Metrinen suunnittelu datatieteilijöille ja yritysjohtajille

Mikä on vaikein osa metrinen suunnittelussa?

Tehdäkseen hyvää dataan perustuvat päätökset, tarvitset 3 asiaa:

1. Päätöskriteerit perustuvat hyvin suunniteltuun mittarit.
2. Mahdollisuus kerätä tiedot nämä mittarit perustuvat.
3. tilastotiedot taidot laskea nämä mittarit ja tulkita alla olevia tuloksia epävarmuus.

Vaatimuksista 2 ja 3 on kirjoitettu paljon (mukaan lukien me), mutta entä vaatimus 1?

Nyt tiedot kerääminen on helpompaa kuin koskaan, monet johtajat tuntevat painetta vetää numeroita jokaiseen kokoukseen. Valitettavasti monet heistä eivät anna ruokintaviisen keskellä metrinen suunnittelu sen ajatuksen määrä, jonka se ansaitsee. Niistä, jotka ovat valmiita ponnistelemaan, useimmat keksivät sen edetessään, ikään kuin se olisi aivan uusi.

Ei se ole.

Psykologia - mielen ja käyttäytymisen tieteellinen tutkimus - on ollut yli vuosisadan typistämään varpaansa vaaroista, joita syntyy, kun yritetään mitata epämääräisiä määriä, joita ei ole määritelty kunnolla, joten ala on oppinut joitain kiinteitä kultahippuja, joita yritysjohtajat ja tietojen tutkijat olisi viisasta lainata mittareita suunniteltaessa.

Jos et ole vakuuttunut siitä, että metrinen suunnittelu on vaikeaa, tartu kynään ja paperiin. Haastan sinut kirjoittamaan määritelmän onnellisuus se on niin rautainen, ettei kukaan voi ottaa kantaa tapaasi mitata se...

Hankalaa, eikö? Kokeile nyt sitä joidenkin muiden ihmisten päivittäin käyttämien abstraktien substantiivien kanssa, kuten "muisti" ja "äly" ja "rakkaus" ja "huomio" ja niin edelleen. On helvetin ihmeellistä, että joku meistä ymmärtää itseään, saati sitten toisiamme.

Ja kuitenkin, tämä on juuri ensimmäinen este, joka psykologian tutkijoiden on poistettava tieteellisen edistyksen saavuttamiseksi. Tutkiakseen henkisiä prosesseja heidän on luotava tarkat ja mitattavissa olevat välityspalvelimet – metriikka – työskennelläkseen. Joten, miten psykologit ja muut yhteiskuntatieteilijät ajattelevat metrinen suunnittelusta?

Kuinka tutkit tarkasti, tieteellisesti käsitteitä, joita et voi helposti määritellä? Käsitteet kuten huomio, tyytyväisyysja luovuus? Vastaus on… et! Sen sijaan sinä toiminnallistaa. Tässä esimerkissä oletetaan, että olet kiinnostunut mittaamisesta käyttäjän onnea.

Mitä on operatiivisuus?

Mitä on operatiivisuus? Olen kirjoittanut siihen johdantoartikkelin tätä sinulle, mutta lopputulos on, että kun otat käyttöön, sanot ensin itsellesi, "En aio koskaan mitata onnellisuutta ja olen tehnyt rauhan sen kanssa." Filosofit ovat olleet tässä tuhansia vuosia, joten ei ole niin, että yhtäkkiä keksit yhden määritelmän, joka tyydyttää jokainen.

Seuraavaksi tislaa konseptisi mitattavissa oleva olemus välityspalvelimeksi.

Muista aina, että et itse asiassa mittaa onnellisuutta. Tai muisti. Tai huomiota. Tai älykkyyttä. Tai mikä tahansa muu runollinen sumusana, riippumatta siitä, kuinka suurelta se sinusta kuulostaa.

Nyt kun olemme kunnossa sen kanssa, ettemme koskaan mittaa onnellisuutta ja sen ystäviä, on aika kysyä itseltämme, miksi edes harkitsimme sitä sanaa. Mikä tässä konseptissa on – sen sumeassa muodossa – mikä vaikuttaa asiaankuuluvalta ja oleevalta sen päätöksen kannalta, jonka haluamme tehdä? Mitä konkreettista (ja saatavaa!) tietoa saisimme valitsemaan parempana yksi toimintatapa toisen päälle? (Metrinen suunnittelu on paljon helpompaa, kun sinulla on toimet mielessä ennen kuin aloitat. Jos mahdollista, harkitse mahdollisia päätöksiä ennen kuin yrität suunnitella mittaria.)

Sitten tislaamme tavoittelemamme ydinidean luodaksemme mitattavissa olevan välityspalvelimen – mittarin, joka kuvaa tämän meille tärkeän ydinolemuksen.

Määritä mittarisi ennen kuin nimeät sen.

Ja nyt tulee se hauskin osuus! Me voimme nimetä mittarimme mitä tahansa: "blorktibork" tai "käyttäjän onnellisuus" tai "X" tai mikä tahansa.

Syy siihen, että kielipoliisin pidättäminen ei ole järkevää, on se, että vaikka kuinka kovasti työskentelemmekin sen suunnittelussa, valtakirjamme *ei* olla käyttäjien onnen platoninen muoto.

Vaikka se saattaa sopia meidän tarpeita, on tärkeää muistaa, että mittarimme ei todennäköisesti sovi yhteen myös kaikkien muiden tarpeita. Siksi olisi typerää lukita sarvet turhaan keskusteluun siitä, kuvaako mittarimme todellista onnellisuutta vai ei. Ei. Jos kaipaat epätoivoisesti jotakin yhtä mittaria, joka hallitsee heitä kaikkia, on olemassa a Disney laulu sinulle.

Kaikki luomamme mittarit ovat yksinkertaisesti välityspalvelin, joka sopii omiin tarpeisiimme (eikä kenenkään muun tarpeisiin). Se on henkilökohtainen keinomme saavuttaa henkilökohtainen päämäärä: tehdä tietoinen päätös tai tehdä yhteenveto käsitteestä, jotta meidän ei tarvitse kirjoittaa kokonaista kappaletta joka kerta, kun mainitsemme sen. Tulemme hyvin toimeen ilman kielipoliisia kumpaankaan.

Toistaiseksi hyvin. Päätät yksinkertaisesti, mitä tietoja tarvitset päätöksentekoon, ja sitten keksit tavan tiivistää nämä tiedot tarpeisiisi sopivalla tavalla (ta-da, se on mittarisi) ja nimeä se sitten haluamallasi tavalla. Eikö? Aivan, mutta…

Siellä is vaikein osa tässä kaikessa. Onko arvauksia mikä se voisi olla? Huomenna jaan vastauksen kanssasi - älä unohda tilata joko täällä Mediumissa tai sosiaalisessa mediassa (Twitter, LinkedIn), joten et missaa sitä. Kerro sillä välin ajatuksesi siitä, mikä on vaikein osa metrijärjestelmän suunnittelussa tätä or tätä.

Jos haluat oppia lisää, katso oppitunnit 039–047 ystävien tekeminen koneoppimisen kanssa -kurssiltani. Ne ovat kaikki lyhyitä, muutaman minuutin pituisia videoita. Aloita tästä ja jatka oheisesta soittolistasta:

Jos sinulla oli hauskaa täällä ja etsit soveltavaa tekoälykurssia, joka on suunniteltu hauskaksi aloittelijoille ja asiantuntijoille, tässä on yksi, jonka tein huviksesi:

PS Oletko koskaan yrittänyt painaa taputuspainiketta täällä Mediumissa useammin kuin kerran nähdäksesi mitä tapahtuu? ❤️

Ollaan ystäviä! Löydät minut osoitteesta Twitter, YouTube, alaryhmäja LinkedIn. Kiinnostaako minun puhua tapahtumassasi? Käyttää tämä lomake saada yhteyttä.

Metric-suunnittelu datatieteilijöille ja yritysjohtajille julkaistu uudelleen lähteestä https://towardsdatascience.com/metric-design-for-data-scientists-and-business-leaders-b8adaf46c00?source=rss—-7f60cf5620c9—4 kautta https:// kohti datatascience.com/feed

<!-

->