酯香较弱的“醇型”啤酒, 而某品牌的啤酒则是酒味和酯香均弱的“淡型”啤酒。

      3.2 主成分分析法在同一品牌啤酒风味一致性评价中的应用

      3.2.1 主成分分析法在同一品牌不同生产厂之间一致性评价中的应用

      近十几年来, 我国啤酒行业发展非常快, 啤酒企业的规模越来越大, 很多啤酒企业已经走出啤酒的“原产地”到异地建厂,进一步扩大企业的规模。对于一些啤酒企业来说, 新建厂面对的消费群体和建厂前面对的消费群体较为一致, 这时就要求新建厂生产的啤酒要与原厂生产的啤酒风格一致, 以免生产厂在切换时, 消费者不认可的情况发生。图4 是同一企业的3 个不同生产厂之间的同一品种啤酒的主成分分析图。

      从图4 可以看出, 总的来说, 3 个生产厂生产的啤酒还是比较一致的, 因为3 个厂生产的同一品种的啤酒的波动范围较小。从图4 还可以看出, 生产厂1 因为生产的历史长, 生产较稳定, 因此其波动较小(图中的圆圈);生产厂2 和生产厂3 的稳定性就稍差一点, 这是由于这两个厂都是新厂,有个磨合的过程。同时,生产厂2

      不同生产厂同品牌啤酒的主成分分析图

      和生产厂1 的风味较为一致, 生产厂 3 和生产厂1 的一致性就稍差,其中生产厂3 是最新的厂。

      3.2.2 主成分分析在同一生产厂啤酒一致性评价中的应用

      同一生产厂生产的同一品种的啤酒, 由于不同时间的水质、原辅料等的波动, 最终体现在产品风味的波动上。同一主成分分析也可以评价产品随时间的一致性。现以某一啤酒企业2006 年生产的某品种啤酒为例说明主成分分析在产品风味一致性评价中的应用。要评价啤酒风味的一致性, 啤酒企业首先要测定啤酒的风味指标,目前通过顶空-毛细管技术能测定大约10 种的风味物质,分别为乙醛、DMS、甲酸乙酯、乙酸乙酯、乙酸异丁酯、正丙醇、异丁醇、乙酸异戊酯、异戊醇和己酸乙酯。以前的一些统计技术例如统计过程控制(SPC)的控制图等只能说明某一指标的波动情况, 而不能从总体上反映产品的波动性, 因为有些指标的波动, 不会引起产品风格的波动, 而主成分分析法, 是从总体上说明产品的波动性,比控制图更能说明产品的波动性。

      图5 是某啤酒企业 2006 年一年生产的某品种的啤酒的10 种风味指标的前两个主成分的平面坐标图,这两个主成分可反映产品约60 %的信息。图 5 中的第一个小椭圆是95 %的置信区, 即在这个椭圆外的点占5 %, 通过对该椭圆外的点进行跟进分析可以发现波动的原因, 并在以后的生产过程中加以避免, 以提高产品的一致性。

      不同时间的同一品种啤酒的主成分得分图

    4 结论

      4.1 主成分分析法, 可以消除各变量之间的共线性, 减少变量的个数,利于后续的分析。

      4.2 使用主成分分析可以按照事物的相似性区分产品, 结果可用一维、二维或三维平面坐标图标示, 特别直观。

      4.3 将样品的数据通过主成分分析进行浓缩, 然后通过平面坐标可以实现从总体上对样品进行一致性的分析,一般的统计技术只能对某一指标进行评价。

      4.4 静态顶空进样高效毛细管气相色谱分析啤酒香味组分技术结合, 主成分分析技术可以有效地应用于评价不同品牌啤酒风味的差异性、同一啤酒的风味一致性与均一性。

    案例二:主成分分析法在食品领域的应用[1]

      一、在食品风味方面的应用

      目前,主成分分析应用还是比较广泛的,但是就食品风味方面,关于该分析方法的文献鲜见报道。戴素贤等人对七种高香型乌龙茶中的香气成分进行了主成分分析,他们尝试用主成分分析法来研究茶业香型的变化,并进而找到影响这些香型变化的主要化合物,同时还发现了不同的茶别中香气化合物变化的趋势并进行了模拟量化,直观地表现了各种香气化合物对香气的贡献程度。李华等运用多元统计分析确定葡萄酒感官特性,多元统计分析中的主成分分析等数学工具能够把大量的描述葡萄酒感官特性的描述语精简成较少的综合性更强的描述语,这些精简后的描述语不但能够反映精简前描述语的信息,还可以筛选出科学合理的描述符,描述符是描述分析的语言和应用主成分分析法完成了不同品牌啤酒风味差异性的评价,同一品牌啤酒风味一致性的评价,同一品牌不同生产厂之间一致性的评价以及同一生产厂啤酒一致性的评价这些工作。啤酒是个多指标的风味食品,主成分分析法可以帮助我们更好地研究啤酒理化指标和啤酒风格之间的相关性,从而达到更好地理解啤酒风味的目的。岳田利等人则通过利用主成分分析的方法建立了苹果酒香气质量的评价模型,并以此来对苹果酒样品香气组分进行客观的统计分析。S.Kallithraka等采用高效液相色谱法和气相色谱法研究了希腊国内不同产地葡萄酒的化合物成分和感官特性,并运用了PCA法(主成分分析法)对所得参数进行多元分析,最终达到给葡萄酒评价和分类的目的。

      二、在食品品质方面的应用

      食品品质的评价往往是非常复杂的过程。因为影响食品品质的因素大量存在,非人为因素如食品环境中的微生物,温度及pH等的变化带来的影响。另一方面,由于人为的因素掺假也会造成食品品质的低劣,进而损害广大销售者和消费者的利益。如黎海红等人运用主成分分析法对掺伪芝麻油的检测方法进行研究分析。根据主成分分析的实验原理,可以选择芝麻油的折光率、酸价、色泽、水分及挥发物、皂化值和碘价等理化指标作为变量,将这些变量的所测数据做矩阵处理最后分析就能知道掺伪芝麻油的主成分及其贡献率。我们知道,芝麻油掺杂了其他的植物油,其理化指标就会出现变化,这是质量鉴别的基础和依据。利用主成分分析可以从大量的数据中提取与芝麻油掺伪相关的有用的信息,最终可以较好地区分掺杂有其他植物油的芝麻油。采用主成分分析方法还可以评价分析面条的品质,面条品质的感官评价存在着一定的缺陷,在面条品质评价的过程中,需要对大量的待测样本属性进行测量,在这些属性中有一些是由相互关联的数据组成的,如面条的韧性会影响面条的拉断力和平均拉力,因此,拉断力和平均拉力是相关的,倘若在预测韧性的相应等式中同时用到了拉断力和平均拉力,那么预测出的韧性要比实际韧性大,因为进行了重复计算,所以一定要确保等式中的变量之间尽可能地保持独立,主成分分析在这样的情况下通过对一组影响某一问题的相关变量进行线性变换,使得变换后得到的变量独立不相关就叫做主成分,这样的主成分不仅保留了原来相关变量中的主要信息,彼此间又不相关。面条品质通过主成分分析法得到的综合评价与主观评价(外观、色泽、适口性、咬劲、弹性、黏性、食味等)有相似之处,但是它比主观评价更加细化,对具体样本进行了量化,为面条品质的进一步分析提供了可靠的参考依据。

      主成分分析法还可以应用于保健食品功能学评价的研究,评价保健食品的功能特性—对抗疲劳和耐缺氧作用。利用主成分分析对包括受试小鼠外周血象和血清等23项生化指标进行综合分析,科学合理地“降维”后,克服了多指标综合评价带来的统计和分析,筛选出与抗疲劳和耐缺氧功效最直接相关的主要功效指标,依据主要考核变量的综合评分最终确定受试样品的功效特性大小。可见,主成分分析法可以作为一种方便、快捷和准确的量化评价功能学特性的新方法。

     

     

    展开全文
  • 产品需求分析与市场分析方法汇总(SWOT+PDCA+波士顿矩阵BCG+5W2H分析法+STAR关键事件分析法+目标管理SMART+时间管理紧急重要矩阵+WBS任务分解法) 产品需求分析与市场分析方法汇总 ... 一、KANO模型 ...

    产品需求分析与市场分析方法汇总(SWOT+PDCA+波士顿矩阵BCG+5W2H分析法+STAR关键事件分析法+目标管理SMART+时间管理紧急重要矩阵+WBS任务分解法)

    产品需求分析与市场分析方法汇总

    http://www.chanpin100.com/article/55744

    一、KANO模型

    KANO模型分为:基本型需求、期望型需求、兴奋型需求。

    1.基本型需求

    ,这类需求是应该得到满足,有是应该的,没有是会引起用户不满;所以这类需求是比较重要也是需求挖掘和需求分析应当用心做好的,这是一个产品的基础。

    举例说明,聊天表情,几乎任何具备聊天场景的IM,都有发送表情的功能,输入法也开发了自己的默认表情,如果你设计一款新的APP,缺少了表情,可能会让用户不满。

    2.期望型需求

    ,在做用户调研或则访谈的时候,用户反馈如果有某个功能,该多好,当你想深入了解的时候,用户或客户自己也说不明白为什么需要这个功能,就是觉得如果你有,就很好。

    如果没有其实也影响不大;还有种可能,用户使用了竞品友商的产品,进行相互对比的时候,告诉你某某产品有这个功能,我觉得你们也应该有,这类需求属于期望型需求同时也属于基本型需求,所以这类需求不满足,会引起用户的不满,得到满足,会给产品加分但是不会太多。

    对于期望型需求,我曾经也纠结过苦恼过,也设计过原型,一直迟迟没有提交开发,这类需求收集到了可以提前准备,等时机成熟(有很多用户或则客户都提到这个需求)或则有开发资源的时候,再做。

    举个例子,我现在在做的是ToB的产品,是专业的销售人员、外勤人员的行为管理软件,提需求的大部分是后勤人员,他们的工作就是使用后台进行监督、管理、汇总等,尤其是刚刚使用我们产品,对考勤管理特别用心,每天都会盯着考勤查看谁请假、出差、迟到早退、各种异常,然后每月工资也会按照考勤来制定。

    问题来了,用户提到如果考勤能这样排版、这样汇总、如果能够在一个页面看到所有信息等等。

    其实这些需求都是某些用户频繁使用产品,遇到的麻烦和想偷懒所提出的,他们期望软件帮他们完成所有的工作,然后自己每天就是坐在电脑前静静的等待结果。

    这类需求,需要慎重容易导致产品变得越来越臃肿,为了满足了任何人的需求,反而满足不了任何人的需求。所以很多文章都提到,产品经理面对需求,需要做减法。期望型需求,就是考验产品经理做加法还是做减法的判断力。

    3.兴奋型需求,

    让人出乎意料的产品属性,这类需求满足了会给产品增加不少魅力和好评。

    举个例子,我在使用番茄,遇到一个问题,我每天需要固定一个时间看书,去完成这个番茄计划,但是每天去设置是很麻烦的事情,我当时就想有没有一个循环设置的方式,只用设置一天的几点到几点我要完成某事,然后勾选重复每天,就可以以后不用在设置,每天按照计划完成就可以了。

    我把设置页面每个按钮都点了一边,意外发现有这样的功能,我非常兴奋,早上上班还给我们老板演示了下这个功能,和我们外勤管理软件的巡店模式非常接近。

     

    二、马斯洛需求层次

    马斯洛需求包含5个层次,分别是:生理上的需要、安全上的需要、情感和归属的需要、尊重的需要、自我实现的需要。

    1. 生理上的需要

    :食物 / 水 / 睡眠 / 生理平衡 / 分泌 / 性 / 呼吸;对应的移动互联网产品有美团外卖、陌陌等。

    2.安全上的需要

    :人身安全 / 健康保障 / 资源所有 / 财产安全 / 道德保障 / 工作保障 / 家庭安全;对应的移动互联网产品有支付宝、咕咚、乐运动、超级减肥王、动动记步、KEEP等。

    3. 情感和归属的需要

    :爱情 / 友情 / 性亲密;对应的移动互联网产品有珍爱网、世纪佳缘、生日管家、她趣等等。

    4. 尊重的需要

    :自我尊重 / 信心 / 成就 / 对他人尊重 / 被他人尊重;对应的移动互联网产品有新浪微博等。

    5. 自我实现的需要

    :道德 / 创造力 / 自觉性 / 问题解决能力 / 公正度 / 接受现实能力;对应的移动互联网产品有在行。

     

    三、5W2H法

    1. WHAT

    —— 用户目标是什么?产品目标是什么?企业目标是什么?

    2. WHO

    —— 谁是用户?谁是目标用户?他们有什么特征属性。

    3. WHY

    —— 为什么?为什么要这么做?理由何在?原因是什么?

    4. WHEN

    —— 用户在什么时候会用?使用的场景处于什么时间段。

    5. WHERE

    —— 用户在哪里使用?使用的场景所处的位置,如公交地铁、办公室、户外等。

    6. HOW

    —— 怎么做?如何提高效率?如何实施?方法怎样?用户会怎样使用?

    7. HOW MUCH

    —— 做到什么程度?当成核心功能做深做透还是只是浅浅的做。

     

    四、SWOT分析模型

    SWOT分别代表:

    S:strength(优势)

    ;内部因素,例如充足的资金、有影响力的品牌或公司形象、市场份额、牛x的技术力量等等。。

    W:weakness(劣势)

    ;内部因素,例如缺失人才、时间紧迫、资金缺口大等等。

    O:opportunity(机会)

    ;外部因素,例如发现市场空白点、竞争对手失误、等等。

    T:threat(威胁)

    。外部因素,例如出现新的竞争对手活着替代产品、目标用户流失、政策风险等等。

    根据以上四点,按照优先级或紧迫度分别列出符合的条件的事实,便可以构建出一个通用的SWOT矩阵或者模型。

    1、SO(优势-机会:增长性战略)

    这是一种理想的战略组合,充分利用内部优势和外部机会进行企业发展的战略。比如公司内部在某一领域具有绝对优势,且这一需求已然成为用户痛点,或非常受资本市场的青睐,那么就可以采取这一策略。

    2、WO(弱点-机会:扭转型战略)

    即利用外部机会来弥补内部弱点。例如目前很多有实力的大型互联网公司都推出了开放平台产品,利用自身的流量优势和影响力,吸引开发者,达到合作共赢的目的。对于开发者来说,推广与渠道可能恰恰是其弱点,如果充分利用大公司开放平台的机会,就很可能会使自己找到一条光明大道。

    3、ST(优势-威胁:多种经营战略)

    利用自身优势,尽量规避外部威胁。比如一些公司被同行业或竞争对手收购、合并或者合作就是采取这一策略。

    4、WT(弱点-威胁:防御型战略)

    公司在某一领域或项目产品中不存在任何优势、机会不大,甚至存在一些劣势和威胁的时候,通常会采取这种防御战略。比如某公司出了一款产品在市场中大行其道,那么为了自己不被彻底击败或者有效的阻击对手,那么他可能会做一款同样的产品,但又不会在这款产品投入太多资源,其实目的仅仅是为了能够起到一定的阻击对手的效果。

    SWOT分析法不需要考虑的过于复杂但需要全面,同事需要对自身和外部环境有一个比较客观的认识。通过这一方法,基本可以找到一款产品领域中自身所处的位置和采取怎样的竞争策略。

     

    五、波士顿矩阵

    1. 销售增长率和市场占有率“双高”的产品群(明星类产品);

    2. 销售增长率和市场占有率“双低”的产品群(瘦狗类产品);

    3. 销售增长率高、市场占有率低的产品群(问题类产品);

    4. 销售增长率低、市场占有率高的产品群(现金牛类产品)。

     

    六、PEST分析法

    PEST分析是指宏观环境的分析,P是政治环境(politics),E是经济环境(economy),S是社会环境(society),T是技术环境(technology)。

    PEST分析法可能不会经常用到,但是这是一个潜在我们不容忽视的思维,比如我们在分析竞品的时候我们知道我们有哪些技术优势,我们能够在什么地方可以领先别人;再比如我们现在正在做的项目,符合两会的主张,借着政策的利好,迎合政府的口号,去设计开发产品;并且获得了一笔小小的投资,也有了经济基础,目前正打算收购一家硬件厂商。

    有了政策、技术、经济环境,我们可以实现很多以前我们没有想过或则不敢做的需求。所以PEST分析法,我们可以无视它,但是不能否认它存在的意义。

     

    SWOT+PDCA+波士顿矩阵BCG+5W2H分析法+STAR关键事件分析法+目标管理SMART+时间管理紧急重要矩阵+WBS任务分解法

    https://doc.mbalib.com/view/db988a94ef1d9ae33b401b0bb24b4994.html

     

    SWOT+PDCA+波士顿矩阵BCG+5W2H分析法+STAR关键事件分析法+目标管理SMART+时间管理紧急重要矩阵+WBS任务分解法

    http://www.360doc.com/content/16/0803/14/35537456_580490548.shtml

    企业的成功一定是有办法的有技巧的!君子性非异也,善假于物也!

    SWOT分析法帮助企业从四个维度进行综合分析,正确识别自己在市场中所处的地位,扬长避短,聚焦优势资源,在500强工作的员工,SWOT分析是必须具备的技能,特别是做市场的员工,全面的思考竞争对手与自身的优势,才能做出及时的战略调整,所谓知己知彼,百战不殆。

     

    意义:帮员工清晰地把握全局,分析自己在资源方面的优势与劣势,把握环境提供的机会,防范可能存在的风险与威胁。

     

    1、问题型业务(高增长-低市场份额)

     

    它是处于高增长率、低市场占有率象限内的产品群。前者说明市场机会大,前景好,而后者则说明在市场营销上存在问题。其财务特点是利润率较低,所需资金不足,负债比率高。

     

    2、明星型业务(高增长-高市场份额)

     

    这类产品可能成为企业的现金牛产品,需要加大投资以支持其迅速发展。采用的发展战略是:积极扩大经济规模和市场机会,以长远利益为目标,提高市场占有率,加强竞争地位。

     

    3、现金牛型业务(低增长-高市场份额)

     

    又称厚利产品。它是指处于低增长率、高市场占有率象限内的产品群,已进入成熟期。其财务特点是销售量大,产品利润率高、负债比率低,可以为企业提供资金,而且由于增长率低,也无需增大投资。

     

    4、瘦狗型业务(低增长-低市场份额)

     

    也称衰退类产品。它是处在低增长率、低市场占有率象限内的产品群。其财务特点是利润率低、处于保本或亏损状态,负债比率高,无法为企业带来收益。对这类产品应采用撤退战略:首先应减少批量,逐渐撤退,对那些销售增长率和市场占有率均极低的产品应立即淘汰。

     

    意义:身为企业的员工,特别是营销人员,必须懂得将企业战略规划与资本预算紧密结合,波士顿矩阵能帮助企业识别出哪些产品值得投资,从而使业务组合达到最佳经营效果。

     

     

    自我管理在500强企业是很重要的话题,管理者没可能时时刻刻监督下属,如何在工作实现改进,PDCA的工作管理循环是一种不错的方法:

     

    Plan制定每天的目标与计划-Do开展当天的工作任务-Check对工作过程的检查与每天总结—Action处理工作偏差,对成果进行量化,制定新的目标计划。

     

    意义与作用:可以使我们的思想方法和工作步骤更加条理化、系统化、图像化和科学化。

     

    员工在日常工作中要制定计划,这个计划不仅包括目标,而且也包括实现这个目标需要采取的措施;计划制定之后,就要按照计划进行检查,看是否实现了预期效果,有没有达到预期的目标;通过检查找出问题和原因;最后就要进行处理,将经验和教训制订成标准、形成改善工作的习惯。

     

    意义及作用:在职场工作,5W2H能快速帮助我们思路的条理化,特别是向上司汇报工作的时候更有逻辑性。

     

    Why为什么:为什么要这么做?理由何在?原因是什么?

    What是什么:目的是什么?做什么工作?

    Who谁:由谁来承担?谁来完成?谁负责?

    When何时:什么时间完成?什么时机最适宜?

    Where何处:在哪里做?从哪里入手?

    How怎么做:如何提高效率?如何实施?方法怎样?

    How much多少:做到什么程度?数量如何?质量水平如何?费用产出如何?

     

    STAR分析法是HR必须掌握的技能,通过策略性的交谈与提问对应聘者的知识与才能做出判断,是很好的招聘面试工具。但其实STAR在职场的很多领域中都有它的发挥的地方,例如培训经理在分析企业内部业务所存在的问题时,STAR中的沟通技巧起到关键作用。

     

    意义及作用:人们在制定工作目标或者任务目标时,考虑一下目标与计划是不是SMART化的。只有具备SMART化的计划才是具有良好可实施性的,也才能指导保证计划得以实现。

     

    S(Specific)具体明确的

     

    所谓明确就是要用具体的语言清楚地说明要达成的行为标准。特别注意的是,很多团队不成功的重要原因之一就因为目标定的模棱两可,或没有将目标有效的传达给相关成员。

     

    M(Measurable)可衡量的

     

    衡量性就是指目标应该是明确的,而不是模糊的。应该有一组明确的数据,作为衡量是否达成目标的依据。

     

    A(Acceptable)可达到的

     

    目标是要能够被执行人所接受的,如果上司利用一些行政手段,利用权利性的影响力一厢情愿地把自己所制定的目标强压给下属,下属典型的反映是一种心理和行为上的抗拒:我可以接受,但是否完成这个目标,有没有最终的把握,这个可不好说。

     

    R(Realistic)相关/实际性

     

    目标的实际性是指在现实条件下是否可行、可操作。可能有两种情形,一方面领导者乐观地估计了当前形势,低估了达成目标所需要的条件,这些条件包括人力资源、硬件条件、技术条件、系统信息条件、团队环境因素等,以至于下达了一个高于实际能力的指标。

     

    另外,可能花了大量的时间、资源,甚至人力成本,最后确定的目标根本没有多大实际意义。

     

    T(Timed)时限性

     

    目标特性的时限性就是指完成目标是有时间限制的。管理者在下达任务的时候也应该明确注重完成绩效指标的期限。

     

    时间管理与自我管理是职场员工必须掌握的两项关键能力,而紧急重要矩阵是一个简单易用的工具,特别是刚入职场的新生代员工。时间管理矩阵的四个原则:

     

      第一象限的事情应该首先做;

      把大多数的时间放在第二象限的事情上;

      第三现象的事尽量少做;

      第四象限的事最好别做;

     

    意义及作用:学会分解任务,只有将任务分解得足够细,您才能心里有数,您才能有条不紊地工作,您才能统筹安排您的时间表及行动计划。

     

    WBS分解原则:将主体目标逐步细化分解,每个任务原则上要求分解到不能再细分为止。

     

    WBS分解的方法:至上而下与至下而上的充分沟通,一对一个别交流,小组讨论。

     

    WBS分解的标准:分解后的活动结构清晰逻辑上形成一个大的活动。集成了所有的关键因素包含临时的里程碑和监控点,所有活动全部定义清楚。

     

    展开全文
  • 数学建模:层次分析法实例以及代码

    万次阅读 多人点赞 2020-11-22 22:06:09
    目录层次分析法的思想层次分析法步骤具体案例(市政工程项目建设决策)1.问题提出2.建立递阶层次结构3.构造判断矩阵(成对比较阵)并赋值4.层次单排序(计算权向量)与检验(一致性检验)计算权向量一致性检验5.层次总...
  • 经济管理学中常用的模型分析法

    万次阅读 2018-03-28 09:24:04
    经济管理学中常用的模型分析法常用的分析模型有:波特五力模型、波士顿矩阵、鱼骨分析法、5W1H分析法、麦肯锡7S模型、杜邦分析法、营销漏斗模型、可行性分析、绩效分析;SMART原则、SWOT分析、PEST分析法、GROW模型...
  • 问题分析法之“漏斗分析法

    万次阅读 2016-09-26 16:33:26
    今天参加百年网站的培训,听到讲师提到一个所谓的“漏斗分析法”,似乎和我当时用的方法有很大的相似之处。所以在这里分享一下——我觉得这套方法是行之有效,并且在前期的时候很利于团队共同讨论
  • AHP层次分析法

    千次阅读 2017-03-24 11:21:51
    原文地址:AHP层次分析法作者:中大数模1概述 层次分析法,是应用网络系统理论和多目标综合评价方法的一种层次权重决策分析方法。层次分析法本质是一种决策方法,所谓决策是指在面临多种方案时需要依据一定的标准...
  • 国内外主流静态分析工具汇总

    万次阅读 2019-07-27 11:17:48
    我使用0标注北大软件CoBOT,因为他是国内第一款基于主流SAST技术的静态分析工具,填补了国内在缺陷检测、安全漏洞软件工具上的空白。值得称赞的工具。 0、北大软件CoBOT CoBOT(库博)是北京大学...
  • SWOT分析法(引用)

    千次阅读 2012-06-02 19:49:51
    SWOT分析法常常被用于制定集团发展战略和分析竞争对手情况,在战略分析中,它是最常用的方法之一。SWOT分析法主要有以下三个内容:  (1)分析环境因素  运用各种调查研究方法,分析出企业所处的各种环境...
  • ODC缺陷分析法

    千次阅读 2009-07-15 14:21:00
    今天上网查看些资料,...之前和一些测试行业的朋友聊天时,说到ODC的优点,当时觉得该缺陷分析法以后肯定会有大的用处;经过这几年的工作实践,发现推行一套很规范的方法真的挺难的。 希望以后我们的公司,我们的开
  • 其实风险评估就是在充分掌握资料的基础之...一、专家调查 在风险识别的基础之上,请专家对风险因素的发生概率和影响程度进行评价,再综合整体风险水平进行评价。老徐认为这类方法简单易行,但是大家在分析的时候最...
  • 根据美国工业协会统计,产品失败的原因核心有6个,如下图,其中不适当的市场分析排名第一,独占产品失败原因的32%,客户需求分析又是市场分析中非常重要的内容,可以这样说,能否有效洞察客户需求是产品成败的关键...
  • 常用的分析管理工具方法【整理】

    万次阅读 多人点赞 2017-07-14 10:36:30
    SWOT分析法 鱼骨图分析法 5M因素分析法 5M1E分析法 头脑风暴法 名义群体法 德尔菲法 电子会议分析法 几种决策方法比较 PDCA循环 5W1H分析法 5W2H分析法 5W2H1E法 SMART原则 任务分解法 OGSM计划法
  • 什么是网络分析法  网络分析法(ANP)是美国匹兹堡大学的T.L.Saaty教授于1996年提出的一种适应非独立的递阶层次结构的决策方法,它是在层次分析法(Analytic Hierarchy Process,简称AHP)的基础上发展而形成的一种新...
  • AHP(层次分析法)的全面讲解及python实现

    千次阅读 多人点赞 2020-05-09 13:58:30
    一、层次分析法的使用流程: 1. 建立层次结构模型 首先绘出层次结构图,正常三层是比较常见的:决策的目标、考虑的决策准则因素和决策对象。按它们之间的相互关系分为最高层、中间层和最低层(如下图是四层结构的...
  • 层次分析法 [ 定义] [ 步骤] [ 优点介绍] [ 缺点介绍] [程序 ] 1:定义 所谓层次分析法,是指将一个复杂的多目标决策问题作为一个系统,将目标分解为多个目标或准则,进而分解为多...
  • 六何分析法全景洞察大数据

    万次阅读 2019-04-18 17:45:26
    具体我们不去分析,笔者只想表述,很多人都知道大数据是很重要,但是就是认为不紧急。对于企业来讲,现在的市场竞争何其激烈(不比中移动),你不做,竞争对手做,你就是loser   谁来做? 这个事情,不是...
  • 层次分析法(AHP)原理以及应用

    千次阅读 多人点赞 2021-02-12 18:36:02
    博主现大三参与四次数学建模大赛,本人专业为大数据方向,由于以后或许从事数据分析行业,其实数学建模和大数据分析有很多相似之处,可以说差不多是共通的。经历了这么多次比赛个人总结一些建模必备的数据分析方法是...
  • 数据挖掘的分析软件和展示工具

    万次阅读 2012-04-27 16:54:22
    [原文在http://blog.sina.com.cn/s/blog_4b700c4c0100rw2p.html,入门...数据分析也好,统计分析也好,数据挖掘也好、商业智能也好都需要在学习的时候掌握各种分析手段和技能,特别是要掌握分析软件工具!我曾经说过
  • 最佳日志管理工具:51个有用的日志管理、监视、分析工具 痛苦的纯文本日志管理日子一去不复返了。虽然纯文本数据在某些情况下仍然很有用,但是在进行扩展分析以收集有洞察力的基础设施数据并改进代码质量时,寻找...
  • 大数据系统及分析技术

    千次阅读 2019-11-04 21:26:28
    ”大数据的关键在于种类繁多、数量庞大、使用传统的数据分析工具无法在可容忍的时间内处理相应的数据。大数据分析主要涉及两个不同的领域:一是如何将海量的数据存储起来,二是如何在短时间内处理大量不同类型的数据...
  • 数据传输加密技术分析

    万次阅读 2015-12-23 21:03:46
    信息技术的不断发展使得互联网的双刃剑效应日渐显现。许多不法分子、不法组织或间谍机构也充分利用网络隐蔽资源的“暗房”,将罪恶的触角伸向他人、别国的个人隐私、战略秘密,肆意窃取或非法传播这些信息,以达到...
  • 今天就给大家说说怎么建立企业级的财务数据分析平台,3分钟就能看完的超强干货,不读你就亏大了。 先从上到CEO,下到小会计都关心的财务报表说起吧。 财务报表分析是任何一个企业都不可轻视的工作,然而对于很多...
  •  SWOT分析法  又称为态势分析法,它是由旧金山大学的管理学教授于20世纪80年代初提出来的,SWOT四个英文字母分别代表:优势(Strength)、劣势(Weakness)、机会(Opportunity)、威胁(Threat)。...
  • 一、等价类划分 二、边界值分析法 三、场景法 四、判定表 五、因果图 六、错误推测法 七、正交试验法 一、等价类划分 定义:依据需求将输入划分成若干个等价类,从等价类中选定一个测试用例,如果该用例通过,则表明...
  • 用简单的话来定义tcpdump,就是:dump the traffic on a network,根据使用者的定义对网络上的数据包进行截获的包分析工具。 tcpdump可以将网络中传送的数据包的“头”完全截获下来提供分析。它支持针对网络层、协议...
  • 39个转录组分析工具,120种组合评估

    万次阅读 2017-08-05 09:27:59
    RNA-seq工具哪家强RNA-seq分析工具知多少RNA-seq是研究转录组应用最广泛,也最重要技术之一。RNAseq其分析内容包括序列比对、转录本拼装、表达定量、差异分析、融合基因检测、可变剪接、RNA编辑和突变检测等,具体...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 89,098
精华内容 35,639
关键字:

技术分析法的重要工具