对数据分析／Data Science有兴趣的mm，帮我看看这个案例吧

浏览过的版块

等级三等兵

威望--

贴子138

魅力947

注册时间2015-01-16

callmemissmaybe

只看楼主

对数据分析／Data Science有兴趣的mm，帮我看看这个案例吧

2374

2016-05-27 02:09:47

LZ做数据分析多年，觉得用得很广的use case就是如何用多个KPI (key performance indicators)综合起来做绩效评估。数据分析很多时候是在做有效的ranking, 以此来对个体和总体做评估。我自己目前的解决办法感觉技术含量低一些，求针对此案例的有效数据分析方法来提高一下分析的技术水平，可以是数据模型或者是有效的数据图形，主要求思路和方法，有类似问题的书籍或案例链接也可以。

案例：Network里有几百个partners, 每个partner有自己的performance KPI, 比如TAT (turnaround time), error rate等等, 每个KPI的scale未必相同，有的是0-1百分比％，有的是以时间（days)计算，有的以美元计cost., 看各个business partners的performance, 打分排名，分出好中差，然后给各个等级提发展建议。

问题：
1) 怎么样才能建立一个简单有效的评估（打分）模型来衡量每个厂商的表现？以此来评估我们整个network是否健康。
2) 如何给各个partner提发展建议，知道每个的长处短处，制定每个的optimization strategy

对于1）我一般是给各个partners打一个综合score, 问题就是各个KPI的scale不同，有的0-1，有的以时间计算。还有比较tricky的就是每个KPI在business里比重不同，于是在算最后综合score的时候需要乘以每个KPI的比重。综合score = KPI_1 weight * KPI_1 + KPI_2 weight * KPI_2.....问题就是weight也是非常的主观，完全就是通过问business stake holder个人感觉哪个最重要就给高weight.

对于2) 我一般就是算每个KPI 25%， 50%(median), 75%三个benchmark数值, 看看该partner的各项指标到底在全体partner中排在哪个区间，主要对落在50%甚至75%以后的
KPI进行建议其改进。

对于1）和 2）如何改进？如何提高分析的技术含量，我觉得自己的解决方案太浅显了。求mm们指点迷津！

等级大校

威望7

贴子6153

魅力6301

注册时间2014-12-01

xiaomaomiaomiao

只看他

2016-05-27 02:35:46

对于1）你说的scale实际指units单位不同的情况，先normalize一下啊。至于用哪种normalization,得先看看你的每一个indicator的分布情况（这个可以画histogram图简单看看），比如是Gaussian的还是Poissonian的还是无章法的等等，都有相对应的方法。btw,我对涉及生活的数据分析没啥兴趣，只是针对楼主的提问瞎说两句。

等级三等兵

威望--

贴子138

魅力947

注册时间2015-01-16

callmemissmaybe

只看楼主

2016-05-27 03:07:45

等级大校

威望7

贴子6153

魅力6301

注册时间2014-12-01

xiaomaomiaomiao

只看他

2016-05-27 03:24:21

回复 [url=http://forums.huaren.us/showtopic.aspx?topicid=2019764&postid=71788336#71788336]2楼xiaomaomiaomiao的帖子[/url]

有按比例normalize到0-1之间，最大数变成1。还有啥normalize方法? 另外就是weight比较麻烦, 太主观

callmemissmaybe 发表于 5/27/2016 3:07:45 AM [url=http://forums.huaren.us/showtopic.aspx?topicid=2019764&postid=71788430#71788430]

[/url]

我刚才举了几个例子的。比如高斯分布，normalize之后最大数不是1而是看具体在几个sigma. Normalize要根据每个变量的不同分布来选择方法。举例，如果某个或某些变量是高斯分布却按比例去normalize对最后的打分很可能有比较大的影响。

Weight根据已有的信息我就没办法了，但是如果你有以往的数据，也许可以试着做machine learning. 当然首先要看你们看重的是什么。比如说你们最看重partners给你们带来的经济效益，那么效益高的打分应该也高，可以去regression analyse一下这些变量与效益的关系来寻找更合理的weights，至少可以以此为参考调整原先的weights. 这个有待讨论。