TecNoticias, tu portal de información

Diseño de métricas para científicos de datos y líderes empresariales

En la entrega anterior de esta serie sobre métricas, cubrimos la importancia del diseño de métricas y defendimos la colaboración con los científicos sociales, aunque la responsabilidad central del diseño de métricas recae en última instancia en el tomador de decisiones y el líder, en lugar del residente del equipo. empollón de las matemáticasFoto de Andre Hunter en UnsplashTambién descubrimos que, en papel, el proceso de creación de una métrica es bastante sencillo:Usted simplemente determina qué información necesitarías para tu decisiónentonces encuentras una manera de resumiendo esa información de manera que tiene sentido para sus necesidades (ta-da, esa es su métrica), y luego lo nombra como quiera. ¿Derecha? Cierto, pero…

Un buen diseño de métricas no consiste simplemente en anotar alguna fórmula al azar.

El resumen anterior no está mal, pero hace que el diseño métrico suene mucho más fácil de lo que es. Hay una parte difícil. Un buen diseño métrico no consiste simplemente en anotar cualquier fórmula que se le antoje. La habilidad definitiva aquí es resolver un problema milenario del que te advirtieron cuando eras un niño pequeño.Fuente de la imagen: Pixabay. ¿Recuerdas ese cuento para dormir sobre la lámpara mágica y el genio? ¿O el de Midas? ¿O el pescador y su esposa? Sea cual sea tu cultura, probablemente tenga una de esas historias de “ten cuidado con lo que deseas”. Y que es la esencia de la parte más difícil para el líder de decisiones.

¿La parte más difícil del diseño métrico? “Tener cuidado con lo que deseas.”

Para llegar a una buena métrica y criterios de decisión, deberá examinarlos minuciosamente para asegurarse de que no haya una forma perversa de que sus criterios de decisión puedan llevarlo a la decisión equivocada. En otras palabras, deberá planificar como si estuviera enfrentando a un genio malvado. En estos días, un líder experto en código hará al menos un poco de simulación para modelar cómo reacciona su métrica a varias combinaciones de entradas. , especialmente en los extremos de la distribución de datos, para asegurarse de que lo que desean es realmente lo que realmente quieren. Si eso suena como un montón de jerga técnica con la que no está familiarizado y/o no tiene la habilidad de simular, querrá colaborar con alguien que sí lo esté. Escribir el código es la parte fácil aquí, por lo que puedes contratar a casi cualquier novato para que te ayude porque estarás haciendo la parte difícil. Incluso si obtiene ayuda en los aspectos técnicos, la tarea del tomador de decisiones sigue siendo complicada: depende del tomador de decisiones pensar detenidamente en los aspectos retorcidos del problema del mundo real y llegar a los escenarios que vale la pena simular. unión entre el conocimiento cuantitativo, las habilidades de decisión y el conocimiento del dominio en el diseño de sus métricas, su intento de ser un tomador de decisiones basado en datos es inestable.

Si no hace su tarea al pensar en sus métricas, le está pidiendo problemas a la lámpara mágica de datos.

Todo el esfuerzo depende de los criterios de decisión (el límite entre ir con su acción predeterminada planificada previamente y cambiar a una acción alternativa) que refleje con precisión un límite entre dos realidades: una realidad en la que siempre desea realizar su acción predeterminada y una realidad en la que siempre no lo haces. (Hubo algunos fundamentos de inteligencia de decisiones incluidos en este párrafo. Fue travieso de mi parte escribir sobre ellos como si ya te sintieras cómodo con ellos; en caso de que no lo estés, te recomiendo leer esto). haga su tarea al pensar en sus métricas, le está pidiendo problemas a la lámpara mágica de datos. Desafortunadamente, entre la multitud de ciencia de datos, el diseño métrico recibe mucha menos atención que los datos y la metodología estadística. Demasiados profesionales se comportan como si esperaran que el diseño métrico fuera el trabajo de otra persona, lo que a menudo significa que termina siendo el trabajo de nadie. Luego, el líder empresarial recita un deseo irreflexivo, nadie se detiene a reflexionar sobre él, y luego todo el equipo regresa al terrible tiovivo de arrojar datos y matemáticas al problema equivocado.Foto de Guillermo Díaz en Unsplash

Demasiados profesionales se comportan como si esperaran que el diseño métrico fuera el trabajo de otra persona, lo que a menudo significa que termina siendo el trabajo de nadie.

Como líder, su forma de salir de este problema es aprender a diseñar métricas usted mismo o contratar algún talento en ciencia de decisiones para que lo ayude. Hasta que su equipo tenga estas habilidades en su lugar, será muy difícil para usted desbloquear una buena toma de decisiones basada en datos. Si se divirtió aquí y está buscando un curso de IA aplicado diseñado para ser divertido para principiantes y expertos igualmente, aquí hay uno que hice para su diversión: disfrute de la lista de reproducción del curso dividida en 120 videos de lecciones separados aquí: bit.ly/machinefriend ¡Seamos amigos! Puedes encontrarme en Gorjeo, YouTube, Substack y LinkedIn. ¿Le interesa que hable en su evento? Utilice este formulario para ponerse en contacto. Estos son algunos de mis tutoriales favoritos de 10 minutos: