Diseño métrico para científicos de datos y líderes empresariales

¿Cuál es la parte más difícil del diseño métrico?

Para hacer el bien decisiones basadas en datos, necesitas 3 cosas:

1. Criterios de decisión basados ​​en criterios bien diseñados. métrica.
2. La capacidad de recolectar el datos en qué se basarán esas métricas.
3. Estadística habilidades para calcular esas métricas e interpretar los resultados bajo incertidumbre.

Los requisitos 2 y 3 se han escrito sobre muchos (incluso por me), pero ¿qué pasa con el requisito n.º 1?

Ahora que datos La recopilación de datos es más fácil que nunca, muchos líderes se sienten presionados a arrastrar números a cada reunión. Desafortunadamente, en medio del frenesí alimentario, muchos de ellos no dan diseño métrico la cantidad de reflexión que merece. Entre aquellos que están dispuestos a esforzarse, la mayoría lo inventa sobre la marcha, como si fuera nuevo.

No lo es.

La psicología –el estudio científico de la mente y el comportamiento– ha tenido más de un siglo para golpearse el dedo del pie sobre los peligros de intentar medir cantidades vagas que no han sido definidas adecuadamente, por lo que el campo ha aprendido algunas pepitas de oro sólidas que los líderes empresariales y científicos de datos Sería prudente pedir prestado al diseñar métricas.

Si no está convencido de que el diseño métrico sea difícil, tome papel y lápiz. Te reto a que escribas una definición de felicidad eso es tan férreo que nadie podría estar en desacuerdo con tu forma de medirlo...

Complicado, ¿verdad? Ahora pruébalo con otros sustantivos abstractos que la gente usa a diario, como “memoria”, “inteligencia”, “amor”, “atención”, etc. Es casi un milagro que cualquiera de nosotros nos entendamos a nosotros mismos, y mucho menos unos a otros.

Y, sin embargo, este es exactamente el primer obstáculo que los investigadores en psicología deben superar para lograr avances científicos. Para estudiar los procesos mentales, deben crear indicadores (métricas) precisos y mensurables con los que trabajar. Entonces, ¿qué piensan los psicólogos y otros científicos sociales sobre el diseño métrico?

¿Cómo se estudian de forma rigurosa y científica conceptos que no se pueden definir fácilmente? Conceptos como Whatsapp, satisfaccióny creatividad? La respuesta es… ¡no lo haces! En cambio, tu operacionalizar. Para los propósitos de este ejemplo, supongamos que está interesado en medir felicidad del usuario.

¿Qué es la operacionalización?

¿Qué es la operacionalización? Le escribí un artículo de introducción. esta página para ti, pero el resultado es que cuando operacionalizas, primero te dices a ti mismo: "Nunca voy a medir la felicidad y he hecho las paces con eso". Los filósofos han estado en esto durante miles de años, por lo que no es como si de repente se les ocurriera una definición única que satisfaga todos.

A continuación, destilas la esencia mensurable de tu concepto en un sustituto.

Recuerde siempre que en realidad no está midiendo la felicidad. O memoria. O atención. O inteligencia. O cualquier otra palabra poética confusa, por grandiosa que te parezca.

Ahora que aceptamos el hecho de que nunca mediremos la felicidad y sus amigos, es hora de preguntarnos por qué consideramos esa palabra en primer lugar. ¿Qué tiene este concepto, en su forma confusa, que parece relevante y pertinente para la decisión que queremos tomar? ¿Qué información concreta (¡y obtenible!) nos llevaría a preferir un curso de acción sobre otro? (El diseño métrico es mucho más fácil cuando tienes acciones en mente antes de comenzar. Si es posible, piense en posibles decisiones antes de intentar diseñar una métrica).

Luego, destilamos la idea central que buscamos para crear un proxy mensurable, una métrica que capture esta esencia central que nos importa.

Defina su métrica antes de nombrarla.

¡Y ahora viene la parte divertida! Se nos permite nombrar nuestra métrica como queramos: "blorktibork" o "felicidad del usuario" o "X" o lo que sea.

La razón por la que no tiene sentido que la policía lingüística nos arreste es que no importa cuánto trabajemos en diseñarlo, nuestro proxy *no* ser la forma platónica de felicidad del usuario.

Si bien puede convenir nuestros necesidades, es importante recordar que es poco probable que nuestra métrica se ajuste las necesidades de todos los demás también. Por eso sería tonto enzarzarse en debates inútiles sobre si nuestra métrica captura o no la verdadera felicidad. No es así. Si está desesperado por algún tipo de métrica única que los gobierne a todos, existe una Canción de Disney para ti..

Cualquier métrica que creemos es simplemente un proxy que se adapta a nuestras propias necesidades (y posiblemente a las de nadie más). Es nuestro medio personal para lograr un fin personal: tomar una decisión informada o resumir un concepto para no tener que escribir un párrafo completo cada vez que lo mencionamos. Podemos llevarnos bien sin involucrar a la policía lingüística en ninguno de los dos.

Hasta ahora, todo bien. Simplemente determina qué información necesitaría para su decisión, luego encuentra una manera de resumir esa información de una manera que tenga sentido para sus necesidades (ta-da, eso es tu métrica) y luego nómbrala como quieras. ¿Bien? Cierto, pero…

Aún así, is una parte más difícil de todo esto. ¿Alguna idea de lo que podría ser? Mañana compartiré la respuesta contigo; no olvides suscribirte aquí en Medium o en las redes sociales (Twitter, Etiqueta LinkedIn) para que no te lo pierdas. Mientras tanto, comparta sus opiniones sobre cuál es la parte más difícil del diseño métrico. esta página or esta página.

Si deseas aprender más, mira las lecciones. 039–047 de mi curso Haciendo amigos con el aprendizaje automático. Son todos vídeos cortos de un par de minutos de duración. Comienza aquí y continúa en la lista de reproducción adjunta:

Si te divertiste aquí y estás buscando un curso de IA aplicada diseñado para ser divertido tanto para principiantes como para expertos, aquí tienes uno que hice para tu diversión:

PD: ¿Alguna vez has intentado presionar el botón de aplausos aquí en Medium más de una vez para ver qué sucede? ❤ ️

¡Seamos amigos! Puedes encontrarme en Twitter, YouTube, Substacky Etiqueta LinkedIn. ¿Interesado en que hable en su evento? Usar este formulario contactar.

Diseño de métricas para científicos de datos y líderes empresariales Publicado nuevamente desde la fuente https://towardsdatascience.com/metric-design-for-data-scientists-and-business-leaders-b8adaf46c00?source=rss—-7f60cf5620c9—4 vía https:// haciadatascience.com/feed

<!–

->