Ταξινομησε προτεραιοτητες με διαγραμμα τεταρτημοριων

6.7.13

Ταξινομησε προτεραιοτητες με διαγραμμα τεταρτημοριων

Ενημέρωση 2020-07-15 Ανάγνωση 2 λεπτά

Οταν αξιολογεις δεικτες σε δυο αξονες, οπως impact και ευκολια, το διαγραμμα τεταρτημοριων ειναι ιδανικο. Το χρωμα ανα τεταρτημοριο κανει την προτεραιοτητα ευκολα αντιληπτη.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
import matplotlib.pyplot as plt
import numpy as np

projects = ["A", "B", "C", "D", "E", "F", "G"]
impact = np.array([8.5, 5.5, 7.2, 3.8, 6.1, 8.9, 4.4])
effort = np.array([3.0, 6.2, 4.1, 5.5, 2.5, 7.0, 3.8])
colors = ["#22c55e", "#f97316", "#38bdf8", "#a855f7", "#14b8a6", "#facc15", "#ef4444"]

fig, ax = plt.subplots(figsize=(6, 6))
ax.axvline(5, color="#475569", linewidth=1.2)
ax.axhline(6, color="#475569", linewidth=1.2)

ax.fill_between([0, 5], 6, 10, color="#bbf7d0", alpha=0.5)
ax.fill_between([5, 10], 6, 10, color="#dbeafe", alpha=0.6)
ax.fill_between([0, 5], 0, 6, color="#fee2e2", alpha=0.6)
ax.fill_between([5, 10], 0, 6, color="#fde68a", alpha=0.6)

ax.scatter(effort, impact, s=110, color=colors, edgecolor="white", linewidth=1)
for label, x_val, y_val in zip(projects, effort, impact):
    ax.text(x_val, y_val + 0.25, label, ha="center", fontsize=10, weight="bold")

ax.set_xlim(0, 10)
ax.set_ylim(0, 10)
ax.set_xlabel("Ευκολια εκτελεσης (οσο πιο ψηλα, τοσο πιο ευκολο)")
ax.set_ylabel("Επιχειρηματικο impact (οσο πιο ψηλα, τοσο μεγαλυτερο)")
ax.set_title("Κατηγοριοποιηση προτεραιοτητας ανα τεταρτημοριο")
ax.grid(alpha=0.2, linestyle="--")

fig.tight_layout()

plt.show()

Το χρωμα ανα τεταρτημοριο κανει την προτεραιοτητα εμφανη.

Συμβουλες αναγνωσης #

  • Το πανω δεξια τεταρτημοριο ειναι υψηλο impact και ευκολη εκτελεση, αρα προτεραιοτητα.
  • Το κατω αριστερα εχει χαμηλο impact και υψηλο κοστος, χρησιμο για αναβολη.
  • Ρυθμισε τις γραμμες στα διαμεσα για πιο ισορροπημενη ταξινομηση.