本來我一開始是想學習如何使用艾森豪威爾矩陣的，但是利用學習觀的方法想去網上找有關艾森豪威爾矩陣的例子時，發現網上幾乎沒有，網上能搜出來的都是對這個矩陣的介紹，看完這些介紹你會發現很簡單，都能看懂，給人一種我已經學會了艾森豪威爾矩陣，但是仔細想一下，網上寫的都是對這個知識的描述，我們只是把看懂了當做學會了。這引起我的思考，也許艾森豪威爾矩陣并不具有通用性，這只是一個例子，所以我才一直覺得差點什么。然后我根據它后面帶的“矩陣”二字，想起了好像有個“矩陣思維”這么個詞，然后上網查了下，發現還真是有，然后開始重新用學習艾森豪威爾矩陣的方法開始先搜集相關例子，包含是矩陣思維的例子和長得像矩陣但不是矩陣思維的例子。

輸入是搜集的例子，輸出是是否是矩陣。列舉了這么多是或不是矩陣的例子后開始總結這些例子為什么是矩陣，他們有什么共性；為什么不是矩陣。

我把這個過程簡單說一下，首先拿艾森豪威爾和波士頓矩陣來看：

艾森豪威爾矩陣是把事情按照重要性和緊急性分成了四個象限，然后針對不同的象限事情來作出不同的應對處理方式；

波士頓矩陣是將投資組合按照市場增長率高低和相對市場份額高低分成了四個類別，并給每個類別的組合取了名字，然后針對不同類別的投資組合給出不同的投資建議。

如果從現有情況看矩陣思維就是把事物根據其兩個屬性當做兩個分析維度將事物分成四個部分，然后針對不同的部分實施不同的對策。

根據這個共性去往下面的例子套發現swot分析法雖然分成了四個部分，但是最終做決策時是將四個因素全面考慮做一個綜合性的最優決策，這個和上面的針對不同部分實施不同對策就不一樣了。

再繼續找例子，當發現社會氛圍和布爾迪厄模型(見下圖)時，你會發現這個也是矩陣，但是和上面的描述不一樣，證明通過前面兩個矩陣總結的矩陣描述泛化能力比較差，通過這個模型可以看出雖然還是兩個維度，但是是3*3矩陣，將社會地位和基本傾向都分成了三部分，而且這三部分做到了不重不漏原則。

我們順著這個思路延展，既然可以分割成2*2矩陣、3*3矩陣，那么就可以分割成2*3矩陣，3*4矩陣，將此泛化到n*n矩陣，然后針對每一個類別作出不同的應對處理方式。不過需要有幾個前提:

1.n≥2；

2.每一個維度的分割都要做到不重不漏原則；

3.這兩個維度是同一類事物的2個共同的屬性。

按照這個去看幾個不是矩陣思維的模型，比如果醬悖論和期望值模型，拿期望值模型來說，當你尋找搭檔是，如果他符合你的預期，那么你的期望值有多高，你就有多滿意，也可以說，期望提升滿意度。但這里有個臨界點，如果你的期望值超過了臨界點，那你注定會失望，因為這種理想狀態是無法企及的。雖然這個看似可以按照期望值和滿意度進行二維劃分，但是做出來會發現這是一個連續的趨勢圖，滿意度隨著期望值變化而變化。從這個反向推，矩陣還需要一個前提，那就是這兩個維度不存在一個會隨著兩一個變化而變化的關系。

再找例子時看到了RFM模型(見下圖)，RFM模型包含三個要素，即最近一次消費(Recency)，消費頻率(Frequency)，消費金額(Monetary)，該模型從三個維度將客戶分成了8個象限，然后針對不同象限的客戶進行不同方式的管理。

RFM模型的出現需要對前面矩陣思維的描述進行更新：

針對同一類事物選出n(n≥2)個兩兩之間沒有相關性的屬性維度，每個維度根據不重不漏原則進行n類分割，形成n*n*...*n個分類象限，然后針對每個分類象限作出不同的決策或處理。

到現在根據上面的描述已經能區分現在存在的例子是否是矩陣思維模型了，但是我們學習的目的是為了能在任何合適的時候建立符合自己場景的矩陣思維圖，那我們還需要將步驟進行拆分：

1.首先是要判斷哪些情況適合用矩陣思維，我們需要把上面是矩陣思維的例子進行反推，輸出是矩陣思維，那么輸入是什么，艾森豪威爾矩陣的輸入是雜亂的待辦任務列表、波士頓矩陣是一系列投資組合、社會氛圍和布爾迪厄模型的輸入是所有的群體、RFM模型的輸入是我們所有的客戶，通過把所有的模型進行反推出其輸入，我們就會發現這些輸入的一些共同特征，即描述里所說他們都屬于同類事物，針對描述里的同一類事物用更加精確的描述是所有的情況或事物都屬于同一論域或者集合，比如艾森豪威爾矩陣，里面要區分的所有的重要緊急的、重要不緊急的、不重要緊急的、不重要不緊急的上面有一個共同的集合叫任務或待辦事件，名稱叫什么無所謂。舉個更簡單的例子，比如男人、女人、小孩、老人，那么你可以根據男、女和年齡老少來劃分為四個象限，但是如果這里面加入了猴子、大猩猩，則無法根據剛才的來進行劃分了，因為剛才四個的論域是人，而加上猴子和大猩猩我們可以用靈長類動物或者哺乳動物來進行劃分，那就只能劃分雄性、雌性和老少了。

2.說到屬性(或者可以用別的詞代替)選擇，選幾個、選哪幾個，這個是根據你要研究的問題的相關性來判斷，比如一個女生要選擇男性伴侶，與此相關性比較高的可能是身高和長相，那么就可以按照高帥、高丑、矮帥、矮丑來進行劃分；如果覺得身高、財富、長相相比于其他因素高處一個量級，那么就可以按照這三個維度進行劃分成八個象限。然后針對不同象限的男生進行不同的應對對策，比如要不要主動、約會幾次確定關系等。選哪幾個屬性和選幾個是需要根據具體情況來劃分的，還有要看有沒有必要進行那么多的分類，因為分類多了需要更多的應對對策，如果你的應對對策只有幾種那就沒必要區分那么多類別。

3.屬性與屬性之間存在權重問題，拿艾森豪威爾矩陣舉例，通常情況下大家都是認為重要性要高過緊急性，所以在面對重要不緊急和緊急不重要時我們會將更多的精力放到重要不緊急上。所以在確立屬性時也要把權重確立好，可以有一個大致的區分比如重要性>緊急性，也可以細化到比例重要性：緊急性=8:2，這樣做會更靈活一點，會出現按照重要不緊急A、緊急不重要a、緊急不重要b、重要不緊急B的事件處理順序，而不是像以前把所有的重要不緊急處理完再處理緊急不重要的事情。但是這個有一個前提，那就是每個屬性也要進行數字量化，否則無法判斷。

4.屬性怎么分割從前面的例子上并沒有找到規律性的方法，只能根據特定場景和每個決策者的個人決定。用艾森豪威爾矩陣舉例，重要不重要可以按照這件事是不是可以直接或間接能帶來金錢來區分，如果做這件事最終能帶來收益那就是重要的，否則不重要；緊急性可以按照3天內必須完成的任務算緊急任務，否則不算；拿女生選擇男性伴侶來舉例來說，按身高和長相兩個維度，比如身高分割條件是180cm，180和180以上是高的，其他是矮的；長相可以選定一個標準，例如吳彥祖，跟吳彥祖差不多或者更好的是帥的，否則是丑的，那么就可以簡單的分成四個象限了。身高和長相也可以分割的更多，比如身高可以從160以下、160-169、170-179、180以上；長相也可以選定幾個標準，比男生A丑的，男生A到男生B之間的，吳彥祖以上的。

5.最后一步就是為每一個分類設置處理方案了。每一個矩陣決策時都會有一個核心目標，以艾森豪威爾矩陣舉例，核心目標是更好的時間管理，重要緊急的立即去做，重要不緊急的定期抽時間做，不重要緊急的分配給別人做，不重要不緊急的盡量不做。當然這個可以根據自己的情況設置，比如重要不緊急的你可以等他拖到變成重要緊急的時候在做，用這些時間處理緊急不重要的事情(可能因為這些事你沒法分配給別人做)。如果以找男性伴侶為例，那么核心目標就是找到自己滿意的終身伴侶，當然這些都是根據不同情況而改變的，做矩陣思維前首先要想明白自己的核心目標是什么。

將上述的所有內容總結成下面的一張圖：

矩陣思維的核心就是分類和決策，由此聯想到機器學習領域的分類算法。推薦算法、精準營銷等也是將人根據不同維度進行劃分，然后根據不同的分類作出不同的決策和處理方案，是更加復雜的矩陣思維。

總結

以上是生活随笔為你收集整理的矩阵维度必须一致_如何从看得懂到会使用矩阵思维的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。