Hoe je als data-analist met cognitieve biases te maken hebt en hoe je ze kunt herkennen: Deel 6

26 juni 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 drie biases uit het “Need To Act Fast” Spectrum: de Ambiguity Bias, Appeal to Novelty en het False-Consensus Effect.

Ambiguity Bias

Mensen houden niet van onvoorspelbaarheid – en dus wordt onvoorspelbaarheid (en niet hebben van informatie) vaak verward met negativiteit (het hebben van negatieve informatie). Bijvoorbeeld: je wordt gevraagd een realtime dashboard te maken van die statische salesrapportage in Excel. Je hebt dit nog nooit gedaan, maar je weet dat een collega iets vergelijkbaars heeft gemaakt in Tableau en dat het hem 5 dagen kostte. Je kunt het ook doen in PowerBI, maar je hebt geen idee hoeveel tijd dat kost. Grote kans dat je kiest om het dashboard in Tableau te maken, omdat je bij die optie minder onzekerheid hebt.

Appeal to Novelty

Simpel gezegd vertelt deze bias dat we ons aangetrokken voelen tot nieuwe dingen en we daardoor dingen die nieuw of modern zijn als beter en meer correct zien dan oude dingen of de status-quo. De logica hierbij is als volgt: Churnmodel X gebruiken we al sinds 2015. We hebben een nieuw Churnmodel Y gemaakt. Dus, Churnmodel Y is beter. Als gevolg van deze Appeal to Novelty worden nieuwe dingen vaak ingevoerd zonder check of ze daadwerkelijk beter zijn. Ga dus voor jezelf goed na of je Python 3 wilt leren omdat het echt beter is, of omdat het een nieuwere versie is dan Python 2. En als die collega heel graag de nieuwe Windows versie wil installeren – ondervraag hem dan kritisch of het echt een betere versie is :-).

False-Consensus Effect

Dit is een bias die je overal tegenkomt. Mensen schatten de kans hoger in dat hun meningen, voorkeuren en waarden de norm zijn en dat anderen deze delen. Met andere woorden: iedereen doet en denkt zoals ik doe en denk. Deze bias levert vooral frustraties op (bij mij in ieder geval) bij bijvoorbeeld het lezen van andermans script. Want iedereen gebruikt toch tabs en comments om zijn script leesbaar te houden? Gelukkig levert deze bias niet alleen frustratie op, maar ook vermakelijke verwondering. Als je collega tijdens de lunch zegt dat ze het heeeeel normaal vindt om een boterham met kaas en chocopasta te eten (en niet snapt dat niet iedereen dat eet), dan is dat ook false consensus.
Je kunt deze bias herkennen bij anderen doordat ze zeggen: “Maar het is toch heel normaal om…[vul hier een mening-voorkeur-waarde in]. Ik snap niet dat anderen dat niet ook doen.”

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.

Deel 4: Curse of Knowledge, de Hindsight Bias en het Hard-Easy Effect.

Deel 5: Sunk Cost effect, het IKEA effect en het Google effect.

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.