Правила проведения тренингов в формате online:
1) Назначение на тренинг проводят наши специалисты в индивидуальном порядке по завершению согласования участия;
2) Тренинг разбит на сессии (число зависит от тренинга)
3) Каждая сессия длится 4 академических часа с одним перерывом 30 минут
4) На компьютере / ноутбуке участника должно быть установлено программное обеспечение для работы на практической части сессии (Microsoft Excel, Minitab и т.п. в зависимости от тренинга). Требования к программному обеспечению и необходимые инструкции участник получает по электронной почте вместе с приглашением на первую сессию.
5) Участник получает по электронной почте приглашение на каждую сессию тренинга не менее, чем за 12 часов до его начала;
6) Со своего компьютера / ноутбука участник заходит по ссылке в комнату ZOOM. При первом заходе браузер предложит скачать приложение для участия в сессии.
7) Системные требования можно посмотреть по ссылке https://support.zoom.us/hc/ru/articles/201362023-%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D0%BD%D1%8B%D0%B5-%D1%82%D1%80%D0%B5%D0%B1%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F-%D0%B4%D0%BB%D1%8F-%D0%9F%D0%9A-Mac-%D0%B8-Linux
8) В первый день рекомендуем участникам заходить на вебинар за 15 минут до его начала, чтобы проверить звук и видео
9) В ходе обучения участники могут задавать свои вопросы в чате и голосом. Для выполнения практических заданий или проведения обсуждений в некоторых случаях участники будут разделены на группы (комнаты). Также у каждого участника есть возможность демонстрации своего экрана для проверки или обсуждения каких-либо возникающих вопросов.
Подробнее о формате тут https://analytera.ru/on-line/
1) Назначение на тренинг проводят наши специалисты в индивидуальном порядке по завершению согласования участия;
2) Тренинг разбит на сессии (число зависит от тренинга)
3) Каждая сессия длится 4 академических часа с одним перерывом 30 минут
4) На компьютере / ноутбуке участника должно быть установлено программное обеспечение для работы на практической части сессии (Microsoft Excel, Minitab и т.п. в зависимости от тренинга). Требования к программному обеспечению и необходимые инструкции участник получает по электронной почте вместе с приглашением на первую сессию.
5) Участник получает по электронной почте приглашение на каждую сессию тренинга не менее, чем за 12 часов до его начала;
6) Со своего компьютера / ноутбука участник заходит по ссылке в комнату ZOOM. При первом заходе браузер предложит скачать приложение для участия в сессии.
7) Системные требования можно посмотреть по ссылке https://support.zoom.us/hc/ru/articles/201362023-%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D0%BD%D1%8B%D0%B5-%D1%82%D1%80%D0%B5%D0%B1%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F-%D0%B4%D0%BB%D1%8F-%D0%9F%D0%9A-Mac-%D0%B8-Linux
8) В первый день рекомендуем участникам заходить на вебинар за 15 минут до его начала, чтобы проверить звук и видео
9) В ходе обучения участники могут задавать свои вопросы в чате и голосом. Для выполнения практических заданий или проведения обсуждений в некоторых случаях участники будут разделены на группы (комнаты). Также у каждого участника есть возможность демонстрации своего экрана для проверки или обсуждения каких-либо возникающих вопросов.
Подробнее о формате тут https://analytera.ru/on-line/
Zoom
Системные требования Zoom для ОС Windows, macOS и Linux
В этой статье перечислены требования для использования приложения Zoom для ПК в ОС Windows, macOS и Linux.
Добрый день, коллеги.
Текущая ситуация изменяет привычное течение жизни и формирует новые реальности, которые нам всем еще предстоит осмыслить. Мы принимаем новые «правила игры», и готовы меняться вместе с трансформирующимся миром. Несмотря на вынужденные изменения наших планов, мы, тем не менее, хотим надеяться, что наши новые форматы и изменения окажутся не ничуть менее, а, быть может, и более эффективными и полезными, чем ранее.
В данном письме мы информируем вас о том, что vы переносим сроки проведения Конференции «Прогнозирование и планирование 2020» https://www.forecasting-conference.ru/ на 10-11 сентября 2020. Место проведения остается тем же. Формат сохраняется. В данной ситуации мы хотим сохранить «живое общение» на Конференции, поскольку считаем, что личное общение с коллегами все же бесценно. И дополнительно мы планируем добавить в темы конференции кейс «Учет эффекта COVID-19 на прогнозы и планы 2021»
Текущая ситуация изменяет привычное течение жизни и формирует новые реальности, которые нам всем еще предстоит осмыслить. Мы принимаем новые «правила игры», и готовы меняться вместе с трансформирующимся миром. Несмотря на вынужденные изменения наших планов, мы, тем не менее, хотим надеяться, что наши новые форматы и изменения окажутся не ничуть менее, а, быть может, и более эффективными и полезными, чем ранее.
В данном письме мы информируем вас о том, что vы переносим сроки проведения Конференции «Прогнозирование и планирование 2020» https://www.forecasting-conference.ru/ на 10-11 сентября 2020. Место проведения остается тем же. Формат сохраняется. В данной ситуации мы хотим сохранить «живое общение» на Конференции, поскольку считаем, что личное общение с коллегами все же бесценно. И дополнительно мы планируем добавить в темы конференции кейс «Учет эффекта COVID-19 на прогнозы и планы 2021»
#блогЕгорова
Эффективность использования оборудования. (из блога Егорова А.М.)
Вчера посещал один из заводов лидера на рынке тары и упаковочных материалов. Цель – разработка плана действий по использованию производственной аналитики для улучшения качества и повышения производительности.
Предприятие как предприятие, хорошее оборудование, приятные люди. Несколько моментов, которые привлекли внимание. Идет оперативный контроль качества продукции. Поскольку продукция массовая то отбирается по 20-30 штук каждые полчаса и делается измерение порядка 25 характеристик. Если в результате контроля выявляется несоответствие, то этот факт заносится в информационную базу данных, если несоответствий не выявлено, то ничего не заносится. То есть при всем обилии приборов и методов измерений, которые измеряют с высокой степени точности, мы не видим результаты измерений, а видим только ОК/N. И даже ОК не видим, а только N. Это серьезно снижает возможность выявлять разладки процесса на ранних стадиях. Но пошли дальше...
https://analytera.ru/about/blog/2018/01/29/effektivnost-ispolzovaniya-oborudovaniya/
Эффективность использования оборудования. (из блога Егорова А.М.)
Вчера посещал один из заводов лидера на рынке тары и упаковочных материалов. Цель – разработка плана действий по использованию производственной аналитики для улучшения качества и повышения производительности.
Предприятие как предприятие, хорошее оборудование, приятные люди. Несколько моментов, которые привлекли внимание. Идет оперативный контроль качества продукции. Поскольку продукция массовая то отбирается по 20-30 штук каждые полчаса и делается измерение порядка 25 характеристик. Если в результате контроля выявляется несоответствие, то этот факт заносится в информационную базу данных, если несоответствий не выявлено, то ничего не заносится. То есть при всем обилии приборов и методов измерений, которые измеряют с высокой степени точности, мы не видим результаты измерений, а видим только ОК/N. И даже ОК не видим, а только N. Это серьезно снижает возможность выявлять разладки процесса на ранних стадиях. Но пошли дальше...
https://analytera.ru/about/blog/2018/01/29/effektivnost-ispolzovaniya-oborudovaniya/
#глоссарийпрогнозирование
ABC классификация
Классификация продуктов или клиентов по объему продаж. Классификация A может представлять собой продукты или клиентов, которые генерируют, скажем, 70% от общего дохода; классификация B-20% от общего дохода; и классификация C, баланс. Эти проценты произвольны. Идея здесь заключается в том, чтобы согласовать управление запасами, политики обслуживания клиентов и элементы управления затратами со стоимостью продукта или клиента. Другой способ взглянуть на это заключается в том, чтобы уделять наибольшее внимание высокодоходным продуктам и клиентам, а меньше-другим. Некоторые компании используют правило 80% / 20%, когда 80% продаж приходится на 20% продуктов или клиентов. Обычно так и бывает – Правило Парето.
ABCxyz Анализ
При проведении этого анализа мы сначала классифицируем продукты с помощью ABC-анализа, то есть наиболее ценные продукты - это A, менее ценные продукты - B, а наименее ценные продукты - C. Затем, в рамках каждой классификации, мы классифицируем их по xyz, то есть продукты в рамках классификации “A” классифицируются по “x” (продукты с очень небольшим изменением), “y” (продукты, имеющие некоторое изменение) и “z” (продукты, имеющие наибольшее изменение). Примечание: чем больше вариаций существует в данных о продажах продукта, тем сложнее его прогнозировать.
ABC классификация
Классификация продуктов или клиентов по объему продаж. Классификация A может представлять собой продукты или клиентов, которые генерируют, скажем, 70% от общего дохода; классификация B-20% от общего дохода; и классификация C, баланс. Эти проценты произвольны. Идея здесь заключается в том, чтобы согласовать управление запасами, политики обслуживания клиентов и элементы управления затратами со стоимостью продукта или клиента. Другой способ взглянуть на это заключается в том, чтобы уделять наибольшее внимание высокодоходным продуктам и клиентам, а меньше-другим. Некоторые компании используют правило 80% / 20%, когда 80% продаж приходится на 20% продуктов или клиентов. Обычно так и бывает – Правило Парето.
ABCxyz Анализ
При проведении этого анализа мы сначала классифицируем продукты с помощью ABC-анализа, то есть наиболее ценные продукты - это A, менее ценные продукты - B, а наименее ценные продукты - C. Затем, в рамках каждой классификации, мы классифицируем их по xyz, то есть продукты в рамках классификации “A” классифицируются по “x” (продукты с очень небольшим изменением), “y” (продукты, имеющие некоторое изменение) и “z” (продукты, имеющие наибольшее изменение). Примечание: чем больше вариаций существует в данных о продажах продукта, тем сложнее его прогнозировать.
#глоссарийбизнесанализ
Актив организационного процесса (Organizational Process Asset)
— Все материалы, используемые группами в организации для определения, моделирования, внедрения и поддержки своих процессов.
Активность (Activity)
— Единица работы, которая выполняется как часть инициативы или процесса.
Анализ воздействия (Impact Analysis)
— Оценка эффекта, который окажут предложенные изменения на участников (или их группу) процесса, проект или систему
Анализ возможностей (Opportunity Analysis)
— Процесс изучения новых бизнес-возможностей для повышения эффективности организации.
Анализ документов (Document Analysis)
— Метод выявления требований к существующей системе путем изучения доступной информации, документов и определения ее релевантности.
Актив организационного процесса (Organizational Process Asset)
— Все материалы, используемые группами в организации для определения, моделирования, внедрения и поддержки своих процессов.
Активность (Activity)
— Единица работы, которая выполняется как часть инициативы или процесса.
Анализ воздействия (Impact Analysis)
— Оценка эффекта, который окажут предложенные изменения на участников (или их группу) процесса, проект или систему
Анализ возможностей (Opportunity Analysis)
— Процесс изучения новых бизнес-возможностей для повышения эффективности организации.
Анализ документов (Document Analysis)
— Метод выявления требований к существующей системе путем изучения доступной информации, документов и определения ее релевантности.
#интресноеиполезное
Ошибка выжившего и парадокс доступности информации
Есть такое явление – "ошибка выжившего": человек учитывает известные факты и пренебрегает неизвестными, но существующими, и берет во внимание только успешный опыт. На самом деле - это вариант ошибки отбора.
⠀
Как это произошло? Понятие "ошибка выжившего" связывается с именем венгерского математика Абрахама Вальда, работавшего в американской лаборатории SRG. Во времена Второй мировой войны военные США поставили задачу уменьшить потери боевой авиатехники. Ряд весьма уважаемых инженеров до него пошли простым и очевидным путем - посмотрели, какие повреждения имели самолеты, вернувшиеся с заданий, и пришли к выводу, что слабые места самолетов - там, где они получили пробоины. Соответственно, их и надо укреплять. Но подход Вальда оказался иным. Он также проанализировал, какие повреждения получили вернувшиеся с вылетов самолеты и предложил другое решение: наоборот, укреплять те места, где повреждений нет, потому что самолеты с пробоинами в этих местах просто-напросто не вернулись на базу.
⠀
Есть еще один наглядный пример этого явления. Считается, что дельфины спасают людей. Однако у нас есть возможность судить об этом только по рассказам тех людей, которых дельфины подталкивали в направлении берега. Нет возможности узнать свидетельства тех, кого дельфины подталкивали в противоположную сторону.
⠀
Ошибка выжившего четко прослеживается в историях успешных людей и компаний. Тысячи человек изучают их биографии, пытаясь найти путь к успеху. Но даже если в точности повторять каждый шаг, в большинстве случаев повторить успех не получится. Предприниматели склонны принимать необдуманные решения, будучи настроенными излишне оптимистично и пренебрегая анализом и просчетом рисков.
Кстати, на Википедии написано очень неплохо: https://ru.wikipedia.org/wiki/Систематическая_ошибка_выжившего
⠀
Как избежать "ошибки выжившего"? Одни из рекомендаций:
- Всегда задавайте себе вопрос: полные ли данные передо мной? Точно ли я вижу всю картину?
- Собирайте сведения из разных источников и анализируйте, насколько они достоверны.
- Знакомьтесь не только с историями успеха, но и с историями неудач. Причем, особенно с ними. Исследуйте не только причины, но и работу над ошибками.
- Ориентируйтесь не на идеал, а на лучший вариант.
Ошибка выжившего и парадокс доступности информации
Есть такое явление – "ошибка выжившего": человек учитывает известные факты и пренебрегает неизвестными, но существующими, и берет во внимание только успешный опыт. На самом деле - это вариант ошибки отбора.
⠀
Как это произошло? Понятие "ошибка выжившего" связывается с именем венгерского математика Абрахама Вальда, работавшего в американской лаборатории SRG. Во времена Второй мировой войны военные США поставили задачу уменьшить потери боевой авиатехники. Ряд весьма уважаемых инженеров до него пошли простым и очевидным путем - посмотрели, какие повреждения имели самолеты, вернувшиеся с заданий, и пришли к выводу, что слабые места самолетов - там, где они получили пробоины. Соответственно, их и надо укреплять. Но подход Вальда оказался иным. Он также проанализировал, какие повреждения получили вернувшиеся с вылетов самолеты и предложил другое решение: наоборот, укреплять те места, где повреждений нет, потому что самолеты с пробоинами в этих местах просто-напросто не вернулись на базу.
⠀
Есть еще один наглядный пример этого явления. Считается, что дельфины спасают людей. Однако у нас есть возможность судить об этом только по рассказам тех людей, которых дельфины подталкивали в направлении берега. Нет возможности узнать свидетельства тех, кого дельфины подталкивали в противоположную сторону.
⠀
Ошибка выжившего четко прослеживается в историях успешных людей и компаний. Тысячи человек изучают их биографии, пытаясь найти путь к успеху. Но даже если в точности повторять каждый шаг, в большинстве случаев повторить успех не получится. Предприниматели склонны принимать необдуманные решения, будучи настроенными излишне оптимистично и пренебрегая анализом и просчетом рисков.
Кстати, на Википедии написано очень неплохо: https://ru.wikipedia.org/wiki/Систематическая_ошибка_выжившего
⠀
Как избежать "ошибки выжившего"? Одни из рекомендаций:
- Всегда задавайте себе вопрос: полные ли данные передо мной? Точно ли я вижу всю картину?
- Собирайте сведения из разных источников и анализируйте, насколько они достоверны.
- Знакомьтесь не только с историями успеха, но и с историями неудач. Причем, особенно с ними. Исследуйте не только причины, но и работу над ошибками.
- Ориентируйтесь не на идеал, а на лучший вариант.
Wikipedia
Систематическая ошибка выжившего
Когнитивное искажение
#блогЕгорова
Business Analytics и Data Science
Наблюдая различные варианты использования терминов Data Science и Business Analytics, нам захотелось внести ясность в различия между этими терминами. Ну, по крайней мере, так, как это интерпретируем мы. Соотнеся наш опыт с мнением зарубежных коллег, мы написали эту статью.
В ней мы хотим поговорить о двух основных технологиях, связанных с данными, а именно: бизнес-аналитика (Business Analytics) и Data Science.
Оба этих понятия включают в себя сбор данных, моделирование и анализ информации. Разница между ними заключается в том, что бизнес-аналитика специфична для связанных с бизнесом проблем, таких как стоимость, прибыль, эффективность использования оборудования и т. д., а Data Science отвечает на такие вопросы, каким образом различные факторы, например, социальные, географические, сезонные и т.п влияют на бизнес в целом. Data Science увязывает данные воедино с построением алгоритма и технологией, с тем чтобы давать ответы на поставленные вопросы.
На первый взгляд, оба термина довольно тесно связаны друг с другом и используются взаимозаменяемо, но на самом деле они отличаются друг от друга.
Бизнес-аналитика, как широко используемая прикладная область, существовала довольно долго, более трех-четырех десятилетий, с конца 20-го века. Data Science как отдельная дисциплина получила оформление в качестве отдельной дисциплины где-то в 2010-х годах.
Прежде чем описывать различия, мы предлагаем рассмотреть основные понятия, общие для каждой из этих сущностей.
Итак:
Данные (если использовать это слово как термин) существуют в необработанном виде, а обработанные данные называются информацией. Тут необходимо еще упомянуть «Управление жизненным циклом данных (DLCM)» и классификацию данных.
Что такое DLCM или управление жизненным циклом данных?
"- Данные, которые инициируются или обрабатываются, затем создаются, классифицируются, сохраняются, к ним обращаются, обрабатывают, снова сохраняют, используют и, наконец, уничтожают, называют управлением жизненным циклом данных".
Обычно данные в цифровом мире классифицируются как
Структурированные:
- Данные видны и понятны
- Для интерпретации данных требуется очень ограниченная обработка.....
Подробнее тут: https://analytera.ru/about/blog/2020/05/24/business-analytics-i-data-science/
Business Analytics и Data Science
Наблюдая различные варианты использования терминов Data Science и Business Analytics, нам захотелось внести ясность в различия между этими терминами. Ну, по крайней мере, так, как это интерпретируем мы. Соотнеся наш опыт с мнением зарубежных коллег, мы написали эту статью.
В ней мы хотим поговорить о двух основных технологиях, связанных с данными, а именно: бизнес-аналитика (Business Analytics) и Data Science.
Оба этих понятия включают в себя сбор данных, моделирование и анализ информации. Разница между ними заключается в том, что бизнес-аналитика специфична для связанных с бизнесом проблем, таких как стоимость, прибыль, эффективность использования оборудования и т. д., а Data Science отвечает на такие вопросы, каким образом различные факторы, например, социальные, географические, сезонные и т.п влияют на бизнес в целом. Data Science увязывает данные воедино с построением алгоритма и технологией, с тем чтобы давать ответы на поставленные вопросы.
На первый взгляд, оба термина довольно тесно связаны друг с другом и используются взаимозаменяемо, но на самом деле они отличаются друг от друга.
Бизнес-аналитика, как широко используемая прикладная область, существовала довольно долго, более трех-четырех десятилетий, с конца 20-го века. Data Science как отдельная дисциплина получила оформление в качестве отдельной дисциплины где-то в 2010-х годах.
Прежде чем описывать различия, мы предлагаем рассмотреть основные понятия, общие для каждой из этих сущностей.
Итак:
Данные (если использовать это слово как термин) существуют в необработанном виде, а обработанные данные называются информацией. Тут необходимо еще упомянуть «Управление жизненным циклом данных (DLCM)» и классификацию данных.
Что такое DLCM или управление жизненным циклом данных?
"- Данные, которые инициируются или обрабатываются, затем создаются, классифицируются, сохраняются, к ним обращаются, обрабатывают, снова сохраняют, используют и, наконец, уничтожают, называют управлением жизненным циклом данных".
Обычно данные в цифровом мире классифицируются как
Структурированные:
- Данные видны и понятны
- Для интерпретации данных требуется очень ограниченная обработка.....
Подробнее тут: https://analytera.ru/about/blog/2020/05/24/business-analytics-i-data-science/
#сложно #статметоды
Осторожнее с тестом Фридмана!
Критерий Фридмана используется как непараметрический (не требующий нормального распределения) аналог однофакторного дисперсионного анализа ANOVA с повторными наблюдениями. И тест Фридмана иногда называют «ранговым дисперсионным анализом». Но этот тест не является дисперсионным анализом, критерий Фридмана – это расширение критерия знаков на случай нескольких выборок. Мощность теста Фридмана гораздо меньше мощности ANOVA с повторными наблюдениями. Поэтому, если ваши количественные данные не удовлетворяют условиями применения дисперсионного анализа (например, имеют значительную асимметрию распределения), преобразуйте их в порядковые (присвойте ранги всем наблюдениям), а затем используйте ANOVA с повторными наблюдениями.
Полный текст статьи на нашем дзен-канале: https://zen.yandex.ru/media/id/5ec42dede865ed4de2bbb41f/ostorojnee-s-testom-fridmana-5eccf042ddc0be4e69dd3d55
Осторожнее с тестом Фридмана!
Критерий Фридмана используется как непараметрический (не требующий нормального распределения) аналог однофакторного дисперсионного анализа ANOVA с повторными наблюдениями. И тест Фридмана иногда называют «ранговым дисперсионным анализом». Но этот тест не является дисперсионным анализом, критерий Фридмана – это расширение критерия знаков на случай нескольких выборок. Мощность теста Фридмана гораздо меньше мощности ANOVA с повторными наблюдениями. Поэтому, если ваши количественные данные не удовлетворяют условиями применения дисперсионного анализа (например, имеют значительную асимметрию распределения), преобразуйте их в порядковые (присвойте ранги всем наблюдениям), а затем используйте ANOVA с повторными наблюдениями.
Полный текст статьи на нашем дзен-канале: https://zen.yandex.ru/media/id/5ec42dede865ed4de2bbb41f/ostorojnee-s-testom-fridmana-5eccf042ddc0be4e69dd3d55
Яндекс Дзен
Осторожнее с тестом Фридмана!
#сложно #статметоды Как правило, альтернативой параметрическим критериям проверки гипотез (таким, как t-тесты или однофакторный дисперсионный анализ ANOVA) являются непараметрические ранговые критерии (например, U- критерий Манна-Уитни, критерий Уилкоксона…
#залкулибина #авторскаяколонка
О вкусных и редких вещицах.
Где и когда я прочёл рассказ Артура Порджеса «Саймон Флэгг и дьявол» я уже не припомню. Но нетривиальный ход с математиком, который посрамил дьявола, предложив ему свою душу в обмен на доказательство Великой теоремы Ферма меня изрядно повеселил.
-" Поставив и свою подпись с пышным росчерком, дьявол потер руки, окинул Саймона откровенно собственническим взглядом и весело сказал:
— Ну, выкладывайте свой вопрос! Как только я на него отвечу, мы отправимся. Мне надо посетить сегодня еще одного клиента, а времени в обрез.
— Хорошо, — сказал Саймон и глубоко вздохнул. — Мой вопрос такой: верна или не верна великая теорема Ферма?"-
Сам по себе рассказ относят к маленьким шедеврам жанра, но каково же было мое удивление, когда я раскопал советский короткометражный фильм «Математик и чёрт». Его по мотивам этого рассказа снял в уже далёком 1972 году незаслуженно забытый мастер короткого метра Семён Райтбурт. Роль математика в этом фильме безукоризненно сыграл Всеволод Шестаков. Роль жены математика, историка-медиевиста, досталась Алле Покровской. Ну а дьявола блестяще исполнил один из моих любимых актёров — Александр Кайдановский.
Не пожалейте 21 минуты, чтобы посмотреть этот очень редкий киношедевр. Уверен, получите колоссальное удовольствие!
https://yandex.ru/video/preview/?filmId=7109426364898412968&url=http%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DZI_-KpFMsjI&text=%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D0%BA%20%D0%B8%20%D1%87%D0%B5%D1%80%D1%82%2C%201972&path=sharelink
О вкусных и редких вещицах.
Где и когда я прочёл рассказ Артура Порджеса «Саймон Флэгг и дьявол» я уже не припомню. Но нетривиальный ход с математиком, который посрамил дьявола, предложив ему свою душу в обмен на доказательство Великой теоремы Ферма меня изрядно повеселил.
-" Поставив и свою подпись с пышным росчерком, дьявол потер руки, окинул Саймона откровенно собственническим взглядом и весело сказал:
— Ну, выкладывайте свой вопрос! Как только я на него отвечу, мы отправимся. Мне надо посетить сегодня еще одного клиента, а времени в обрез.
— Хорошо, — сказал Саймон и глубоко вздохнул. — Мой вопрос такой: верна или не верна великая теорема Ферма?"-
Сам по себе рассказ относят к маленьким шедеврам жанра, но каково же было мое удивление, когда я раскопал советский короткометражный фильм «Математик и чёрт». Его по мотивам этого рассказа снял в уже далёком 1972 году незаслуженно забытый мастер короткого метра Семён Райтбурт. Роль математика в этом фильме безукоризненно сыграл Всеволод Шестаков. Роль жены математика, историка-медиевиста, досталась Алле Покровской. Ну а дьявола блестяще исполнил один из моих любимых актёров — Александр Кайдановский.
Не пожалейте 21 минуты, чтобы посмотреть этот очень редкий киношедевр. Уверен, получите колоссальное удовольствие!
https://yandex.ru/video/preview/?filmId=7109426364898412968&url=http%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DZI_-KpFMsjI&text=%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D0%BA%20%D0%B8%20%D1%87%D0%B5%D1%80%D1%82%2C%201972&path=sharelink
yandex.ru
Математик и черт, 1972
Метафизический Клуб http://www.metaclub.pro...
#блогЕгорова
Прогнозирование продаж. Алгоритм эффективности
Современные менеджеры не всегда правильно понимают связь точности прогнозов и финансовых результатов: одни вкладывают огромные средства в улучшение прогнозов без резервов для улучшения, другие имеют потенциал по улучшению точности прогноза, но не придают ему значения. В статье рассказано о том, как должна быть организована прогностическая деятельность, чтобы улучшать финансовый результат.
Прогнозирование — одна из аналитических задач повышенной степени сложности. Сложность в данном случае заключается не только и не столько в математических тонкостях, сколько в многогранности вопроса. Когда мы говорим о прогнозировании продаж и финансовых показателей в бизнесе, то мы, по сути, говорим о прогнозировании человеческого поведения. А что может быть сложнее в этом мире, чем анализ и прогнозирование так называемого человеческого фактора? К сожалению, не все предсказуемо, а поиск магической программы, которая сама все аккуратно учтет и построит правильный прогноз, бесперспективен. Однако прогнозировать все-таки надо, при этом мы можем до некоторой степени преодолеть неопределенность....
Сама статья тут: https://analytera.ru/about/blog/2019/10/10/prognozirovanie-prodazh-algoritm-effektivnosti-algoritm-effektivnosti/
Прогнозирование продаж. Алгоритм эффективности
Современные менеджеры не всегда правильно понимают связь точности прогнозов и финансовых результатов: одни вкладывают огромные средства в улучшение прогнозов без резервов для улучшения, другие имеют потенциал по улучшению точности прогноза, но не придают ему значения. В статье рассказано о том, как должна быть организована прогностическая деятельность, чтобы улучшать финансовый результат.
Прогнозирование — одна из аналитических задач повышенной степени сложности. Сложность в данном случае заключается не только и не столько в математических тонкостях, сколько в многогранности вопроса. Когда мы говорим о прогнозировании продаж и финансовых показателей в бизнесе, то мы, по сути, говорим о прогнозировании человеческого поведения. А что может быть сложнее в этом мире, чем анализ и прогнозирование так называемого человеческого фактора? К сожалению, не все предсказуемо, а поиск магической программы, которая сама все аккуратно учтет и построит правильный прогноз, бесперспективен. Однако прогнозировать все-таки надо, при этом мы можем до некоторой степени преодолеть неопределенность....
Сама статья тут: https://analytera.ru/about/blog/2019/10/10/prognozirovanie-prodazh-algoritm-effektivnosti-algoritm-effektivnosti/
#триз #литература
Рекомендуем для конструкторов и рационализаторов интересное направление в ТРИЗ – Геометрические эффекты. Книга хоть и далеко не новая, но по-прежнему актуальная (а что с ТРИЗом то сделается?), и направление интересное. Жаль Викентьев не стал развивать его дальше. Но мы помним, да. И регулярно пользуемся. И вам рекомендуем. Пожалуйста: «Кривая, которая всегда вывезет. Геометрия для изобретателей».
https://r1.nubex.ru/s828-c8b/f2447_a2/Геом-эффекты-1989.pdf
Рекомендуем для конструкторов и рационализаторов интересное направление в ТРИЗ – Геометрические эффекты. Книга хоть и далеко не новая, но по-прежнему актуальная (а что с ТРИЗом то сделается?), и направление интересное. Жаль Викентьев не стал развивать его дальше. Но мы помним, да. И регулярно пользуемся. И вам рекомендуем. Пожалуйста: «Кривая, которая всегда вывезет. Геометрия для изобретателей».
https://r1.nubex.ru/s828-c8b/f2447_a2/Геом-эффекты-1989.pdf
#софт #статметоды
Бесплатная статистическая программа BlueSky Statistics, в которой реализованы как классические статистические методы, так и методы машинного обучения и интеллектуального анализа данных. В ПО можно выполнять Market Basket Analysis (Анализ рыночной корзины), не видела такой возможности в других бесплатных пакетах.
Если будете скачивать, имейте в виду, что программа совершенно не воспринимает кириллицу, так что полный путь к используемому файлу данных должен быть прописан только на английском.
https://www.blueskystatistics.com/
Бесплатная статистическая программа BlueSky Statistics, в которой реализованы как классические статистические методы, так и методы машинного обучения и интеллектуального анализа данных. В ПО можно выполнять Market Basket Analysis (Анализ рыночной корзины), не видела такой возможности в других бесплатных пакетах.
Если будете скачивать, имейте в виду, что программа совершенно не воспринимает кириллицу, так что полный путь к используемому файлу данных должен быть прописан только на английском.
https://www.blueskystatistics.com/
#новости #триз
Добрый день, коллеги!
Для тех, кто не получает на почту нашу рассылку, сообщаем о запуске нашего нового направления - он-лайн обучения по концепции ТРИЗ https://триз.онлайн
К вашим услугам онлайн-тренинги в открытом и корпоративном формате, а также новый формат решения производственных задач – онлайн-консультации по решению проблем с помощью инструментов ТРИЗ.
Тренинги разделены по функциональному и отраслевому признакам. Мы сделали максимум, чтобы вы нашли в нашем новом формате все для удобного и эффективного использования инструментов ТРИЗ в своей деятельности.
Добро пожаловать!
Добрый день, коллеги!
Для тех, кто не получает на почту нашу рассылку, сообщаем о запуске нашего нового направления - он-лайн обучения по концепции ТРИЗ https://триз.онлайн
К вашим услугам онлайн-тренинги в открытом и корпоративном формате, а также новый формат решения производственных задач – онлайн-консультации по решению проблем с помощью инструментов ТРИЗ.
Тренинги разделены по функциональному и отраслевому признакам. Мы сделали максимум, чтобы вы нашли в нашем новом формате все для удобного и эффективного использования инструментов ТРИЗ в своей деятельности.
Добро пожаловать!
#залКулибина #авторская_колонка
Вклад Энрико Ферми, одного из «отцов» атомной бомбы, лауреата Нобелевской премии в развитие квантовой механики и теоретической физики сложно переоценить. Однако есть еще один момент, связанный с ним, который, пожалуй, гораздо более известен, чем его достижения в профессиональной области. Это один его простой вопрос….
Читать дальше… https://zen.yandex.ru/media/id/5ec42dede865ed4de2bbb41f/formula-velikogo-molchaniia-5ecf9f2508552471dfc9a08c
Вклад Энрико Ферми, одного из «отцов» атомной бомбы, лауреата Нобелевской премии в развитие квантовой механики и теоретической физики сложно переоценить. Однако есть еще один момент, связанный с ним, который, пожалуй, гораздо более известен, чем его достижения в профессиональной области. Это один его простой вопрос….
Читать дальше… https://zen.yandex.ru/media/id/5ec42dede865ed4de2bbb41f/formula-velikogo-molchaniia-5ecf9f2508552471dfc9a08c
Яндекс Дзен
Формула Великого Молчания
#залкулибина #авторская_рубрика Вклад Энрико Ферми, одного из «отцов» атомной бомбы, лауреата Нобелевской премии в развитие квантовой механики и теоретической физики сложно переоценить. Однако есть еще один момент, связанный с ним, который, пожалуй, гораздо…
#статметоды #статьи_маркетологу
Кластерный анализ в маркетинговых исследованиях: обзор и предпосылки применения
Кластерный анализ все чаще находит применение в маркетинговых исследованиях. Им пользуются и университетские специалисты, и практикующие маркетологи, решая, в первую очередь, проблему группировки. Речь может идти о продуктах, клиентах, сотрудниках – при грамотном применении кластерный анализ может работать с весьма широким спектром объектов.
https://analytera.ru/about/stati/klasternyj-analiz-v-marketingovyh-issledovaniyah-o/
Кластерный анализ в маркетинговых исследованиях: обзор и предпосылки применения
Кластерный анализ все чаще находит применение в маркетинговых исследованиях. Им пользуются и университетские специалисты, и практикующие маркетологи, решая, в первую очередь, проблему группировки. Речь может идти о продуктах, клиентах, сотрудниках – при грамотном применении кластерный анализ может работать с весьма широким спектром объектов.
https://analytera.ru/about/stati/klasternyj-analiz-v-marketingovyh-issledovaniyah-o/
#литература
Вышла в свет коллективная монография «Клиническая психофармакогенетика» / Под ред. Р. Ф. Насыровой, Н. Г. Незнанова. - СПб: Издательство ДЕАН, 2020. - 408 с. ( https://psychiatr.ru/news/1086).
Для нас эта книга интересна тем, что в 5 главе, которую написал генетик и очень известный специалист по биостатистике Н.Н. Хромов-Борисов, можно найти полезные таблицы для качественной интерпретации полученных результатов статистического анализа. В тексте приведена таблица с вербальной шкалой статистической значимости p-значения (например, высоко статистически значимым результатом можно считать тот, для которого p-значение < 0,0001), таблицы с характеристиками силы связи для коэффициентов корреляции, коэффициентов сопряженности и мер согласованности, а также вербальные шкалы для оценки стандартизированного эффекта, отношения шансов и фактора Бейза.
Вышла в свет коллективная монография «Клиническая психофармакогенетика» / Под ред. Р. Ф. Насыровой, Н. Г. Незнанова. - СПб: Издательство ДЕАН, 2020. - 408 с. ( https://psychiatr.ru/news/1086).
Для нас эта книга интересна тем, что в 5 главе, которую написал генетик и очень известный специалист по биостатистике Н.Н. Хромов-Борисов, можно найти полезные таблицы для качественной интерпретации полученных результатов статистического анализа. В тексте приведена таблица с вербальной шкалой статистической значимости p-значения (например, высоко статистически значимым результатом можно считать тот, для которого p-значение < 0,0001), таблицы с характеристиками силы связи для коэффициентов корреляции, коэффициентов сопряженности и мер согласованности, а также вербальные шкалы для оценки стандартизированного эффекта, отношения шансов и фактора Бейза.
psychiatr.ru
Клиническая психофармакогенетика / Под ред. Р. Ф. Насыровой, Н. Г. Незнанова. - Новости - РОП
Клиническая психофармакогенетика / Под ред. Р. Ф. Насыровой, Н. Г. Незнанова. Клиническая психофармакогенетика / Под ред. Р. Ф. Насыровой, Н. Г. Незнанова. - СПб: Издательство ДЕАН,
#статьи #статметоды
Графические методы анализа влияний факторов на качество продукции.
Существует довольно много подходов, позволяющих определить, оказывает ли некоторый фактор влияние на качество процесса. Например, мы говорим, что уровень квалификации персонала оказывает влияние на качество выпускаемой продукции. Так ли это? Как доказать наличие данного влияния? И если влияние есть, то насколько сильное? Или, как доказать, что качество сырья оказывает влияние на качество продукции? Конечно, есть мнения экспертов, но хотелось бы получить более объективную доказательную базу для выводов. Для решения подобных вопросов активно используют статистические методы.
https://analytera.ru/about/stati/analiticheskie-metody-ocenki-vliyaniya-faktorov-na/
Графические методы анализа влияний факторов на качество продукции.
Существует довольно много подходов, позволяющих определить, оказывает ли некоторый фактор влияние на качество процесса. Например, мы говорим, что уровень квалификации персонала оказывает влияние на качество выпускаемой продукции. Так ли это? Как доказать наличие данного влияния? И если влияние есть, то насколько сильное? Или, как доказать, что качество сырья оказывает влияние на качество продукции? Конечно, есть мнения экспертов, но хотелось бы получить более объективную доказательную базу для выводов. Для решения подобных вопросов активно используют статистические методы.
https://analytera.ru/about/stati/analiticheskie-metody-ocenki-vliyaniya-faktorov-na/
В группе Analytera Info появляются первые вопросы от подписчиков и ответы от наших экспертов. Если у вас есть желание высказаться, нажмите кнопку "Обсудить"
Forwarded from Sonka Kovalevskaya
Здравствуйте! У меня вопрос по BCG и ABC-XYZ анализу. Не ясно, что из себя представляет BCG. Это какой-то усовершенствованный вариант ABC-XYZ или вообще никак не связанный с ним анализ?