Scoring Model से प्राथमिकता तय करना

trade-offs स्पष्ट करें

भारित scoring model हर विचार को कुछ मानदंडों पर 1 से 5 अंक देता है और उन्हें ऐसे भारों से जोड़ता है जो आपकी प्राथमिकताएँ दर्शाते हैं। यह पूर्ण उत्तर नहीं देता, पर पसंदीदा चीज़ों पर बहस की जगह साझा, दिखाई देने वाली पद्धति रखता है। आम मानदंड: व्यावसायिक मूल्य, व्यवहार्यता (तकनीकी कठिनाई), डेटा तैयारी, और कम जोखिम (ताकि ऊँचे अंक का मतलब "ज़्यादा सुरक्षित" हो)। नेतृत्व असहमत हो तो भार फिर देखें; वह बातचीत ही उपयोगी हिस्सा है।

तीन विचारों को अंक, चलाकर

मैंने यह चलाया। Loan auto-approval का मूल्य सबसे ऊँचा (5) है पर जोखिम भरा होने और डेटा कम तैयार होने से कुल अंक सबसे कम आते हैं; support reply drafts 4.3 के साथ शीर्ष पर आते हैं।

W = {"value": 0.4, "feasibility": 0.3, "data_ready": 0.2, "low_risk": 0.1}
cases = {
  "Support reply drafts": {"value": 4, "feasibility": 5, "data_ready": 4, "low_risk": 4},
  "Loan auto-approval":   {"value": 5, "feasibility": 3, "data_ready": 3, "low_risk": 1},
  "Meeting summaries":    {"value": 3, "feasibility": 5, "data_ready": 5, "low_risk": 5},
}
score = lambda s: round(sum(W[k] * s[k] for k in W), 2)
for name, s in sorted(cases.items(), key=lambda kv: -score(kv[1])):
    print(score(s), name)

Output:

4.3 Support reply drafts
4.2 Meeting summaries
3.6 Loan auto-approval

Scores से चर्चा शुरू करें

कोई चौंकाने वाला विचार पहले आए तो पूछें कि scores ग़लत हैं या भार। Model सोचने का साधन है; निर्णय फिर भी उन लोगों का है जो व्यवसाय जानते हैं।

त्वरित जाँच: Scoring model में "कम जोखिम" मानदंड क्यों रखें?

• क्योंकि Python में ज़रूरी है
• जोखिम मायने नहीं रखता
• सभी अंक बराबर घटाने के लिए
• ताकि ऊँचे मूल्य पर ख़तरनाक विचार अपने आप न जीतें