Veri Bilimcileri ve İş Liderleri için Metrik Tasarım

Metrik tasarımın en zor kısmı nedir?

İyilik yapmak için veriye dayalı kararlar3 şeye ihtiyacınız var:

1. İyi tasarlanmış karar kriterleri metrikleri.
2. Toplama yeteneği veri bu ölçümler temel alınacaktır.
3. İstatistikler Bu ölçümleri hesaplama ve sonuçları yorumlama becerisi belirsizlik.

Gereksinim #2 ve #3 bolluk hakkında yazılmıştır (tarafından yazılmıştır). me), peki ya 1 numaralı gereksinim?

Şimdi veri toplama her zamankinden daha kolay, birçok lider her toplantıya sayıları sürükleme baskısını hissediyor. Ne yazık ki, beslenme çılgınlığının ortasında birçoğu, metrik tasarım hak ettiği düşünce miktarı. Çaba göstermeye istekli olanların çoğu, sanki yepyeni bir şeymiş gibi, ilerledikçe bunu telafi ediyorlar.

Değil.

Zihin ve davranışın bilimsel çalışması olan psikoloji, ayak parmağını çarpmak için bir yüzyıldan fazla zaman geçti Düzgün tanımlanmamış belirsiz miktarları ölçmeye çalışmanın tehlikeleri üzerine, bu nedenle alan, iş dünyası liderlerinin ve veri bilimcileri Metrikleri tasarlarken ödünç almak akıllıca olacaktır.

Metrik tasarımın zor olduğuna ikna olmadıysanız, bir kalem ve kağıt alın. Bir tanım yazmanız için size meydan okuyorum mutluluk bu o kadar katı ki, hiç kimse sizin bunu ölçme şeklinize itiraz edemez…

Zor, değil mi? Şimdi bunu insanların her gün ortalıkta dolaştığı "hafıza", "zeka", "sevgi" ve "dikkat" gibi diğer soyut isimlerle deneyin. Bırakın birbirimizi, herhangi birimizin kendimizi anlaması neredeyse mucizevi bir şey.

Ancak yine de bu, psikoloji araştırmacılarının bilimsel ilerleme sağlamak için aşmaları gereken ilk engeldir. Zihinsel süreçleri incelemek için, üzerinde çalışılacak kesin ve ölçülebilir temsiller (metrikler) oluşturmaları gerekir. Peki psikologlar ve diğer sosyal bilimciler metrik tasarım hakkında nasıl düşünüyor?

Kolayca tanımlayamadığınız kavramları nasıl titizlikle ve bilimsel olarak inceliyorsunuz? Gibi kavramlar Dikkat, memnuniyet, ve yaratıcılık? Cevap şu: Yapmıyorsun! Senin yerine işlevselleştirileceği. Bu örneğin amaçları doğrultusunda, ölçüm yapmakla ilgilendiğinizi varsayalım. kullanıcı mutluluğu.

Operasyonelleştirme nedir?

Operasyonelleştirme nedir? Bunun için bir giriş yazısı yazdım okuyun sizin için, ancak sonuç şu ki operasyonel hale getirdiğinizde ilk önce kendinize şunu söylüyorsunuz: “Mutluluğu hiçbir zaman ölçmeyeceğim ve bununla barıştım.” Filozoflar binlerce yıldır bu işin içindeler, dolayısıyla birdenbire bu durumu tatmin edecek tek bir tanım bulmanız pek mümkün değil. herkes.

Daha sonra konseptinizin ölçülebilir özünü bir temsile dönüştürürsünüz.

Aslında mutluluğu ölçmediğinizi her zaman unutmayın. Veya hafıza. Veya dikkat. Veya zeka. Veya kulağa ne kadar muhteşem gelse de başka herhangi bir şiirsel saçma kelime.

Artık mutluluğu ve arkadaşlarını asla ölçemeyeceğimiz gerçeğini kabul ettiğimize göre, neden bu kelimeyi ilk etapta düşündüğümüzü kendimize sormanın zamanı geldi. Bu kavramın (bulanık haliyle) vermek istediğimiz kararla alakalı ve alakalı görünen yanı nedir? Hangi somut (ve elde edilebilir!) bilgi bizi tercih etmeye yönlendirir? bir eylem planı diğerine göre? (Metrik tasarım, sahip olduğunuzda çok daha kolaydır. eylemler başlamadan önce aklınızda bulundurun. Mümkünse bir metrik tasarlamaya çalışmadan önce olası kararları düşünün.)

Daha sonra ölçülebilir bir temsili (önemsediğimiz bu temel özü yakalayan bir ölçüm) oluşturmak için peşinde olduğumuz temel fikri ayrıştırıyoruz.

Metriğinizi adlandırmadan önce tanımlayın.

Ve şimdi işin eğlenceli kısmı geliyor! Metriğimize istediğimiz herhangi bir ismi vermemize izin veriliyor: "blorktibork" veya "kullanıcı mutluluğu" veya "X" veya başka bir şey.

Dil polisi tarafından tutuklanmamızın bize mantıklı gelmemesinin nedeni, bunu tasarlamak için ne kadar çok çalışırsak çalışalım, vekilimizin bunu yapacak olmasıdır. *Olumsuz* kullanıcı mutluluğunun Platonik biçimi olsun.

Her ne kadar uygun olsa da bizim ihtiyaçlar, ölçütümüzün uyma ihtimalinin düşük olduğunu unutmamak önemlidir herkesin ihtiyaçları da. Bu nedenle, ölçütümüzün Gerçek Mutluluğu yakalayıp yakalamadığı konusunda gereksiz tartışmalara girişmek aptalca olur. Değil. Eğer Hepsine Yönetecek Tek Bir Ölçüye ihtiyacınız varsa, Sizin için Disney şarkısı.

Yarattığımız herhangi bir ölçüm, yalnızca kendi ihtiyaçlarımıza (ve muhtemelen başka hiç kimseninkine) uygun olmayan bir proxy'dir. Bu bizim kişisel amaca yönelik kişisel aracımızdır: bilinçli bir karar vermek veya bir kavramı özetlemek, böylece ondan her bahsettiğimizde bir paragraf yazmak zorunda kalmayız. Dil polisini ikisine de karıştırmadan da gayet iyi anlaşabiliriz.

Şimdiye kadar, çok iyi. Basitçe kararınız için hangi bilgilere ihtiyaç duyacağınızı belirlersiniz, ardından bu bilgileri ihtiyaçlarınız için anlamlı olacak şekilde özetlemenin bir yolunu bulursunuz (ta-da, budur metriğiniz) ve ardından ona istediğiniz adı verin. Sağ? Doğru ama...

Orada is tüm bunların en zor kısmı. Ne olabileceğine dair bir tahmininiz var mı? Cevabı yarın sizinle paylaşacağım; Medium'dan veya sosyal medyadan abone olmayı unutmayın (Twitter, LinkedIn) böylece kaçırmazsınız. Bu arada metrik tasarımın en zor kısmının ne olduğuna dair düşüncelerinizi paylaşın okuyun or okuyun.

Daha fazlasını öğrenmek istiyorsanız dersleri izleyin 039–047 Makine Öğrenimi ile Arkadaşlık Kursumdan. Hepsi birkaç dakikalık kısa videolardır. Buradan başlayın ve ekteki oynatma listesinden devam edin:

Burada eğlendiyseniz ve hem yeni başlayanlar hem de uzmanlar için eğlenceli olacak şekilde tasarlanmış uygulamalı bir AI kursu arıyorsanız, işte sizi eğlendirmek için hazırladığım bir kurs:

Not: Ne olacağını görmek için Medium'da alkış düğmesine birden fazla kez basmayı hiç denediniz mi? ❤️

Arkadaş olalım! Beni şurada bulabilirsin Twitter, YouTube, Alt yığın, ve LinkedIn. Etkinliğinizde konuşmamı ister misiniz? Kullanmak Airdrop Form temasa geçmek için.

Veri Bilimcileri ve İş Liderleri için Metrik Tasarım, Kaynak https://towardsdatascience.com/metric-design-for-data-scientists-and-business-leaders-b8adaf46c00?source=rss—-7f60cf5620c9—4 adresinden https:// aracılığıyla yayımlanmıştır. doğrudatascience.com/feed

<!–

->