我是如此思考的

对于问题的分析，原来我们比较常用的都是二元决策，即是和非。但是随着问题本身的复杂化带来我们在分类和决策上的复杂化。因为一个大问题其本身就是一个问题的集合或者叫问题群，对于一个单独的事件我们可以用做还是不做来决策，但是对于问题群我们需要的是组合决策。而矩阵分析，我的理解正是一种最简单的多维度分析和决策，打破我们原有的简单的二元判断逻辑。

在排序完成后已经完成了第一步的分析过程，但是分解要素或者说问题群的排序清单很多时候往往并不是直接选择前面几个要素执行就可以了。目标驱动的决策过程是我们关心的重点，拿企业的战略决策来讲，我们的战略可能是稳定平稳低风险战略，也可能是激进的高风险战略；有可能是成本优先战略，也可能是销售额优先的规模化战略，这些往往都将影响到最终的决策过程。

排序完成的列表缺点在于不能很好的根据不同的目标驱动来体现排序要素之间存在的分组特性，而组合分析其根本就是从目标分解的子目标的多个维度来分析排序结果之间存在的一种明显的分组特性。很多时候我们要的不是排序最终的分值，而是排序清单的分组边界。

组合分析重点则是从目标分解的子目标的多个维度来分析关键要素所呈现的各种分组特性，通过目标驱动来综合考虑最终决策需要改进的关键要素组合。在这里一定要注意的就是我们最终得到的决策清单，是多个关键要素的组合，这个组合的特点往往并不是简单来源于排序结果。

常见的组合分析简化方式即是矩阵分析，矩阵分析可以考虑2-3个决策目标和维度下关键要素的一个分群现象。在市场和战略规划中可以看到很多的矩阵分析例子，如安索夫矩阵，波士顿矩阵，GE矩阵等。如下：



波士顿矩阵让我们可以从市场增长率和市场占有率两个重要的维度来观察和分析企业已经存在的产品。通过分析我们就知道了哪些是明显产品需要加大投入和扩展，哪些是现金牛产品需要维持，哪些是问号产品需要改进，而哪些是瘦狗产品需要舍弃。

对于投资组合是组合分析常用的另外一个例子，而基金本身就是一个投资组合，是在通过组合分析进行的一个优化选择，以在能够容忍的最大风险下获取最大收益。对于投资矩阵分析可以用下图描述：


当我们完成这个矩阵分析后，根据我们期望的目标和风险容忍度，就可以得到一个初步的选择范围，这个范围可以是一种定性的分析，也可以是一种通过计算机模拟得出的定量分析。

矩阵的形成过程重点是找寻目标所分解的关键子目标，这些子目标都是我们所关心的矩阵维度。比如拿投资来讲我们期望利润最大化但是风险又要最小，显然投资收 益和风险则是矩阵分析的两个重要维度。在系统性能优化和改进上我们期望性能提升最大，但是成本又需要再受控范围，则性能提升幅度和成本就是两个重要的分析 维度。在产品研发上我们期望进入全新的市场，期望有最高的收益，但是人员投入有需要受控，则可以三个要素两两展开进行矩阵分析。

通过矩阵分析让我们从多个维度和视角来看待我们的关键要素集合，以认识到了要素本身对目标诸多维度的影响是平衡的，一方面好了另外一方面肯定会带来负面的影响。而这是过渡到系统思维之基础。