波士顿矩阵|原理+Python全流程实现
波士顿矩阵
很多公司中都有着不同的产品或者是业务线,但是对于繁琐的业务来说通常我们希望根据业务的好坏进行合理的资源分配,对于这种“好坏”的判断,波士顿矩阵出现了。
一、概念
波士顿矩阵又称市场(销售)增长率-相对市场份额矩阵,先来解释一下二者的概念。
- 市场增长率
计算方式:比较期市场销售量(额)−前期市场销售量(额)前期市场销售量(额)∗100\frac{比较期市场销售量(额)-前期市场销售量(额)}{前期市场销售量(额)}*100%前期市场销售量(额)比较期市场销售量(额)−前期市场销售量(额)∗100
举例(对某商品):今年3月份销售500件−今年2月份销售300件今年2月份销售300件∗100\frac{今年3月份销售500件-今年2月份销售300件}{今年2月份销售300件}*100%今年2月份销售300件今年3月份销售500件−今年2月份销售300件∗100
- 市场份额(市场占有率)
概念:市场份额指某企业某一产品的销售量(额)在市场同类产品中所占比重。通常有如下三种市场份额的计算方法:
- 总体市场份额:某企业销售量(额)在整个行业中所占比重;
- 目标市场份额:某企业销售量(额)在其目标市场,即其所服务的市场中所占比重;
- 相对市场份额:指某企业销售量(额)与市场上最大竞争者销售量(额)之比,若高于1,表明其为这一市场的领导者。
在构建波士顿矩阵的时候,对于市场份额我们可以使用相对市场份额或者总体市场份额。
根据市场增长率和相对市场份额由低到高进行组合,我们可以得到如下的波士顿矩阵:
对于四种产品的描述如下:
- 瘦狗产品:相对市场份额低,市场增长机会也没有,拖累公司发展的产品。
- 问题产品:问题产品的问题在于未来,该类型产品有很多不确定性,可能会成为其余三种产品中的任意一种。
- 明星产品:明星产品通常是有前景的新业务,用于抛头露面,开始时期需要大量的投入,是公司的未来(变成成熟的金牛产品)
- 金牛产品:公司中的稳定收入来源,销售增长率低证明其稳定,属于已经进入成熟期的产品。
对于上述四种产品,金牛产品是最好的,接下来是明星、问题、瘦狗。
二、策略
对于四种产品的对应策略如下:
- 瘦狗产品(撤退战略)):该类型产品没有前景,通常采用放弃策略将资源释放给其他产品,或者先采取“割韭菜”战略再放弃。
- 问题产品(选择性投资战略):谨慎投资,规划中心放在如何拓宽市场上,对于该类产品也可以先“割韭菜”然后放弃。
- 明星产品(发展战略):该类产品是未来之星,应该加大投资支持该产品的发展,以长远的利益作为目标,给予其最好的条件。
- 金牛产品(收获战略):减少(压缩)投资,维持市场份额,充分发挥其获取“现金”的能力,争取在短时间内获取更多的利益,处境不佳时进行“割韭菜”。
三、Python实现
注:私信或者公众号后台回复“波士顿”获取示例数据和代码
我们有如下的数据表格:
通常我们需要根据数据表去计算市场增长率和相对市场份额,按照上面所提到的公式进行计算即可。
完整Python实现如下:
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl# 显示中文
plt.rcParams['font.sans-serif'] = ['SimHei'] # win
plt.rcParams["font.family"] = 'Arial Unicode MS' # mac
plt.rcParams['axes.unicode_minus'] = Falsedata = pd.read_excel('销售数据表.xlsx')
# data.head()# 计算市场增长率
data['市场增长率'] = (data['2021年销量(万)'] - data['2020年销量(万)']) / data['2021年销量(万)']# 计算相对市场份额
data['相对市场份额'] = data['2021年销量(万)'] / data['2021年竟品销量(万)']# 构建颜色列表
color_list = ['#00F5FF', '#FFDAB9', '#E6E6FA', '#54FF9F', '#7B68EE', '#B0C4DE','#40E0D0', '#CDC673', '#FFC125', '#FF1493', '#FFE4E1', '#00BFFF'
]# 获取数值的最大最小值(用于对气泡进行绘制)
min_x, max_x = min(data["相对市场份额"]), max(data["相对市场份额"])
min_y, max_y = min(data["市场增长率"]), max(data["市场增长率"])# 绘图
plt.figure(figsize=(10, 10), dpi=200)# 根据相对份额和市场增长率绘制气泡,投资份额代表气泡大小
for i in range(data.shape[0]):plt.scatter(x=data["相对市场份额"][i],y=data["市场增长率"][i],c=color_list[i],s=data["投资份额"][i] * 100,alpha=0.65)# 向气泡中添加文字
for x, y, sku in zip(data["相对市场份额"], data["市场增长率"], data["产品(编号)"]):plt.text(x, y, sku, ha='center', va='center', fontsize=12)# 添加业务名称
plt.text((min_x + 0.9) / 2, (min_y - 0.2) / 2,"瘦狗业务",ha='center',va='center',fontsize=40,color='tomato',alpha=0.6)plt.text((min_x + 0.9) / 2, (max_y + 0.5) / 2,"问题业务",ha='center',va='center',fontsize=40,color='tomato',alpha=0.6)plt.text((max_x + 1.5) / 2, (max_y + 0.5) / 2,"明星业务",ha='center',va='center',fontsize=40,color='tomato',alpha=0.6)plt.text((max_x + 1.5) / 2, (min_y - 0.2) / 2,"金牛业务",ha='center',va='center',fontsize=40,color='tomato',alpha=0.6)# 绘制坐标
plt.xlim(xmin=min_x - 0.3, xmax=max_x + 0.3)
plt.ylim(ymin=min_y - 0.3, ymax=max_y + 0.3)
# 绘制分割线
plt.axhline(y=(max_y + min_y) / 2, ls="-", color="black", linewidth=2)
plt.axvline(x=(max_x + min_x) / 2, ls="-", color="black", linewidth=2)
# 绘制X,Y轴标签
plt.xlabel("低<————— 相对市场份额(%) —————>高", fontsize=17)
plt.ylabel("低<—————— 市场增长率(%) ——————>高", fontsize=17)
plt.title("公司各项业务-波士顿矩阵", fontsize=23, color='#8B0000')
plt.show()
得到的结果如下:
得到结果后,我们按照前面提到的策略对应到具体业务上即可。
波士顿矩阵|原理+Python全流程实现相关推荐
- 一张图详解项目经理PMO应用波士顿矩阵的步骤和流程
一张图详解项目经理&PMO应用波士顿矩阵的步骤和流程
- 聊一个基于波士顿矩阵的数据业务分析案例
一提到案例分析就头疼的小伙伴们,分享BCG的经典波士顿矩阵,再也不怕案例分析啦! 制定公司层战略最流行的方法之一就是BCG矩阵.该方法是由波士顿咨询集团(Boston Consulting Group ...
- 一文搞定深度学习建模预测全流程(Python)
作者 | 泳鱼 来源 | 算法进阶 本文详细地梳理及实现了深度学习模型构建及预测的全流程,代码示例基于python及神经网络库keras,通过设计一个深度神经网络模型做波士顿房价预测.主要依赖的Pyt ...
- 深度学习建模预测全流程(Python)!
本文详细地梳理及实现了深度学习模型构建及预测的全流程,代码示例基于python及神经网络库keras,通过设计一个深度神经网络模型做波士顿房价预测.主要依赖的Python库有:keras.scikit ...
- python训练模型、如何得到模型训练总时长_【绝对干货】机器学习模型训练全流程!...
周末在家无聊闲逛github,发现一个很有趣的开源项目,作者用手绘图的方式讲解了机器学习模型构建的全流程,逻辑清晰.生动形象.同时,作者也对几张图进行了详细的讲解,学习之后,收获很多,于是将其翻译下来 ...
- 一文深度学习建模预测全流程(Python)
本文详细地梳理及实现了深度学习模型构建及预测的全流程,代码示例基于python及神经网络库keras,通过设计一个深度神经网络模型做波士顿房价预测.主要依赖的Python库有:keras.scikit ...
- python数据分析的主要流程-Python数据分析全流程实操指南
内容全面:借助5大Python工具库,实现数据分析从获取到建模全流程覆盖: 贴合实际:不空讲Python语法,清晰简明地介绍如何用Python来处理.分析数据: 热点案例:覆盖6大热点应用领域,可直接 ...
- 一个实战案例带你走完python数据分析全流程:豆瓣电影评论的关键词云图制作
用python做数据处理流程大致可以分成以下三个部分: 一.数据的获取:一般可以有公开的数据集.网络爬虫.自己整理等方式. 二.数据的处理:包括数据的预处理.数据的查找/筛选/排序/统计等操作. 三. ...
- 一文梳理金融风控建模全流程(Python)
一.信贷风控简介 信贷风控是数据挖掘算法最成功的应用之一,这在于金融信贷行业的数据量很充足,需求场景清晰及丰富. 信贷风控简单来说就是判断一个人借了钱后面(如下个月的还款日)会不会按期还钱.更专业来说 ...
最新文章
- java语言显示运算时间_JAVA语言之ACM日期计算:输入一个日期,格式如:2010 10 24 ,判断这一天是这一年中的第几天...
- 程序员最喜欢说的十句话,看看你最喜欢说哪句?
- 怎样实现WPF Prism Module的国际化和本地化?
- echarts 弹出放大_Echarts图标增加全屏/放大功能
- android开发实战-记账本APP(二)
- STEP7-Microwin SMART软件彻底卸载步骤
- 我们学校有一个计算机室英文,深圳朗文版小学二年级下册Unit 2 At school练习题...
- 【MongoDB】索引属性 之 唯一索引
- 「学习笔记」CSS基础(2)
- 如何删除难卸载的软件
- java-家庭作业2
- 【爬虫实战】01利用python爬虫并进行数据分析(链家 爬虫)
- Workfine5.0扩展功能——如何识别身份证信息?
- 驭势吴甘沙:我的根本利益|Xtecher人物特稿
- 【单片机】人体感应模块
- java邮件登录系统设计_基于Java web的邮件管理系统的设计与实现(含源文件).doc
- AR互动百科,“沉浸式”科普在身边!【5月活动特辑】
- bios显存改8g rx_自行更换显卡讯景RX570 4G黑狼版换BIOS切换键 (估计厂家用户认为折腾BIOS)...
- 后渗透篇:劫持技术(lpk.dll劫持游戏注入【Win7 实例】)
- 美赞臣EDI 940仓库装运订单详解