ڈیٹا سائنسدانوں اور کاروباری رہنماؤں کے لیے میٹرک ڈیزائن

میٹرک ڈیزائن کا سب سے مشکل حصہ کیا ہے؟

نیکی کرنے کے لیے ڈیٹا پر مبنی فیصلے، آپ کو 3 چیزوں کی ضرورت ہے:

1. اچھی طرح سے ڈیزائن کی بنیاد پر فیصلہ کا معیار میٹرکس.
2. جمع کرنے کی صلاحیت اعداد و شمار وہ میٹرکس پر مبنی ہوں گے۔
3. اعداد و شمار ان میٹرکس کا حساب لگانے اور نتائج کی تشریح کرنے کی مہارت غیر یقینی صورتحال.

ضروریات #2 اور #3 کافی مقدار میں لکھی گئی ہیں (بشمول by me)، لیکن ضرورت نمبر 1 کا کیا ہوگا؟

اب جب کہ اعداد و شمار جمع کرنا پہلے سے کہیں زیادہ آسان ہے، بہت سے رہنما ہر میٹنگ میں نمبر گھسیٹنے کے لیے دباؤ محسوس کرتے ہیں۔ بدقسمتی سے، کھانا کھلانے کے جنون کے درمیان، ان میں سے بہت سے دینے میں ناکام رہتے ہیں۔ میٹرک ڈیزائن سوچ کی مقدار جس کا یہ مستحق ہے۔ ان لوگوں میں سے جو کوشش کرنے کے لیے تیار ہیں، زیادہ تر اس کو تیار کر رہے ہیں جیسے وہ آگے بڑھ رہے ہیں، گویا یہ بالکل نیا ہے۔

ایسا نہیں ہے۔

نفسیات - دماغ اور طرز عمل کا سائنسی مطالعہ - ہوا ہے۔ ایک صدی سے زیادہ اپنے پیر کو ٹھوکر مارنے کے لیے مبہم مقداروں کی پیمائش کرنے کی کوشش کے خطرات پر جن کی صحیح طریقے سے وضاحت نہیں کی گئی ہے، اس لیے فیلڈ نے سونے کے کچھ ٹھوس نگٹس سیکھے ہیں جو کاروباری رہنما اور ڈیٹا سائنسدانوں میٹرکس ڈیزائن کرتے وقت قرض لینا عقلمندی ہوگی۔

اگر آپ کو یقین نہیں ہے کہ میٹرک ڈیزائن مشکل ہے تو قلم اور کاغذ پکڑیں۔ میں آپ کو چیلنج کرتا ہوں کہ آپ کی تعریف لکھیں۔ خوشی یہ اتنا فولادی ہے کہ کوئی بھی اس کی پیمائش کرنے کے آپ کے طریقے سے مسئلہ نہیں اٹھا سکتا…

مشکل، ٹھیک ہے؟ اب اسے کچھ دیگر تجریدی اسموں کے ساتھ آزمائیں جو لوگ روزانہ پھینکتے ہیں، جیسے "میموری" اور "ذہانت" اور "محبت" اور "توجہ" وغیرہ۔ یہ معجزہ کے قریب ہے کہ ہم میں سے کوئی بھی اپنے آپ کو سمجھتا ہے، ایک دوسرے کو چھوڑ دو۔

اور پھر بھی، یہ بالکل پہلی رکاوٹ ہے جسے نفسیات کے محققین کو سائنسی ترقی کرنے کے لیے صاف کرنا چاہیے۔ ذہنی عمل کا مطالعہ کرنے کے لیے، انہیں کام کرنے کے لیے درست اور قابل پیمائش پراکسی — میٹرکس — بنانا چاہیے۔ تو، ماہر نفسیات اور دیگر سماجی سائنسدان میٹرک ڈیزائن کے بارے میں کیسے سوچتے ہیں؟

آپ کس طرح سختی سے، سائنسی طور پر ان تصورات کا مطالعہ کرتے ہیں جن کی آپ آسانی سے وضاحت نہیں کر سکتے؟ جیسے تصورات توجہ, کی اطمینان، اور تخلیقی? جواب ہے… آپ نہیں کرتے! اس کے بجائے، آپ چلانے. اس مثال کے مقاصد کے لیے، فرض کریں کہ آپ پیمائش میں دلچسپی رکھتے ہیں۔ صارف کی خوشی.

آپریشنلائزیشن کیا ہے؟

آپریشنلائزیشن کیا ہے؟ میں نے اس پر ایک تعارفی مضمون لکھا ہے۔ یہاں آپ کے لیے، لیکن نتیجہ یہ ہے کہ جب آپ کام کرتے ہیں، تو آپ سب سے پہلے اپنے آپ سے کہتے ہیں، "میں کبھی بھی خوشی کی پیمائش نہیں کروں گا اور میں نے اس کے ساتھ اپنا صلح کر لیا ہے۔" فلسفی ہزاروں سالوں سے اس پر کام کر رہے ہیں، اس لیے ایسا نہیں ہے کہ آپ اچانک ایک ایسی تعریف لے کر آئیں جو مطمئن ہو سب.

اگلا، آپ اپنے تصور کے قابل پیمائش جوہر کو پراکسی میں ڈسٹل کرتے ہیں۔

ہمیشہ یاد رکھیں کہ آپ اصل میں خوشی کی پیمائش نہیں کر رہے ہیں۔ یا یادداشت۔ یا توجہ۔ یا ذہانت۔ یا کوئی دوسرا شاعرانہ فز ورڈ، چاہے وہ آپ کو کتنا ہی عظیم کیوں نہ لگے۔

اب جب کہ ہم اس حقیقت کے ساتھ ٹھیک ہیں کہ ہم کبھی خوشی اور اس کے دوستوں کی پیمائش نہیں کریں گے، اب وقت آگیا ہے کہ ہم اپنے آپ سے پوچھیں کہ ہم نے اس لفظ کو پہلے کیوں سمجھا۔ اس تصور کے بارے میں کیا ہے - اس کی مبہم شکل میں - جو ہم جو فیصلہ کرنا چاہتے ہیں اس سے متعلقہ اور مناسب معلوم ہوتا ہے؟ کون سی ٹھوس (اور قابل حصول!) معلومات ہمیں ترجیح دیں گی۔ ایک دوسرے پر عمل کا ایک طریقہ? (میٹرک ڈیزائن بہت آسان ہوتا ہے جب آپ کے پاس ہو۔ اعمال آپ شروع کرنے سے پہلے ذہن میں رکھیں۔ اگر ممکن ہو تو، میٹرک ڈیزائن کرنے کی کوشش کرنے سے پہلے ممکنہ فیصلوں کے بارے میں سوچیں۔)

پھر ہم اس بنیادی خیال کو ڈسٹل کرتے ہیں کہ ہم ایک قابل پیمائش پراکسی بنانے کے بعد ہیں — ایک میٹرک جو اس بنیادی جوہر کو حاصل کرتا ہے جس کا ہمیں خیال ہے۔

اپنے میٹرک کو نام دینے سے پہلے اس کی وضاحت کریں۔

اور اب تفریحی حصہ آتا ہے! ہمیں اپنے میٹرک کو اپنی پسند کی ہر چیز کا نام دینے کی اجازت ہے: "blorktibork" یا "صارف کی خوشی" یا "X" یا کچھ بھی۔

لینگوئج پولیس کے ذریعے ہمارے لیے گرفتار کیے جانے کا کوئی مطلب نہیں ہے کہ ہم اسے ڈیزائن کرنے میں کتنی ہی محنت کیوں نہ کریں، ہماری پراکسی *نہیں* صارف کی خوشی کی افلاطونی شکل بنیں۔

جبکہ یہ مناسب ہوسکتا ہے۔ ہمارے ضرورت ہے، یہ یاد رکھنا ضروری ہے کہ ہمارا میٹرک فٹ ہونے کا امکان نہیں ہے۔ باقی سب کی ضروریات بھی. یہی وجہ ہے کہ ہمارے میٹرک حقیقی خوشی کو حاصل کرتا ہے یا نہیں اس کے بارے میں فضول بحثوں میں سینگوں کو بند کرنا احمقانہ ہوگا۔ ایسا نہیں ہوتا۔ اگر آپ ان سب پر حکمرانی کرنے کے لیے کسی قسم کی ایک میٹرک کے لیے بے چین ہیں، تو وہاں ایک ہے۔ آپ کے لیے ڈزنی کا گانا.

ہم جو بھی میٹرک بناتے ہیں وہ صرف ایک پراکسی ہے جو ہماری اپنی ضروریات کے مطابق ہے (اور ممکنہ طور پر کسی اور کی نہیں)۔ ذاتی مقصد کے لیے یہ ہمارا ذاتی ذریعہ ہے: باخبر فیصلہ کرنا یا کسی تصور کا خلاصہ کرنا تاکہ جب بھی ہم اس کا ذکر کریں تو ہمیں پورا پیراگراف لکھنے کی ضرورت نہیں ہے۔ ہم دونوں میں سے کسی ایک میں لینگوئج پولیس کو شامل کیے بغیر ٹھیک ہو سکتے ہیں۔

اب تک، بہت اچھا. آپ صرف اس بات کا تعین کرتے ہیں کہ آپ کو اپنے فیصلے کے لیے کونسی معلومات کی ضرورت ہے، پھر آپ اس معلومات کا خلاصہ کرنے کا ایک طریقہ تلاش کریں گے جو آپ کی ضروریات کے لیے معنی رکھتا ہے (ta-da, کہ آپ کا میٹرک)، اور پھر اسے جو چاہیں نام دیں۔ ٹھیک ہے؟ ٹھیک ہے، لیکن…

اس is اس سب کا سب سے مشکل حصہ۔ یہ کیا ہو سکتا ہے کے طور پر کوئی اندازہ؟ کل، میں آپ کے ساتھ جواب شیئر کروں گا — یہاں میڈیم یا سوشل میڈیا پر سبسکرائب کرنا نہ بھولیں (ٹویٹر, لنکڈ) تاکہ آپ اسے یاد نہ کریں۔ اس دوران، میٹرک ڈیزائن کا سب سے مشکل حصہ کیا ہے اس پر اپنے خیالات کا اشتراک کریں۔ یہاں or یہاں.

اگر آپ مزید جاننے کے خواہشمند ہیں تو سبق دیکھیں 039-047 میرے میکنگ فرینڈز ود مشین لرننگ کورس سے۔ وہ تمام چند منٹ کی مختصر ویڈیوز ہیں۔ یہاں سے شروع کریں اور منسلک پلے لسٹ میں جاری رکھیں:

اگر آپ کو یہاں مزہ آیا اور آپ ایک لاگو کردہ AI کورس تلاش کر رہے ہیں جو ابتدائی اور ماہرین کے لیے یکساں طور پر تفریح ​​کے لیے ڈیزائن کیا گیا ہے، تو یہ ہے میں نے آپ کی تفریح ​​کے لیے بنایا ہے:

PS کیا آپ نے یہاں میڈیم پر ایک سے زیادہ بار تالی کے بٹن کو دبانے کی کوشش کی ہے کہ کیا ہوتا ہے؟ ❤️

چلو دوست بن جائیں! آپ مجھے تلاش کر سکتے ہیں۔ ٹویٹر, یو ٹیوب پر, سب اسٹیک، اور لنکڈ. مجھے آپ کی تقریب میں بات کرنے میں دلچسپی ہے؟ استعمال کریں۔ اس فارم رابطے میں رہنے کے لئے.

ماخذ https://towardsdatascience.com/metric-design-for-data-scientists-and-business-leaders-b8adaf46c00?source=rss—-7f60cf5620c9—4 بذریعہ https:// سے دوبارہ شائع کردہ ڈیٹا سائنسدانوں اور کاروباری رہنماؤں کے لیے میٹرک ڈیزائن todatascience.com/feed

<!–

->