粉丝1.5万获赞3.8万


现在进行主要农作物涨势监测成果应用培训,主要分四方面进行讲解,一是涨势监测原理,二是监测方法,三是监测成果,四是监测分析报告。首先介绍涨势监测原理。 主要农作物长视遥感监测是指对主要农作物的生长状况及其变化的全覆盖监测,通过遥感植被指数反映主要农作物生长状况及趋势。农 农作物长势监测对于反应农情变化、指导农业生产具有重要意义。遥感植被指数是通过选用多光谱遥感数据经分析运算 产生,对植被长势、生物量等有一定只是意义的数值。常用的植被指数有笔直植被指数 riveri、 归一化植被指数 n v 差距环境植被指数 dvi、 增强型植被指数 ev、 力度植被指数 gyi、 垂直植被指数 py 等,用以定性、核定量的评价植被覆盖、生长活力及生物量等。在 在农业统计遥感中,主要使用基于中低分辨率的卫星遥感影像数据计算 and 为值作为评价农作物涨势情况的主要指标。植被光谱的典型特征是由于叶绿素的强烈吸收,在可见光区域反射率总体很低, 在绿波段存在相对峰值,近红外区域出现突然的抬升,而作为背景的土壤光谱则相对平缓。定量化的描述植被的这种显著特征称为植被指数 位,是当前国内外作物长势遥感监测应用中最为通用的遥感植被指数计算。该指数所使用的红光波段和近红外波段是绝大多数遥感影像数据都包 包含的波段数据获取相对容易。植被指数计算公式如图所示,公式中一、二和二分别代表进红外波段和红光波段的反射。绿植 nv 的曲直在负一到一之间。一般情况下,副直表示地面覆盖,为云、水、雪等。对可见光高反射 一般表示有岩石或罗土等。尼尔和阿尔近似相等。正直表示有植被覆盖,且随覆盖度增大而增大, 结果接近一时,表明有高密度植物的可能性。下面介绍监测方法。监测影像数据为 250 米的 modis 数据, 覆盖监测区域的一个监测周期内每天的影像数据。同比涨势需准备今年和去年在同一监测周期内的影像数据。据评涨势需准备今年和过去五年在同一监测周期内 的影像数据。同比就是与上年同期对比,据评就是与常年同期对比。空间分布测量数据是使用农作物种植用地数据裁切后的冬小麦、 玉米、大豆、中道和碗道主要农作物空间分布测量数据。简单来说就是 nv 直扎空分成果生成、裁剪成果。农作物地块相对涨势的好或差 是由农作物在本年监测时段遥感影像的每个价格点上的 n 位值与期期同一时间段 n 位的比值来进行判断的。当比值大于一点一时,表明本年地块涨势为好。比 笔直在零点九至一点一之间时,表明本年地块涨势为持平。当笔值小于零点九时,表明本年地块涨势为差。期期就是上年或长年。下面介绍监测成果农作 作物长势同比变化。图中每种农作物以红绿色系按照好于少年、持平不及少年分三级制作一张图,红色为不及少年,黄色为持平,绿色为好于少年。 农作物长势巨平变化图中每种农作物以红绿色系按照好于长年、持平、不及长年分三级制作一张图,红色为不及长年,黄色为持平, 绿色为好于常年。根据长势监测同比数之来看,比之小于 0 9 是不及少年。比之在 0 9 至 1 亿之间是跟少年持平。比之大于 1 1 是好于上年。 根据涨势监测巨评数值来看,比之小于零点九是不及常年。比之在零点九至一点一之间,是跟常年持平,比之大于一点一是 好于常年。最后,介绍如何撰写监测分析报告。第一步,要进行实地调研,根据遥感涨势监测成果,但 调查了解作物的实际涨势情况以及与本次遥感监测结果的符合度。对于涨势不及上年或长年的区域,要 到实地调研是否发生自然灾害、病程灾害等情况,掌握对当地农业的影响程度,了解田间管理面临的主要问题。同时结合监测时间段的农业气象资料、 农勤监测村的反馈信息、农户的反应等因素来进行综合分析。第二步,结合遥感监测结果和实地调研情况,对农作物涨势情况进行概述。多种农作物的监测结果及分析概述可以写在一份监测报告中。


大家好,欢迎来到阿里天池的深度学习系列课程,本次课程的内容是深度学习优化标准化方法与词画方法。 本次课程包含两个部分,标准方法,词画方法啊,之所以把他们当做一起来讲呢,是因为他们都是对这个特征图的处理,并且呢在一定程度上有助于模型的训练以及放缓能力。 下面呢我们首先来看第一部分标准化方法,那么标准化呢,或者说规划呢,它本身呢是一个数据预处理操作,那么我们 常见的数据预处理,或者说常见的这种规划方法呢,这里面有几种?第一种呢是线性规划方法,那么所谓的线性规划方法,就是用这个 最大最小值去进行规划,比如说 y 等于 x, 减去 x 最小值,得除以 x 最大值, j 最小值, 那么他呢实现了一个线性拉伸的效果。我们这里面的左下角的这幅图呢,采用的就是线性规划方法去进行对比度的一个拉伸,这个呢在早期的图像处理里面用于对图像进行增强。第二个呢叫做零菌值规划,或者做 cs 各标准化方法, 这个方法呢就是减去均值,然后再除以分叉,那么他呢可以去将一个分布把它规划成一个标准的正太分布。 第三个呢,这个也是图像树底里面的一个比较常见的标准化方法,叫做直放头均衡化,那么这个直方的 均衡化呢,他是对这个脂肪头来进行过硬化操作,那么我们首先要计算这个脂肪头的概率,计算完概率之后呢,我们再得到他的累积概率分布,也就是这里面的 cdb cdp 阿 k 就是累积概率分布,得到了累积概率分布之后,然后我们再经过一个反射变化,就是这里面的 trk 等于 取整这样的一个操作,那么然后再将这个 t 作为一个变换,那么这样的一个直方的均衡画这个方法有什么用呢?我们看右下角这个图, 右下角这个图我们看到啊,上面这个图呢是一个原图,这个原图呢它的对比度比较低,然后我们看到右边这个指缝中的分布,发现它的灰度的主要是分布在 哎零到一百之间。然后我们看下面这个图,下面这个图呢就是对他经过脂肪的均衡化之后的结果,我们看到经过脂肪的菌膨化之后,这个整个图像的亮度对比度得到了极大的提升, 然后我们再看他的一个折放度的分布,我们发现他的一个亮度分布呢更加均匀,这个呢也是直放的均衡化的得名。 所以从这里面这几个标准化方法我们可以看出啊,在这个图像处理领域里面,它是有助于让这个图像的可辨识度变得更高,让这个或者说让这个数据呢变得更加有效。 那么具体来说呢,规划呢,他有这么一些作用。第一个呢可以去除晾干的干扰,所谓去除晾干的干扰就是我 一个数据,他不同的维度呢,可能有不同的量刚,比如说对一个人去取他的一系列特征,那么包括他的年龄,那么可能是三十岁, 那么身高一百七十厘米,然后性别可能就是男或者女,就是零或者一,然后他的收入年薪可能是五十万,那么我们可以看到这里面的他的一个各个维度的数据, 他们之间就有很大的差异,从一到五十万,那么这样有六个数量级的差距。如果说我们不对每一个特征去给他进行规划,去进行标准化的话,那么这些很小的特征 在模型去拿去学习的时候,那么他的侧身肯定就会被淹没掉啊,这个呢就是去除晾缸的干扰。第二个呢 就是保证数据的有效性,我们对一个对一个特征进行规划呢,有助于这个数据他一直在一个稳定的区间, 那么一直在一个稳定的区间,就是可以去稳定这个对于这个卷曲神经网络或者说神经网络来说,在前线的过程中,我们可以去保证他的激活之有效。比如说我们看右边这样的一个图,右边这样的一个图 就是我们前面讲过的是一个慢的和太阳 a 全函数以及他的梯度。那么这样的函数呢,他们啊在这个负五到五差不多这样的一个区间呢,他是 有比较明显的指,然后如果超出这个区间呢,它的指非常小,或者说它处于一个饱和区,如果说我们没有进去规划这个数据,超出了这个区间,那么这些指 那都是一些无效的值,那么他会影响这个形象传播的激活值,同时呢也会影响这个反向传播的有效的梯度,所以呢我们通过规划可以让他们去储到一个比较合适的区间。 第三个呢叫做稳定数据分布,那么知道一个相同学习模型,他有很多的网络成,有很多的网络成,假如说在某一层他的数据分布已经开始有比较明显的偏移了,那么在接下来呢,很有可能这个问题可能会加剧啊, 偏的越来越厉害,这样的一个概念呢,在这个论文里面呢,有一个比较正式的名字叫做内部鞋变料,内部鞋变量便宜,那总的来说这样的一个意思呢,就是说啊,随着某一层这样的一个数 就开始偏移,到了后面他变得越来越厉害,就像我们这个盖房子一样的,第一层歪了,到了后面就越来越歪,那么这样的一个问题呢啊,也是会影响深度学习模型的训练,那么规划呢,可以去 缓解这样的一个问题,那么他有这样三个作用,所以呢,我们在一个深度学习模型的训练里面呢,通常都会去做这样的规划,或者说标准化操作。那么这里面呢,我们再来看一下这个标准化的正式的定义, 叫做掰扯动物来筛选,反应过来就是批标准化方法。那么我们看一下这个掰扯动物来筛选是怎么定义的。假设这个神经网络某一层一个败写的输入,我们假设有 n 个样本, n 个 x 这样的一个项链, 表示这里面的这个 i 呢表示 x, i 呢表示一个样本,然后 n 呢是它的 battlex 的大小,表示有 n 个样本。那么在这个卷就神经网络中一个数据,我们在前面说过,它是通过一个高维的特征来表示, 那么通常来说是四维啊,包括 nc, h, w, 这个 n 呢就是 bicl, 就是这个 b 型,就是数量,这是样本的数量。

大家好,我是君磊,今天呢,咱们来讲几种比较常见的数据转换的方式啊,标准化啊,中心化和皈依化 啊,就是我们在做模型的时候啊,对于那种亮缸不统一的数据啊,需要做一件转换才能进行啊,模型构建,当然大多数的时候啊,就是那个我们用的工具啊,比如说 spss 啊, amos, mplus 都可以那个, 呃,自动化的给我们处理啊,但是呢,我们也要了解啊,这几种啊,标准化啊,中心化啊,归一化,他们的区别哈,因为有个同学跟我咨询的时候老是混淆哈, 好,我们先来看这三种转换的公式哈,那我们先来看这个标准化,标准化呢,它的本质啊,是将这个数据转换成啊,均值为零,标准差为 唯一的啊,这样一个数据啊,当然他是不会破坏这个数据的分布的啊,那么 转换的时候啊,就是那个 x 啊,减去这个这一列的这个变量的这个均值,再除以这个变量的这个变数差就可以了。 那我们在做回归分析的时候,哎,包括我们做结构方程那里面那个标准化的系数啊,都是与这个标准化处理有关的啊,我们可以自己等会测试一下啊,就是我们如果对数据进行了标准化啊,比如求一个 zsgar 啊, 然后再去跑回归那个非标准化系数,是等于那个标准化系数的啊,好,这个是标准化,我们再看中心化啊,中心化呢,他是将这个数据啊,按照他的均值进行平移啊,比如这一列的数据同时减, 减去一,同时减去二,那么他就会平移吗?对吧?那么这时候呢,如果减去均值啊,减去他的直接的均值就叫中心化,那么中心化呢?一般是我们是用在这个交互线的构建上才去使用这个中心化啊,平时的时候一般用的不多啊。 好,我们再来看这个规划,规划又叫最大最小规划啊,他是什么意思呢?他是将我们这个数据啊放缩到零和一之间啊,不论你的数据多大或者是多小 啊,这个极差,那么他都可以将这个数据放缩到一个,呃,零到一之间啊,所以它的公式呢就是,嗯,当前的这个 x 啊,减去啊这一列这个变量的最小值啊,然后除以他们的极差,也就是最大值,最小值之差, 那么这个变量呢,它的最大值就是一吗?对吧?如果这个地方是最大值,那么这个地方就是一,如果这里最小值,这里就是零,所以呢,规划之后的数据就在零和一之间啊,零和一之间。 好,我们接着一个数据来将这三种转换来做一下啊,这个最简单的呢,就是这个标准化,我们在做这个瞄准统计的时候啊, 描述啊,分析描述,统计描述,他左下角有一个啊,将标准化得分另存为变量,也就是计算一个 z s go 啊,就是他的标准化得分啊。好,我们把这三个面拖进来,然后在这把这勾上 点击确定,就会发现后面多了一个,多了三个变量,这个呢就是他们的一个标准化得分啊,标准化得分。好,那这时候呢,我们在做这个中心化和皈依化啊, 首先需要把这一列的他们三个这一列的这个均值啊,最小值,最大值啊,给他求出来,所以呢,我们就点击转换啊,转换里面有啊,不对,不对啊,数据,数据里面有个汇总啊,汇总啊,好,我们把这三个啊 拖进来,然后这是均值,然后我们这再把这三个选中,再拖进来,我们选一个函数最小值啊,然后我们再把这三个拖进来, 选择函数,哎,选中之后再选择函数啊,最大值,好,嗯,这时候啊,就会把这三个变量的均值最小值,最大值求出来啊, 好,就是在后面了,其实这一类的值都是一样的啊,都是一样的,好,有了这个最大值,最小值,均值之后我们就可以进 行呃,这个变量计算了哈,我们首先把中心化计算一下啊,点击转换,转换里面有个计算通知一下哈啊,比如说中心化, 中心化点赞就等于点赞减去点赞均值,对吧?就中心化, 然后我们再点这个收藏 收藏, 然后就是这个 啊,浏览量可以直接这样点过来啊, 中心化浏览量,好,刚才好像有个地方,这个地方这个地方错了啊, 改一下文化收藏, 看啊,这三个变量就是那个中心化,好,把这个去掉啊,好,下面呢我们再做一下这个皈依化啊,然后点击计算变量 规划的收藏,点赞吧,规划呢,就是他是呃,点赞减去他的最小值,然后除以 点赞的最大值,减去点赞的最小值,就这样,对吧?这规划的点赞,然后我们规划的收藏, 嗯,复制一下吧。 好,规划收藏,然后呢我们再做一下规划的浏览, 好啊,这样呢,后面就有了这几个变量了啊,中心化点赞,周心化收藏,把周心化收藏放在这边吧。 好,中心化点赞,中心化收藏,中心化浏览啊,规划点赞,规划收藏、规划浏览,再加上前面这个 z score 的这个,对吧?就是标准化的。好,我们现在呢,我们可以分析一下它的免税统计啊,把这个勾掉, 然后这三个是那个原始的,我们再把 disco 放进来,然后再把中心化归一化的这几个变量放进来,我们看一下他的这个,呃,最大最小值均值变差。好,我们来看一下这三个变量在经历了不 不同的转换之后,他们的瞄准统计,我们这里稍微放大一下啊,放大,放大, 我们来看一下这三个变量,我们可以看到啊,他们的最小值和最大的值以及均值和变量差都是差的很大啊,说明他们的量缸是不同的啊,但是经历过了标准化处理之后,他们的均值和变量差都变成了零和一,对吧, 而这最大值最小值都放送到了这个,呃,零附近啊,基本上是一点几和二点几啊,这样之间啊, 然后中心化的中心化是这样,他们因为他们都是平移着自己的均值,所以他们均值都是零,因,因为平移了均值,所以他们的那个差值浮动没有变化,所以呢,标准差是跟原来是 一样的啊,一样的,但是呢,那个这个均值和最大值最小值是发生了变化,因为他平移了吗?基本都是原来的这个值减去了这个均值的,就是他的最大值和最小值这样一个变化啊,比如说我原来最小值是三,那三减去这个啊,就是他这个最小值的这个值,对吧? 好,我们再来看皈依化,皈依化很明显他最大值最小值变成了一和零啊,最小值是零,大值是一, 都是这样的啊,啊,这就是他的一个呃,比较好的一个特点啊,就是当我们在对一些呃亮缸不同的变量进行加减的时候啊,用规划是比较方便的啊,比较方便的。 好好,我们再来看一下这几个变量这相关性有没有发生变化, 做一下这个相关啊,我们先做一下原始的啊,原始的对吧?零点零点四五五,零点八八七,零点八零三啊,大家可以猜一下会不会发生变化, 会不会不会那个相关系数发生变化啊?我看啊是不是没有变化,对吧?那中心化呢? 中心化也是没有变化的啊,对吧?包括我们啊,包括我们去做回归啊,进行这样转换之后他们的回归的系数啊。 啊,当然不是说非标准化系数啊,标准化系数是不会发生变化的。好,我们再来刨几个回归给大家看一下啊,就比如说我们现在做一个回归啊,我们是以这个浏览量为音变量,以点赞 和收藏为啊自变量啊,这样做一回归,那这样是原始的啊,没有经过任何转换之后的这样一个回归啊, 看着啊,这标准化系数是零点六、零点五,这飞镖是四和一百啊,如果他们原始数据这亮杠不统一啊,对吧?他们是无法进行啊,通过非标准化系数进行比较的,只能是通过标准化系数进行比较,对吧?这个以前也讲过啊, 好,我们再换一个,把它换成这个 z 分数啊, 我们可以看到啊,这个 z 分数之后啊,这个标准化系数的这样一个。呃,啊,非标准化系数和标准化系数是一样的啊,我们就可以知道啊,就是他这个标准化系数计算背后是先经过了一层呃,标准化处理的,对吧?好,我们再来看这 这个再换一个,换中心化,中心化他这个也是一样,他们的边缘化系数不会是不会变化啊,对吧?只有这个非边缘化系数是变化的。 好,我们再来换换最后一个规划,规划也是一样的啊,他们的飞标上系数会发生变化,但是标准化系数是还是这样,六五六零点五七,对吧,对吧?好, 好,我们讲几个,就是编程化处理的一个技巧啊。呃,比如说编程化处理是可以编程化的,系数是可以比较大小的,这个我们已经知道了哈。啊,第二就是我们中介效应啊,啊,如果过小虽然显著,但是很小, 那这个时候呢,你就可以去看一下你是用的这个呃标准化的系数形成的这个中介效应还是非 非标准化的这个中介效应啊?如果是你是用的非标准化的啊,就可以先求 zsgo 在做啊,那么这时候出来的效应就是标准化的效应啊,当然我们那用那个 prad 三点四和 prc 的四点零啊,他会给你产出一个标准化的中介效应,那个也可以哈。 好,呃,我们再看啊,如果是调节线,交互项系数过小,但是显著啊,就如果是你的交互项系数虽然显著,比如说你交互项成是成立的啊,条线成立,但是你的交互项系数过小,这十有八九是你用了 非标准化系数啊,这时候呢建议你先求 zsgar 再进行标准化啊系数啊啊,这样他那个系数就会用标准化系数,那这时候就会比原来的时候稍微大一点啊,这样呢就会不会导 是这个啊,斜率图啊,不明显啊啊,就会使那个趋势更明显一点,更明显一点,这是一个技巧啊,大家可以试一下啊 啊关于这中心化的啊,就是只讲这一点啊,就是那个我们一般啊是在构建交互项的时候啊,才使用中心化啊,或者叫去中心化,所以我们在论文当中就会看到啊,我们在构建交互项时,对吧,对谁和谁啊进行中心化处理。那这个中心化呢,在我们的这个 s p s s 的跑赛的这个程程序里面啊,程序里面在这个设置里面就是勾这个啊, mean center 啊,这个就是啊,去中心化啊去中心化。 好我们再来看这个皈依话啊,皈依话呢就一般呢,我们是刚才我也 说了一般就是我们在对亮缸不统一的这样一些指标进行加减操作的时候啊,会对它进行标准化完规划处理啊,比如说啊,毕业的顺利度等于零点一乘以投币次数, 零点一乘以点赞次数啊,加上零点一乘以收藏次数,加上零点七乘以投入度,那这样一个公式, 他这里的投币次数、点赞次数、收藏次数和投入度他是不能够直接相乘呃形成这样一个毕业顺利度的对吧? 那那需要先对这个投币次数、点赞次数和收藏次数进行归一化啊,然后再乘以一个零点一一啊,同样的这个投入度也需要归一化,对吧?然后先乘以他的权重再相加啊?就比如我们这里啊,这个数据,对吧?像, 嗯,就这个数据啊,像这个地方规划后面这这三列,如果我们通过这三列形成一个变量,我们就可以通过,呃,转换啊计算,比如这个就叫什么 b 站,哎,哦, no, b 站投入度,对吧?就可以用一个什么零点三乘以 乘以这个加上零点四乘以收藏, 再加上零点三乘以浏览量。好,那这样呢?他就可以形成一个投入度,对吧?就随便找 指标,那这个指标,我们看这个指标他也是在零到一之间的啊,我们可以,我们可以对其进行秒数统计一下。 嗯,这个值也是在零到一之间的,因为这三个值的亮光是统一的,所以他们呃,乘以要权重下降的时候,他的这个值啊也是在零到一之间的,对吧? 好,那我们今天的视频就到这里了,我们下期再见。

同学们好,我是刘江老师。系统集成项目管理工程师考试打卡挑战第十一天。今天我们要讲的考点是皈依化评估。 首先呢,还是解决一下昨天留的问题。昨天啊,我们要讲了供应商的内部立项问题。是这样的,针对新中标的某政务工程项目,系统集成商在进行内部立项时,立项内容一般不包括什么。 关于立项内容啊,给大家总结了四字的口诀,叫做孤分人精。那分配呢?有分, 项目经理呢?有经。然后呢?有任务书呢?有任。好, 就差一个估了,对不对?估呢,是项目资源的估算好了,不正确的呀,就是 c 选项可行性研究。可行性研究呢,不是供应商或者集成商做的工作,而是呢,建设单位他需要去做的工作。 来看啊。今天的内容叫做归一化评估。提到这个归一化评估啊,好多同学都特别的头疼, 不知道这个规律化评估啊,到底是干什么的,怎么去算。那今天呢,我就用一个视频, 让你明白什么是规律化评估,它的实质到底是什么。讲这个之前啊,我们先聊一点开心的事。哎,你现在想象一下,想象你 考完了之后,查成绩的时候,发现你上午下午全考了四十五分,是不是天大的好事啊,一分都不多,一分都不少。 嗯,你很兴奋,你去跟你朋友说,告诉你一个好消息,我系统集成考试四十五分。你的朋友说,哎,他不明白,他没考过,说才四十五分,你这么点分,高兴啥?哎,你就说了,四十五分就是刚好及格啊。 那你的朋友该疑惑了,这个考试这么简单吗?哈,六十分都不到就算及格了。 哎,你就要跟他解释什么呀?什么哎,不简单啊,满分就七十五分,四十五分就相当于六十分及格了,是不是啊?你的朋友说那这是为什么?哎,你想一想, 我怎么跟他解释?我怎么跟他解释?我现在考四十五分,就相当于满分一百分的六十分呢。同学们啊,其实这就是皈依化评估要做的事情。所谓皈依化,其实就是百分化。 那你想想,你怎么跟他解释呢?你是不是要这样做?你看我不是得了四十五分吗?满分不是七十五分吗?我让四十五除以七十,然后再乘以一百,不就是六十分吗? 现在我要告诉你,你这个计算过程,其实就是规划评估的计算公式。 这个时候你肯定觉得老师在骗你哈,因为你知道了,规划评估他的计算工程很复杂的,根本就没这么简单。来,我给你解释一下。 确实你看到的规划评估啊,是很复杂,但是我要告诉你,他其实就是这个一百乘以实际得分除以满分,你信吗? 不信我来给你解释一下啊。首先你要明白呢,规划评估呢是干什么的?他是在这个供应商啊,或者叫系统集成商,他们去投标一个项目之前要做的这个工作。比如说,哎,有一个建设单位说,哎,我这有一个项目,你们来投标吧。 那你去不去投标呢?这个项目值不值得去,怎么做决定呢?拍脑门吗?拍大腿吗?都不行。是不是值不值得去投标?这个项目值不值得做最好啊,要给他一个量化的东西。什么叫量化?就是 你能让我看得见的。所以啊,比如很多公司,他会对这个项目进行一个评估,然后给他打分。比如说啊,他的分数低于六十分的话,这个项目我不去碰,然后高于六十分的,我才去投。 好了。假如说现在来了一个项目啊,你看这个表,这个表呢,就是我们教材里边这个表格啊,假如说现在来了一个项目,这个项目呢,我要对他进行评估了。 然后这个供应商呢,他有这么一个表,他准备对这个项目啊,从以下十个方面进行评估,比如毛利率、利润额,然后难易程度啊等等。这些 十个方面。那怎么去评估呢?他肯定要对待每一项进行打分了。怎么打 哎。首先比如说我们看毛利率,那如果啊,他经过评估发现这个项目的毛利率是低于百分之零的好,他的得分就是零,然后低于百分之五呢,那就是一。 然后呢,哎,这个项目我经过评估了以后发现啊,他的毛利率是低于百分之二十好,他的得分就是三,评估结果就是三。 也就是说这个评估结果是从哪来的呢?注意是从这个评估级。嗯,级别说明里边找出来的。 这个评估级别说明里边啊,他从零到五,也就是他的最高级别是五,你如果达到五的话,说明他是满分了。好了,我一个一个的去评估,然后再看利润额,利润额啊,他 评估之后发现他是低于五十万,也就是借于二十万到五十万之间。好了,那他的评估结果就是三,就是三,这样一个一个的给他去评估。哎,那同学们想一想,这有十个评估对象,是每一个评估对象,他的重要性都一样吗? 不尽然。就像我们考系统集成这个项目管理工程师,他的教材有二十几个章节,每一个章节的重要性都一样吗?你这样认为吗?如果你这样认为啊,你肯定考不过,是不是?显然是不一样的。那我怎么体现出不一样? 在考试的时候,体现的就是每一个章节的分数占比不一样。而在这我怎么去体现呢?就这样去体现。我给他一个相对重要程度,这个重要程度他的分值越 高,就是说明他的重要程度越高。比如说,他认为最重要,最重要的就是这个利润额,他的重要程度是十。然后呢,相对来说,这个毛利率啊,他认为稍微次要一点,给他是八。 哎,这样一个一个的我去给,然后最不重要的你,比如说行业重要程度,我只给了他二。好了,有了评估结果和相对重要程度啊,用评估结果和重要程度一成,就得到了他的实际分值。比如毛利率, 对于毛利率来说,它的分值就是三和八相乘,是二十四, 你明白了吗?这就是他的得分怎么来的。然后啊,我一个一个去算,哎,利润额,用三乘以十就是三十。好,一个一个的二十加三十 四,再加四十,这样一个一个加,加到一起,最后得到的是二百二十九,就是这个项目的合计得分, 也就是他的实际得分是二百二十九。这个时候你算出来之后,你拿着这个二百二十九分的结果,去跑到老板办公室说老板,我算出来了,这个项目评估啊,估分是二百二十九分。这个时候老板肯定要给你急,我满分才一百分,你告诉我二百二十九分有什么用?我不知道你到底是什么意思, 你怎么去解释呢?就是需要把二百二十九分给他百分化。 也就是说,你要告诉老板,一百分满分的情况下,他是多少分,怎么办?分化呢?哎,就利用这个,现在不是实际得分有了吗?实际得分怎么算呢?就是每一项的评估结果乘以相对重要程度加到一起,就是二百二十九,这是实际 得分,然后分母该除以满分了。什么是满分呢?满分就是 毛利率啊,利润额啊等等。这十项,每一项的评估结果都是最高级别。那我们来看最高级别是多少?你从评估级别说明里边去找,你会发现,最高结果都是五,也就是说他最高能拿满五分。所以说,把这一列全换成五 五。哎,评估结果全是五。然后呢,用五乘以它的相对重要程度再加到一起,这就是满分。明白了吧?这就是满分。好了, 那再乘以一百呢?就是他的最后得分。所以说啊,这个关于这个教材上这个例子,他的最后结果就是一百乘以二百二十九,就是实际得分除以他的满分。分不 满分,最后得到的是七十三分。好,你拿着七十三分再去找你的领导说,哎,最后得分七十三分。好, 这样就可以决定这个项目值不值得去做。你明白了。所以说,你会发现,虽然这个公式非常复杂,其实就是和他是一样一样一样的。 所以还是我说那句话,所谓的皈依化评估啊,它的最根本的实质就是百分化 来。讲完之后啊,我觉得还是要给大家举一个例子啊,就是教材的例子有点太复杂了,考试的时候不可能出那么复杂的。我在这编了一个小例子,就是前两天在网上看到一个比较搞笑的事情啊,说有个哎,有个哥们啊,他, 呃,过年回老家的时候啊,家里给他安排相亲啊,相亲对象太多了,他都挑花了眼了,不知道怎么去办。这时候我就想到了,用我们皈依化评估给他进行量化,是不是很好的一个方法呢? 哎,在这我编了一个例子啊,比如说,哎,雪琴同学过年回老家了,家长安排了多场相亲。那为了节省时间啊,避免见面后不满意,互删啊,互删联系方式的尴尬,哎。他制作了如下表格,进行量化打分评估啊。提前呢,他了解一下男方的情况, 如果估分低于六十分,就直接不见。哎,是不是很很明白了。然后呢,他这个表格是这样的啊,他从以下四个方面来对这个相切对象进行评估身高、外貌、学历、家境好。 他呢?首先啊,对这个评估级别啊,他做了一个说明。比如说,就拿身高来说,一米六五以下,他直接就给了个零分零。然后一米六五到一米七,零呢,哎,一,然后依次往上推,如果是幺八零以上,就是四 哎,对外贸呢,如果向宝强,就是零,向黄渤,一向乔杉,二向徐峥,三向沈腾。四。好了,这样一个一个在这给他给评估结果。然后呢,这四个评估的 这个对象啊,也就是说,这四个方面,他认为是重要性不一样的。他最看重的是家境, 他给了他重要性程度是十。你看这这雪琴也很虚荣是吧,跟咱们都一样的哈。然后呢,其次是身高,他给了是八, 然后,然后是外貌六,学历是五。好。他呀,就拿着这张表来去给这个相亲对象来了啊。首先,第一个对象来了。 这个对象啊,是一个博士学历,有了什么博士,你看硕士以上是四。所以说学历这块评估结果就是四啊, 有房有车,有房有车,家境这一块也是四,身高幺八二哎,相应的,然后比沈腾帅,都给他有了评估结果了是吧? 好了,最后用评估结果乘以他的相对这样程度。比方说身高,他的得分是三十二,外貌是二十四。好了,这样一个一个加到一起了之后,发现最后是一百一十六分。那问题来了,雪琴说了六十分以下不见, 但是满分肯定是一百分。我就要把这个一百一十六分给他,换算成满分一百分的时候,他到底是多少?好吧,那怎么算呢?还是用我们刚才的公式就是呢, 哎,一百乘以评估结果,乘以相对重要程度,然后加到一起,也就是实际得分,我们已经算出来是一百一十六。然后分母呢,就是满分。满分呢,就是用他的最高级别就是四是吧。也就是说,假如说他的 这个评估结果全都是四。哎,你看,很凑巧啊,这个人也很凑巧,他非常完美是吧?哎,这一块是四啊,全都是四。四乘以相对重要程度。然后呢, 再加到一起,你会发现这个人是非常的厉害啊他,然后他的实际得分是一百一十六,满分也是一百一十六。也就是实际得分和 满分是一样的。最后算出来的结果,这个人一百分情况下,满分他是一百分,也就是说满分一百,他的得分也是一百。那你说他去不去?不去相亲呢?肯定要去,打车也得去,是不是?好, 这样他规划评估的结果是一百。那只是很凑巧啊,这是一个完美男人。那再来一个相亲对象。二、高中毕业,有房有车,身高幺七四,酷似徐峥。那你现在帮一帮雪群吧。好,请把你 最后啊计算的呃结果以及你所用的公式啊打在评论区。也就是说啊,把你的结果和你的做题依据都写出来,学习中遇到什么问题也可以在评论区进行交流,我看到的话会给回复。 好了,今天啊,我们就讲了皈依化评估。我通过这个视频呢,让你了解了皈依化评估的实质,并通过一个小例子啊,让你去亲自的实践了一下怎么做皈依化评估。最后啊,还是要让大家干一碗鸡汤 备考呢。就像是在黑暗中洗衣服,不知道洗干净没有。当你站上考场的那一刻,灯亮了,你发现只要认真洗过了衣服就会光亮如新。好,这节课就到这里,明天见。

每天一个必会图表。大家好,我是刘江老师。今天呢,我们一起来学习皈依化评估。 首先啊,回忆一下昨天我们讲的项目的五个管理过程组和项目管理知识领域的关系。 那主要是为了做这样的题目,就是判断啊,过程属于哪一个过程组?那五个过程组呢,分别是启动、计划、执行、监控和收尾。那过程呢,有四十七个 好,他们分别属于哪个过程组呢?啊,识别干系人属于启动过程组。结束采购呢,是收尾过程组啊,因为呢,启动和收尾啊,都比较简单。我们当时总结的口诀是识别章程,在 启动、收尾、采购,最后乘他们呢,分别都有两个过程,很好记。然后范围控制呢,属于泛尽成风啊,并且他带控制,所以说啊,他肯定属于监控。 那编制范围管理计划呢?啊,是也是属于泛进成风的,因为它属于范围管理,有计划不执行,所以属于计划过程组。那估算活动持续时间呢,也是同样的道理。 建设项目团队呢,他不属于犯贱成风啊,又不带有计划二字,所以啊,他就属于执行过程组。好了,接下来我们来看今天的内容。 首先,我们需要知道规划评估啊,它的作用是什么?它是在呃供应商啊,在进行,也就是系统继承商在投标之前 做的一个评估。那他在投标之前啊,他会去呃决定这个项目他是否要去投标,那从哪几个方面来考虑呢?我们教材上举了一个例子, 从十个方面啊,这个题目啊,是从九个方面来考虑啊,包括毛利率啊,利润额呀,还有什么难易程度啊, 回款呀等等这些方面,好从这些方面呢来考虑,并且呢分别啊,来给他进行打分。 比如说毛利率,那这个项目他预估的毛利率呢,处于百分之十到百分之二十之间,所以啊,他给他打的分呢,就是三分。我们来看在这里有评估级别说明好,然后这样 打,打好了之后呢,还有一个相对重要程度,就是这几个方面呢,九个方面啊,他认为哪些是比较重要的,他就给他的分数就比较相对重要程度就比较高。比如说这个利润额,我们认为他是比较重要的,所以说是十 啊。然后哪些不重要的呢?比如说啊,这个难度啊,熟悉程度啊,他认为不是特别重要,他给的是三 好。那有了相对重要程度,再有了评估的结果,评估结果让评估结果和相对重要程度相乘,就是加权分值。 好了,把这个加权分值给他加到一起,加到一起了,就是他的评估的得分。注意我们教材上给了一个公式就是这样的啊,规划评估的结果等于一百 乘以 c 个码 i 从一到十评估结果,然后乘以相对重要程度等等。这样 好了。那这个呢,我们其实这个 sigma 是什么意思呢? sigma 的意思就是求和的意思 啊。所以说这个题目其实就是让评估结果和相对重要程度去相乘,乘完了之后呢,再相加。那对于这个题来说就是啊,三乘以八等于二十四, 然后加上三乘以十啊,然后再加上五乘以八。其实就是把这些加强分值都加在一起,最后得到的是二百二十九。 然后呢,下边呢分子是什么呢?是五乘以相对重要程度。那这个五从哪来的呢?这个五,注意是他的评估级别。评估级别。你看我们评估级别说明里边他最高的级别 就是五了啊。所以用五乘以相对重要程度,然后再加到一起,其实就相当于啊,把这里边的每一项都给他打到满分啊,每一项都打满分,满分就是五分吗? 然后再乘以相对重要程度再加在一起啊,是这样的,就是五乘以六十三,这个六十三是相对重要程度的。和啊,最后得到的是七十三,这是约等于七十三。 好了,其实这个呢,和我们呃考试的这个得分是一样的。比如说我们系统集成考试, 系统集中考试的满分是七十五分,七十五分,然后及格分数是四十五分。那它相当于一百分满分情况下的多少分呢?注意是六十分,我们都知道是不是,那为什么相当于六十分?其实就是 一百乘以上边,上边四十五是实际得分,下边七十五是满分,然后最后得到的是六十啊。这是规划评估,其实就是百分化的这么一个过程。 我们来看这个题目。 a 公司想要升级其数据中心的安防系统,经过详细的客情性分析及项目评估后啊,决定通过公开招标方式进行采购。某系统集成商 b 公司要求在投标前按照项目实际情况进行综合评估后,才能做出投标决策, 并公司规定评估分数按满分一百一百分进行规划或者得分啊。必须在七十分以上的投标项目才有投标资格。也就是说这个项目我们要不要去投标,那取决于什么呢?取决于他的规划评估的得分, 分必须在七十分以上。于是这个 b 公司啊,项目负责人张工在购买标书后,考虑综合考虑竞争对手等等这些因素啊,编制了如下的评估表。 那他的评估呢,从以下四个方面来考虑,包括回款容易程度啊,项目业务熟悉程度,项目技术熟悉程度,竞争胜出的可能性等等。然后呢,他给他评估完之后啊,有了评估结果,比如 回管荣誉程度,他给他打的是评估结果是五啊,一共五个评估级别,最高评估级别是五,他打的是最高级别五。然后我业务熟悉程度啊,打的是四啊四啊等等。这样。然后相对重要程度呢,每一项都给他负了一个值。 然后接下来呢,我们就利用那个公式啊,就是综合上述案例, a 就是计算这个归一化的评估结果啊,包括合计得分和归一化结果,这两个我们都需要得到。其实就是利用刚才我们说的这个公式 啊,来做一下就行了。那这个公式呢,看起很复杂,其实就是什么?上边就是他的实际得分,下边就是满分就可以了啊。好了, 今天呢,我们讲了规划评估的计算方法。最后呢,送大家一句话,故事若不曲折,怎么能教人成长啊。希望同学们呢,能够不怕困难啊,努力学习,争取一次上岸。好,今天就到这,同学们再见。