در این فصل چه یاد میگیری#
پنج فصل است داریم عدد درست میکنیم. این فصل سؤالی را میپرسد که هیچکدام از آن جدولها جوابش را ندارند: که چه؟
یک عدد وقتی ارزش دارد که کاری را عوض کند. اگر برای هر مقدارِ ممکنِ آن عدد همان کار را میکردی، آن عدد فقط وقتت را گرفته. و برعکس، وقتی عددی واقعاً یک تصمیم را میچرخاند، باید بتوانی بگویی از کدام نقطه به بعد میچرخاندش.
آخرِ این فصل یک محاسبهٔ سربهسر داریم که سه بازه میسازد: اگر یادآوریِ سررسید کمتر از ۱۴٫۶ درصد از تأخیرها را جلو بگیرد، هیچ کاری نکن؛ بینِ آن و ۲۸٫۲ درصد، فقط برای دستههای پرخطر بفرست؛ بالاتر از آن، برای همه. یک عدد، دو مرز، سه کار.

آخر این فصل میتوانی:
- عددی را که هیچ تصمیمی را عوض نمیکند تشخیص بدهی و وقتت را رویش نگذاری
- هزینهٔ دو نوع خطا را جدا حساب کنی و ببینی چرا برابر نیستند
- نقطهٔ سربهسرِ یک تصمیم را از خودِ داده دربیاوری
- برای هر توصیهای بنویسی «چه چیزی نظرم را عوض میکند»
قبل از شروع#
از فصلِ ۲ و ۴: تعریفِ عملیاتی، پنجرهٔ زمانی، و پنجرهٔ برابر برای هر دو طرف. از فصلِ ۵: باند، و قاعدهاش — اختلافی که داخلِ باند بیفتد اختلاف نیست. از ترمِ ۲: درصد و نرخ. از ترمِ ۱: پارامترِ ?.
دو فرضِ اعلامشده که کلِ حسابِ این فصل رویشان سوار است: فرستادنِ یک یادآور ۰٫۴ دقیقه از وقتِ کارمند میگیرد، و هر بازگشتِ با تأخیر ۷ دقیقه (تماسِ پیگیری، جابهجاییِ قفسه، نوبتِ کسی که منتظر بوده). این دو عدد از داده درنیامدهاند؛ فرضِ ما هستند — و بخشِ ۶ نشان میدهد اگر عوض شوند چه اتفاقی میافتد.
📓 نوتبوک: نوتبوک این فصل را در Colab باز کن — همهٔ کدهای این فصل آماده و بهترتیب داخلش هست.
| جدول | تعدادِ سطر | زمانِ ساخت |
|---|---|---|
titles |
۱٬۲۰۰ | آنی |
loans |
۱۶٬۸۳۴ | کمتر از دو ثانیه |
branches |
۶ | آنی |
۱. عددی که هیچ تصمیمی را عوض نمیکند#
یک پرسشِ کاملاً بیآزار: کتابهای کدام شعبه کلفتترند؟ و پیشنهادی که همیشه پشتش میآید: «پس مدتِ امانتِ آن شعبه را طولانیتر کنیم.»
print(q("""
SELECT b.name AS branch, COUNT(*) AS loans, ROUND(AVG(t.pages), 1) AS avg_pages
FROM loans AS l
JOIN titles AS t ON t.id = l.title_id
JOIN branches AS b ON b.id = l.branch_id
GROUP BY b.id, b.name
ORDER BY avg_pages DESC
"""))
print()
print(q("""
SELECT CASE WHEN t.pages < 300 THEN 'کمبرگ'
WHEN t.pages < 600 THEN 'متوسط'
ELSE 'پرِبرگ' END AS bucket,
COUNT(*) AS returned_loans,
ROUND(100.0 * SUM(l.returned_at > l.due_at) / COUNT(*), 1) AS late_pct
FROM loans AS l
JOIN titles AS t ON t.id = l.title_id
WHERE l.returned_at IS NOT NULL
GROUP BY bucket
ORDER BY late_pct DESC
"""))
branch loans avg_pages
0 نسیم 3409 536.2
1 پویا 2191 514.0
2 مرکزی 4021 510.7
3 کوشا 2473 483.5
4 دانش 2723 478.9
5 بهار 2017 454.2
bucket returned_loans late_pct
0 متوسط 5997 32.1
1 کمبرگ 3732 31.8
2 پرِبرگ 5773 30.1
جدولِ اول یک اختلافِ هجدهدرصدی نشان میدهد و جدولِ دوم میگوید آن اختلاف به هیچجا نمیرسد.
کتابِ پرِبرگ ۳۰٫۱ درصد دیر برمیگردد و کتابِ کمبرگ ۳۱٫۸ درصد — یعنی کلفتی اصلاً پیشبینیکنندهٔ تأخیر نیست، و اگر باشد به سمتِ عکس است.
و فصلِ ۵ همین دو عدد را با باند سنجید: فاصلهشان ۱٫۶۹ واحد بود و کاملاً داخلِ باند افتاد. پس حتی «به سمتِ عکس» هم ادعای زیادی است؛ درستترین جمله این است که این ستون هیچچیزی نمیگوید.
پس جدولِ اول یک عددِ درست است که هیچ تصمیمی را عوض نمیکند. آزمونش هم یک جمله است: برای هر مقدارِ ممکنِ این عدد چه میکردی؟ اگر جواب «همان کار» است، عدد را گزارش نکن.
۲. یک تصمیمِ واقعی، و هزینهای که باید اعلام شود#
حالا پرسشی که واقعاً یک کار پشتش هست: آیا دو روز قبل از سررسید یادآور بفرستیم؟
پنجرهٔ تصمیم را روی شش ماهِ آخر میگذاریم — همان بازهای که سیاستِ تازه هم قرار است در آن اجرا شود:
SPLIT = "2024-12-14"
SEND_MIN = 0.4 # دقیقه کار برای هر یادآور
LATE_MIN = 7.0 # دقیقه کار برای هر بازگشتِ دیرکرد
base = q("""
SELECT COUNT(*) AS loans, SUM(returned_at > due_at) AS late
FROM loans
WHERE returned_at IS NOT NULL AND borrowed_at >= ?
""", (SPLIT,))
N = int(base["loans"][0])
L = int(base["late"][0])
print("پنجره تصمیم — امانتهای برگشته:", N)
print("از اینها با تأخیر برگشتند :", L, "→", round(100.0 * L / N, 1), "درصد")
print()
print("هزینه «هیچ کاری نکن» (دقیقه):", round(LATE_MIN * L, 1))
پنجره تصمیم — امانتهای برگشته: 5235
از اینها با تأخیر برگشتند : 1460 → 27.9 درصد
هزینه «هیچ کاری نکن» (دقیقه): 10220.0
۱۰٬۲۲۰ دقیقه — این هزینهٔ کاری است که همین حالا داریم میکنیم.
داشتنِ یک گزینهٔ «هیچ کاری نکن» با عددِ خودش، نصفِ کارِ تصمیمگیری است. بدونِ آن هر پیشنهادی خوب بهنظر میرسد، چون با هیچچیزی مقایسه نمیشود.
۳. نقطهٔ سربهسر#
اگر برای همهٔ امانتها یادآور بفرستیم، هزینهاش معلوم است. سودش نه — چون نمیدانیم یادآور چقدر مؤثر است. پس بهجای حدس زدنِ اثربخشی، میپرسیم چقدر باید باشد تا این کار حداقل ضرر ندهد.
cost_all_reminders = SEND_MIN * N
break_even_all = cost_all_reminders / (LATE_MIN * L)
print("هزینه یادآور برای همه (دقیقه):", round(cost_all_reminders, 1))
print("هزینه کل تأخیرها (دقیقه) :", round(LATE_MIN * L, 1))
print("سربهسر — چند درصد از تأخیرها را باید جلو بگیرد:",
round(100 * break_even_all, 1))
هزینه یادآور برای همه (دقیقه): 2094.0
هزینه کل تأخیرها (دقیقه) : 10220.0
سربهسر — چند درصد از تأخیرها را باید جلو بگیرد: 20.5
۲۰٫۵ درصد. یعنی: «اگر یادآور دستِکم یکپنجمِ تأخیرها را جلو بگیرد، پولش را درمیآورد.»
توجه کن که این جمله هیچ ادعایی دربارهٔ اثربخشیِ یادآور نمیکند. چیزی را که نمیدانیم به شکلی نوشتیم که بشود دربارهٔ آن نظر داد یا آزمایشش کرد. این تفاوتِ یک تحلیل با یک حدس است.
۴. آستانه: به چه کسی یادآور بفرستیم#
یادآور برای همه گران است. از فصلِ ۴ میدانیم دستهٔ کتاب پیشبینیکنندهٔ قویِ تأخیر است، پس از تاریخچه یاد میگیریم کدام دستهها پرخطرند — و عمداً فقط از دادهٔ قبل از پنجرهٔ تصمیم استفاده میکنیم، وگرنه داریم با جوابِ آزمون درس میخوانیم:
history = q("""
SELECT t.category,
COUNT(*) AS loans,
ROUND(100.0 * SUM(l.returned_at > l.due_at) / COUNT(*), 1) AS late_pct
FROM loans AS l
JOIN titles AS t ON t.id = l.title_id
WHERE l.returned_at IS NOT NULL AND l.borrowed_at < ?
GROUP BY t.category
ORDER BY late_pct DESC
""", (SPLIT,))
print(history)
category loans late_pct
0 تاریخ 1540 49.0
1 فلسفه 1251 47.0
2 هنر 664 44.7
3 زندگینامه 821 41.8
4 علم 1284 35.7
5 شعر 862 28.8
6 رمان 1938 23.7
7 کودک 1907 12.7
از ۱۲٫۷ تا ۴۹٫۰ درصد — یعنی دسته واقعاً چیزی میداند.
🔧 اگر کار نکرد: طبیعیترین کارِ بعدی این است که همینجا روی همان ستون فیلتر بگذاری.
SQLiteاجازه نمیدهد:
try:
q("""
SELECT t.category,
ROUND(100.0 * SUM(l.returned_at > l.due_at) / COUNT(*), 1) AS late_pct
FROM loans AS l
JOIN titles AS t ON t.id = l.title_id
WHERE l.returned_at IS NOT NULL AND late_pct >= ?
GROUP BY t.category
""", (40,))
except Exception as error:
print(type(error).__module__ + "." + type(error).__name__)
print(error)
pandas.errors.DatabaseError
Execution failed on sql '
SELECT t.category,
ROUND(100.0 * SUM(l.returned_at > l.due_at) / COUNT(*), 1) AS late_pct
FROM loans AS l
JOIN titles AS t ON t.id = l.title_id
WHERE l.returned_at IS NOT NULL AND late_pct >= ?
GROUP BY t.category
': misuse of aggregate: COUNT()
WHERE قبل از GROUP BY اجرا میشود، پس در آن لحظه هنوز هیچ تجمیعی وجود ندارد — همان ترتیبِ منطقیِ اجرای ترمِ ۲. رفعش HAVING است. ولی اینجا عمداً راهِ دیگری میرویم: آستانه یک تصمیمِ سیاستی است، نه بخشی از پرسش، پس در پایتون انتخابش میکنیم و بعد به پرسش میدهیمش:
THRESHOLD = 40.0
risky = [row for row in history.itertuples() if row.late_pct >= THRESHOLD]
names = tuple(row.category for row in risky)
marks = ", ".join("?" for _ in names)
targeted = q("""
SELECT COUNT(*) AS reminders, SUM(l.returned_at > l.due_at) AS late_covered
FROM loans AS l
JOIN titles AS t ON t.id = l.title_id
WHERE l.returned_at IS NOT NULL AND l.borrowed_at >= ?
AND t.category IN (""" + marks + """)
""", (SPLIT,) + names)
K = int(targeted["reminders"][0])
C = int(targeted["late_covered"][0])
print("دستههای پرخطر:", len(names))
print("یادآورهای فرستادهشده:", K, "از", N)
print("تأخیرهای پوششدادهشده:", C, "از", L,
"→", round(100.0 * C / L, 1), "درصد")
دستههای پرخطر: 4
یادآورهای فرستادهشده: 2110 از 5235
تأخیرهای پوششدادهشده: 826 از 1460 → 56.6 درصد
با چهل درصدِ یادآورها، پنجاهوشش درصدِ تأخیرها پوشش داده میشود.
و یک نکتهٔ فنیِ مهم در همان کد: چیزی که به متنِ پرسش چسبید علامتِ ? بود، نه نامِ دستهها. خودِ نامها همچنان بهعنوان پارامتر رفتند. این تنها راهِ درستِ ساختنِ یک IN (...) با تعدادِ متغیر است و دقیقاً همان مرزی است که ترمِ ۱ فصلِ ۷ کشید: متنِ پرسش میتواند ساخته شود، مقدار هرگز.
۵. دو گزینه، یک معادله، سه بازه#
حالا سه گزینه داریم و هزینهٔ دوتایشان به عددی بند است که نمیدانیم — اثربخشیِ یادآور. اسمش را میگذاریم e و هر سه هزینه را برحسبِ آن مینویسیم:
- هیچ کاری نکن: ۷ × ۱٬۴۶۰
- یادآور برای همه: ۰٫۴ × ۵٬۲۳۵ + ۷ × ۱٬۴۶۰ × (۱ −
e) - یادآور فقط برای پرخطرها: ۰٫۴ × ۲٬۱۱۰ + ۷ × (۱٬۴۶۰ − ۸۲۶ ×
e)
هر جفتی از اینها را برابر بگذاری، یک معادله میشود که e در هر دو طرفش هست، و جوابش نقطهای است که تصمیم عوض میشود:
break_even_targeted = (SEND_MIN * K) / (LATE_MIN * C)
break_even_switch = (SEND_MIN * N - SEND_MIN * K) / (LATE_MIN * L - LATE_MIN * C)
print("سربهسر «هدفدار» در برابر «هیچ کاری نکن»:", round(100 * break_even_targeted, 1))
print("سربهسر «همه» در برابر «هدفدار» :", round(100 * break_even_switch, 1))
print()
for e in (0.10, 0.15, 0.20, 0.30, 0.45):
nothing = LATE_MIN * L
all_of_them = SEND_MIN * N + LATE_MIN * L * (1 - e)
some = SEND_MIN * K + LATE_MIN * (L - C * e)
best = min((nothing, "هیچ"), (some, "هدفدار"), (all_of_them, "همه"))
print("اثربخشی %5.0f%% → هیچ %8.0f | هدفدار %8.0f | همه %8.0f → %s" %
(100 * e, nothing, some, all_of_them, best[1]))
سربهسر «هدفدار» در برابر «هیچ کاری نکن»: 14.6
سربهسر «همه» در برابر «هدفدار» : 28.2
اثربخشی 10% → هیچ 10220 | هدفدار 10486 | همه 11292 → هیچ
اثربخشی 15% → هیچ 10220 | هدفدار 10197 | همه 10781 → هدفدار
اثربخشی 20% → هیچ 10220 | هدفدار 9908 | همه 10270 → هدفدار
اثربخشی 30% → هیچ 10220 | هدفدار 9329 | همه 9248 → همه
اثربخشی 45% → هیچ 10220 | هدفدار 8462 | همه 7715 → همه
۱۴٫۶ و ۲۸٫۲ — دو مرز، سه بازه، و جدولِ زیرش هر سه را با عدد نشان میدهد.
این جوابِ کاملِ آن پرسش است، و توجه کن که هنوز نمیدانیم e چند است. یک تحلیلِ خوب لازم نیست همهچیز را بداند؛ لازم است بگوید کدام ندانستن مهم است.
🌱 ریشهاش کجاست: «هزینهٔ گزینهٔ اول برابرِ هزینهٔ گزینهٔ دوم» یک معادله است که مجهولش در دو طرف نشسته، و حلش دقیقاً همان کاری است که با معادلهٔ خطی میکنی: مجهولها را یک طرف جمع کن، عددها را طرفِ دیگر، و تقسیم کن. اگر میخواهی این را از پایه ببینی، ریشه ترمِ ۳ فصل ۳ دقیقاً همین است.
✅ چک کن: در جدولِ بالا، ستونِ برنده باید دقیقاً سرِ همان دو مرز عوض شود: در ۱۰ درصد «هیچ»، در ۱۵ و ۲۰ درصد «هدفدار»، و در ۳۰ و ۴۵ درصد «همه». اگر جای دیگری عوض شد، یکی از دو فرمولِ سربهسر را اشتباه نوشتهای.
۶. دو نوع خطا، و «چه چیزی نظرم را عوض میکند؟»#
هر آستانهای دو جور اشتباه میکند، و هزینهٔ آن دو برابر نیست:
wasted = K - C
missed = L - C
print("خطای نوع اول — یادآور به کسی که بهموقع برمیگرداند:", wasted,
"→", round(SEND_MIN * wasted, 1), "دقیقه")
print("خطای نوع دوم — تأخیری که یادآور نگرفت :", missed,
"→", round(LATE_MIN * missed, 1), "دقیقه")
print("نسبت هزینه دو خطا:", round((LATE_MIN * missed) / (SEND_MIN * wasted), 1))
print()
print("اگر هزینه یک تأخیر ۷ دقیقه نباشد بلکه ۴ دقیقه باشد:")
for late_min in (7.0, 4.0):
b_all = (SEND_MIN * N) / (late_min * L)
b_some = (SEND_MIN * K) / (late_min * C)
b_switch = (SEND_MIN * (N - K)) / (late_min * (L - C))
print(" هزینه تأخیر %.0f دقیقه → آستانهها: %.1f و %.1f و %.1f" %
(late_min, 100 * b_some, 100 * b_all, 100 * b_switch))
خطای نوع اول — یادآور به کسی که بهموقع برمیگرداند: 1284 → 513.6 دقیقه
خطای نوع دوم — تأخیری که یادآور نگرفت : 634 → 4438.0 دقیقه
نسبت هزینه دو خطا: 8.6
اگر هزینه یک تأخیر ۷ دقیقه نباشد بلکه ۴ دقیقه باشد:
هزینه تأخیر 7 دقیقه → آستانهها: 14.6 و 20.5 و 28.2
هزینه تأخیر 4 دقیقه → آستانهها: 25.5 و 35.9 و 49.3
خطای دوم، اگر یادآور هر تأخیری را کامل جلو میگرفت، ۸٫۶ برابرِ خطای اول هزینه داشت. پس آستانهای که «تعدادِ اشتباهها» را کم میکند آستانهٔ درستی نیست؛ آستانهٔ درست آن است که هزینهٔ کل را کم کند. ولی این نسبت سقف است نه واقعیت: با اثربخشیِ e از آن ۴٬۴۳۸ دقیقه فقط e برابرش قابلِ پس گرفتن است، و فرستادن به بقیه هم ۰٫۴ × ۳٬۱۲۵ = ۱٬۲۵۰ دقیقه خرج دارد. برای همین سخاوتمندانهتر فرستادن فقط بالای مرزِ ۲۸٫۲ درصد میصرفد، و این همان حرفِ جدولِ بخشِ ۵ است.
و دو خطِ آخر جوابِ آن پرسشی است که هر توصیهای باید داشته باشد:
چه چیزی نظرم را عوض میکند؟
اینجا دو چیز: اول، اگر هزینهٔ یک تأخیر ۴ دقیقه باشد نه ۷، هر سه آستانه بالا میروند و در اثربخشیِ ۳۰ درصد دیگر «یادآور برای همه» برنده نیست. دوم، اگر یک آزمایشِ کوچک نشان بدهد اثربخشی زیرِ ۱۴٫۶ درصد است، جوابِ درست «هیچ کاری نکن» است — و این هم یک نتیجه است، نه شکست.
و آخرین چیزی که در انتخاب دخالت دارد ربطی به عدد ندارد: برگشتپذیری. فرستادنِ یادآور یک ماه و بعد قطعش، تصمیمی است که فردا میشود پسش گرفت. تغییرِ مدتِ امانت برای همهٔ اعضا، یا حذفِ یک شعبه، نیست. برای تصمیمِ برگشتپذیر، آزمایش ارزانتر از تحلیل است؛ برای برگشتناپذیر، برعکس.
📏 اندازه بگیر: یک سطر یعنی چه؟ در حسابهای بخشِ ۲ تا ۶ یک سطر یک امانتِ برگشته در پنجرهٔ تصمیم است، نه یک عضو و نه یک کتاب؛ فقط جدولِ تاریخچهٔ بخشِ ۴ از امانتهای پیش از پنجره ساخته شده. با کدام شمارشِ دوم سنجیدی؟ با دوتا: ۸۲۶ تأخیرِ پوششدادهشده بهعلاوهٔ ۶۳۴ تأخیرِ ازدسترفته دقیقاً همان ۱٬۴۶۰ میشود، و جدولِ بخشِ ۵ در همان دو نقطهای برنده عوض میکند که دو فرمولِ سربهسر پیشبینی کرده بودند. چه کسی از قلم افتاد؟ ۹۷۴ امانتِ این پنجره که هنوز برنگشتهاند. سررسیدِ ۴۳۴ تایشان گذشته و اینها تأخیرهاییاند که در
Lنیستند؛ ۵۴۰ تای دیگر هنوز به سررسید نرسیدهاند. با شمردنِ آنها نقطهٔ سربهسر پایینتر میآید، پس این حساب سودِ یادآور را کمتر از واقعیت برآورد میکند.
🤖 از دستیارت بپرس: «تحلیلِ نقطهٔ سربهسر چیست و چرا برای تصمیمگیری از یک عددِ تنها بهتر است؟» بعد این را بپرس: «اگر هزینهٔ دو نوع خطا برابر نباشد، آستانهٔ درست کجاست؟» — جوابِ درست میگوید آستانه به نسبتِ آن دو هزینه بستگی دارد، نه به احتمال بهتنهایی. اگر جواب گفت «آستانه را روی پنجاه درصد بگذار»، همین حالا با نسبتِ ۸٫۶ ردش کن.
واژههای تازهٔ این فصل#
| کلمه | تلفظ به حروف فارسی | یعنی چه |
|---|---|---|
| actionable | اکشنبل | عددی که میشود رویش کاری کرد |
| break-even point | بریکایون پوینت | نقطهٔ سربهسر؛ جایی که هزینهٔ دو گزینه برابر میشود |
| threshold | ثرشولد | آستانه؛ مرزی که تصمیم از آن به بعد عوض میشود |
| false positive | فالس پازیتیو | خطای نوع اول؛ علامت دادن به موردی که مشکلی نداشت |
| false negative | فالس نگتیو | خطای نوع دوم؛ ندیدنِ موردی که واقعاً مشکل داشت |
| sensitivity analysis | سنسیتیویتی انالیسیس | دیدنِ اینکه جواب با تغییرِ یک فرض چقدر عوض میشود |
| reversible decision | ریورسیبل دیسیژن | تصمیمی که پس گرفتنش ارزان است |
تمرینها
اول خودت فکر کن یا امتحان کن — بعد اینجا را باز کن.
در فصل بعد#
حالا یک توصیه داری. فصلِ بعد دربارهٔ رساندنش است — و اولین قاعدهاش این است که یک گزارش یک پیامِ اصلی دارد، نه ششتا.
و همان دو جدولِ فصلِ ۴ را به یک صفحه تبدیل میکند که پیامش یک جمله است: مرکزی در نرخِ خام ۶۲٫۳ درصد است و بعد از تعدیل ۷۱٫۸ درصد، و نسیم دقیقاً برعکس.
به آخر این فصل رسیدی!
اگر ساختی و جواب داد، این دکمه مال توست.