Hoe je als data-analist met cognitieve biases te maken hebt en hoe je ze kunt herkennen: Deel 4

26 april 2018

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 twee biases uit het “Not Enough Meaning” Spectrum: Curse of Knowledge en de Hindsight Bias en een bias uit het “Need To Act Fast” Spectrum: het Hard-Easy Effect .

 

Curse of Knowledge

Deze bias zegt dat we ons niet goed kunnen inleven in wat anderen niet weten. Je bent dus in feite vervloekt door je eigen kennis. Significantie, factoren, overfitting, variantie, homoscedascititeit (oke, die misschien niet) – je gaat er allemaal impliciet vanuit dat anderen precies weten waar jij het over hebt. Het zijn begrippen die voor een data-analist heel normaal zijn en waarvan je daarom misschien maar lastig kunt begrijpen dat anderen het niet (helemaal) begrijpen. Probeer je dus in te leven in de ander als je een presentatie geeft of uitleg geeft over je analyse. Want niemand wil die natuurkunde leraar van vroeger zijn waar niemand ook maar iets van begreep.

 

Hindsight Bias

De hindsight bias zegt dat wanneer de uitkomst van een evenement bekend is, dat het hele proces van dat evenement ineens heel logisch en voorspelbaar voelt ondanks dat daarvoor geen enkele aanleiding is. Stel je voor: na veel puffen en steunen kom je tot een goed churn voorspelmodel. Zodra je dat model hebt gemaakt, voelen alle stappen die je daarvoor hebt moeten doen eigenlijk ineens logisch: Natuurlijk had je de missende waarden moeten imputeren met het gemiddelde en niet met de mediaan. En natuurlijk had je kunnen weten dat die ene voorspellende variabele niet normaal verdeeld zou zijn en dat je die moest transformeren. Let op voor die ene collega die floreert op hindsight bias en continu zegt“dat je dat niet eerder hebt gezien”. Tja, achteraf is het makkelijk praten!

 

Hard-Easy Effect

Waarschijnlijk had je bij het maken van het churn voorspelmodel vooraf niet verwacht dat het zoveel moeite zou kosten. Dit is precies waar het Hard-Easy Effect om draait: de kans op succes op moeilijke taken wordt overschat en de kans op succes op makkelijke taken wordt onderschat. Zo’n voorspelmodel schud je natuurlijk even zo uit je mouw en dus was het een tegenvaller dat je er toch wat moeite in moest stoppen. Op moeilijke taken is het andersom: je ruimt er veel tijd voor in, je weet dat het lastig gaat worden, en je doet er alles aan om te zorgen dat je succesvol bent. Resultaat: de taak wordt als makkelijker ervaren. Als oplossing kun je voortaan alles inschatten als een moeilijke taak, zodat je daarna een gevoel van euforie en opluchting hebt. De vraag is alleen of je scrum master blij gaat zijn als je alles inschat op 100 punten.

 

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.

Deel 3: Essentialism, het Positivity effect en de Appeal to probability fallacy.

 

Contact

Wil je meer weten over dit onderwerp? Neem dan contact met ons op via +31 (0)33 258 28 30 of info@cmotions.nl.

Laatste nieuws

Kan een assistent coach de kwaliteit van telefoongesprekken inschatten?

19 februari 2020

Kwaliteit binnen de klantenservice De wereld van de klantenservice verandert snel, net als de wereld om... lees meer

Meld je aan voor onze Nachos Hackathon!

12 februari 2020

Cmotions Nachos Hackathon 3 april 2020 Al jarenlang staan de kranten er vol van: Nederland dreigt... lees meer

Uitreiking Michelinsterren 2020 – hoe juist was onze voorspelling?

13 januari 2020

Vandaag was het moment van de waarheid voor menig restauranthouder, maar ook voor ons! De uitreiking... lees meer

Schrijf je in voor onze nieuwsbrief

Mis nooit meer iets op het gebied van advanced analytics, data science en de toepassing daarvan binnen organisaties!