#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?
Forwarded from Yuliya
Ольга, добрый день!
Ответ на ваш вопрос от Руководителя экспертного отдела ЦСТ Analytera Артема Егорова
Ольга,
Есть много ресурсов в интернет, которые рассказывают о BCG. Но ключевое в вашем вопросе, как я понимаю, понять разницу в назначении.
Матрица BCG используется для стратегических решений относительно развития продуктовой линейки. Ее основное назначение — показать рыночные позиции компании с точки зрения портфеля продуктов. На основе этого инструмента принимаются решения о развитии новых продуктов, выходе на новые рынки, ухода с рынков и т.п.
ABC, XYZ — инструменты для оперативного управления ассортиментом (планирование, закупки, поставки, продажи).
Ответ на ваш вопрос от Руководителя экспертного отдела ЦСТ Analytera Артема Егорова
Ольга,
Есть много ресурсов в интернет, которые рассказывают о BCG. Но ключевое в вашем вопросе, как я понимаю, понять разницу в назначении.
Матрица BCG используется для стратегических решений относительно развития продуктовой линейки. Ее основное назначение — показать рыночные позиции компании с точки зрения портфеля продуктов. На основе этого инструмента принимаются решения о развитии новых продуктов, выходе на новые рынки, ухода с рынков и т.п.
ABC, XYZ — инструменты для оперативного управления ассортиментом (планирование, закупки, поставки, продажи).
#триз
Весьма достойная инициатива М.Рубина и А.Курьяна - создание навигатора, который связывает различные бизнес-модели и противоречия, которые эти модели решают. Навигация оставляет желать лучшего, но сама инициатива вызывает восхищение!
Зайти в навигатор можно с точек "Продукт", "Рынок" или "Бизнес-экосистема" - там есть небольшие теоретические описания, глубже - сами противоречия и большое количество бизнес-моделей с примерами их реализации. Например, вот так: https://sites.google.com/view/trizbm/бизнес-модели/55-40-продажа-впечатлений.
Изучаем, адаптируем, расширяем собственные горизонты!
Весьма достойная инициатива М.Рубина и А.Курьяна - создание навигатора, который связывает различные бизнес-модели и противоречия, которые эти модели решают. Навигация оставляет желать лучшего, но сама инициатива вызывает восхищение!
Зайти в навигатор можно с точек "Продукт", "Рынок" или "Бизнес-экосистема" - там есть небольшие теоретические описания, глубже - сами противоречия и большое количество бизнес-моделей с примерами их реализации. Например, вот так: https://sites.google.com/view/trizbm/бизнес-модели/55-40-продажа-впечатлений.
Изучаем, адаптируем, расширяем собственные горизонты!
Google
trizbm - 55-40. Продажа впечатлений
Краткое описание
В случае использования бизнес-модели Продажа впечатлений ценность товара или услуги увеличивается дополнительными впечатлениями, предлагаемыми вместе с ними. Для обеспечения более полного впечатления книжный магазин, например, может предлагать…
В случае использования бизнес-модели Продажа впечатлений ценность товара или услуги увеличивается дополнительными впечатлениями, предлагаемыми вместе с ними. Для обеспечения более полного впечатления книжный магазин, например, может предлагать…
👍1
#залкулибина #авторскаяколонка
Греческое слово «парадокс» означает «неожиданный, невероятный». В науке есть целая серия знаменитых парадоксов, в которых, на самом-то деле, нет ничего противоестественного. «Существуют три вида лжи: ложь, наглая ложь и статистика». Эта фраза, приписанная Марком Твеном премьер-министру Великобритании Бенджамину Дизраэли, неплохо отражает отношение большинства к математическим закономерностям. Действительно, теория вероятностей порой подкидывает удивительные факты, в которые сложно поверить с первого взгляда — и которые, тем не менее, подтверждены наукой.
https://zen.yandex.ru/media/id/5ec42dede865ed4de2bbb41f/statistik-paradoksov-drug-5ed8ac6cebee8238642eafe1
Греческое слово «парадокс» означает «неожиданный, невероятный». В науке есть целая серия знаменитых парадоксов, в которых, на самом-то деле, нет ничего противоестественного. «Существуют три вида лжи: ложь, наглая ложь и статистика». Эта фраза, приписанная Марком Твеном премьер-министру Великобритании Бенджамину Дизраэли, неплохо отражает отношение большинства к математическим закономерностям. Действительно, теория вероятностей порой подкидывает удивительные факты, в которые сложно поверить с первого взгляда — и которые, тем не менее, подтверждены наукой.
https://zen.yandex.ru/media/id/5ec42dede865ed4de2bbb41f/statistik-paradoksov-drug-5ed8ac6cebee8238642eafe1
Яндекс Дзен
Статистик парадоксов друг
#залкулибина #авторская_рубрика Греческое слово «парадокс» означает «неожиданный, невероятный». В науке есть целая серия знаменитых парадоксов, в которых, на самом-то деле, нет ничего противоестественного. «Существуют три вида лжи: ложь, наглая ложь и статистика».…
#статьи #анализ_процессов #бережливое_производство #lean
Диаграмма Исикавы (Рыбья кость). Пример использования для анализа 5-почему
Диаграмма «рыбья кость» (или диаграмма Исикавы) — это один из способов визуализации анализа «почему», позволяющий классифицировать анализ по широким категориям.
Сила диаграммы рыбных костей в том, что она позволяет вам сосредоточиться на конкретных категориях причин, которые могут помочь вам лучше сфокусировать вашу линию «расследования».
https://analytera.ru/about/stati/diagramma-isikavy-rybya-kost-primer-ispolzovaniya-/
Диаграмма Исикавы (Рыбья кость). Пример использования для анализа 5-почему
Диаграмма «рыбья кость» (или диаграмма Исикавы) — это один из способов визуализации анализа «почему», позволяющий классифицировать анализ по широким категориям.
Сила диаграммы рыбных костей в том, что она позволяет вам сосредоточиться на конкретных категориях причин, которые могут помочь вам лучше сфокусировать вашу линию «расследования».
https://analytera.ru/about/stati/diagramma-isikavy-rybya-kost-primer-ispolzovaniya-/
#бережливое_производство #глоссарий
Гемба (Gemba)
В переводе с японского языка означает "фактическое место". Часто используется для
обозначения цеха или любого другого места, где производится работа по созданию ценности.
Термин часто используется для усиления значимости утверждения, что настоящее
совершенствование возможно только на основе непосредственного наблюдения за
существующими условиями на месте, в котором производится работа, допустим, в цеху.
Например, невозможно создать процедуры стандартизированной работы, сидя за столом в
отделе проектирования, это нужно делать только находясь в гемба (то есть в цеху).»
Иллюстрированный глоссарий по бережливому производству / Под ред. Чета Марчвински
и Джона Шука; Пер. с англ. - М.: Альпина Бизнес Букс: CBSD, Центр развития деловых
навыков, 2005. - 123 с.
Комментарий нашего эксперта.
Без сомнений, гемба – один из основных терминов бережливого производства. Логика бережливого производства требует непосредственного наблюдения за протеканием производственных процессов с целью их улучшения. Но на практике часто возникают вопросы. Например, достаточно провести наблюдение один раз или надо это делать регулярно? Очевидно, что одного раза в гемба не достаточно, можно наблюдать частный случай и не понять всю картину. Тогда сколько раз и как часто это делать? Однозначного ответа на такой вопрос не существует. Можно руководствоваться содержательными соображениями, пониманием особенностей и цикличности протекаемого процесса, осознавая возможные источники вариации. А можно обратиться к расчетам, как раз совмещая идеи бережливого производства и статистическую часть Six Sigma. Тут можно использовать подходы к расчету объема выборки, что позволит ответить, например, на следующий вопрос: «Длительность какого числа аналогичных операций необходимо измерить, чтобы рассчитанное в результате среднее время цикла было «истинным»?». Таким образом, можно еще раз акцентировать полезность совместного использования инструментов бережливого производства и Six Sigma.
Гемба (Gemba)
В переводе с японского языка означает "фактическое место". Часто используется для
обозначения цеха или любого другого места, где производится работа по созданию ценности.
Термин часто используется для усиления значимости утверждения, что настоящее
совершенствование возможно только на основе непосредственного наблюдения за
существующими условиями на месте, в котором производится работа, допустим, в цеху.
Например, невозможно создать процедуры стандартизированной работы, сидя за столом в
отделе проектирования, это нужно делать только находясь в гемба (то есть в цеху).»
Иллюстрированный глоссарий по бережливому производству / Под ред. Чета Марчвински
и Джона Шука; Пер. с англ. - М.: Альпина Бизнес Букс: CBSD, Центр развития деловых
навыков, 2005. - 123 с.
Комментарий нашего эксперта.
Без сомнений, гемба – один из основных терминов бережливого производства. Логика бережливого производства требует непосредственного наблюдения за протеканием производственных процессов с целью их улучшения. Но на практике часто возникают вопросы. Например, достаточно провести наблюдение один раз или надо это делать регулярно? Очевидно, что одного раза в гемба не достаточно, можно наблюдать частный случай и не понять всю картину. Тогда сколько раз и как часто это делать? Однозначного ответа на такой вопрос не существует. Можно руководствоваться содержательными соображениями, пониманием особенностей и цикличности протекаемого процесса, осознавая возможные источники вариации. А можно обратиться к расчетам, как раз совмещая идеи бережливого производства и статистическую часть Six Sigma. Тут можно использовать подходы к расчету объема выборки, что позволит ответить, например, на следующий вопрос: «Длительность какого числа аналогичных операций необходимо измерить, чтобы рассчитанное в результате среднее время цикла было «истинным»?». Таким образом, можно еще раз акцентировать полезность совместного использования инструментов бережливого производства и Six Sigma.
#статья #исследования
А вы знаете, что респонденты предпочитают левую сторону шкалы ответов?
Например, если вы попросите респондентов оценить что-то в баллах и расположите ответы на вопрос таким образом:
2 1 0 -1 -2
то получите несколько бОльшее значение в баллах, чем при противоположном расположении вариантов ответов:
-2 -1 0 1 2
Конечно, разницу вы начнете замечать, если число респондентов превысит 100, а также проявляется такое смещение не для всех вариантов шкал ответов (а их около 15). Но иметь в виду этот феномен нужно для понимания и сравнения результатов различных опросов.
https://analytera.ru/about/stati/izmeneniya-kotorye-pri-sostavlenii-oprosov-i-anket/
А вы знаете, что респонденты предпочитают левую сторону шкалы ответов?
Например, если вы попросите респондентов оценить что-то в баллах и расположите ответы на вопрос таким образом:
2 1 0 -1 -2
то получите несколько бОльшее значение в баллах, чем при противоположном расположении вариантов ответов:
-2 -1 0 1 2
Конечно, разницу вы начнете замечать, если число респондентов превысит 100, а также проявляется такое смещение не для всех вариантов шкал ответов (а их около 15). Но иметь в виду этот феномен нужно для понимания и сравнения результатов различных опросов.
https://analytera.ru/about/stati/izmeneniya-kotorye-pri-sostavlenii-oprosov-i-anket/