Нечеловеческий фактор Предположим, у вас есть продукт с кучей метрик. Метрик так много, что черт ногу сломит за всеми уследить. Одну потянешь - другая проваливается. В такой системе трудно что-то менять так, чтобы быть уверенным в целостном интегральном результате. Как выбрать царь-метрику? За какими другими метриками присматривать? Как не сойти с ума? На помощь приходит факторный анализ - метод статистического анализа для многомерных данных. Он позволяет находить связи между различными параметрами, выявлять скрытые факторы, находить закономерности, объяснять взаимосвязи между наблюдаемыми явлениями. И только так можно проверять гипотезы и строить обдуманные прогнозы. Основная задача - уменьшить количество измеряемых признаков, вплоть до создания синтетических агрегатов, сохраняющих информационное содержание кучки отдельных переменных. Вообще там довольно сложный математический аппарат, и этому надо учиться, но рекомендую хотя бы немного почитать про это. Помогает в принятии решений на данных, поиске инвариантов, выделении главного. Например, составив матрицу корреляций между посещаемостью офиса и наличием сырков на кофепойнте (коэффициент Кайзера-Мейера-Олкина тут будет, пожалуй, выше 0.7), можно и без ортогонального вращения факторов varimax-ом провести конфирматорный анализ занятости паркинга к 12 часам дня, отбросив фактор насыщенности хитмапы в коммитнице как несущественный. Короче, штука мощная, нужно только научиться ей правильно пользоваться (а как видно из предыдущего абзаца, я - не умею).