Как специалиста, работающего в бизнес-команде, меня часто просят дать количественную оценку субъективному понятию, для которого не существует общепринятого определения. Типичный вопрос выглядит следующим образом: “Сколько наших магазинов являются успешными?” и “Сколько у нас лояльных клиентов?”.
Дело в том, что у каждого работника компании есть свои “теоретические” определения для этих субъективных понятий (и он убежден, что в его организации все думают так же). Поэтому, когда задается подобный вопрос, прежде всего необходимо согласовать различные точки зрения и выработать объективную метрику.
Приведу конкретный пример. Допустим, вы работаете в крупной сети супермаркетов, и вас спросили: “Сколько магазинов в вашей системе являются успешными?”.
Вы можете заглянуть в раздел “Прибыль” и приступить к ранжированию магазинов на основе их прибыльности. Но тогда возникнут следующие вопросы.
- Если предположить, что в вашей отрасли прибыль зависит от размера торговой точки, то будет ли маленький магазин с небольшой прибылью менее успешным?
- Как насчет магазина, который только что открылся и демонстрирует огромный рост, но не будет прибыльным до следующего года? Или, наоборот, как насчет магазина с большой прибылью, но отрицательным ростом? Какой из них вы бы назвали успешным?
- А как быть с очень прибыльным магазином, у которого постоянно растет количество негативных отзывов от покупателей и текучесть кадров?
Внутренний краудсорсинг в помощь
Из вышесказанного следует, что такие субъективные понятия, как “успешный” и “лояльный”, могут иметь различные определения в организации. Важно согласовать эти определения в одну надежную метрику, что может быть довольно сложно.
Существуют различные способы решения этой проблемы. Один из них, который я считаю особенно элегантным, заключается в создании источника истинных данных путем привлечения нескольких заинтересованных сторон.
Попросите нескольких внутренних экспертов проанализировать и категоризировать репрезентативную выборку вашей совокупности, а затем сопоставить модель с категоризацией, полученной вручную. Это позволит понять, какое определение в области данных наиболее соответствует субъективному понятию, которое вы пытаетесь определить.
Преимущества этого подхода таковы:
- Обеспечивает согласованность внутри организации, поскольку привлекаются заинтересованные лица из разных команд с разными точками зрения.
- Открывает возможность содержательных дискуссий и появления новой информации, особенно когда два эксперта по-разному классифицируют одни и те же данные — это помогает вам и им понять позиции друг друга.
Как использовать этот подход
Извлеките данные, которые являются репрезентативными для всей вашей совокупности (прибыль, рост выручки от года к году, численность обслуживающего персонала, среднемесячное количество посетителей, рейтинг у покупателей).
Попросите нескольких внутренних экспертов помочь с категоризацией различных данных в ручном режиме и проанализируйте эти результаты вместе с ними, чтобы выработать окончательные оценки.
Теперь у вас есть источник истинных данных для новой метрики, и проблема классификации значительно упростилась. Вы можете приступать к подгонке модели под итоговые оценки и корректировать ее в зависимости от ваших потребностей (например, от того, как вы балансируете между объяснимостью и сложностью, правильностью и прецизионностью измерений).
Как только у вас появится определение первой метрики, представьте его работникам компании и покажите, что оно значит для бизнеса (на конкретных примерах). По мере необходимости повторяйте эту работу.
Начните внедрять уже сегодня!
Представленное здесь решение является одной из многих методологий, которые вы можете использовать при возникновении подобных вопросов. Это решение — не панацея, а также требует от вас поиска экспертов, готовых потратить время на передачу знаний, которые они усваивали годами. Но это решение может быть довольно эффективным при работе над проектами, требующими большого количества согласований, и/или над проектами, в которых вы зашли в тупик и даже не знаете, с чего начать.
Читайте также:
- 5 советов аналитикам и их менеджерам
- Google Analytics: почему следует покинуть эту платформу и как это сделать
- Deepnote - новая IDE для специалистов по данным
Читайте нас в Telegram, VK и Дзен
Перевод статьи Jordan G.: One Simple Methodology to Turn a Subjective Concept into an Objective Metric
