ฮิวริสติกและอคติส่งผลต่อการตีความข้อมูลอย่างไร
Laerte Finotelli วิเคราะห์กับดักทางความคิดในการอ่านตัวชี้วัด พร้อมเผย 3 คำถามสำคัญเพื่อป้องกันความผิดเพี้ยน
การตีความรายงานและตัวชี้วัดทางการตลาดมักถูกบิดเบือนจากทางลัดทางความคิดและความมั่นใจที่มากเกินไป Laerte Finotelli อธิบายในรายการ Marketing - The Podcast ถึงผลกระทบของฮิวริสติกและอคติทางความคิด พร้อมเสนอคำถามสำคัญในการประเมินตัวเลขอย่างรอบคอบ
การอ่านตัวชี้วัดและรายงานเชิงปริมาณไม่ได้เกิดขึ้นในสุญญากาศ แต่ถูกกำกับโดยกระบวนการรับรู้ของมนุษย์ ซึ่งมักนำไปสู่ความคลาดเคลื่อนอย่างเป็นระบบในการสรุปผล ในการพูดคุยกับ Bruno Gimenes ในรายการ Marketing - The Podcast ทาง Laerte Finotelli ผู้ประสานงานฝ่ายผลิตภัณฑ์ ได้กล่าวถึงจุดตัดระหว่างประสาทวิทยาเชิงพฤติกรรมและการวิเคราะห์ข้อมูล พร้อมชี้ให้เห็นว่าทางลัดทางความคิดส่งผลต่อการตัดสินใจด้านการตลาดและธุรกิจอย่างไร
ตอนเต็มของรายการนี้ ซึ่งรับชมได้ในวิดีโอด้านบน ยังครอบคลุมถึงธรรมาภิบาลด้านปัญญาประดิษฐ์และการวัดผลผู้ชม แต่การสนทนาเกี่ยวกับอคติทางความคิดได้ให้บทเรียนพื้นฐานที่สำคัญสำหรับผู้ปฏิบัติงานที่ต้องทำงานกับแดชบอร์ดและตัวชี้วัดประสิทธิภาพเป็นประจำทุกวัน
ความแตกต่างเชิงปฏิบัติระหว่างฮิวริสติกและอคติทางความคิด
เมื่อจำแนกแนวคิดพื้นฐานของเศรษฐศาสตร์พฤติกรรมที่สร้างชื่อโดยผู้เขียนอย่าง Daniel Kahneman, Amos Tversky, Richard Thaler และ Dan Ariely ทาง Finotelli ชี้ว่าทางลัดทางความคิดเป็นส่วนหนึ่งของโครงสร้างการตัดสินใจของมนุษย์ โดยอธิบายว่า "โดยพื้นฐานแล้ว ฮิวริสติกคือการที่คุณมีเส้นทางหรือทางลัดที่สมองเข้าใจและจดจำแล้วว่าใช้งานได้"
ปัญหาจะเกิดขึ้นเมื่อทางลัดเหล่านี้กลายเป็นความเอนเอียงอัตโนมัติที่ไม่เหมาะสมกับการประเมินเชิงสถิติ Finotelli กล่าวว่า "อคติคือความผิดพลาดเชิงระบบ" ซึ่งเป็นความโน้มเอียงซ้ำๆ ที่นำไปสู่การตีความที่ผิดพลาด เมื่อผู้ปฏิบัติงานทึกทักเอาเองว่าสัญชาตญาณของตนมีความถูกต้องเหนือกว่าหลักฐานเชิงประจักษ์
ภาพลวงตาของความสามารถและบทบาทของข้อมูล
หนึ่งในตัวอย่างที่ยกขึ้นมาเพื่อสะท้อนถึงการปฏิเสธหลักฐานเชิงวิเคราะห์ คือพฤติกรรมของผู้ขับขี่ที่ไม่สนใจเส้นทางที่ GPS แนะนำ เพราะเชื่อว่าตนเองรู้จักทางดีกว่า ข้อสันนิษฐานที่คิดว่าตนเองเก่งกว่าค่าเฉลี่ยนี้แสดงให้เห็นถึงอคติจากความมั่นใจในตนเองสูงเกินไป ซึ่งปรากฏให้เห็นบ่อยครั้งในสภาพแวดล้อมการทำงานขององค์กรเช่นกัน
สำหรับ Finotelli ข้อมูลที่มีโครงสร้างทางสถิติที่เหมาะสมทำหน้าที่เป็นตัวถ่วงดุลข้อจำกัดของการตัดสินใจด้วยสัญชาตญาณ: "เรามักผิดพลาดอย่างเป็นระบบ เรามีข้อบกพร่อง มีความโน้มเอียงที่จะตัดสินใจผิด และข้อมูลก็เข้ามาช่วยตรงนี้ ถ้าข้อมูลถูกสร้างขึ้นมาอย่างถูกต้องและมีความแข็งแกร่งทางสถิติ เราก็สามารถเชื่อมั่นได้"
สถาปัตยกรรมการตัดสินใจและการบิดเบือนข้อมูลผ่านกราฟ
การพูดคุยยังครอบคลุมถึงแนวคิดเรื่อง nudge (การสะกิดพฤติกรรม) และสถาปัตยกรรมการตัดสินใจ แม้ว่ากลไกเชิงพฤติกรรมเหล่านี้จะถูกศึกษาอย่างกว้างขวางเพื่อออกแบบการสื่อสารและประสบการณ์ของลูกค้า แต่ Finotelli เน้นย้ำถึงความจำเป็นของขอบเขตทางจริยธรรมที่แบรนด์ควรมี "บางครั้ง เมื่อบริษัทฉวยโอกาสจากช่องโหว่ด้านฮิวริสติกและอคติของมนุษย์ มันก็เริ่มขัดแย้งกับหลักจริยธรรมส่วนตัวของผม" เขากล่าว
ในแง่ของการนำเสนอตัวชี้วัด Finotelli ได้อ้างถึงหนังสือ How to Lie with Statistics เพื่อแสดงให้เห็นว่ากราฟสามารถนำไปสู่ข้อสรุปที่ผิดได้อย่างไรโดยไม่ต้องแก้ไขตัวเลขจริง เพียงแค่เปลี่ยนจุดเริ่มต้นของแกนกราฟ Finotelli เน้นย้ำว่า "คุณอาจกำลังใช้ข้อมูลจริงที่ถูกต้อง แต่บทสรุปที่ได้กลับกลายเป็นคนละเรื่อง" ซึ่งสร้างความเข้าใจผิดเกี่ยวกับอัตราการเติบโตผ่านภาพที่เห็น
3 คำถามสำคัญก่อนเริ่มต้นตีความข้อมูล
ในการวางกรอบการทำงานสำหรับผู้ที่เริ่มต้นวิเคราะห์ตัวชี้วัด Finotelli แนะนำว่าการตีความควรเริ่มต้นจากการตั้งคำถามพื้นฐานเกี่ยวกับขอบเขตของข้อมูล แทนที่จะรีบหาข้อสรุปเพื่อยืนยันสมมติฐานที่ตั้งไว้ล่วงหน้า
แนวทางแรกคือการทำความเข้าใจความหมายที่แท้จริงของตัวชี้วัด: "สิ่งแรกคือต้องเข้าใจในรูปแบบที่ดิบและบริสุทธิ์ที่สุดว่า ข้อมูลนี้หมายถึงอะไร" ต่อมาคือการกำหนดขอบเขตของตัวชี้วัด: "ตัวเลขนี้ตั้งใจตอบคำถามเรื่องอะไรกันแน่ เพราะเราไม่สามารถนำมันไปตอบสิ่งที่อยู่นอกเหนือขอบเขตของมันได้" และท้ายที่สุด Finotelli แนะนำให้ประเมินบริบทแวดล้อม: "มีข้อมูลอื่นใดอีกบ้างที่จะช่วยเสริมการอ่านค่านี้ และช่วยในรูปแบบไหน"