لقد كنت أقوم بتكرار مقاييس Discourse في أداة ذكاء الأعمال الخاصة بي، ThoughtSpot، وعندما وصلت إلى مقياس “الوقت حتى الاستجابة الأولى”، لاحظت وجود خلل في كيفية الإبلاغ عنه عند عرضه على أساس أسبوعي أو شهري.
حاليًا، يحسب تقرير Discourse متوسط وقت الاستجابة لكل يوم، ولكن عند التجميع إلى عرض أسبوعي أو شهري، فإنه يأخذ ببساطة متوسط متوسطات تلك الأيام بدلاً من حساب متوسط مرجح. يمكن أن يؤدي هذا إلى نتائج مضللة، خاصة عندما يكون لدى بعض الأيام مواضيع أكثر بكثير من غيرها.
مثال:
إليك تفصيل لأوقات الاستجابة اليومية وعدد المواضيع:
| التاريخ | متوسط وقت الاستجابة (ساعة) | عدد المواضيع |
|---|---|---|
| 16 مارس | 1.9 | 1 |
| 15 مارس | 23.6 | 1 |
| 14 مارس | 0.4 | 3 |
| 13 مارس | 6.0 | 7 |
| 12 مارس | 0.3 | 1 |
| 11 مارس | 2.1 | 8 |
| 10 مارس | 6.6 | 1 |
الآن، إذا قمنا بحساب متوسط المتوسطات، نحصل على:
ومع ذلك، فإن هذا لا يمثل بدقة وقت الاستجابة الأول الحقيقي لأنه يعامل كل يوم على قدم المساواة، بغض النظر عن عدد المواضيع التي تم إنشاؤها. بدلاً من ذلك، النهج الصحيح هو حساب متوسط مرجح، مع الأخذ في الاعتبار عدد المواضيع:
باستخدام هذه الطريقة:
لماذا هذا مهم
الفرق كبير - 5.82 ساعة مقابل 2.85 ساعة. الطريقة الحالية تزيد من وزن الأيام المتطرفة (مثل 15 مارس مع 23.6 ساعة ولكن موضوع واحد فقط) وتقلل من وزن أيام النشاط العالي (مثل 11 مارس مع 8 مواضيع ووقت استجابة 2.1 ساعة).
للحصول على تمثيل أكثر دقة لأوقات الاستجابة، يجب على Discourse التبديل إلى متوسط مرجح عند التجميع بمرور الوقت.
أود أن أسمع آراء الآخرين - هل لاحظ أي شخص آخر هذه المشكلة؟