你的时间都去哪了?(一)数据分析指标
目录
- 初心
- 记录及分析目的
- 第一阶段指标
- 在实验室的时间
- 番茄专注时间
- 睡眠时间
- 第二阶段指标
- 事务性时间、第二类时间等
- 与本周目标一致的时间
- 碎片时间
- 效率
- 第三阶段指标
- 应有碎片时间
- 加入应有碎片时间的效率
- 第四阶段指标
- 是否喝咖啡
- 是否运动
- 是否冥想
你的时间都去哪了?(一)数据分析指标(点击跳转)
你的时间都去哪了?(二)python处理(点击跳转)
你的时间都去哪了?(三)时间利用情况分析报告(点击跳转)
初心
人们永远无法管理不能量化的东西。 —彼得.德鲁克
大多数人都有记录某一部分时间花费的情况,比如用番茄数来衡量今日的专注程度
不知道大家会不会有这种情况,在某一件事失败后有当时我如果再努力一些就好了。
很多人都会觉得时间过的很快,往往一个月过去了,一周过去了,自己很忙,但是写周报月报的时候好像又没有什么可以写。
我时间记录及分析的初心:就是为了让自己明白时间都花在了哪里,当某件事效果不好的时候,或者得到别人的负面评价的时候,我可以真实的分析出来,我是花的时间不够,还是我的方法不对,比如是不是假学习,比如是不是拖延。
在真正记录并能分析总结一些规律之后,让我认识到,我好像很喜欢分析。
当接触了数据分析之后,我发现,数据分析可以使我更好从各个层面去得出更多的规律,而并不仅仅是局部或者感觉。
这样的量化,是我通过管理自己,不断迭代达到的状态。
记录及分析目的
1.衡量在实验室的学习状态
2.每天花在学习及其他各项事务上的时间
3.分析睡眠情况,睡眠周期等。
4.在某项事务完成后可以统计该项事务一共花费的时间
第一阶段指标
在实验室的时间
因为读研期间,每天最多的时间是花在实验室,但又有一定的自由,不会像上课必须签到一样那么严格,有其他情况,也可以向导师请假。在实验室的时间在一定程度上表征了,今天我是否愿意学习。
番茄专注时间
为了衡量自己每天专注学习的时间,只记录掐表专注的学习时间,但往往会由于专注于把事情搞完,而忘了持续性的掐表。
睡眠时间
为了评估自己的休息状态,以及了解自己充分休息需要多少睡眠周期。
第一阶段的时间统计如下:每天自己手算整理上去,很不好统计也很不好坚持。
第二阶段指标
第二阶段接触了表格记录之后,发现统计等工作更好处理。
并且可以手动分类,最后汇总即可。
第二阶段的记录情况如下:
第二阶段的分类情况如下:
【每一个阶段分类的设计就是自己的自传】需要定期整理归类。
事务性时间、第二类时间等
事务性时间:花在洗漱吃饭等日常必要事务上的时间,往往比我们想象更多。
第二类时间:各种学习之外,社交、运动、玩手机等时间的衡量。
与本周目标一致的时间
有的时候会拖延,不想学习,就会去知乎或哔哩哔哩上看一些管理、营销方面的东西。
与本周目标一致的时间,可以衡量是否是拖延型的学习。
碎片时间
工作时间=启动时间+专注时间+碎片时间\text{工作时间}=\text{启动时间}+\text{专注时间}+\text{碎片时间} 工作时间=启动时间+专注时间+碎片时间
启动时间:拖延的状态。
专注时间:做事情的状态
碎片时间:可能会被打断,打断产生的时间状态 容易被忽略的一个时间。
启动时间和碎片时间其实有点像游戏中的攻击前摇攻击后摇。
比如说,我计划2.00-3.30调代码,现在2.15,我接到导师通知2.30开会,
那么2.15-2.30之间的时间,我可能倒杯水,去趟洗手间。
开完会3.00,我再去趟洗手间,说说话,看看微信消息,再开始看代码3.30了。
并且启动时间可能还要10分钟,但一般进入状态不会想到记录,所以这个只能是个大概。强行记录会打断专注。意义不大。
那么2.15-2.30,3.00-3.30,这45min就是这次的碎片时间
正常的休息时间也记录为碎片时间
哈佛商业评论曾经有文章指出:注意力集中处理事情的时间通常为1h12min 。
累的原因是碎片时间太多,专注时间太少。
效率
效率=工作量(w)启动时间(t1)+专注时间(t2)+碎片时间(t3)\text{效率}=\frac{\,\,\text{工作量\,\,}\left( \text{w} \right)}{\,\,\text{启动时间\,\,}\left( t_1 \right) +\,\,\text{专注时间\,\,}\left( t_2 \right) +\,\,\text{碎片\,\,时间\,\,}\left( t_3 \right)} 效率=启动时间(t1)+专注时间(t2)+碎片时间(t3)工作量(w)
但是工作量比较难量化,所以这里做出假设,某一人生阶段,单位专注时间可以产出的工作量是相同的。
效率公式转化如下:
效率=专注时间(t2)启动时间(t1)+专注时间(t2)+碎片时间(t3)\text{效率}=\frac{\,\,\text{专注时间}\left( t_2 \right)}{\,\,\text{启动时间}\left( t_1 \right) +\,\,\text{专注时间}\left( t_2 \right) +\,\,\text{碎片时间}\left( t_3 \right)} 效率=启动时间(t1)+专注时间(t2)+碎片时间(t3)专注时间(t2)
第三阶段指标
在计算上述效率之后,发现只有50%,60%,就很沮丧,会导致自己对个人评价低,这不是我们时间分析的目的,效率评估的设计是为了让我们知道自己的情况之后,更高的提升自己的效率。
如果我再努力都达不到,“大脑就会产生一种,为什么还要努力?”的潜意识
这里涉及一个营销心理学的效应:
「集点数换优惠」也是常见运用稟赋效应,刺激顾客消费的方法之一。以洗车厂的集点卡為例,假设消费者每次洗车,都可以在卡片上盖1个章,把卡片盖满,就能换1次免费洗车。现在来做个实验:有一半顾客必须集满10个章,才能免费洗车,但是一开始卡片上就已附赠了2个章,做為小礼物,消费者只要再集8个章就能盖满集点卡;另一半顾客拿到的卡片则没有附赠任何章,但是只要集8个章就能换免费洗车。
明明两组人都只需要付费洗车8次,就能换得1次免费服务。实验结果出炉,比起没拿到预盖卡片的顾客,一开始就有2个章的消费者更加愿意把集点卡集满,两组人数差了1倍。最初就有两个章的卡片持有者,显然放大了印章的价值,激发出想要完成整个过程的目标。
所以此处加入应有碎片时间,也就是保证高效专注的正常休息时间。
应有碎片时间
效率是为了评估个人的状态,人是需要相应正反馈的,如果付出了努力,但是每天的效率还是不达标,或者数据很差,那这个评估是会打击积极性的,就完全与效率评估的初衷背道而驰。所以将正常必要的【休息】时间加入进来。作为正常的【应有碎片时间】,应有碎片时间的计算方式是⅓的专注时间,也就是专注干活45分钟,休息15分钟。
《番茄工作法》及各类书记课程按工作内容不同的专注度,休息长度衍生的各种休息间隔如下。以下常见的三种休息方法,比值等价。
- 专注干活45分钟,休息15分钟.比率为三分之一
- 专注1.5h休息0.5h。比率为三分之一
- 专注一个番茄25分钟,休息5分钟,三个番茄后休息15分钟。干活总时间为75分钟,休息时间为25分钟,比值也为三分之一
analysis_lab_time['应有碎片时间']=analysis_lab_time['与目标一致专注合计']/3#专注45分钟,休息15分钟
加入应有碎片时间的效率
效率=专注时间+应有碎片时间(休息时间)启动时间+专注时间+碎片时间=专注时间+应有碎片时间(休息时间)在实验室的时间−强制时间\text{效率}=\frac{\,\,\text{专注时间}+\text{应有碎片时间}\left( \text{休息时间} \right)}{\,\,\text{启动时间}+\text{专注时间}+\,\,\text{碎片时间}} \\ =\frac{\,\,\text{专注时间}+\text{应有碎片时间}\left( \text{休息时间} \right)}{\,\,\text{在实验室的时间}-\text{强制时间}} 效率=启动时间+专注时间+碎片时间专注时间+应有碎片时间(休息时间)=在实验室的时间−强制时间专注时间+应有碎片时间(休息时间)
强制时间:开会等必须参加的时间。不是有关于自己进度的会议。
这样计算之后的效率,就是实实在在把握在自己手中的可以用于干活并且保证精力恢复的时间。
也可以很好地评估,在实验室的学习状态,是不是一直在玩手机、刷网页。
即使做自己喜欢在学习的事务,不是导师要求的科研,也比无意识浪费时间要来的好。
加入应有碎片时间的效率如下图
通过求每周相同工作日的平均效率,发现效率可以提高专注时间就超超超开心,这是之前单独记录时间,手动分析没有办法得出的结论。
这里是分隔线,下面的还没有做=========
第四阶段指标
通过不断学习,计划通过分析以下特征与专注的相关性,来形成提高专注度的策略。
是否喝咖啡
发现喝咖啡的时候个人的专注体验感会更高,但是不知道实际效果,所以后续计划,把是否摄入咖啡因加入进来。
是否运动
是否冥想
如果一段时间状态很差,觉得人生没有什么希望,不想努力,不知道自己做的这些有什么意义,那就要考虑一下最近是否没有运动,没有冥想,没有阅读了。
上面这句话可能只有经历过的人才会有共鸣。
有些心理上的崩溃,可以从生理上去改善。心身本一体。
你的时间都去哪了?(一)数据分析指标(点击跳转)
你的时间都去哪了?(二)python处理(点击跳转)
你的时间都去哪了?(三)时间利用情况分析报告(点击跳转)
另外有木有志同道合的小宝贝呀,微信号 Anuanfw
你的时间都去哪了?(一)数据分析指标相关推荐
- 退出页面 数据保留_设计师常用的数据分析指标
原文地址:Viksea的设计思考(公众号) 作者:Viksea 随着互联网由人口红利的1.0时代转向精益发展的2.0时代,各个互联网公司除了正常的拉新之外,会将更多的精力投入到针对已有用户的精细化深度 ...
- hive 常用数据分析指标 - 网页访问数据指标 - 用户活跃度指标 - 付费行为指标
文章目录 一.网页访问数据指标 1. UV (UniqueVisitor)独立访客 2. PV(Page View)网页浏览量 3.(Internet Protocol)独立IP 4. BR(Boun ...
- 电商平台大数据分析指标
一.五大关键数据分析指标 1.1活跃用户量 活跃用户量是一个基本的指标,有 DAU(日活跃用户).WAU(周活跃用户)和 MAU(月活跃用户)三个层次: 1.2转化 转化是一个非常重要的指标,电商运营 ...
- 一文细数100+个数据分析指标
一文细数100+个数据分析指标 一.用户数据指标 IP(Internet Protocol) UV(Unique Visitor) PV(Page View) VV(Visit View) DAU(D ...
- 数据分析指标篇——指标设计
数据指标,并不是数据分析和业务同学的专属模块.日常会用到数据指标的,还包括开发(比如机器资源利用率,选仓选配计算平均时长等),产品(自动罚款功能使用率,自动调拨推荐转换率等),以及测试.设计等等. 精 ...
- 用户运营常用数据分析指标汇总
本文链接:https://blog.csdn.net/weixin_42058609/article/details/80847567 在马云宣称的DT时代,作为产品人员,日常与数据指标打交道已成为一 ...
- 提升产品运营力:用户运营常用数据分析指标汇总
在运营工作中会接触到不同种类的数据指标,这些指标往往都是已经设定好的,我们需要根据指标推动业务发展.依据平台性质不同以及运营重点需要,我们最常用的数据指标首当其冲就是用户指标了. 在马云宣称的DT时代 ...
- 【Kay】电商数据分析指标拆解
Q:电商数据分析指标万能套路?(销售额GMV下降20%) 首先下降25%肯定是不正常的.我会先确认统计口径没有发生变化,以及统计数据的准确性.如果数据确认无误的话: 一.考虑外部因素: 经典的PEST ...
- 数据分析指标名词解释
数据分析指标名词解释 名词解释 维度 指人们分析事物的角度.比如,分析活跃用户,可以从时间的维度,也可以从地域的维度去看,也可以时间.地域两个维度组合去分析. 有层次关系的维度,就可以根据分析需求改变 ...
- 数据分析指标和术语概述
数据分析指标和术语概述 01 绝对数和相对数 02 百分比和百分点 03 频数和频率 04 比例与比率 05 倍数和番数 06 同比和环比 07 变量 08 连续变量 09 离散变量 10 定性变量 ...
最新文章
- IDNO简单生成方法
- 让Windows下Git和TortoiseGit支持中文文件名/UTF-8
- delphi7注册码
- html暗边框属性,HTML表格标记教程(30):单元格的暗边框色属性BORDERCOLORDARK
- ML in Action 决策树
- 使用GBDT+LR作点击率预测
- 51单片机 简易光电循迹小车
- 41、OrthoMCL和mcl软件进行基因家族分析
- 公司用的非标普通自动化用单片机还是plc_PLC的介绍
- Spark Streaming之Window Operations操作和解析
- postman使用教程,接口自动化测试
- MagicZoom bug-Strict Standards: Only variables should be assigned by reference Error
- 网盘和云备份 区别在哪里
- C语言函数库之字符串拷贝函数(string.h)
- 3步接入顺丰快递云打印电子面单接口API
- 签名格式 - 职场 Email 礼仪
- Servlet 身份验证体系结构(源码)
- 国内开源镜像站地址汇总
- Phoshop证件照换底色(红底换蓝底、白底)
- Gimp去除图片背景色方法