xChar

数据一准备

我是从4月份开始接触时间记录的,开始的时候,尝试了很多工具,还有印象的是iHour, Toggl Track,和最后选择的Timemator。

经过几天的尝试后,我选择了Timemator。iHour 没有Mac端,是最早被踢出去的,Toggl不能够买断,免费版不能创建子任务,导致我很难准确的在时间追踪中,对时间正确的分类。并且Toggl的主要应用场景是追踪每个Project的时间,在当时我觉得这种方式并不适合对日常每分每秒做追踪,而Timemator 既可以买断,任务层级又可以无限嵌套,在我看来属于较好上手的一款时间追踪工具。

通过的Timemator记录时间的结果进行导出后,其实是一个简单的CSV文件,

unix_begin,unix_end,date,begin,end,folder,task,duration,duration_decimal,rounding_to,rounding_method,hourly_rate,revenue,billing_status,notes
1685546657,1685549074,2023-05-31,下午11:24,上午12:04,"娱乐","发呆",0:40,0.67,0,nearest,,,,""
1685549079,1685550349,2023-06-01,上午12:04,上午12:25,"娱乐 / 刷","刷豆瓣",0:21,0.35,0,nearest,,,,""

上面的例子对应到APP中,就是在娱乐文件夹下,有一个发呆的时间追踪记录,娱乐文件夹里又嵌套着一个叫刷的文件夹,里面有个叫刷豆瓣的任务。

我的任务顶级分类如下

image

Timemator 提供了一些对数据进行分析的视图,但是面对着这些数据,在分析方面,我总是有些力不从心,Toggl Track提供了更丰富的视图和筛选功能,我尝试通过Bash脚本,将Timemator的数据修改为Toggl Track支持的格式,将Timemator 多重嵌套的文件夹,修改为Toggl Track支持的任务模型,但是即便导入完成后,我还是很难对数据做一个有意识的分析。

数据二准备

七月份,我换了份工作,希望的是能够更加WLB一些,同时中间由于工作交接等杂事,直到八月份才重新开始时间追踪,同样,记录在部分上已经成为了一种习惯,flomo的一句口号是,“持续不断记录,意义自然浮现。”,我也是这么想的,持续记录时间,可能意义也会自然浮现,没准会有一天,我就读到一本书,一种方法,能够准确的分析我的时间。

ChatGPT的代码解释器

代码解释器刚刚上线的时候,我就关注到了这个功能,但是当时忙于工作交接,没有仔细的进行研究,前些日子看到了代码解释器的详细应用后,我发现它正好用来分析我已有的时间记录。

我有两段在完全不同的公司,场景下记录的时间,正好交给代码解释器做一下数据的比对。
我想,持续记录的意义,终于浮现

时间分析实战

“这里有两个关于我这两段时间,时间记录的文件,帮助我分析这两段时间有什么不同,为了更好的生活,我能做出什么改进”

这是我的第一个问题,代码解释器首先分析了CSV文件的构成,然后给出了第一段答案,摘录如下

生活:第二个时间段中的生活时间明显减少了约301小时。
娱乐:第二个时间段的娱乐时间减少了约139小时,而“娱乐 / 刷”和“娱乐 / 看”的时间也分别减少了约119小时和151小时。

在时间记录过一段时间后,我发觉现有的顶级文件夹有些太多了,我又尝试了让ChatGPT 为我重新整理任务类型,它也给出了不错的结果。

在我仔细阅读它对数据的分析的时候,我发现它比较的是绝对时间,所以我又提出了新的问题

"这两段时间的总天数并不一样,请通过将时间消耗归一化,重新分析数据"

在归一化后的分析中,能够直观的看出现在这份工作和上份工作比较,对我的一天造成的影响,也让我发现自己在现在这段时间,并没有有效的利用好通勤的时间,或者说,在我的时间记录中,我并不能显示出我对通勤时间的有效利用,我需要教给代码解释器,在通勤上花费的时间,都可以算进提升自我里,然后重新询问我的生活安排的怎么样。

如果这些工作都需要自己敲代码解决,可能会有个Bar一直阻挠着我,但是现在,只是等待代码解释器进行一轮新的执行即可。

ChatGPT给出的一个建议

  1. 任务重叠:有些任务分类之间存在一定的重叠。例如,"娱乐 / 看" 和 "看b站" 都涉及到视频观看。为了使数据更有条理,建议将具有相似性的任务合并或者更明确地区分它们。
  2. 任务的细分:某些任务可以进一步细分以提供更多的信息。例如,“学习”可以细分为“语言学习”、“编程学习”等,这可以帮助您更好地了解自己在不同学习领域上的时间投入。
  3. 工作与休闲的区分:如“工作 / 摸鱼”,从名字上看,它是工作的一部分,但实际上可能更偏向于休闲。考虑是否需要将其移到其他分类,或者更明确地定义它。

总结

总的来说,ChatGPT的代码解释器让我的时间追踪数据切实产生了价值,今天是我将时间追踪软件从Timemator替换到Toggl Track的第一天,之后会写一下为什么又选择了Toggl,希望一段时间后,Toggl的数据,也能给我带来一些惊喜。

Loading comments...