我是这么利用数据——肥肉吃多了会腻

本文探讨了如何通过数据和统计手段帮助领导制定决策的过程,通过一个简单的苹果采购案例,阐述了如何建立合理的数据标准来减轻领导的工作负担,同时保证决策的质量。
部署运行你感兴趣的模型镜像

就像肥肉吃多了会腻,领导们对于决策权这个东西,掌权的多了,也会感觉到没意思和闹心。

我们都知道这样的一个道理:帮领导解决棘手的事情,才能让领导帮你解决薪资的事情。(哎,太直白了!)所以我经过多年的思考,并尝试过一些做法,今天来和大家说道说道。

首先我们从逻辑上理理思路:领导有很多东西需要拍板,他其实很烦!你如果求上进,目标就是帮他排忧解难,可是又不能代替他行使权力,因为这样他会认为你越权,擅作主张是大忌哈。于是怎么办呢?可能你已经猜到了,我们又要说说数据这个万能的玩意儿在帮助领导方面的作用。

这可能有点不好理解,让我们用一个简单的例子来理理思路

1、领导负责一个采购项目,我们就说采购的是苹果,简单起见,我们认为苹果只有一个属性:重量。

2、领导需要一一鉴别每个苹果是否合格,从而决定是否采购!

3、你说烦不烦,每次都要亲自把关,亲自干这个活儿,显然不是领导的菜!

4、怎么才能方便领导呢?其实,领导可以说一句:重量大于500克的,我们就要了!那么手下做事的人,就按照这个办法挨个称重,满足500克以上的,收起,否则退回!

5、领导爽了!

让 我们停一停,好好的分析一下这个事儿。首先,决策就像验收苹果,事无巨细,都需要领导把关,其实领导真的很想解脱,但是从内心来讲不愿放弃这个权利(原因 你懂的!)。其次,一个用数据描述的标准,显然是良好的替代品,有了这个标准,手下做事的人就可以按照领导的意愿办事,而领导可以坐享其成。还有,如果领 导想要变一变,那就改变这个数据规则,比如本例,他可以说:以后我们只要600克的!最后,在这一整套过程中,还是领导牢牢的把握住了主动权!

为什么领导在保持权利的同时,解放了自己呢?原因就在于数据的单纯和可控。任何以数据的形式形成的规则都能够被原样、毫不偏差的执行,达到了:领导在与不在一个样!这显然就是领导想要的!说它可控是因为任何以数据形式形成的规则,都能够通过改变数字来充分掌握,由于抓住的是核心,所以能够一劳永逸!

好了,故事到这里本该结束了,但是依惯例我想点一点数据思想。例子里说到的,领导一拍板:大于500克的,我们要了!如果你仔细想一想,这个500是怎么来的呢?

(这可能涉及一点统计学知识,为了方便理解,我尽量说的简单点,用到时可以再完善)

简 单说,不能亏本了!我们采集到销售数据,看看卖出去的苹果都是多少克的,得到一个重量与售出比例的散点数据库(其实就是比如500克的苹果收购1000 个,卖出去900个,于是500对应的比例就是90%,以此类推,得到每个重量的比例),稍微利用点插值估计,使得任何重量都能在软件里找到对应的比例 (插值就是中间估计,比如500是90%,700是80%,那么我就估计600是85%,虽然我没有在历史数据里找到600的数据,但是不影响600有个 中间值估计)

好了,把他们做成软件吧,如果假设估计的售出比例就是真实的售出效果,那么,每批采购的清单一进程序里,马上就能给出赚不赚钱!

于是,通过你的努力,领导有两个选择

1、通过你的软件算出最佳的采购重量区间,参考这个区间指定一个规则!

2、拿你的软件作为验证标准,引入售价的因素,领导就说赚多少钱我们就干!

你会发现,关于赚多少钱,你又可以整出点新的玩意!如此往复,领导和你都在向更高的层次迈进,不知你看出来没有!

来吧,肥肉吃多了会腻,给领导上盘硬菜!


转自:http://www.cnblogs.com/caishen/p/3493459.html

您可能感兴趣的与本文相关的镜像

Python3.10

Python3.10

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

### 关于人脸表情数据集 对于人脸识别和情感分析的研究,高质量的数据集至关重要。目前存在个公开的人脸表情数据集可以用于研究目的。这些数据集通常包含了不同情境下人们面部的照片或视频片段,并标注了相应的情绪标签。 #### 常见的人脸表情数据集包括: - **CK+ 数据库**:该数据库由美国卡内基梅隆大学提供,包含271个序列图像来自118个人体实验参与者展示七种基本情绪(愤怒、厌恶、恐惧、快乐、悲伤、惊讶和平静)。此资源非常适合用来训练机器学习算法来检测细微变化的脸部肌肉运动[^1]。 - **FER2013 数据集**:这是另一个广泛使用的静态图片集合,在Kaggle上可获取。它含有超过35,000张灰度脸部照片,每一张都附有七个类别之一作为标签——生气、害怕、高兴等。由于其规模较大且样性好,因此成为许研究人员首选的测试平台。 为了下载上述提到的数据集或其他类似资源,建议访问官方发布机构网站或是像Kaggle这样的在线社区平台。具体到 FER2013 ,可以直接通过 Kaggle 页面注册账号并按照指引完成下载过程;而对于 CK+ 则可能需要联系原始作者或者查找是否有镜像站点提供了便捷链接。 ```python import kaggle from pathlib import Path # 设置Kaggle API密钥路径 kaggle.api.set_config('path_to_kaggle.json') # 定义保存位置 save_path = Path('./datasets/fer2013') if not save_path.exists(): save_path.mkdir(parents=True) # 使用Kaggle API下载数据集 kaggle.api.dataset_download_files('msambare/fer2013', path=save_path, unzip=True) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值