Perangkap psikologis dalam analisis data
Otak manusia memiliki kemampuan luar biasa untuk menemukan pola dalam segala hal ... tetapi pola-pola ini biasanya memiliki sedikit kesamaan dengan kenyataan. Kita bisa melihat gambar kelinci di awan atau wajah Elvis di keripik kentang.
Lihat profil kelinci dan Elvis?
Pikirkan tentang tes Rorschach - orang-orang ditunjukkan bercak yang berbeda dan ditanya apa yang mereka lihat. Anda tidak akan percaya betapa mudahnya pikiran kita menemukan interpretasi yang salah dari kumpulan data acak.
Kelelawar? Kupu-kupu? Noda biasa? Ini adalah salah satu dari 10 kartu tes Rorschach yang dibuat pada tahun 1921.
Psikolog memiliki nama yang indah untuk fenomena ini: apofenia. Beri orang setidaknya beberapa insentif dan mereka akan menemukan Anda tidak hanya wajah dan kupu-kupu, tetapi juga alasan untuk mengalokasikan anggaran untuk proyek favorit Anda atau meluncurkan sistem kecerdasan buatan.
Tentang Pengarang: Cassie Kozyrkov adalah spesialis data dan statistik Afrika Selatan. Dia mendirikan Decision Intelligence di Google, di mana dia adalah Kepala Ilmuwan.
Sebagian besar dataset memiliki banyak informasi acak. Bagaimana kemungkinan analis Anda tidak rentan terhadap apophenia? Bisakah Anda mempercayai interpretasi data Anda?
Pikiran kita melakukan hal yang sama dengan data seperti halnya dengan noda.
Semakin banyak cara untuk memecah kumpulan data ini dan semakin kompleks, semakin insentif samar-samar mereka. Mereka praktis meminta Anda untuk mengenali gambar palsu di dalamnya.
Kumpulan data yang rumit praktis memohon untuk melihat di dalamnya sesuatu yang tidak benar-benar ada
Apakah Anda yakin dataset terbaru Anda bukan apofenia laten?
Ada kata lain yang luar biasa - pareidolia , sejenis apofenia juga (untuk menemukan hal-hal yang lazim dalam rangsangan sensorik yang tidak jelas). Jepang bahkan memiliki museum batu yang terlihat seperti wajah. Kita hidup di masa yang luar biasa.
Kebohongan, kebohongan terang-terangan, dan analitik
Aku tahu kedengarannya suram, tapi aku belum selesai. Mengambil kursus dalam analisis data dapat menambah bahan bakar ke api. Siswa terbiasa mengharapkan nilai nyata dari setiap penelitian data. Setiap tugas penelitian eksplorasi memiliki harta terpendam. Hanya beberapa profesor yang memutuskan untuk mengirim Anda untuk mengejar hal yang tidak dapat dicapai (untuk kebaikan Anda sendiri!). Menilai tugas tanpa jawaban yang akurat lebih sulit, sehingga siswa biasanya tidak terlalu memperhatikannya.
Siswa terbiasa dengan kebenaran di balik setiap kumpulan data.
Mendongeng data hanya selangkah lagi dari berbohong langsung menggunakan data. Mari kita kesampingkan pertanyaan apakah pola itu nyata. Mari kita bicara tentang banyak interpretasi. Jika Anda melihat gambar kelelawar dalam bercak, ini tidak berarti bahwa tidak ada kupu-kupu, tulang panggul, atau sepasang rubah. Jika saya tidak menyebutkan rubah, apakah Anda akan melihatnya? Mungkin tidak. Mekanisme psikologis yang bertanggung jawab atas motivasi dan perhatian bermain melawan Anda. Dibutuhkan keterampilan khusus untuk berhenti melihat kelelawar dan mulai melihat hanya superposisi nilai.
Begitu orang berpegang teguh pada gambar favorit mereka, menjadi sulit bagi mereka untuk melihatnya.
Masalahnya adalah bahwa begitu orang berpegang teguh pada gambar favorit mereka, menjadi sulit bagi mereka untuk melihatnya dan melihat gambar lain. Orang-orang cenderung meyakini interpretasi yang menarik perhatian mereka sejak awal. Setiap nilai baru yang ditemukan mengurangi motivasi untuk terus mencari. Menyulap beberapa cerita potensial tanpa menilai kembali cerita favorit Anda adalah banyak pekerjaan mental. Sayangnya, tidak setiap analis cukup disiplin untuk melakukan ini. Bahkan, banyak analis tertarik untuk "membuktikan" hanya satu sisi dari cerita melalui penelitian data. Mengapa mengembangkan keterampilan yang mencegah pengisian dompet Anda?
Apa warna lightsaber Anda?
Ada beberapa cara untuk membuktikan riwayat menggunakan data - jujur dan menyeluruh. Artikel saya tentang fragmentasi data akan memberi tahu Anda lebih banyak tentang ini. Analisis data eksplorasi bukan salah satu dari metode ini. Eksplorasi data yang tidak menyiratkan nilai nyata seperti memancing. Warna lightsaber Anda tergantung pada umpan yang Anda gunakan.
Jika Anda berpihak pada sisi gelap, Anda akan mengaitkan bukti yang mendukung teori Anda. Anda sudah "tahu" bahwa dia setia (sehingga Anda bisa menjualnya kepada korban yang naif). Anda bahkan mungkin tidak menyadari bahwa lightsaber Anda berwarna merah jika Anda benar-benar percaya pada objektivitas data dan ketidakberpihakan Anda.
Eksplorasi data yang tidak menyiratkan nilai nyata seperti memancing.
Jika Anda memiliki dataset yang agak rumit (tidak jelas), Anda akan menemukan pola yang bisa Anda pas untuk membuktikan cerita favorit Anda. Ini adalah keindahan dari tes Rorschach. Sayangnya, datanya lebih buruk daripada noda. Semakin matematis metode Anda, semakin meyakinkan itu terdengar bagi mereka yang tidak mengerti apa-apa tentang itu.
Citra satelit dari "wajah di Mars" yang banyak orang anggap sebagai bukti keberadaan alien.
Mereka yang menolak untuk mengambil sisi gelap juga pergi memancing. Tetapi mereka menangkap sesuatu yang lain: inspirasi. Mereka mencari pola yang mungkin menarik dan menarik, tetapi jangan mengambilnya sebagai bukti karena mereka pintar. Sebagai gantinya, mereka terlibat dalam analisis yang tidak bias dan mencoba untuk mencatat sebanyak mungkin interpretasi yang berbeda di kepala mereka.
Analis top berusaha menemukan interpretasi sebanyak mungkin.
Ini membutuhkan mata yang tajam dan pikiran yang sederhana dan tidak memihak. Analis yang baik tidak mencoba untuk membuat para pemangku kepentingan hanya melihat satu sisi dari cerita. Sebaliknya, mereka berpikir kreatif untuk mengubah data yang sama menjadi banyak cerita. Mereka mempresentasikan temuan mereka sedemikian rupa untuk menginspirasi semua orang untuk menindaklanjuti tanpa memprovokasi pemimpin mereka untuk memindahkan gunung karena terlalu percaya diri.
Ketidakberpihakan memberikan analisis data kesempatan untuk membawa makna.
Disiplin yang dikembangkan untuk mencari banyak interpretasi adalah senjata rahasia analis. Hal ini memungkinkan Anda untuk melihat harta yang tersembunyi di dalam data. Jika Anda terganggu oleh informasi palsu yang Anda percayai karena bias, sulit untuk memperhatikan bukti yang menunjuk ke arah yang berbeda. Mengapa Anda perlu menganalisis apa pun jika kesimpulannya sudah ditentukan sebelumnya? Ketidakberpihakan memberi kesempatan untuk memastikan bahwa semua upaya tidak sia-sia.
Sandwich keju panggang ini dilelang dengan harga $ 28.000 karena menampilkan Virgin Mary. apa yang kamu lihat di sini?
Pekerjakan seorang analis yang hebat
Ciri-ciri yang mungkin ingin Anda cari dalam analis yang baik:
- Mereka tidak menarik kesimpulan yang melampaui data yang mereka periksa.
- Mereka dengan mudah mengelola alat pemrosesan data dan dapat dengan cepat melihat sejumlah besar data.
- Mereka memiliki pengetahuan domain yang diperlukan sehingga mereka cenderung membuang waktu para pemangku kepentingan pada hal-hal kecil.
- Mereka mengerti bahwa pekerjaan mereka adalah mencari inspirasi.
- Mereka memvisualisasikan data dengan cara yang nyaman dan mudah dipahami oleh otak, sehingga inspirasi datang dengan cepat.
- Mereka tahu apa yang mereka butuhkan untuk memonitor dengan hati-hati setiap informasi potensial yang mereka temukan (dan siapa yang harus dihubungi untuk mendapatkan bantuan).
Selain semua hal di atas, artikel ini mengajak Anda untuk memperhatikan fitur-fitur ini:
- Mereka tahu bahwa pikiran menemukan makna di mana tidak ada, jadi mereka berusaha untuk tidak menyerah pada interpretasi yang salah dan tidak terburu-buru mengambil kesimpulan.
- , . , .
- , . , . , -.
Akhirnya, jika Anda seorang pemimpin, pastikan Anda memberi insentif yang tepat kepada bawahan Anda. Apakah Anda mencari analis data atau manipulator data? Mereka memiliki pemikiran dan keterampilan yang berbeda. Pilih analis dengan bijak dan berikan imbalan untuk perilaku yang tepat.
Lupakan keripik kentang! Museum Jepang dengan batu seperti wajah ini telah melampaui semua orang.
Publikasi Ilmiah: Keripik Kentang Benar-Benar Terlihat Seperti Elvis! Keunggulan Saraf dari Proses Konseptual yang Terkait dengan Menemukan Bentuk Novel Secara Subyektif Bermanfaat
Pelajari detail tentang cara mendapatkan profesi yang dicari dari awal atau Tingkatkan keterampilan dan gaji dengan mengambil kursus online SkillFactory berbayar:
- Kursus Pembelajaran Mesin (12 minggu)
- Belajar Ilmu Data dari awal (12 bulan)
- (9 )
- «Python -» (9 )