Hoe je als data analist met cognitieve biases te maken hebt en hoe je ze kunt herkennen: Deel 3

29 maart 2018

Artikel geschreven door Maartje Meijs, Medior Consultant

Cognitieve biases: We hebben ze allemaal en we komen ze regelmatig tegen in het dagelijks leven. Maar hoe heb je eigenlijk als data analist te maken met deze biases? En hoe kun je ze herkennen? In deze reeks bespreken we cognitieve biases bij analisten. Iedere blog worden er 3 biases uit 20 categorieën gekozen.

Met in deze blog drie biases uit het “Not Enough Meaning” Spectrum: Essentialism, het Positivity effect en de Appeal to probability fallacy.

 

Essentialism

Essentialism betekent dat je denkt dat iedere groep bepaalde kenmerken heeft die relevant zijn voor de identiteit van die groep. Dat klinkt erg vaag, maar voor een analist die clusteranalyses doet, is dit vast herkenbaar: In je clusteranalyse vind je namelijk regelmatig een cluster waarbij je niet echt onderscheidende kenmerken kunt ontdekken. Soms blijf je dan maar doorzoeken naar welke variabele voor dat specifieke cluster onderscheidend is: Die klanten MOETEN vast iets hebben wat hen onderscheid van anderen. En dus kom je uiteindelijk (per toeval?) op een set variabelen die inderdaad verschillend is en kun je je cluster omschrijven als ‘Muntthee drinkende in Nederland wonende vrouwen’… maar of dat nu zo relevant is voor die groep, dat is dan maar de vraag.

 

Positivity effect

Mensen focussen zich meer op én onthouden positieve informatie beter; het positivity effect. En hoe ouder men wordt, hoe sterker deze bias zich voordoet. Dus wanneer je aan je (oudere) collega’s vertelt dat je goed nieuws (‘we kunnen klanten toewijzen aan segmenten voor het versturen van de nieuwsbrief’) en slecht nieuws (‘het model heeft een hit rate van slechts 58%’) hebt, dan is de kans dat dat goede nieuws wordt opgepikt en de rest wordt vergeten groot. Ze kunnen er niets aan doen, het is de natuur.

 

Appeal to probability fallacy

Als mensen denken dat iets waarschijnlijk gebeurt, gaan ze er automatisch vanuit dat het ook echt gebeurt. Of als mensen denken dat iets zeer waarschijnlijk niet gaat gebeuren, dan gaan ze er vanuit dat het niet gaat gebeuren. Anders gezegd, de appeal to probability fallacy zegt dat je van grote of kleine kansen een 100% of 0% kans maakt. Hier kun je natuurlijk handig gebruik van maken: Als jij zegt dat er een ‘zeer kleine kans’ is dat je de analyse deze week af krijgt, dan gaat de toehoorder er dus vanuit dat het deze week niet meer gaat gebeuren. Als je dan op vrijdagmiddag toch nog je analyse af hebt, scoor je daar extra bonuspunten mee! Maar let op, als je dus zegt ‘waarschijnlijk ga ik wel een significant model vinden’ dan gaat je toehoorder er vanuit dat je dus zeker weten een passend model gaat vinden!

 

Cartoon biases reeks 3-panel 1: churn analysis

Cartoon biases reeks 3-panel 2: marketing - customers

 

Lees ook de andere delen:

Deel 1: Self-relevance effect, Confirmation bias en de Bias blind spot.

Deel 2: Availability heuristic, Contrast effect en Clustering illusion.

Contact

Wil je meer weten over dit onderwerp? Neem dan contact op met Maartje Meijs via onderstaande contactgegevens.

Maartje Meijs, Medior Consultant

+31 6 46 88 41 58

m.meijs@cmotions.nl

Laatste nieuws

Business Meetup Achmea over data preparatie @ Cmotions

23 maart 2018

Op verzoek van Achmea hebben we vorige week een Business Meetup georganiseerd op kantoor bij... lees meer

Hoe je als data analist met cognitieve biases te maken hebt en hoe je ze kunt herkennen: Deel 2

21 februari 2018

Cognitieve biases: We hebben ze allemaal en we komen ze regelmatig tegen in het dagelijks... lees meer

Power BI vs. Qlikview vs. Tableau: welke datavisualisatietool moet ik kiezen (deel 2/2)

7 februari 2018

In deel 1 startten we met de vergelijking tussen de softwarepakketten Power BI, Qlikview en Tableau.... lees meer