Excel数据可视化—波士顿矩阵图【四象限图】

news/2023/12/1 11:40:30

EXCEL系列文章目录

  Excel系列文章是本人亲身经历职场之后萌发的想法,为什么Excel覆盖如此之广,几乎每个公司、学校、家庭都在使用,但是它深藏的宝藏功能却很少被人使用,PQ、BI这些功能同样适用于数据分析;并且在一些需要简单及时的数据分析项目前,Excel是完胜python、R、SPSS这些科学专业的软件的。因此决心开启Excel篇章。

数据分析为什么要学Excel
Excel图表美化—表格美化
Excel函数公式大全—IF函数
Excel函数公式大全—IF家族函数
Excel函数公式大全—VLOOKUP函数
Excel函数公式大全—MATCH函数
Excel函数公式大全—INDEX函数
Excel函数公式大全—HLOOKUP函数
Excel函数公式大全—LOOKUP函数
Excel函数公式大全—SUMIF/SUMIFS函数
Excel函数公式大全—函数真经


Excel数据可视化—波士顿矩阵图

  • EXCEL系列文章目录
  • 效果图
  • 原理
  • 实现过程
    • 数据准备
    • 绘图
  • 图表解读
  • 总结:准备数据—绘画散点图—调整XY坐标轴—修改数据标签


效果图

请添加图片描述
  啥也别说,咱们先看效果图【波士顿矩阵图】又有人称【四象限图】名字不重要,我们先解析一下图所要展示的意思:

  • 坐标轴没有展示名字,此处展示各省份的评价得分(Y轴)与销售额(X轴)的关系;横纵坐标交于图像中间将图片分割为四个象限因此的名【四象限图】
  • 根据两项得分可分为:高得分低销售、高得分高销售、低得分低销售、低得分低销售区域
  • 针对不同区域制定不一样的政策方针,实行不一样的管理制度,具体根据实际业务实施

  图表是数据的具象化,图是数据的直观展示,表是数据的高度汇总。本系列文章没有对图和表的推荐偏好引导,各位可以根据实际所需进行取舍。💯


原理

  波士顿矩阵(Matrix: Boston Consulting Group)简称BCG,又称市场增长率-相对市场份额矩阵、四象限分析法、产品系列结构管理法等。波士顿矩阵由美国著名的管理学家、波士顿咨询公司创始人布鲁斯·亨德森于1970年创作。
  波士顿矩阵认为一般决定产品结构的基本因素有两个:即市场引力与企业实力。市场引力包括整个市场的销售量(额)增长率、竞争对手强弱及利润高低等。其中最主要的是反映市场引力的综合指标——销售增长率,这是决定企业产品结构是否合理的外在因素。
在这里插入图片描述
  以上原理来源百度,可见波士顿矩阵分析最开始是在做产品策略;随着广泛应用,结合多业务场景,也就范化为了四象限图。凡是根据两个指标去对产品、营业员、区域等进行分类时,就能高频的看见这个图表。话不多说,我们开始教学💪…


实现过程

数据准备

请添加图片描述
  数据随机挑选了几个城市,构造两个指标;
  值得注意的是在实际应用中,两个指标应相互独立最佳,避免相互影响。

绘图

请添加图片描述
  因为EXCEL没有可以直接绘画波士顿矩阵的选项,需要通过散点图实现。 本人使用的是excel2019版本,如果后续更新出这个功能那就更简单了。
  注: 选取数据时只选取两列指标值,插入散点图的时候选取最基础的散点图。
请添加图片描述
  此时得到最基本的散点图,需要我们进行美化加工;请添加图片描述
  首先去掉标题和网格线,你就能得到下图:
请添加图片描述
  接着我们需要对坐标轴进行调整,首先看下Y轴的调整:
请添加图片描述

请添加图片描述

  单击Y轴,然后设置坐标轴格式,按照上图的框选进行调节,改变坐标轴的范围,交点及标签位置,你就能得到下图:
请添加图片描述
  同理我们对X轴的调整:请添加图片描述
  注: 关于坐标轴的调整范围及交点没有统一的标准;坐标轴范围尽可能的贴近数据的最大最小值;坐标轴交点则可以根据实际的业务场景;如中值、平均值、达标值等都是优先选择的数据;
  到这一步你已经得到了一个近乎完美的图了:
请添加图片描述
  接下来的操作是excel可视化技巧中最常用的改变标签值:请添加图片描述
请添加图片描述
  首先调成标签值;然后设置数据标签格式,标签包含单元格中的值:请添加图片描述
  得到这样得图之后,先按上图得步骤去数据标记填充。
请添加图片描述
  去数据标记后,我们需要把我们想要显示的城市显示在原来数据点的位置,就按上图去设置标签格式。请添加图片描述
  看到这儿就得恭喜你已经懂了excel一个波士顿矩阵的绘制技巧了,如果你是跟着操作到这儿,那你可太厉害了,算是掌握了绘画技巧,可以在工作中大秀一下了。
  目前可以先放松放松,点赞+收藏,我们接着往下美化一下。
请添加图片描述

请添加图片描述
  选中整个图表,我们就可以在菜单栏对字体、颜色、填充、阴影等效果进行调节。这部分因人而异,各自审美不同,品牌主题色也不同。

图表解读

请添加图片描述

  此处说明一下,该图选取的指标是各城市的销售额与经营得分之前的关系坐标轴交点为平均销售额 2400 与经营得分达标值 60分;各数据点与坐标轴的距离就是与平均值的差距值。

  • 从X轴来看,左边是低于平均水平,右边是高于平均水平。
  • 从Y轴来看,下边是低于及格60分,上边是高于及格60分。

  简单分析一下:

  • 黑龙江与山西:销售额与经营得分均高于平均水平,是可以作为推广,标杆式城市的经营方式。
  • 吉林、广西、陕西:销售额虽然高于平均水平,但是经营得分不达标,可能存在卫生、服务、售后等差的地方。
  • 重庆、江西、新疆:经营得分高,但是销售额低;可以深入探究一下该城市的市场是否还有很大空间,或仅做了经营得分的事项,对于增加销售额的活动政策等没有推广。
  • 海南、安徽等城市:需要重点关注的地方,双双不达标,必定是经营出现问题。

总结:准备数据—绘画散点图—调整XY坐标轴—修改数据标签

  今天的分享就到这里啦;商务报表类的报表根据使用的对象不一样,大家可以根据不同的需求,在不脱离核心的范围内调整均可。最终以简单明了,突出重点为主,在阅读消化完上面的知识后;小伙伴们根据上面的案例自己动手试一下吧。
  如果你觉得还有用的话就收藏吧、点赞+关注 | 咱们下期再会!
请添加图片描述


http://www.ppmy.cn/news/1230933.html

相关文章

新手教师如何迅速成长

对于许多新手教师来说,迈出教学的第一步可能会感到非常困难。不过,通过一些关键的策略和技巧,还是可以快速提升教学能力的,我将为大家提供一些实用的建议,帮助各位在教育领域迅速成长。 深入了解学科知识 作为一名老师…

动态顺序表

目录 一、动态顺序表结构定义 二、动态顺序表初始化 三、动态顺序表打印 四、动态顺序表尾插 五、封装扩容函数 六、动态顺序表头插 七、动态顺序表的尾删 八、动态顺序表的头删 九、动态顺序表任意位置插入 十、动态顺序表任意位置删除 十一、动态顺序表销毁 十二、…

AIGC: 关于ChatGPT这个智能工具带来的几点思考

ChatGPT的出现 2022年11月底,ChatGPT 上线,引爆 AI 圈 和 科技圈,2023年春节后, 人人都开始关注并讨论这项新技术它是 OpenAI 研发的智能聊天工具, 基于GPT语言模型,模拟人类的对话方式默认只能用文字进行交互,理解多…

打印工具HandyPrint Pro Mac中文版软件特点

HandyPrint Pro Mac是一款打印工具,它支持AIrPrint协议,可以让用户在iPhone、iPad、iPod等设备上进行打印操作,只需要将这些设备连接到Mac电脑的WiFi网络中即可实现打印功能。 ​ HandyPrint Pro Mac软件特点 简单易用:用户只需…

【机器学习】对比学习(contrastive learning)

对比学习是一种机器学习技术,算法学习区分相似和不相似的数据点。对比学习的目标是学习数据的表示,以捕捉不同数据点之间的基本结构和关系。 在对比学习中,算法被训练最大化相似数据点之间的相似度,并最小化不相似数据点之间的相似…

Java-抽象类、抽象方法

【1】抽象类和抽象方法的关系: 抽象类中可以定义0-n个抽象方法。 【2】抽象类作用: 在抽象类中定义抽象方法,目的是为了为子类提供一个通用的模板,子类可以在模板的基础上进行开发,先重写父类的抽象方法&#xff0c…

Spring+Mybatis解析

源码执行流程 通过MapperScan导入MapperScannerRegistrar类MapperScannerRegistrar类实现了ImportBeanDefinitionRegistrar接口,Spring启动会调MapperScannerRegistrar类中的registerBeanDefinitions方法在registerBeanDefinitions方法中注册一个MapperScannerConf…

使用大语言模型 LLM 做文本分析

本文主要分享 传统聚类算法 LLM与嵌入算法 嵌入算法聚类 LLM的其他用法 聚类是一种无监督机器学习技术,旨在根据相似的数据点的特征将其分组在一起。使用聚类成簇,有助于解决各种问题,例如客户细分、异常检测和文本分类等。尽管传统的聚…

(二)汇编语句组成

一个完整的 RISC-V 汇编程序有多条 语句(statement) 组成。 一条典型的 RISC-V 汇编 语句 由 3 部分组成: 1.标签 List item label(标签): 标签是标识程序位置的记号。通常定义一个名称然后加上":"后缀。…

【机器学习】交叉验证 Cross-validation

交叉验证(CrossValidation)方法思想简介 以下简称交叉验证(Cross Validation)为CV.CV是用来验证分类器的性能一种统计分析方法,基本思想是把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set),首先用训练集对分类器进…

# 学习 Prolog 和 离散逻辑的16个等价公式:一趟有趣的逻辑之旅

Prolog 的语法很奇怪,需要一些时间来适应,所以我花了点时间,想用Prolot来表示和验证离散逻辑的16组等价公式。 1. 双重否定律 (Double Negation Law) A ⇔A 首先,我们来看看双重否定律。在 Prolog 中,我们可以这样验证它: fun1(A,Z):-membe…

接口自动化项目落地之HTTPBin网站

原文:https://www.cnblogs.com/df888/p/16011061.html 接口自动化项目落地系列 找个开源网站或开源项目,用tep实现整套pytest接口自动化项目落地,归档到电子书,作为tep完整教程的项目篇一部分。自从tep完整教程发布以后&#…

使用 Core Tools 在本地开发 Azure Functions

学习模块 使用 Core Tools 在本地创建和运行 Azure Functions - Training | Microsoft Learn 文档 使用 Core Tools 在本地开发 Azure Functions | Microsoft Learn GitHub - Azure/azure-functions-core-tools: Command line tools for Azure Functions 其它 安装适用于 A…

公网环境固定域名异地远程访问内网BUG管理系统

文章目录 前言1. 本地安装配置BUG管理系统2. 内网穿透2.1 安装cpolar内网穿透2.2 创建隧道映射本地服务3. 测试公网远程访问4. 配置固定二级子域名4.1 保留一个二级子域名5.1 配置二级子域名6. 使用固定二级子域名远程 前言 BUG管理软件,作为软件测试工程师的必备工具之一。在…

深入分析TaskView源码之触摸相关

问题背景 hi,粉丝朋友们: 大家好!android 10以后TaskView作为替代ActivityView的容器,在课程的分屏pip自由窗口专题也进行了相关的详细介绍分析。 这里再补充一下相关的TaskView和桌面内嵌情况下的触摸分析 主要问题点&#xff…

NGINX缓存详解之服务端缓存

服务端缓存 proxy cache属于服务端缓存,主要实现 nginx 服务器对客户端数据请求的快速响应。 nginx 服务器在接收到被代理服务器的响应数据之后,一方面将数据传递给客户端,另一方面根据proxy cache的配置将这些数据缓存到本地硬盘上。 当客户端再次访问相同的数据时,nginx…

合并区间(排序、贪心)

LCR 074. 合并区间 - 力扣(LeetCode) 题目描述 以数组 intervals 表示若干个区间的集合,其中单个区间为 intervals[i] [starti, endi] 。请你合并所有重叠的区间,并返回一个不重叠的区间数组,该数组需恰好覆盖输入中…

Pytorch完整的模型训练套路

Pytorch完整的模型训练套路 文章目录 Pytorch完整的模型训练套路以CIFAR10为例实践 数据集加载步骤 使用适当的库加载数据集,例如torchvision、TensorFlow的tf.data等。 将数据集分为训练集和测试集,并进行必要的预处理,如归一化、数据增强等…

【头歌-Python】Python第二章作业(初级)

文章目录 第1关:三角形周长及面积任务描述输入格式输出格式示例参考代码 第2关:三角函数计算任务描述输入格式输出格式示例参考代码 第3关:表达式求值任务描述输入格式输出格式示例参考代码 第4关:计算矩形面积任务描述输入格式输…
最新文章