Jak odczytać nieoznakowaną tabelę sprzedaży

link:  https://www.evanmiller.org/how-to-read-an-unlabeled-sales-chart.html

Autorstwa Evan Miller

Gatunek posta na blogu, który jest od zawsze popularny wśród niezależnych twórców oprogramowania, to “How My Sales Skyrocketed After …”, w którym dla elipsy możesz zastąpić dowolną liczbę przypadkowych zdarzeń lub technik marketingowych.

Pomyślałem o przyczynianiu się do tej literatury po tym, jak jedna z moich aplikacji została ostatnio poddana przypadkowemu wydarzeniu, które znacznie zwiększyło sprzedaż. Wyobraziłem sobie, że czytelnik odradza się żywymi opowieściami o trudach i trudnościach, które nieuchronnie doprowadziły do powstania wykresu słupkowego z rozmytą osią Y.

Rysunek 1: Wykres sprzedaży z osią Y rozmywa się.

Kiedy zastanawiałem się nad niewyraźną osią Y na powyższym obrazku, pojawił się o wiele bardziej interesujący temat, dlatego postanowiłem napisać o tym: jak wywnioskować skalę wykresu sprzedaży, w którym Y- brakuje osi.

Poniższe techniki działają tylko w przypadku wykresów reprezentujących pewne rodzaje; jeśli oś Y jest miarą ciągłą, musisz znaleźć innego bloga do przeczytania. Tutaj jest trochę matematyki, ale możesz wykonać ważne bity w arkuszu kalkulacyjnym.

Technika nr 1: Liczenie pikseli i funkcja Zeta Riemanna

Pierwszą rzeczą, którą możesz spróbować, to zmierzyć rozmiar każdego paska w pikselach i określić największy wspólny dzielnik spośród wszystkich liczników pikseli. Jeśli nie ma wspólnego dzielnika między liczbą sprzedaży, to największy wspólny dzielnik wśród liczby pikseli będzie odpowiadał liczbie pikseli reprezentujących pojedynczą sprzedaż.

Jeśli masz dane z dwóch tygodni, szanse są całkiem dobre, że sprzedaż nie będzie miała wspólnego dzielnika. W rzeczywistości prawdopodobieństwo może być aproksymowane jako:

                                [ ζ14 ] 10,9999388 

Jest to multiplikatywna odwrotność funkcji zeta Riemanna , która może być użyta do oszacowania prawdopodobieństwa, że liczba losowo wybranych liczb całkowitych nie ma wspólnego dzielnika. Tutaj użyłem 14, ponieważ w dwutygodniowym wykresie jest 14 słupków. Oto tabela z większą ilością wartości (Riemanna zeta niestety nie jest zaimplementowana w Excelu):

N [ ζ (N)] -1
2 0,607927
4 0,923938
6 0,982953
8 0,995939
10 0,999006
12 0,999754
14 0,999939

Lewa kolumna odpowiada liczbie liczb całkowitych w danej próbce; prawidłowa kolumna daje prawdopodobieństwo, że nie ma wspólnego dzielnika po tej samej liczbie losowo wybranych liczb całkowitych. (To jest prawdopodobieństwo, że ta technika będzie działać poprawnie).

Oczywiście ta technika nie zadziała w ogóle, jeśli obraz jest zbyt rozmazany lub może występować więcej niż jedna sprzedaż na piksel. W takich sytuacjach będziemy musieli nałożyć trochę więcej struktury na problem.

Technika # 2: Właściwości procesu Poissona

W obliczu nieszczęśliwych wypadków, przypadkowych wydarzeń lub znakomitych nowych strategii marketingowych, liczba sprzedaży jest dobrze opisana w procesie Poissona. Oznacza to, że możesz myśleć o średniej liczbie sprzedaży dziennie, a każdy dzień będzie realizacją rozkładu Poissona z tą średnią.

Sprawą czystą rozkładu Poissona jest to, że jego średnia jest równa wariancji. Możemy wykorzystać ten prosty fakt do oszacowania skali brakującej osi Y.

Załóżmy, że mamy pomiar wysokości każdego słupka w pikselach:   1

2

Przestawiając macie ładne równanie dla sprzedaży na piksel:

3

Które można również napisać:

4

W prostym języku angielskim liczbę sprzedaży na piksel można oszacować jako średnią wysokość słupka w pikselach podzieloną przez wariancję wysokości słupków.

Aby zobaczyć, jak to działa w praktyce, sprawdziłem liczby na pierwszych 13 taktach powyższej tabeli (czyli przed skokiem sprzedaży, który przerwał zwykły proces Poissona). Wynikowe oszacowanie było o około 6% inne niż rzeczywista skala osi Y. Przypuszczam, że moje dane sprzedażowe nie będą długo utrzymywane w tajemnicy!

Zaletą tej techniki jest to, że pomiary pikseli tutaj nie muszą być dokładne, ponieważ zależy nam tylko na średniej próbki i wariancji. W rzeczywistości nie musimy w ogóle mierzyć pikseli; każda jednostka miary zrobi. W przeciwieństwie do Technique # 1 powyżej, gdzie obliczaliśmy największe wspólne dzielniki między zestawami liczb całkowitych, dokładne wartości całkowite poszczególnych pomiarów nie są kluczowe dla uzyskania dokładnego oszacowania rzędu wielkości.

Wypróbuj sam. Zobacz, czy możesz wywnioskować, jak dokładnie, moja sprzedaż spadła po …

Leave a Reply

Your email address will not be published. Required fields are marked *