針對(duì)于產(chǎn)品評(píng)價(jià)，你知道什么衡量的標(biāo)準(zhǔn)以及數(shù)據(jù)統(tǒng)計(jì)分析方法？本文將重點(diǎn)解析數(shù)據(jù)量化標(biāo)準(zhǔn)的重要性和量化數(shù)據(jù)建模及產(chǎn)品評(píng)價(jià)應(yīng)用，一起來(lái)看看吧。

今天主要從下面四個(gè)方向來(lái)展開(kāi)分享，第一部分，數(shù)據(jù)量化標(biāo)準(zhǔn)重要性；第二部分，什么是評(píng)價(jià)類(lèi)評(píng)級(jí)標(biāo)準(zhǔn)；第三部分，我們?nèi)绾稳プ鲈u(píng)價(jià)類(lèi)標(biāo)準(zhǔn)；最后，進(jìn)行案例分享。

一、數(shù)據(jù)量化標(biāo)準(zhǔn)重要性

第一部分讓我們先稍微了解一下如何做數(shù)據(jù)樣本收集以及數(shù)據(jù)量化工作具體是什么內(nèi)容，這部分偏重理論一些。做數(shù)據(jù)分析項(xiàng)目，第一步一般都會(huì)提出項(xiàng)目調(diào)研的方向，然后設(shè)定調(diào)研問(wèn)題。簡(jiǎn)單舉例一下，假設(shè)我們想知道購(gòu)買(mǎi)某一產(chǎn)品客戶(hù)的平均年齡是多少？如上語(yǔ)句就是一個(gè)項(xiàng)目的調(diào)研方向，這里面其實(shí)蘊(yùn)含了很多信息。我們現(xiàn)在逐一去刨析一下。

首先，我們可以鎖定項(xiàng)目調(diào)研目標(biāo)人群（population）是什么，數(shù)據(jù)分析上我們稱(chēng)為數(shù)據(jù)源；還是以我們這個(gè)舉例來(lái)說(shuō)，目標(biāo)人群是購(gòu)買(mǎi)這一產(chǎn)品的所有用戶(hù)。

其次，我們要知道調(diào)研的數(shù)據(jù)變量（variables）有哪些；這個(gè)例子里我們的變量是年齡。知道調(diào)研數(shù)據(jù)變量是什么了，我們才可以去做數(shù)據(jù)分析的前端數(shù)據(jù)樣本收集工作。

那么重點(diǎn)來(lái)了，我們需要根據(jù)我們的數(shù)據(jù)變量來(lái)設(shè)定調(diào)研問(wèn)題；我們的舉例比較簡(jiǎn)單，那調(diào)研問(wèn)題可以是如下但不僅限于以下兩種，在此也僅是舉例：

調(diào)研問(wèn)題1: 請(qǐng)問(wèn)您的年齡是_____(請(qǐng)?zhí)顚?xiě)真實(shí)數(shù)字)

調(diào)研問(wèn)題2: 請(qǐng)問(wèn)您的年齡是以下_____

A. 25 及以下

B. 26-35

C. 36-49

D. 50 及以上

在此也簡(jiǎn)單介紹一下數(shù)據(jù)變量標(biāo)準(zhǔn)，在數(shù)據(jù)分析層面上，變量可粗分為兩個(gè)大類(lèi)：一是數(shù)字變量，就像調(diào)研問(wèn)題1所提出的年齡數(shù)據(jù)收集，結(jié)果可以是 23， 24，或 59（歲），顯而易見(jiàn)，每一個(gè)調(diào)研數(shù)據(jù)的結(jié)果是一個(gè)數(shù)字；還有很重要一點(diǎn)，在數(shù)學(xué)和統(tǒng)計(jì)分析角度上來(lái)講，數(shù)字變量可以說(shuō)是連續(xù)的，而且是直接的量化數(shù)據(jù)。

第二類(lèi)是分類(lèi)變量，即如調(diào)研問(wèn)題 2 所提出的同樣是收集年齡信息，但問(wèn)題 2 是收集的年齡段，結(jié)果也只能是 A 類(lèi)、B 類(lèi)、C 類(lèi)或 D 類(lèi)。同樣是收集用戶(hù)年齡，但問(wèn)題 1 和問(wèn)題 2 所收集的數(shù)據(jù)變量是完全不同的。不同的變量有不同的數(shù)據(jù)分析方法和建模，因此變量標(biāo)準(zhǔn)對(duì)后期的統(tǒng)計(jì)分析的方法的應(yīng)用、結(jié)論都是影響非常大的。在項(xiàng)目最開(kāi)始的時(shí)候，我們就應(yīng)該定好變量標(biāo)準(zhǔn)，它決定了項(xiàng)目后面如何去做。變量的標(biāo)準(zhǔn)是重中之重，但往往這點(diǎn)也是我們很多人都忽略的。

在此我也多介紹一點(diǎn)，調(diào)研項(xiàng)目通常不會(huì)只設(shè)定單純的一個(gè)調(diào)研問(wèn)題，所以一般數(shù)據(jù)變量也不會(huì)只有一個(gè)。再簡(jiǎn)單舉例，在做人群細(xì)分、產(chǎn)品調(diào)研的時(shí)候，我們需要知道用戶(hù)的全面信息，收集數(shù)據(jù)變量可以有年齡、性別、收入、家庭結(jié)構(gòu)、居住城市、對(duì)特定產(chǎn)品的喜愛(ài)度等等，在此就不多做介紹了。

現(xiàn)在我們制定好項(xiàng)目需要的變量標(biāo)準(zhǔn)了，那問(wèn)題來(lái)了，我們?cè)撊绾稳ナ占@些信息呢？需要做數(shù)據(jù)采集，又稱(chēng)數(shù)據(jù)取樣，來(lái)收集我們的樣本（Sample），在統(tǒng)計(jì)分析上，樣本數(shù)據(jù)是我們目標(biāo)人群數(shù)據(jù)源的子集。采樣方法有很多種，也是通過(guò)了解數(shù)據(jù)變量和數(shù)據(jù)結(jié)構(gòu)來(lái)確認(rèn)最佳的采樣方法，一般情況下，我們用的也是最多的，還是簡(jiǎn)單的隨機(jī)取樣。

取樣最基本的原則，我們簡(jiǎn)化來(lái)講，就是要求從數(shù)據(jù)源里面抓取每一個(gè)數(shù)據(jù)點(diǎn)的概率是一樣的。這句話有點(diǎn)模糊，我舉例來(lái)解釋一下，假設(shè)某公司年會(huì)有一個(gè)抽獎(jiǎng)活動(dòng)，所有的獎(jiǎng)券都放在抽獎(jiǎng)箱里，我們?cè)趺慈ゴ_認(rèn)每一個(gè)獎(jiǎng)券被任何一個(gè)員工拿到的概率是一樣的呢，換句話說(shuō)就是抽獎(jiǎng)完全公平，我們的做法通常是讓工作人員盡可能的去搖抽獎(jiǎng)箱，把獎(jiǎng)券都搖勻，這就是最簡(jiǎn)單隨機(jī)取樣的例子。

我們做樣本取樣主要也是為了節(jié)省時(shí)間和成本，因?yàn)閿?shù)據(jù)源可能包含成千上萬(wàn)乃至上億個(gè)數(shù)據(jù)點(diǎn)，去收集這些所有的數(shù)據(jù)信息是基本不可能的。所以我們用隨機(jī)取樣在數(shù)據(jù)源中選擇有限集的數(shù)據(jù)樣本，樣本數(shù)據(jù)點(diǎn)可能只有 30 個(gè)，或者 50 個(gè)，是有限集，最小樣本量是需要根據(jù)分析方法來(lái)確定的。我們的目的就是用樣本數(shù)據(jù)表象出來(lái)的統(tǒng)計(jì)值，來(lái)反映并展現(xiàn)出整個(gè)目標(biāo)人群數(shù)據(jù)源的表現(xiàn)形態(tài)。所以數(shù)據(jù)樣本的質(zhì)量也是完全會(huì)影響到我們數(shù)據(jù)分析的結(jié)論，取樣同樣是重要并不可懈怠的工作。

本次的討論重心還是放在數(shù)據(jù)量化標(biāo)準(zhǔn)的重要性和量化數(shù)據(jù)建模及產(chǎn)品評(píng)價(jià)應(yīng)用上面。

二、什么是評(píng)價(jià)類(lèi)評(píng)級(jí)標(biāo)準(zhǔn)

專(zhuān)家層面上的評(píng)價(jià)標(biāo)準(zhǔn)，第一個(gè)例子我們來(lái)講一下米其林餐廳的評(píng)價(jià)標(biāo)準(zhǔn)。它通過(guò)專(zhuān)家對(duì)餐廳的食品、包括環(huán)境上的種種指標(biāo)，調(diào)查給出 1 到 3 顆星的米其林餐廳的星級(jí)評(píng)定。

它是餐廳的最高榮譽(yù)，是一個(gè)級(jí)別的分類(lèi)。細(xì)節(jié)上面，這里列了這五個(gè)（如下圖）。米其林同時(shí)還有一個(gè)舒適度的評(píng)價(jià)，即餐環(huán)境的好壞程度有另一套評(píng)價(jià)標(biāo)準(zhǔn)，是用了一個(gè)五個(gè)刀叉的形式來(lái)表示的。

專(zhuān)家層面上的評(píng)價(jià)標(biāo)準(zhǔn)，另一個(gè)例子是比較直觀的，是羅伯特·帕克紅酒的評(píng)分標(biāo)準(zhǔn)，它是一個(gè)百分的評(píng)價(jià)標(biāo)準(zhǔn)。

它評(píng)價(jià)變量信息有顏色和外觀、香氣、風(fēng)味和魚(yú)味、綜合的潛力，我們可以看到后面它有一個(gè)值域，它的變量是根據(jù)權(quán)重的維度來(lái)給出的分?jǐn)?shù)，不是一模一樣的綜合給出來(lái)的。PR 評(píng)分從 50 到 100 來(lái)定位紅酒的好壞。

用戶(hù)體驗(yàn)層面評(píng)價(jià)標(biāo)準(zhǔn)，現(xiàn)在用的比較多的，我們現(xiàn)實(shí)生活中也都是接觸過(guò)的，如豆瓣評(píng)分，看了一個(gè)電影之后，可以去評(píng)價(jià)，評(píng)價(jià)標(biāo)準(zhǔn)為 1 到 5 分，其實(shí)就是李克特的 5 分量表。

通過(guò)平臺(tái)設(shè)定算法，然后可以最后給出來(lái)一個(gè) 2 到 10 分的打分，作為電影的一個(gè)綜合評(píng)價(jià)。豆瓣評(píng)分還有一個(gè) IMDb 評(píng)分標(biāo)準(zhǔn)，它是可以顯示出一個(gè)電影的好壞的。IMDb 中電影的排名就不單純的是用戶(hù)的打分來(lái)算出來(lái)的，它用了一個(gè)計(jì)算公式，公式里面每個(gè)小寫(xiě)字母都是一個(gè)變量，變量值都是通過(guò)平臺(tái)收集用戶(hù)回饋的真實(shí)數(shù)據(jù)，使用如下模型綜合評(píng)價(jià)得出，所以這個(gè)評(píng)價(jià)是實(shí)時(shí)的。如阿凡達(dá)這個(gè)電影，當(dāng)時(shí)我選取材料作為素材的時(shí)候，排名是 75，我們現(xiàn)在去看它的排名可能會(huì)變化。

舉另一個(gè)例子，美國(guó)的 yelp、中國(guó)的大眾點(diǎn)評(píng)、淘寶、還有蘋(píng)果的 app store 都是很常見(jiàn)的是 1 到 5 星的評(píng)價(jià)系統(tǒng)，標(biāo)準(zhǔn)評(píng)價(jià)的體系非常簡(jiǎn)單.可是我們?nèi)タ刺詫氝x商品的時(shí)候，可能會(huì)去評(píng)價(jià)比較高的店鋪去買(mǎi)東西，雖然用戶(hù)都知道有可能部分評(píng)價(jià)數(shù)據(jù)是刷出來(lái)的，但是無(wú)論如何，在大數(shù)據(jù)面前，也認(rèn)為是有理可依的一部分。

專(zhuān)家層面上的評(píng)價(jià)標(biāo)準(zhǔn)是有權(quán)威依據(jù)的，即我們理解的專(zhuān)家說(shuō)的就是對(duì)的。其特點(diǎn)為樣本量小，但需要行業(yè)專(zhuān)家參評(píng)。

用戶(hù)體驗(yàn)層面上的評(píng)價(jià)標(biāo)準(zhǔn)有大數(shù)定理的統(tǒng)計(jì)依據(jù)，換句話說(shuō)，用戶(hù)還是相信，大多數(shù)人說(shuō)好的東西一般就是好的。其特點(diǎn)為樣本量需求大，但可以從使用者真實(shí)量化回饋意見(jiàn)中獲取。

問(wèn)題就來(lái)了，我們做數(shù)據(jù)分析，當(dāng)然希望樣本數(shù)據(jù)越多越好，但是在現(xiàn)實(shí)情況下，不可能去一味的擴(kuò)大樣本量，其耗時(shí)耗資，大多數(shù)情況下是不可取的或根本做不到的，所以我們就想盡可能用合適的統(tǒng)計(jì)分析方法來(lái)做到用最小的樣本量，使用最小的人工成本，并得到有統(tǒng)計(jì)依據(jù)的分析結(jié)論。數(shù)據(jù)變量的量化和模型標(biāo)準(zhǔn)的制定就成了我們研究的重點(diǎn)。

三、我們?nèi)绾稳プ鲈u(píng)價(jià)類(lèi)標(biāo)準(zhǔn)

如何做評(píng)價(jià)標(biāo)準(zhǔn)，這里介紹一下 SUS-系統(tǒng)可用性評(píng)估?？梢哉f(shuō)這也是我們比較熟知的一個(gè)評(píng)價(jià)系統(tǒng)了，它一共是十個(gè)量化問(wèn)題，統(tǒng)一使用的是李克特的 1 到 5 級(jí)打分。

不管我們?cè)O(shè)定的變量問(wèn)題是什么，假設(shè)我們問(wèn)這個(gè)產(chǎn)品使用的舒不舒服，回饋?zhàn)兞繑?shù)據(jù)都是 1 至 5 之中的數(shù)字，極簡(jiǎn)的模式但做到了數(shù)據(jù)變量量化。李克特量表是一個(gè)對(duì)稱(chēng)的關(guān)系，5 級(jí)量表來(lái)說(shuō)，1 到 5 的話，3 就是中心值，如用戶(hù)對(duì)于測(cè)評(píng)問(wèn)題語(yǔ)句，感覺(jué)沒(méi)有什么認(rèn)同感但也不反對(duì)，可能會(huì)給出 3 分評(píng)價(jià)，贊同的話給 5 分，假設(shè)測(cè)評(píng)話語(yǔ)說(shuō)到用戶(hù)心坎兒里了，那么可能會(huì)給出 5 分。李克特量表，可以用正反向問(wèn)題來(lái)問(wèn)，假設(shè)我們的問(wèn)題是今天是個(gè)非常好的天氣，或今天的天氣真是糟透了，讓測(cè)評(píng)用戶(hù)用 1 到 5 分來(lái)評(píng)價(jià)，其實(shí)這兩句話問(wèn)的是同一個(gè)問(wèn)題，前者給 4 分，跟后者反向給的 2 分是一樣的。

為了體驗(yàn)總體測(cè)評(píng)分值的好壞區(qū)分，研究人員加了第 11 個(gè)問(wèn)題，即想知道好的評(píng)價(jià)到底是一個(gè)什么樣分值打分區(qū)間，所以加了一個(gè)定性分類(lèi)變量的問(wèn)題，為（下圖）七個(gè)級(jí)別，然后通過(guò)大量的樣本收集（5000 個(gè)樣本統(tǒng)計(jì)值）來(lái)分析到底多少分值是好，多少分值是不好，這樣的話對(duì)系統(tǒng)可以有一個(gè)非常權(quán)衡的定位。

通過(guò)它的 95% 的一個(gè)置信區(qū)間做了一個(gè)均值的回歸，把打出來(lái)的七個(gè)不同級(jí)別，分為一個(gè)小樣本，然后取得均值再去做模擬，最后做出最重要的統(tǒng)計(jì)值的一個(gè)分布量表，叫做二次統(tǒng)計(jì)的樣本數(shù)據(jù)，如下圖左側(cè)所示。這就是把統(tǒng)計(jì)值的樣本數(shù)據(jù)做了一個(gè)分布的量表呈現(xiàn)。

做這個(gè)工作是為了能看出產(chǎn)品在同類(lèi)中處于哪個(gè)級(jí)別如 A 類(lèi)，或 A+，從而看出給它評(píng)級(jí)評(píng)為 A 類(lèi)的概念是什么，這里用百分位來(lái)表示，意思是它可能是前百分之幾，即舉例，產(chǎn)品如達(dá)到 A 類(lèi)證明這個(gè)產(chǎn)品要比市面上 91% 的同類(lèi)產(chǎn)品要好。

我們簡(jiǎn)單了解一下 SUS 的統(tǒng)計(jì)依據(jù)，因?yàn)樗且粋€(gè)變量量化的小樣本分析方法，這個(gè)模型樣本量只需要 20 個(gè)左右，但可以給出知信度高達(dá) 91% 的統(tǒng)計(jì)分析結(jié)論。但是，此類(lèi)樣本必須是有時(shí)效性的，有代表性的，必須是隨機(jī)取樣的樣本。所以說(shuō)盡可能地去縮小樣本量，還是要有統(tǒng)計(jì)分析依據(jù)才可以，不然我們所做的分析工作是沒(méi)有任何意義的。

現(xiàn)在想把數(shù)據(jù)量化的方法去做一個(gè)延伸，然后為我們用戶(hù)體驗(yàn)和產(chǎn)品的評(píng)價(jià)去量身打造一個(gè)數(shù)據(jù)分析體系。我們?cè)趺慈プ瞿兀?/p>

為了擴(kuò)大變量信息收集的值域，得到分析中潛在數(shù)據(jù)變量變化內(nèi)容，我們把 5 級(jí)量表擴(kuò)大到 9 級(jí)，即 1-9 的打分，然后做產(chǎn)品綜合評(píng)價(jià)值的模型搭建。我們的變量問(wèn)題就不限數(shù)量，打造產(chǎn)品測(cè)評(píng)變量問(wèn)題庫(kù)，也是調(diào)研庫(kù)，我們的變量數(shù)量可根據(jù)需要設(shè)定上百乃至上千，對(duì)于模型設(shè)定都是沒(méi)有任何問(wèn)題的。每次去使用變量時(shí)，不是說(shuō)所有問(wèn)題都要去用，我們可以針對(duì)這個(gè)產(chǎn)品想調(diào)研的方向，去做篩選，這里我也是不建議項(xiàng)目變量信息超過(guò) 30 個(gè)的，因?yàn)樵俣嗟脑挘瑯颖举|(zhì)量可能就會(huì)下降。

綜合測(cè)評(píng)值是什么概念？我們要達(dá)到的目的是，在我們收集到樣本數(shù)據(jù)后，通過(guò)模型算法展示如下，給予產(chǎn)品的評(píng)價(jià)是一個(gè) 0-100 的打分，這是最直觀的樣本統(tǒng)計(jì)值。不管我們?cè)O(shè)定的變量問(wèn)題是 20 個(gè)或者 50 個(gè)，模型都會(huì)回歸給出 0-100 分區(qū)間內(nèi)的綜合評(píng)價(jià)統(tǒng)計(jì)值。

四、案例展示

下面講一些實(shí)際應(yīng)用案例。下圖冰箱測(cè)評(píng)的一個(gè)指標(biāo)體系，分了三大類(lèi)指標(biāo)，細(xì)分一級(jí)指標(biāo)有產(chǎn)品的概念、設(shè)計(jì)美學(xué)、界面設(shè)計(jì)、操作、功能，還有產(chǎn)品表現(xiàn)形態(tài)等。大指標(biāo)還可以去細(xì)分，如設(shè)計(jì)美學(xué)里可以細(xì)分為外觀、尺寸、顏色，紋理，細(xì)節(jié)等。這個(gè)標(biāo)準(zhǔn)不僅限于冰箱或家電產(chǎn)品。

再往后看分類(lèi)展現(xiàn)出的三級(jí)問(wèn)題是直接觸達(dá)用戶(hù)的，或者是讓專(zhuān)家評(píng)定給出分值的，三級(jí)變量是我們直接收集的樣本數(shù)據(jù)。而二級(jí)指標(biāo)和一級(jí)指標(biāo)都是我們?cè)诮y(tǒng)計(jì)分析模型里計(jì)算出來(lái)的統(tǒng)計(jì)值。這里陳述性的語(yǔ)句，如“這個(gè)界面好不好看、顏色我喜不喜歡”，是一個(gè)三級(jí)變量問(wèn)題的語(yǔ)句，由被測(cè)評(píng)人給出 1-9 打分。

用戶(hù)看到的可能只有下圖中的三級(jí)變量問(wèn)題，但是標(biāo)準(zhǔn)背后的設(shè)計(jì)和變量問(wèn)題權(quán)重，包括計(jì)分算法模型，以及我們的分析方法都不需要去了解。這也是單盲實(shí)驗(yàn)法中為做到樣本數(shù)據(jù)無(wú)偏激性。我們盡可能要去收集到高品質(zhì)的樣本數(shù)據(jù)，不需要把我們?cè)O(shè)計(jì)的所有內(nèi)容完全給用戶(hù)解釋清楚，這樣反而會(huì)影響用戶(hù)的判斷，因?yàn)槲覀兿Ｍ脩?hù)給最真實(shí)的反饋。

這是（如下圖所示）當(dāng)時(shí)做的遙控器的模板測(cè)評(píng)案例，測(cè)了四個(gè)模板，可能設(shè)了 48 個(gè)變量問(wèn)題，每個(gè)模板都對(duì)應(yīng)一個(gè)綜合評(píng)價(jià)值。那我怎么樣去解讀，拿遙控器 A 來(lái)舉例，81.71 分在最右側(cè)，對(duì)應(yīng) A 級(jí)，按照百分位等級(jí)來(lái)說(shuō)，它可能是比行業(yè)內(nèi) 92% 的產(chǎn)品要好。

我們用李克特對(duì)稱(chēng)量表的方式主要是做量化。如下圖所示，數(shù)據(jù)可視化展示可以用不同的顏色色段用戶(hù)評(píng)價(jià)展示出來(lái)，這里設(shè)了十個(gè)心理測(cè)評(píng)問(wèn)題，在數(shù)據(jù)編程后計(jì)算出，直接把最認(rèn)可的問(wèn)題放到最上面。

如下圖第一個(gè)問(wèn)題，“我愿意多花錢(qián)去買(mǎi)好的東西”基本上能看到 84% 的人給出了五分以上，表示認(rèn)可態(tài)度。粗略地來(lái)看，可能有 42% 的人非常贊同，當(dāng)然也有很少數(shù)的不認(rèn)可，可能是 8% 的。這樣去做分析，是想剖析到產(chǎn)品的每一個(gè)細(xì)節(jié)上，用變量信息展現(xiàn)出產(chǎn)品到底是哪里好，哪里不好。

下圖產(chǎn)品概念，把它分為二級(jí)指標(biāo)，圖中紅字其實(shí)就是代碼里的變量的名字。

通過(guò)這幾個(gè)問(wèn)題，也可以用數(shù)據(jù)量表來(lái)評(píng)價(jià)產(chǎn)品功能或產(chǎn)品概念到底是好是壞。下圖是數(shù)據(jù)可視化的呈現(xiàn)給出了數(shù)據(jù)分析效果。

用另一種形式去看，可以做對(duì)比分析。具體分析A、B、C、D，單向哪里好，哪里不好。這些統(tǒng)計(jì)結(jié)果單純是通過(guò)數(shù)據(jù)可視化展現(xiàn)出來(lái)的。

二級(jí)指標(biāo)也可以用對(duì)比分析，用這種雷達(dá)圖（下圖）來(lái)表現(xiàn)其實(shí)也很直觀。我們用量化方式，能直觀地表現(xiàn)出產(chǎn)品需求，產(chǎn)品的好壞，同時(shí)我是想用這套理論，來(lái)提示在專(zhuān)家層面上產(chǎn)品需不需要研發(fā)或改進(jìn)，或者是從用戶(hù)角度上反饋使用場(chǎng)景上哪些需要去提升。

無(wú)論作為設(shè)計(jì)師，還是產(chǎn)品的開(kāi)發(fā)方，對(duì)產(chǎn)品的好壞的評(píng)價(jià)一定要結(jié)合專(zhuān)家和用戶(hù)兩個(gè)方面去看。

第二個(gè)案例是《青島歷史建筑與傳統(tǒng)風(fēng)貌建筑保護(hù)技術(shù)導(dǎo)則》。

在評(píng)定歷史保護(hù)建筑的時(shí)候，它可能也是有一些指標(biāo)的。比如說(shuō)哪個(gè)年代，什么人去居住過(guò)等等。

作為歷史保護(hù)建筑，我們?nèi)プ鰯?shù)據(jù)評(píng)價(jià)，是想知道什么建筑是歸為幾類(lèi)保護(hù)。在知道保護(hù)級(jí)別后，不同的級(jí)別對(duì)以后建筑的翻修、使用、包括整個(gè)城市的規(guī)劃，都是有不同的方案的。

下圖是具體的兩個(gè)量表，雖然量化方式不太一樣，但最終把它的分類(lèi)變量也分到了 1-5 的級(jí)別。第一個(gè)量表是歷史風(fēng)貌建筑保存的完好程度現(xiàn)狀評(píng)估，最終統(tǒng)計(jì)值也是 0-100 的打分。

第二個(gè)量表是歷史風(fēng)貌建筑價(jià)值評(píng)估，同樣建模設(shè)定回歸為 0-100統(tǒng)計(jì)值 打分。根據(jù)樣本分布，我們把歷史與風(fēng)貌建筑現(xiàn)狀保存狀況評(píng)估，通常設(shè)定60 分及以上為較好；40-59 分為一般；39 分及以下為較差。歷史與風(fēng)貌建筑價(jià)值評(píng)估，通常設(shè)定 65 分及以上為較高；41-64 分為中等；40 分及以下為較低。

因?yàn)檫@個(gè)模型是雙量表樣本數(shù)據(jù)收集，我們最后商議的是用坐標(biāo)象限的方式來(lái)展示，縱坐標(biāo)為建筑評(píng)定價(jià)值，橫坐標(biāo)為現(xiàn)狀保存狀態(tài)，通過(guò)這樣來(lái)評(píng)價(jià)出歷史保護(hù)建筑的類(lèi)別。

五、結(jié)語(yǔ)

我們?cè)谧鰯?shù)據(jù)分析項(xiàng)目時(shí)，研究數(shù)據(jù)變量的形式其實(shí)決定了分析方法及建模。所以制定數(shù)據(jù)量化標(biāo)準(zhǔn)的工作也是非常重要的。量化數(shù)據(jù)的統(tǒng)計(jì)值的分布比較多樣，我們可以直觀了解更多潛在的信息。

制定好量化數(shù)據(jù)標(biāo)準(zhǔn)也有益于我們?nèi)ダ塾?jì)數(shù)據(jù)資產(chǎn)，不會(huì)出現(xiàn)項(xiàng)目?jī)?nèi)樣本數(shù)據(jù)僅限于項(xiàng)目?jī)?nèi)使用，無(wú)法與其他項(xiàng)目樣本數(shù)據(jù)匹配對(duì)接的情況。

最后，數(shù)據(jù)分析是一個(gè)全流程有連續(xù)性思維的過(guò)程，從數(shù)據(jù)變量的制定，變量量化標(biāo)準(zhǔn)的制定，確定采樣方法，收集樣本數(shù)據(jù)，制定分析模型一直到最后使用統(tǒng)計(jì)值做出的分析依據(jù)，需要從始至終有依據(jù)地去執(zhí)行。這也是我們做變量量化標(biāo)準(zhǔn)及制定評(píng)價(jià)類(lèi)分析體系的初衷。