Category: Toolkit экономиста

Т: Принудительное ранжирование в практике

Несколько классических ситуаций. В учебе наличие круглых отличников. В работе наличие 100% выполнения 100% КПЭ. В бенчмаркинге достижение максимумов по всем метрикам. Это — проблема. Потому что прилагаемые тесты не являются достаточно дискриминирующими (математический термин, обозначающий возможность различить две величины).

Почему это неправильно. Потому что тесты создаются, чтобы ранжировать. Если тест регулярно бьется на 100%, значит, он составлен слабо. Поэтому вузы стали делать принудительное ранжирование по кривой распределения, когда лимитируется количество высших оценок. Поэтому в КПЭ появляются открытые шкалы, и тоже принудительная кривая, чтобы 100% не было.

Как сделать абсолютно дискриминирующий тест на практике? Читать далее

Т: Математика в бизнесе

Честно — математика является мощнейшим инструментом для улучшения бизнеса. Мы решили вспомнить набор прагматичных применений математики в бизнесе из собственного опыта. Только того, что сами видели и делали как работающие решения.

Давайте посмотрим, что можно сделать проверенными способами до внедрения big data, AI и ML? То есть теорией игр, с добавлением регрессий, с линейным программированием, факторным анализом, поиском экстремумов функции и сценарными подходами в моделировании.

Раз пример. Теория игр для маркетинга. Читать далее

Н: Баффетт, value investing, блокчейн и крипта.

За прошедшую неделю вышла пара хороших статей на тематику. Сначала Баффетт высказался скептично по поводу криптовалют, но это и не удивительно, он же апологет value investing. Затем на habrhabr вышла любопытная подборка, написанная крайне доступным языком, где же есть загвоздки с тем, что блокчейн технология не новая, а коммерциализация еще не наступила.

Давайте разберем статьи с позиций того, что value investing был изобретен в моей альма-матер Columbia University и прописан в семисотстраничном шедевре Graham & Dodd уже более восьмидесяти лет назад (кстати, мы эту книгу прочитали, но рецензию не дали). Ну и посмотрим на приведенные аргументы на хабре на предмет их релевантности. И выводы сформулируем. Итак…

Читать далее

T: Кто ответственный?

На этих выходных на ярмарке Московской Биржи выступали Алексей Кудрин, Андрей Шаронов, Леонид Парфенов и Михаил Лабковский. У каждого из спикеров свой путь в жизни, но по дороге домой, размышляя об общей для всех них повестке, мы обнаружили единую крупную тему у каждого. Под каким бы из заголовков не анонсировалось выступление, каждый сказал про это.

К классическим русским вопросам Чернышевского «Кто виноват?» и Герцена «Что делать?» на самом деле давно пора добавить вопрос «Кто же ответственный?» Ответственный за будущее страны, за развитие поколения, за состояние двора. Каждого из спикера из зала спросили, что же они посоветуют молодому поколению. Оказалось, что у всех ответ всегда один. Какой?: Читать далее

Т: Быстро читать и хорошо запоминать.

Вопрос «Как быстро читать?» является наиболее запрашиваемым на публикацию в toolkits. Подтекст прост, что быстрое чтение предположительно позволяет выигрывать в бизнесе, в карьере и в обучении. Каждый раз, когда нас спрашивали, мы уточняли, а в чем проблема. По ответам выяснили, что на деле есть два подвопроса: «Как ускориться?» и «Как запоминать?»

Решение начнем с разбора ситуаций, потому что есть разные типы чтения. И для них различаются техники. Можно и меньше 50 страниц за час пройти, и больше 500. Медленно — относится к учебнику на новую тему. Быстро — к задаче освежить память событий уже прочитанной художественной книги. Поэтому крейсерская скорость прочтения+понимания+запоминания будет разной.

Прежде, чем повышать свою крейсерскую скорость, нужно себя спросить: Читать далее

Toolkit: Научить команду корректно строить регрессии.

В свое время команда принесла мне для планового процесса файл расчетов прогнозных цен на продукты в зависимости от бенчмарка. По одной из линеек регрессия была построена по трем (да, именно трем) точкам. Я выдохнул и спросил, почему взяли только три точки. Ответ был тривиален, ну мы взяли данные за последние три года и просчитали. Мда-с.

Тут-то я и задал ключевой вопрос, а кто из вас имеет образование в виде матстата, регрессионного анализа, эконометрики или подобное. Оказалось, что в команде нет тех, кто в теме. К вопросу, о самых нужных предметах высшего образования. Порядок наводить надо, курс эконометрики за месяц не найдешь, поэтому возник вопрос, как научить команду корректно строить простые регрессии.

Ну, мы взяли статистику из опыта «сколько незнакомых слов в статье в зависимости от длительности изучения иностранного языка» и сделали спецтренинг, чтобы убить самые грубые ошибки регрессий. Далее со скриншотами. И суперкратким чеклистом и линком на файл в конце. Читать далее

Новость недели: плюс, минус, ноль. И все равно будет неправильно.

Открываем текущие новости недели и видим три занимательных публикации:
Ведомости пишут, что «Прогноз роста экономики на 2017 год увеличен по заданию правительства«.
Слон отмечает, что «Минэкономразвития в третий раз за месяц изменило прогноз по ВВП«.
РБК сообщает, что «Третий за месяц прогноз МЭР изменили в лучшую сторону«.

Что это значит? На деле, эта новость констатирует, что МЭР больше не выдает сценарии прогнозов экономики, а выдает сценарии для расчета показателей бюджета.

Если тот, кто составляет прогнозы получает вводные, чтобы инфляция была не выше 4%, чтобы курс рубля совпадал с прогнозами Минфина, чтобы рост был побольше, то прогноз перестает быть прогнозом, а становится одним из желаемых сценариев.

Обратившись к опыту в бизнесе, моя команда проходила неоднократно через три подхода моделирования будущего на год, пять и более лет в рамках бюджетных, бизнес-плановых и стратзадач:

Читать далее