星期一, 12月 24, 2018

關於 Data Analysis

關於Data Metrics的分類之不嚴謹個人心得

1. KPI Metrics

用途是設定給團隊來當目標用的
最好就是一個點
如果想要彈性和客觀  可以這樣操作

  • 為不同單位或部門分別設定計算方式不一樣的metric作為KPI
  • 在不同的時機變更KPI metrics  

但重點是每的人在每個時間點
只朝一個目標去前進

2. Figuring Metrics

用途是客觀地知道經營情況
例如依照時間展開趨勢
呈現資料的分佈
將母體分類  觀察不同分類方式下應對值的不同

3. Experimental Metrics

先做一個模型假設
取得自訂的分群方式和metrics
然後用迴歸分析或變異數分析
檢定該模型的解釋能力

1,2,3種Metrics各有不同的用途
混合使用是不對的..
例如,我們應該設定KPI叫做WAA(weekly active author)
然後發現某個magic number和WAA有正相關
那要把該magic number用來作為KPI嗎?
建議不要.. 因為達成KPI的方式應該要很多元
將Experimental Metrics做成KPI後  之後的做法就死了

沒有留言:

張貼留言