Как вытащить из данных максимум. Навыки аналитики для неспециалистов

Одно из определений гласит, что предвзятость определяется как «предубеждение в пользу или против предмета, явления, человека или группы по сравнению с другими, обычно рассматриваемое как несправедливое»[53]. Существует также и статистическая предвзятость – как можно прочесть в той же статье на Towards Data Science, откуда мы взяли определение, она обычно возникает, если данные нерепрезентативны для популяции. В нашем случае нам больше интересно первое определение предвзятости. К сожалению, в мире данных и аналитики наши собственные предубеждения нередко вмешиваются в схему принятия решений, и мы обязаны постараться избавиться от них. Рассмотрим для примера решение, какую маркетинговую кампанию запустить. Если у вас есть в этом вопросе те или иные личные предпочтения – скажем, вам почему-то хочется выбрать кампанию 2, хотя данные говорят в пользу кампании 1, – вы все равно можете поступить по-своему и запустить второй вариант, даже вопреки данным. Как вы думаете, часто такое происходит в мире бизнеса? Да постоянно! Если мы не избавимся от личных предпочтений при принятии решений, связанных с данными, то на четвертой ступени нашей схемы нам будет нелегко, и решение может оказаться ошибочным. Мне хотелось бы остановиться на основных типах предвзятости (их еще называют когнитивными искажениями), с которыми вы можете столкнуться, и подсказать вам, как можно от них избавиться.

Первый тип предвзятости – это предвзятость восприятия, или склонность к подтверждению своей точки зрения. Смысл в том, что мы стремимся искать данные, которые подтвердили бы уже имеющиеся у нас идеи. Таким образом мы – возможно, сами того не замечая – игнорируем часть данных, «закрываемся» от них, обращая внимание лишь на то, что подкрепляет нашу точку зрения. Предвзятость восприятия встречается повсеместно: в бизнесе, в политике, в частной жизни каждого из нас. Случалось ли, что разные источники давали вам различные данные, потому что ответы были окрашены предвзятостью восприятия того, кто передал вам данные? Политика – настоящий рассадник этого. Политические деятели поднимают на щит именно те данные, которыми хотят поделиться, так как они подкрепляют их позицию.

Второй тип предвзятости – предвзятость статус-кво[54]. Это тоже довольно частое явление: многие не любят перемен и хотят, чтобы все оставалось как есть (то есть сохранялся статус-кво), поскольку им так «комфортнее». Многие предпочитают самый простой путь. Если ваши решения связаны с переменами, нужно действовать внимательно и осторожно – найдется масса людей, которые будут тянуть вас назад, стремясь сохранить статус-кво.

Третий и последний тип предвзятости, о котором мне хотелось бы упомянуть, хотя есть еще множество, – предвзятость первого впечатления, или закрепление («якорение»)[55]. Это наряду с предвзятостью восприятия один из самых распространенных типов предвзятости. В данном случае мы смотрим на первый результат, успокаиваемся, потому что он нас устраивает, и не идем дальше. Мы не хотим тратить время на выяснение, нет ли других подходящих данных. А такая привычка хвататься за первый попавшийся вариант сильно мешает принимать решения, подкрепленные данными. Допустим, доходность первого варианта вашей маркетинговой кампании может составить, согласно прогнозам, 5 %. Вы принимаете решение, основываясь на этом показателе (ведь 5 % – это неплохо!), но что, если при следующей итерации и внесении определенных корректив доходность сможет составить, к примеру, 12 %? Если забыть про правило «лучшее – враг хорошего», можно принять ошибочное решение, довольствуясь «хорошим».

При интеграции человеческого фактора на четвертой ступени следует убедиться, что мы привносим в процесс наш личный опыт и опыт других сотрудников, но при этом стараемся исключить любые возможные предубеждения. Я давно задаюсь вопросом, можно ли полностью избавиться от предвзятости при анализе данных или принятии решений. Уверен, это крайне сложная задача, поэтому нужно хотя бы научиться эту предвзятость распознавать и отмечать те этапы процесса, на которых она может проявиться.

Именно дата-грамотность играет ключевую роль в искоренении предвзятости – в рамках четырех элементов дата-грамотности, четырех уровней аналитики, трех «С» дата-грамотности и не только. Чем более уверенно мы чувствуем себя при чтении данных, работе с ними, их анализе и общении на языке данных, тем легче мы распознаем предвзятость и можем бороться с ней. Это помогает гармонизации человеческого фактора и технологий.

Интегрировав в мир данных человеческий фактор, мы можем переходить к следующей ступени нашего процесса – к самому решению.

Ступень 5. Решить