Metrisch ontwerp voor datawetenschappers en bedrijfsleiders

Wat is het moeilijkste deel van metrisch ontwerp?

Om het goed te maken datagestuurde beslissingen, heb je 3 dingen nodig:

1. Beslissingscriteria gebaseerd op goed ontworpen metriek.
2. De mogelijkheid om de gegevens waarop deze statistieken zullen worden gebaseerd.
3. Statistieken vaardigheden om deze statistieken te berekenen en de resultaten hieronder te interpreteren onzekerheid.

Vereisten #2 en #3 zijn over veel geschreven (inclusief door me), maar hoe zit het met vereiste #1?

Nu gegevens het verzamelen is eenvoudiger dan ooit, veel leiders voelen de druk om cijfers naar elke vergadering te slepen. Helaas, te midden van de voedselwaanzin, slagen velen van hen er niet in om te geven metrisch ontwerp de hoeveelheid aandacht die het verdient. Onder degenen die bereid zijn er moeite voor te doen, verzinnen de meesten het gaandeweg, alsof het gloednieuw is.

Dat is het niet.

De psychologie – de wetenschappelijke studie van geest en gedrag – heeft dat wel gehad meer dan een eeuw om zijn teen te stoten over de gevaren van pogingen om vage hoeveelheden te meten die niet goed zijn gedefinieerd, dus heeft het veld een aantal solide goudklompjes geleerd die bedrijfsleiders en data wetenschappers zou verstandig zijn om te lenen bij het ontwerpen van statistieken.

Als je er niet van overtuigd bent dat metrisch ontwerpen moeilijk is, pak dan pen en papier. Ik daag je uit om een ​​definitie op te schrijven van geluk dat is zo ironisch dat niemand bezwaar zou kunnen maken tegen jouw manier van meten...

Lastig, toch? Probeer het nu eens met een paar andere abstracte zelfstandige naamwoorden die mensen dagelijks gebruiken, zoals ‘geheugen’ en ‘intelligentie’ en ‘liefde’ en ‘aandacht’ enzovoort. Het is bijna wonderbaarlijk dat iemand van ons onszelf begrijpt, laat staan ​​elkaar.

En toch is dit precies de eerste hindernis die psychologieonderzoekers moeten overwinnen om wetenschappelijke vooruitgang te boeken. Om mentale processen te bestuderen, moeten ze nauwkeurige en meetbare proxy’s (metrieken) creëren om mee te werken. Hoe denken psychologen en andere sociale wetenschappers over metrisch ontwerp?

Hoe bestudeer je rigoureus en wetenschappelijk concepten die je niet gemakkelijk kunt definiëren? Begrippen als aandacht, tevredenheid en creativiteit? Het antwoord is... dat doe je niet! In plaats daarvan jij operationaliseren. Stel dat u voor dit voorbeeld geïnteresseerd bent in meten gebruikersgeluk.

Wat is operationalisering?

Wat is operationalisering? Ik heb er een inleidend artikel over geschreven hier voor jou, maar het resultaat is dat wanneer je operationeel maakt, je eerst tegen jezelf zegt: “Ik ga geluk nooit meten en daar heb ik vrede mee.” Filosofen zijn hier al duizenden jaren mee bezig, dus het is niet zo dat je plotseling met één enkele definitie komt die aan alle eisen voldoet. iedereen.

Vervolgens distilleer je de meetbare essentie van je concept in een proxy.

Onthoud altijd dat je geluk niet echt meet. Of geheugen. Of aandacht. Of intelligentie. Of welk ander poëtisch woord dan ook, hoe groots het ook in de oren klinkt.

Nu we het goed vinden dat we geluk en zijn vrienden nooit zullen meten, is het tijd om onszelf af te vragen waarom we dat woord überhaupt hebben overwogen. Wat is er met dit concept – in zijn vage vorm – dat relevant en relevant lijkt voor de beslissing die we willen nemen? Welke concrete (en verkrijgbare!) informatie zou ons de voorkeur geven de ene handelwijze boven de andere? (Metrisch ontwerp is veel eenvoudiger als je dat hebt acties in gedachten voordat u begint. Denk indien mogelijk na over mogelijke beslissingen voordat u probeert een metriek te ontwerpen.)

Vervolgens distilleren we het kernidee waar we naar op zoek zijn om een ​​meetbare proxy te creëren – een metriek die deze kernessentie vastlegt waar we om geven.

Definieer uw statistiek voordat u deze een naam geeft.

En nu komt het leuke gedeelte! We mogen onze statistiek elke naam geven die we willen: ‘blorktibork’ of ‘gebruikersgeluk’ of ‘X’ of wat dan ook.

De reden dat het geen zin heeft om door de taalpolitie te worden gearresteerd, is dat, hoe hard we ook werken aan het ontwerpen ervan, onze proxy dat wel zal doen. *niet* de platonische vorm van gebruikersgeluk zijn.

Terwijl het misschien uitkomt onze behoeften, is het belangrijk om te onthouden dat onze maatstaf waarschijnlijk niet zal passen ook de behoeften van iedereen. Daarom zou het dwaas zijn om ons te mengen in nutteloze debatten over de vraag of onze maatstaf wel of niet het ware geluk weergeeft. Dat is niet het geval. Als je wanhopig op zoek bent naar een soort één maatstaf die ze allemaal regeert, dan is er een Disney-liedje voor jou.

Elke metriek die we creëren is eenvoudigweg een proxy die past bij onze eigen behoeften (en mogelijk die van iemand anders). Het is ons persoonlijke middel om een ​​persoonlijk doel te bereiken: een weloverwogen beslissing nemen of een concept samenvatten, zodat we niet elke keer dat we het noemen een hele paragraaf hoeven te schrijven. We kunnen het prima met elkaar vinden zonder de taalpolitie erbij te betrekken.

Tot nu toe, zo goed. U bepaalt eenvoudigweg welke informatie u nodig heeft voor uw beslissing, en vervolgens bedenkt u een manier om die informatie samen te vatten op een manier die zinvol is voor uw behoeften (ta-da, dat uw statistiek), en noem het vervolgens hoe u maar wilt. Rechts? Juist, maar...

There is het moeilijkste deel van dit alles. Enig vermoeden wat het zou kunnen zijn? Morgen deel ik het antwoord met je - vergeet niet je hier op Medium of op sociale media te abonneren (Twitter, LinkedIn) zodat je het niet mist. Deel in de tussentijd uw mening over wat het moeilijkste deel van metrisch ontwerp is hier or hier.

Als je meer wilt weten, bekijk dan de lessen 039–047 uit mijn cursus Vrienden maken met Machine Learning. Het zijn allemaal korte video’s van een paar minuten. Begin hier en ga verder in de bijgevoegde playlist:

Als je hier plezier hebt gehad en op zoek bent naar een toegepaste AI-cursus die is ontworpen om leuk te zijn voor zowel beginners als experts, dan heb ik er een gemaakt voor je vermaak:

PS Heb je ooit geprobeerd hier op Medium meer dan eens op de klapknop te drukken om te zien wat er gebeurt? ❤️

Laten we vrienden zijn! Je kunt mij vinden op Twitter, YouTube, subgroep en LinkedIn. Interesse om mij te laten spreken op uw evenement? Gebruik dit formulier in contact te komen.

Metrisch ontwerp voor datawetenschappers en bedrijfsleiders Opnieuw gepubliceerd vanuit de bron https://towardsdatascience.com/metric-design-for-data-scientists-and-business-leaders-b8adaf46c00?source=rss—-7f60cf5620c9—4 via https:// richtingdatascience.com/feed

<!–

->