Desain Metrik untuk Ilmuwan Data dan Pemimpin Bisnis

Apa bagian tersulit dari desain metrik?

Untuk menjadi baik keputusan berdasarkan data, Anda memerlukan 3 hal:

1. Kriteria pengambilan keputusan dirancang dengan baik metrik.
2. Kemampuan untuk mengumpulkan data metrik tersebut akan didasarkan pada.
3. statistika keterampilan untuk menghitung metrik tersebut dan menafsirkan hasilnya di bawah ketidakpastian.

Persyaratan #2 dan #3 telah banyak ditulis (termasuk oleh me), tapi bagaimana dengan persyaratan #1?

Sekarang data pengumpulan data menjadi lebih mudah dari sebelumnya, banyak pemimpin merasakan tekanan untuk menyeret jumlah peserta ke setiap pertemuan. Sayangnya, di tengah hiruk pikuk pemberian makan, banyak di antara mereka yang urung memberi desain metrik jumlah pemikiran yang layak diterimanya. Di antara mereka yang bersedia berusaha, sebagian besar hanya mengada-ada, seolah-olah hal itu baru.

Hal ini tidak.

Psikologi - studi ilmiah tentang pikiran dan perilaku - telah berhasil lebih dari satu abad untuk mematikan kakinya tentang bahaya mencoba mengukur jumlah yang tidak jelas dan belum didefinisikan dengan benar, sehingga bidang ini telah mempelajari beberapa bongkahan emas yang dapat digunakan oleh para pemimpin bisnis dan ilmuwan data akan lebih bijaksana untuk meminjam ketika merancang metrik.

Jika Anda tidak yakin bahwa desain metrik itu sulit, ambil pulpen dan kertas. Saya menantang Anda untuk menuliskan definisinya kebahagiaan itu sangat ketat sehingga tidak ada seorang pun yang mempermasalahkan cara Anda mengukurnya…

Rumit, bukan? Sekarang cobalah dengan beberapa kata benda abstrak lain yang digunakan orang setiap hari, seperti “memori” dan “kecerdasan” dan “cinta” dan “perhatian” dan seterusnya. Sungguh menakjubkan bahwa ada di antara kita yang memahami diri kita sendiri, apalagi satu sama lain.

Namun, inilah rintangan pertama yang harus diatasi oleh para peneliti psikologi agar dapat mencapai kemajuan ilmiah. Untuk mempelajari proses mental, mereka harus menciptakan proksi — metrik — yang tepat dan terukur untuk digunakan. Jadi, bagaimana pendapat psikolog dan ilmuwan sosial lainnya tentang desain metrik?

Bagaimana Anda mempelajari konsep-konsep yang sulit Anda definisikan dengan cermat dan ilmiah? Konsep seperti perhatian, kepuasan, dan kreativitas? Jawabannya adalah… tidak! Sebaliknya, kamu operasional. Untuk keperluan contoh ini, misalkan Anda tertarik untuk mengukur kebahagiaan pengguna.

Apa itu operasionalisasi?

Apa itu operasionalisasi? Saya telah menulis artikel pengantar untuk itu di sini bagi Anda, namun hasilnya adalah ketika Anda mengoperasionalkannya, pertama-tama Anda berkata pada diri sendiri, “Saya tidak akan pernah mengukur kebahagiaan dan saya berdamai dengan hal itu.” Para filsuf telah melakukan hal ini selama ribuan tahun, jadi sepertinya Anda tidak akan tiba-tiba menemukan satu definisi yang memuaskan. semua orang.

Selanjutnya, Anda menyaring esensi konsep Anda yang dapat diukur menjadi proxy.

Ingatlah selalu bahwa Anda sebenarnya tidak mengukur kebahagiaan. Atau memori. Atau perhatian. Atau kecerdasan. Atau kata-kata puitis lainnya, tidak peduli betapa megahnya kata itu bagi Anda.

Sekarang kita baik-baik saja dengan kenyataan bahwa kita tidak akan pernah mengukur kebahagiaan dan teman-temannya, sekarang saatnya bertanya pada diri sendiri mengapa kita mempertimbangkan kata itu sejak awal. Ada apa dengan konsep ini - dalam bentuknya yang kabur - yang tampaknya relevan dan berkaitan dengan keputusan yang ingin kita ambil? Informasi konkrit (dan dapat diperoleh!) apa yang membuat kita lebih memilihnya suatu tindakan di atas tindakan lainnya? (Desain metrik jauh lebih mudah bila Anda punya tindakan dalam pikiran sebelum Anda mulai. Jika memungkinkan, pikirkan kemungkinan keputusan sebelum mencoba merancang metrik.)

Kemudian kami menyaring ide inti yang kami cari untuk menciptakan proksi yang terukur — sebuah metrik yang menangkap esensi inti yang kami pedulikan.

Tentukan metrik Anda sebelum memberi nama.

Dan sekarang sampai pada bagian yang menyenangkan! Kami diperbolehkan memberi nama metrik apa pun yang kami suka: “blorktibork” atau “kebahagiaan pengguna” atau “X” atau apa pun.

Alasan mengapa tidak masuk akal bagi kami untuk ditangkap oleh polisi bahasa adalah karena sekeras apa pun kami berupaya merancangnya, wakil kami akan melakukannya. *tidak* menjadi bentuk kebahagiaan pengguna yang Platonis.

Meskipun mungkin cocok kami kebutuhan, penting untuk diingat bahwa metrik kami kemungkinan besar tidak akan sesuai kebutuhan orang lain juga. Oleh karena itu, sangatlah konyol jika kita terlibat dalam perdebatan yang tidak berguna tentang apakah metrik kita mampu menangkap Kebahagiaan Sejati atau tidak. Tidak. Jika Anda sangat membutuhkan Satu Metrik Untuk Mengatur Semuanya, ada a Lagu Disney untukmu.

Metrik apa pun yang kami buat hanyalah proksi yang sesuai dengan kebutuhan kami (dan mungkin tidak sesuai dengan kebutuhan orang lain). Ini adalah sarana pribadi kita untuk mencapai tujuan pribadi: membuat keputusan yang tepat atau merangkum sebuah konsep sehingga kita tidak perlu menulis satu paragraf penuh setiap kali kita menyebutkannya. Kita bisa bergaul dengan baik tanpa melibatkan polisi bahasa di salah satu dari keduanya.

Sejauh ini bagus. Anda cukup menentukan informasi apa yang Anda perlukan untuk mengambil keputusan, lalu Anda mencari cara untuk merangkum informasi tersebut dengan cara yang masuk akal untuk kebutuhan Anda (ta-da, itu metrik Anda), lalu beri nama sesuka Anda. Benar? Benar, tapi…

Sana is bagian tersulit dari semua ini. Adakah tebakan tentang apa itu? Besok saya akan membagikan jawabannya kepada Anda — jangan lupa berlangganan di sini di Medium atau di media sosial (Twitter, LinkedIn) agar tidak ketinggalan. Sementara itu, sampaikan pendapat Anda tentang bagian tersulit dari desain metrik di sini or di sini.

Jika Anda ingin mempelajari lebih lanjut, tontonlah pelajarannya 039–047 dari kursus Berteman dengan Machine Learning saya. Itu semua adalah video pendek berdurasi beberapa menit. Mulai di sini dan lanjutkan di playlist terlampir:

Jika Anda bersenang-senang di sini dan mencari kursus AI terapan yang dirancang untuk menyenangkan bagi pemula dan ahli, berikut ini yang saya buat untuk hiburan Anda:

PS Pernahkah Anda mencoba menekan tombol tepuk di Medium lebih dari sekali untuk melihat apa yang terjadi? ❤️

Mari berteman! Anda dapat menemukan saya di Twitter, Youtube, Substacks, dan LinkedIn. Tertarik untuk mengajak saya berbicara di acara Anda? Menggunakan formulir ini untuk menghubungi.

Desain Metrik untuk Ilmuwan Data dan Pemimpin Bisnis Diterbitkan Ulang dari Sumber https://towardsdatascience.com/metric-design-for-data-scientists-and-business-leaders-b8adaf46c00?source=rss—-7f60cf5620c9—4 melalui https:// menujudatascience.com/feed

<!–

->