Хабр Курсы для всех
РЕКЛАМА
Практикум, Хекслет, SkyPro, авторские курсы — собрали всех и попросили скидки. Осталось выбрать!
Хабр доступен 24/7 благодаря поддержке друзей
Комментарии 21
Да, сравнил динамику. Можно смотреть динамику не только по отношению с собственной группе, но и по другим тоже. Когорты — разбиение по интервалам. Т.е. в когорту попадают объекты, родившиеся в этом интервале. Они могут быть как их одной группы так и из нескольких
А самая «лучшая» команда Finance и вовсе настолько сильно увеличила время, что значение первого столбца не видно за сильно увеличившимся вторым:
При этом максимальное «среднее по длительности» у команды Finance = 0.6. У Tech Support максимальное «среднее по длительности» = 3.
Вот и получается, динамика у сапорта лучше финансистской, абсолютные показатели — хуже. Для того же вывода достаточно было достроить еще один (простой) график в Экселе.
Ничего не имею против когортного анализа (даже не знаю что это), но на основании только лишь приведенного примера говорить о серьезном преимуществе перед Экселем я бы не стал.
А что, команда Tech Support теперь проходит стенд за отрицательное время?
Кстати, все проекты Илона Маска в настоящий момент убыточны. Тоже передовик производства.
тема сисек не раскрыта, в чём суть кагортного анализа? Лучше изложить в новой статье.
Люди не хотят принимать то, что они не не могут охватить умом, им легче использовать то что они хорошо понимают. (Есть даже какое-то когнитивное искажение с этим связанное). Это все равно что команду которая всю жизнь работала с subversion пытаться перевести на git. Они не поверят в то, что это удобно потому что это не понятно.
Все-таки когортный анализ заставляет людей делать интеллектуальный кульбит. Далеко не способны делать умственные кульбиты. И уж тем более не на собрании, когда все скорее думают от том, когда же он закончится. Я даже в спокойной домашней обстановке перечитывал пассажи статьи по нескольку раз, поскольку не знаком с темой. И только после этого, и то приблизительно, понял о чем речь. К сожалению исходня таблица представленна не полностью, а последняя таблица недостаточно хорошо обьяснена, чтобы можно было проследить путь трансформации данных. А если заставить людей на собрании понимать такое — это будет полный провал. Тут нужно проводить дидактическую редукцию до уровня «У Саши было две конфеты..»
Все-таки когортный анализ заставляет людей делать интеллектуальный кульбит. Далеко не способны делать умственные кульбиты. И уж тем более не на собрании, когда все скорее думают от том, когда же он закончится. Я даже в спокойной домашней обстановке перечитывал пассажи статьи по нескольку раз, поскольку не знаком с темой. И только после этого, и то приблизительно, понял о чем речь. К сожалению исходня таблица представленна не полностью, а последняя таблица недостаточно хорошо обьяснена, чтобы можно было проследить путь трансформации данных. А если заставить людей на собрании понимать такое — это будет полный провал. Тут нужно проводить дидактическую редукцию до уровня «У Саши было две конфеты..»
Я правильно понимаю, вы взяли данные не за все время, а просто дополнительно разбили по месяцам?
Итак, задача:
На первом графике ни одного из них нет, так что непонятно, почему вообще он появился.
На втором графике нет динамики. Улучшение подразумевает 2 измеряемых значения, а не одно.
И только потом появляется то, что нам нужно. Причем когорты особо и не нужны.
Для максимальной информативности надо рассматривать длительность каждого прохождения. То есть для каждой команды будет такой же график, как первый, только по горизонтали порядковый номер измерения, по вертикали длительность. Тогда будет видно, что у Finances у одного измерения даты совпадают, как и у Payroll на скриншоте, поэтому там 0, и это не команда стала в миллион раз дольше работать, а просто ошибка в данных. А по абсолютным показателям Finances лучшая, без всяких кавычек.
Задача — понять, сколько времени команды тратят на прохождение стенда и улучшаются ли их показатели.Нас интересуют параметры команда, длительность прохождения, а также динамика длительности.
На первом графике ни одного из них нет, так что непонятно, почему вообще он появился.
На втором графике нет динамики. Улучшение подразумевает 2 измеряемых значения, а не одно.
И только потом появляется то, что нам нужно. Причем когорты особо и не нужны.
Для максимальной информативности надо рассматривать длительность каждого прохождения. То есть для каждой команды будет такой же график, как первый, только по горизонтали порядковый номер измерения, по вертикали длительность. Тогда будет видно, что у Finances у одного измерения даты совпадают, как и у Payroll на скриншоте, поэтому там 0, и это не команда стала в миллион раз дольше работать, а просто ошибка в данных. А по абсолютным показателям Finances лучшая, без всяких кавычек.
То есть, вместо того, чтобы сравнивать текущие показатели групп между собой, вы сравнили их динамику по отношению к собственным ранним показателям? Это и есть когортный анализ?
Представьте, что Вы совершенно чётко осознаете, что люди вокруг вас упорно и настойчиво, всеми своими силами стремятся упасть в глубочайшую яму, цена падения в которую невероятно высока. Вы просто не имеете права допустить, чтобы это произошло, понимаете? Просто не имеете права!
После этого берите палку и начинайте бить себя по голове, пока из вас не выйдет эта дурь.
Если люди упорно идут в яму и не пытаются задуматься и рассмотреть альтернативы, то туда им и дорога, для человека, который хочет изменить ситуацию, если он не может создать непреодолимую преграду (те сделать максимально неприемлемым процесс без применения своей методики) лучше смазать дорогу маслом и грязью и подтолкнуть. Чтобы на их место пришли вменяемые или единицы научились на своих ошибках.
Приведенные в статье примеры совершенно непонятны из-за полного отсутствия начальных условий, не разъясненной терминологии (которая понятна автору поскольку он участник каких-то своих процессов и часть ресурсов вовлеченных в них, а здешняя аудитория в них в лучшем случае «осознанно не компетентна»).
Непонятно также какие цели преследует автор. Что конкретно он хочет измерять и зачем, какие данные есть, какие отсутствуют, какова валидность и полнота данных, как учитывать погрешности измерений?
Из статьи я вижу что, о секрет Полишинеля надо смотреть не только на абсолютное значение Ci*Fk(t) но и на его производную, а можно еще и на вторую или третью производную, посмотреть на первый второй третий момент, дисперсию, корреляцию.
Но какой в этом смысл, если не известно можно ли вообще это потом масштабировать на время или производительность команды, ее качество или объем задач, и как начальные данные соотносятся с железным треугольником.
Приведенные в статье примеры совершенно непонятны из-за полного отсутствия начальных условий, не разъясненной терминологии (которая понятна автору поскольку он участник каких-то своих процессов и часть ресурсов вовлеченных в них, а здешняя аудитория в них в лучшем случае «осознанно не компетентна»).
Непонятно также какие цели преследует автор. Что конкретно он хочет измерять и зачем, какие данные есть, какие отсутствуют, какова валидность и полнота данных, как учитывать погрешности измерений?
Из статьи я вижу что, о секрет Полишинеля надо смотреть не только на абсолютное значение Ci*Fk(t) но и на его производную, а можно еще и на вторую или третью производную, посмотреть на первый второй третий момент, дисперсию, корреляцию.
Но какой в этом смысл, если не известно можно ли вообще это потом масштабировать на время или производительность команды, ее качество или объем задач, и как начальные данные соотносятся с железным треугольником.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Когортный анализ показывает картину, совершенно отличную от нашего привычного восприятия