Μετρικός σχεδιασμός για επιστήμονες δεδομένων και ηγέτες επιχειρήσεων

Ποιο είναι το πιο δύσκολο κομμάτι του μετρικού σχεδιασμού;

Για να γίνει καλό αποφάσεις που βασίζονται σε δεδομένα, χρειάζεσαι 3 πράγματα:

1. Κριτήρια απόφασης βασισμένα σε καλά σχεδιασμένα μετρήσεις.
2. Η δυνατότητα συλλογής των ημερομηνία αυτές οι μετρήσεις θα βασίζονται σε.
3. Σε Πραγματικό Χρόνο δεξιότητες υπολογισμού αυτών των μετρήσεων και ερμηνείας των αποτελεσμάτων αβεβαιότητα.

Οι απαιτήσεις #2 και #3 έχουν γραφτεί για πολλές (συμπεριλαμβανομένου του me), αλλά τι γίνεται με την απαίτηση #1;

Τώρα που ημερομηνία Η συλλογή είναι ευκολότερη από ποτέ, πολλοί ηγέτες αισθάνονται πίεση να σύρουν αριθμούς σε κάθε συνάντηση. Δυστυχώς, εν μέσω της φρενίτιδας του ταΐσματος, πολλοί από αυτούς δεν καταφέρνουν να δώσουν μετρικό σχέδιο τόση σκέψη που του αξίζει. Μεταξύ εκείνων που είναι πρόθυμοι να καταβάλουν προσπάθεια, οι περισσότεροι το επιδιώκουν καθώς προχωρούν, σαν να είναι ολοκαίνουργιο.

Δεν είναι.

Η ψυχολογία - η επιστημονική μελέτη του νου και της συμπεριφοράς - είχε πάνω από έναν αιώνα για να αποκόψει το δάχτυλό του σχετικά με τους κινδύνους από την προσπάθεια μέτρησης ασαφών ποσοτήτων που δεν έχουν καθοριστεί σωστά, έτσι το πεδίο έχει μάθει μερικά στερεά ψήγματα χρυσού που οι ηγέτες των επιχειρήσεων και οι επιστήμονες δεδομένων θα ήταν φρόνιμο να δανειστείτε όταν σχεδιάζετε μετρήσεις.

Εάν δεν είστε πεπεισμένοι ότι ο μετρικός σχεδιασμός είναι δύσκολος, πιάστε ένα στυλό και ένα χαρτί. Σας προκαλώ να γράψετε έναν ορισμό του ευτυχία αυτό είναι τόσο σιδερένιο που κανείς δεν θα μπορούσε να αμφισβητήσει τον τρόπο μέτρησής σας…

Δύσκολο, σωστά; Τώρα δοκιμάστε το με μερικά άλλα αφηρημένα ουσιαστικά που οι άνθρωποι πετούν καθημερινά, όπως «μνήμη» και «ευφυΐα» και «αγάπη» και «προσοχή» και ούτω καθεξής. Είναι καταραμένο σχεδόν θαύμα που οποιοσδήποτε από εμάς καταλαβαίνει τον εαυτό του, πόσο μάλλον ο ένας τον άλλον.

Κι όμως, αυτό είναι ακριβώς το πρώτο εμπόδιο που πρέπει να ξεπεράσουν οι ερευνητές ψυχολογίας προκειμένου να σημειώσουν επιστημονική πρόοδο. Για να μελετήσουν τις νοητικές διεργασίες, πρέπει να δημιουργήσουν ακριβείς και μετρήσιμους μεσολαβητές - μετρήσεις - για να εργαστούν. Λοιπόν, πώς σκέφτονται οι ψυχολόγοι και άλλοι κοινωνικοί επιστήμονες για τον μετρικό σχεδιασμό;

Πώς μελετάτε αυστηρά, επιστημονικά έννοιες που δεν μπορείτε εύκολα να ορίσετε; Έννοιες όπως προσοχή, ικανοποίηση, να δημιουργικότητα? Η απάντηση είναι… δεν το κάνετε! Αντίθετα, εσύ λειτουργήσει. Για τους σκοπούς αυτού του παραδείγματος, ας υποθέσουμε ότι σας ενδιαφέρει η μέτρηση την ευτυχία του χρήστη.

Τι είναι η λειτουργικότητα;

Τι είναι η λειτουργικότητα; Έχω γράψει ένα εισαγωγικό άρθρο σε αυτό εδώ για σένα, αλλά το αποτέλεσμα είναι ότι όταν θέτεις σε λειτουργία, λες πρώτα στον εαυτό σου, «Δεν πρόκειται ποτέ να μετρήσω την ευτυχία και έχω συμφιλιωθεί με αυτό». Οι φιλόσοφοι ασχολούνται με αυτό εδώ και χιλιάδες χρόνια, επομένως δεν είναι ότι ξαφνικά θα καταλήξετε σε έναν μόνο ορισμό που να ικανοποιεί όλοι.

Στη συνέχεια, αποστάζετε τη μετρήσιμη ουσία της ιδέας σας σε έναν πληρεξούσιο.

Να θυμάστε πάντα ότι στην πραγματικότητα δεν μετράτε την ευτυχία. Ή μνήμη. Ή προσοχή. Ή ευφυΐα. Ή οποιαδήποτε άλλη ποιητική ασαφή λέξη, ανεξάρτητα από το πόσο μεγαλειώδες σας ακούγεται.

Τώρα που είμαστε εντάξει με το γεγονός ότι δεν θα μετρήσουμε ποτέ την ευτυχία και τους φίλους της, ήρθε η ώρα να αναρωτηθούμε γιατί σκεφτήκαμε αυτή τη λέξη εξαρχής. Τι είναι αυτό σε αυτήν την έννοια — στη ασαφή μορφή της — που φαίνεται σχετικό και σχετικό με την απόφαση που θέλουμε να πάρουμε; Ποιες συγκεκριμένες (και διαθέσιμες!) πληροφορίες θα μας οδηγούσαν να προτιμήσουμε ένας τρόπος δράσης έναντι του άλλου? (Ο μετρικός σχεδιασμός είναι πολύ πιο εύκολος όταν το έχετε ενεργειών στο μυαλό πριν ξεκινήσετε. Εάν είναι δυνατόν, σκεφτείτε πιθανές αποφάσεις προτού επιχειρήσετε να σχεδιάσετε μια μέτρηση.)

Στη συνέχεια, αποστάζουμε την βασική ιδέα που αναζητούμε για να δημιουργήσουμε έναν μετρήσιμο διακομιστή μεσολάβησης - μια μέτρηση που καταγράφει αυτήν την βασική ουσία που μας ενδιαφέρει.

Καθορίστε τη μέτρησή σας πριν την ονομάσετε.

Και τώρα έρχεται το διασκεδαστικό μέρος! Επιτρέπεται να ονομάζουμε τη μέτρησή μας οτιδήποτε μας αρέσει: "blorktibork" ή "ευτυχία χρήστη" ή "X" ή οτιδήποτε άλλο.

Ο λόγος που δεν έχει νόημα να μας συλλάβει η γλωσσική αστυνομία είναι ότι ανεξάρτητα από το πόσο σκληρά εργαζόμαστε για να το σχεδιάσουμε, ο πληρεξούσιός μας θα *δεν* είναι η πλατωνική μορφή της ευτυχίας του χρήστη.

Ενώ μπορεί να ταιριάζει δικός μας ανάγκες, είναι σημαντικό να θυμάστε ότι η μέτρησή μας είναι απίθανο να ταιριάζει και τις ανάγκες όλων των άλλων. Γι' αυτό θα ήταν ανόητο να κλειδώνουμε τα κόρνα σε μια άχρηστη συζήτηση σχετικά με το αν η μέτρησή μας αποτυπώνει ή όχι την Αληθινή Ευτυχία. Δεν το κάνει. Αν θέλετε απελπισμένα για κάποιο είδος One Metric To Rule Them All, υπάρχει ένα Το τραγούδι της Disney για σένα.

Οποιαδήποτε μέτρηση δημιουργούμε είναι απλώς ένας διακομιστής μεσολάβησης που ταιριάζει στις δικές μας ανάγκες (και ενδεχομένως κανενός άλλου). Είναι το προσωπικό μας μέσο για έναν προσωπικό σκοπό: λήψη μιας τεκμηριωμένης απόφασης ή σύνοψη μιας ιδέας, ώστε να μην χρειάζεται να γράφουμε μια ολόκληρη παράγραφο κάθε φορά που την αναφέρουμε. Μπορούμε να τα πάμε καλά χωρίς να εμπλέκουμε τη γλωσσική αστυνομία σε κανένα από τα δύο.

Μέχρι εδώ καλά. Απλώς καθορίζετε ποιες πληροφορίες θα χρειαστείτε για την απόφασή σας και, στη συνέχεια, βρίσκετε έναν τρόπο να συνοψίσετε αυτές τις πληροφορίες με τρόπο που να έχει νόημα για τις ανάγκες σας (ta-da, αυτό είναι τη μέτρησή σας) και μετά ονομάστε το όπως θέλετε. Σωστά? Σωστά, αλλά…

Εκεί is το πιο δύσκολο κομμάτι σε όλο αυτό. Κάποια εικασία για το τι μπορεί να είναι; Αύριο, θα μοιραστώ την απάντηση μαζί σας — μην ξεχάσετε να εγγραφείτε είτε εδώ στο Medium είτε στα μέσα κοινωνικής δικτύωσης (Twitter, LinkedIn) για να μην το χάσετε. Εν τω μεταξύ, μοιραστείτε τις σκέψεις σας σχετικά με το ποιο είναι το πιο δύσκολο κομμάτι του μετρικού σχεδιασμού εδώ or εδώ.

Αν θέλετε να μάθετε περισσότερα, παρακολουθήστε μαθήματα 039–047 από το μάθημά μου Making Friends with Machine Learning. Όλα είναι σύντομα βίντεο διάρκειας μερικών λεπτών. Ξεκινήστε εδώ και συνεχίστε στη συνημμένη λίστα αναπαραγωγής:

Αν διασκεδάσατε εδώ και ψάχνετε για ένα εφαρμοσμένο μάθημα AI σχεδιασμένο να είναι διασκεδαστικό τόσο για αρχάριους όσο και για ειδικούς, ορίστε ένα που έφτιαξα για τη διασκέδασή σας:

Υ.Γ. Έχετε δοκιμάσει ποτέ να πατήσετε το κουμπί παλαμάκια εδώ στο Medium περισσότερες από μία φορές για να δείτε τι συμβαίνει; ❤️

Ας γίνουμε φίλοι! Μπορείτε να με βρείτε στο Twitter, YouTube, Υποκατάστημα, να LinkedIn. Ενδιαφέρεστε να μιλήσω στην εκδήλωσή σας; Χρήση αυτή η μορφή να έρθω σε επαφή.

Αναδημοσίευση του Metric Design for Data Scientists and Business Leaders από την Πηγή https://towardsdatascience.com/metric-design-for-data-scientists-and-business-leaders-b8adaf46c00?source=rss—-7f60cf5620c9—4 μέσω https:// todatascience.com/feed

Si al principi no tens èxit, aleshores el paracaigudisme no és per a tu.

->