度量、指标、指示器的区别

度量、指标和指示器之区别

什么是KPI(Key Performance
Indicator),对此,正好说说度量、指标和指示器的区别。

度量,用中文表示可以是名词,也可以是动词。名词的意思可以是"度量"的结果值或是指"度量"过程。动词就是丈量、衡量这个行为。在英文里面,Measure可以是度量值的意思,也可以是作动词,而"度量过程"这个名词用Measurement来表示。

因此理解度量这个词,可以从其本身意义理解。度量,其相近含义包括丈量、衡量,首先得有个标准,譬如说丈量得有米尺,衡量有杆秤。度量出来的结果,度量值也就必须是有个单位的。例如重15斤,长1.4米等。此处,斤、米就是标准,有了这个标准,不同的度量值才有可能比较,你用15斤和1.4米比较可没什么意义。

度量和维度构成OLAP的主要概念,这里面,对于在事实表或者一个多维立方体里面存放的数值型的、连续的字段,就是度量。这符合上面的意思,有标准,一个度量字段肯定是统一单位,例如元、户数。如果一个度量字段,其中的度量值可能是欧元又有可能是美元,那这个度量可没法汇总。

在OLAP中还有计算度量的说法,用一个总费用除以用户数,得到每户平均费用。但这究竟还算不算度量了呢?我认为已经不是原本意义上的度量了,只是为了称呼方便而已。

这就得说到指标,英文的Metric。在绩效管理软件里面,通常是有这个概念的。如果非得给Metric一个定义,我愿意表述为"它是表示某种相对程度的值"。区别于上面的度量概念,那是一种绝对值,尺子量出来的结果,汇总出来的数量等。而指标至少需要两个度量之间的计算才能得到,例如ARPU,用收入比上用户数,例如收入增长率,用本月收入比上上月收入。当然可能指标的计算还需要两个以上的度量。

而Indicator的字面意思为指示器,在KPI中,最后一个I就是它,但是用中文称呼它的时候,几乎总是叫"关键绩效指标",而没有叫做"指标器",也就造成一些混乱。

想想我们身边哪些东西是充当指示器的。红绿灯,提醒行人车辆是否等待或通行;监控室里的警报灯,提醒哪儿出现异常;汽车仪表盘,提醒驾驶员油是否足够,速度如何。它们起到的作用是传递一种宏观的信息,促使人的下一步行动。红灯停绿灯行;看到警报亮起要赶紧派人查看。目前常见的企业绩效管理软件中,仪表盘(有的地方称作驾驶舱)的展示界面也是必不可少,正是用这种直观而比较有象征性的指示器反映企业运营状况。

可以设想提出KPI的初衷,是希望企业通过一些粗略(非细节)的信息(而非数据)来为下一步的决策作出依据。导致不同的决策行为必定是离散的输入,最简单的就是一个开关,是或不是(例如警报灯)。如果说度量和指标是定量话,指示器就是一种定性的。

现实中,大家对于三者的称呼并不那么严格,"指标"是最通用的称呼,"度量"显得有些学术和技术话,而"指示器"很少听人提起。在电信的经营分析中,确实很多都实现KPI,正如上面所言,领导不可能去看细节的数据,他们关注的是宏观面的经营状况,因此需要一些"指示器"来反映。

然而,这些系统中的KPI并非完全上面提到的指示器,很多系统建设称为度量系统或是指标系统。而对一个企业,哪些指标能够充分反映经营活动,这也是需要精心制定的,而不是让技术部门提出一堆似是而非的指标名称,诸如在网用户数、收入之类,这不是KPI。
关于这三者的区别,曾经在数据质量的考虑中应用过,参见《数据质量体系
之 概念》。再总结一下。

"度量"是绝对的定量值;
"指标"是基于两个或更多度量计算得出的相对值;
"指示器"是基于度量或指标,并依据某个基准值得到的定性结果;

时间: 2024-08-03 07:38:53

度量、指标、指示器的区别的相关文章

NLP度量指标BELU真的完美么?

摘要: NLP重要评价准则之一--BLEU,真的完美无缺么? 刚接触自然语言处理的朋友通常会问我:当系统的输出是文本,而非对输入文本进行某种分类,如何对该系统进行评估.当模型的输入是文本信息,输出也是文本信息时,我们称之为序列到序列问题,也可称为字符串转换问题. 序列到序列建模是解决NLP中较难任务的核心,它包括: 1. 自动文摘(Text Summarization): 2. 文本简化(Text simplification): 3. 问答(Question answering): 4. 聊天

必知-网站常用度量指标(2/2)

有好友对我说,你的文章太书面了,定义太多了,理解门槛太高了,会导致很多读者只是点开看看,哎,有这么一个东西,挺好挺好,但不会细读.我当时这么回复他:"有些书是给看懂的人阅读的,有些书是给最广泛的群体阅读的."西蒙认为,知识体系是有门槛的,比如相对论的学术体系,看懂的人真的不多.产品经理的职业目前鱼目混杂,耐不住寂寞,经不住诱惑,浮躁的心太多.这个职业的种种乱象是因为产品经理这个职业并没有一个标准的知识体系手册.西蒙没有大才,只希望在这个博客中写一些东西,为这个标准的知识体系做一些微薄的

探秘手淘高可用平台(一)——度量指标及数据平台

系列文章根据手机淘宝客户端基础架构高级开发工程师非台在安卓绿色联盟开发者大会上的分享,共分三篇,介绍手淘技术团队性能和稳定性系统化提升方案EMAS-MOTU的设计原理以及实现思路. 本文重点介绍手淘高可用平台的定义及指标.自动化测试框架和性能稳定性数据平台. 非台 手机淘宝客户端基础架构高级开发工程师 主要负责手机淘宝性能和稳定性的提升 高可用的定义及度量指标 移动端高可用定义 移动端高可?旨在通过设计关键的度量指标,以期望能够客观反映和量化用户在使?过程的真实感受,同时通过指标,建?一系列的工

机器学习实战笔记(Python实现)-07-分类性能度量指标

1.混淆矩阵 下图是一个二类问题的混淆矩阵,其中的输出采用了不同的类别标签 常用的衡量分类性能的指标有: 正确率(Precision),它等于 TP/(TP+FP) ,给出的是预测为正例的样本中的真正正例的比例. 召回率(Recall),他等于 TP/(TP+FN),给出的是预测为正例的真实正例占所有真实正例的比例. 2.ROC曲线 图中的横轴是伪正例的比例(假阳率=FP/(FP+TN)),而纵轴是真正例的比例(真阳率=TP/(TP+FN)).ROC曲线给出的是当阈值变化时假阳率和真阳率的变化情

计算机视觉领域常见的度量指标

一:Precision, Recall, F-score 信息检索.分类.识别.翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision Rate------注意统计学习方法中precesion称为精确率,而准确率为accuracy 是分类正确的样本除以总样本的个数.),召回率也叫查全率,准确率也叫查准率,概念公式: 召回率(Recall)=  系统检索到的相关文件 / 系统所有相关的文件总数:::亦即预测为真实正例除以所有真实正例样本的个数           

07-01 推荐系统常用度量指标

目录 推荐系统常用评估指标 一.RMSE 二.MAE 三.Precision(准确率)&Recall(召回率) 四.覆盖率 五.信息熵 六.基尼系数 七.多样性 八.获取各种评测指标的途径 九.长尾分布 更新.更全的<机器学习>的更新网站,更有python.go.数据结构与算法.爬虫.人工智能教学等着你:https://www.cnblogs.com/nickchen121/ 推荐系统常用评估指标 一.RMSE 加大了对预测不准的用户物品评分的惩罚. \[ \text{RMSE}=\s

Spring Boot 服务监控,健康检查,线程信息,JVM堆信息,指标收集,运行情况监控等!

前言 去年我们项目做了微服务1.0的架构转型,但是服务监控这块却没有跟上.这不,最近我就被分配了要将我们核心的微服务应用全部监控起来的任务.我们的微服务应用都是SpringBoot 应用,因此就自然而然的想到了借助Spring Boot 的Actuator 模块. 本篇是我在完成这个工单之后,对Spring Boot Actuator模块 学习应用的总结.在本篇文章中,你可以学习到: 1.Spring Boot Actuator 的快速使用入门2.Spring Boot Actuator 的一些

Jmeter性能测试3-性能测试常见指标

在实际工作中我们经常会对两种架构的软件进行测试:B/S和C/S,它们关注的指标有哪些区别? 对于B/S架构的软件,一般会关注如下Web服务器性能指标: Avg Rps:平均每秒钟的响应次数=总请求次数/秒数: Avg time to last byte per terstion (mstes):平均每秒业务脚本的迭代次数: Successful Hits:成功的点击次数: Failed Hits:失败的点击次数: Hits Per Second:每秒点击次数: Successful Hits P

概率分布之间的距离度量以及python实现

1. 欧氏距离(Euclidean Distance)       欧氏距离是最易于理解的一种距离计算方法,源自欧氏空间中两点间的距离公式.(1)二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离:(2)三维空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离:(3)两个n维向量a(x11,x12,-,x1n)与 b(x21,x22,-,x2n)间的欧氏距离:(4)也可以用表示成向量运算的形式: python中的实现: 方法一: import numpy as np x=