Condividi l'articolo

Bias

Siamo stati abituati a ritenere che all’uomo, in quanto essere dotato di razionalità, sia sufficiente tenere a freno l’istinto e l’emotività per essere in grado di valutare in modo obiettivo le situazioni che deve affrontare e di scegliere, tra varie alternative, quella per sé più vantaggiosa…

Questa è la prefazione del libro “Pensieri lenti e veloci” del premio Nobel, Daniel Kahneman, nel quale vengono descritti con estrema lucidità e dovizia di esempi gli errori sistematici a cui ogni giorno, a causa di stereotipi, convinzioni o false analisi, incappiamo.

Ciascuno di noi pensa di essere sufficientemente accorto, preciso ed esperto da poter escludere a priori la maggior parte degli errori, definiti come “classici” o appunto sistematici, che si possono presentare nelle situazioni ormai già vissute, e proprio questo è uno degli errori.

L’effetto profondo dei bias cognitivi si manifesta in tutti gli ambiti della nostra vita” è l’avvertimento che viene dato sempre nella prefazione, ovvero che nessuna situazione è veramente così conosciuta e definita da poter essere scevra da possibili errori, figuriamoci nel mondo dei dati e maggiormente in quelli fuori dal dominio di competenza.

Il BIAS agisce come un riflesso involontario all’analisi dei dati che ci arrivano da preconcetti, derivanti da informazioni false o sedimentate dal tempo e dalle abitudini, come ad esempio considerare che un valore NULLO sia insignificante o un dato ripetuto sia una sovrapposizione di valori derivati, magari, da un legame errato nella base dati.

Potremmo spiegare questo errore in modo generico, con un BIAS del “Risultato” ovvero il cercare di leggere i dati da esperienze pregresse e volerne dare un significato forzato, o anche con un BIAS di “conferma”, dove si cerca di usare i valori per giustificare un risultato definito a priori, invece di usare i dati per arrivare ad un risultato.

Quando si analizzano i valori questi preconcetti inducono ad errori di base, spesso impattanti nella data preparation che si trascinano nel processo e che portano a cancellare dati ritenuti inutili o spiegali come dati erronei o superflui, perdendo di fatto la visione di insieme verso un risultato atteso, predetto in anticipo.

Non esiste una strada diretta per evitare questi errori, insiti nella natura umana, ma si può porre rimedio applicando metodologie di data investigation in fase di preparazione dei dati, che superino le barriere dei preconcetti, analizzando l’insieme e non il primo set che viene proposto, e soprattutto non giudicando il libro dalla copertina.

bias
bias

Usare strumenti di Data Investigation, come ad esempio quelli forniti da Alteryx nel tool DeskTop, o partire dal dettaglio massimo rappresentandoli graficamente attraverso l’uso di prodotti Tableau designer, al fine di renderli evidenti senza “giustificazioni”, ci avvicina ai dati aiutandoci ad evitare errori e accogliere il risultato così com’è senza preconcetti.
In conclusione, sfuggire ai BIAS non è possibile, ma poter contare su strumenti avanzati di data analysis e sfruttare la Modern BI per investigare su valori reali li può evidenziare permettendone la correzione.

0 commenti

Invia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *