Dane stanowią ogromną siłę napędową wielu strategicznych zmian we współczesnych przedsiębiorstwach. Wraz z rosnącą dostępnością i nadwyżką danych firmom łatwiej jest analizować i wprowadzać zmiany w oparciu o spostrzeżenia uzyskane na podstawie zebranych informacji. Ta koncepcja, podejmowanie decyzji na podstawie danych, nie jest nowa. Firmy stosowały te praktyki na wiele sposobów na przestrzeni lat, czy to poprzez zbieranie danych jakościowych na temat nowego produktu, czy doskonalenie wydajności zespołu sprzedażowego. Mam nadzieję, że rozwiążę tylko kilka typowych pułapek, z którymi firmy mogą się zmagać, wykorzystując dane do podejmowania decyzji.
Wiodące pytania
Proces gromadzenia danych może być czasochłonny i często kosztowny. Niedrogą stroną spektrum będzie zbieranie danych wewnętrznych, podczas gdy droższą stroną będą wiodące jakościowe grupy fokusowe obracające się wokół nowego lub istniejącego produktu. Nośnik, na którym zamierzam się skupić w zakresie gromadzenia danych, z grubsza mieści się między tymi dwoma, ankietami.
Podczas tworzenia ankiet może powstać wiele problemów. Jednym z najbardziej znanych jest pisanie pytań, które prowadzą do odpowiedzi. Można to zrobić umyślnie lub nieumyślnie, ale ma to ogromny potencjał, by zmienić wyniki ankiety.
Oto dobry przykład wiodącego pytania w działaniu:
Co sądzisz o negatywnym wpływie wylesiania na środowisko?
Oczywiście istnieje wiele badań potwierdzających twierdzenie, że wylesianie jest negatywne, ale sugerowanie, że wylesianie jest negatywne w pytaniu, predysponuje osoby reagujące na taki tok myślenia. Doprowadzi to do tego, że większość osób odpowiadających na pytanie już uważa, że wylesianie jest negatywne.
Aby uzyskać obiektywną odpowiedź, te dwa pytania byłyby lepsze:
- Jaki wpływ wylesienie miało na środowisko?
- W skali od 1 do 7, gdzie 1 jest bardzo negatywny, a 7 bardzo pozytywny, jak opisałbyś wpływ wylesiania na środowisko?
Teraz te dwa pytania wciąż nie są idealne, ale drugie pytanie usuwa wiodącą naturę pierwszego pytania. Pomoże to podzielić pytanie na dwie części, aby uzyskać pełne, obiektywne spojrzenie na odpowiedzi.
Dane nie są nieomylne
Nie mogę wystarczająco podkreślić tego punktu. Wszystkie badania mają dopuszczalny margines błędu ustalony przez firmę, na ogół od 4% do 8% przy poziomie ufności 95%. To ostatecznie oznacza, że próbka i wyniki uzyskane w wyniku badań nie są w pełni wskazujące na całkowitą populację. Koszt osiągnięcia takiego wyniku byłby astronomiczny. Wiedząc o tym, ważne jest, aby zdać sobie sprawę, że chociaż wykorzystywanie danych w celu podejmowania decyzji biznesowych jest doskonałym sposobem na zmniejszenie ryzyka, nadal będzie ryzyko przy każdej podejmowanej decyzji. To prowadzi mnie do kolejnego powszechnego błędu, biorąc udział w badaniach naukowych i analizie danych, stronniczości.
Uważaj na stronniczość
Mógłbym wydać cały blog i więcej na koncepcję stronniczości w badaniach. Może istnieć w każdym aspekcie procesu badawczego, od wczesnego projektu po analizę. Chciałbym przede wszystkim mówić o uprzedzeniach, które mogą występować w analizie danych. Praktyka, znana jako pogłębianie danych, może być wyjątkowo szkodliwa dla firmy i produktu i często jest niezamierzona przez badacza i firmę. Z grubsza rzecz biorąc, pogłębianie danych polega na analizowaniu danych przez ich analizowanie, tak aby pewne relacje mogły zostać wykazane jako istotne statystycznie. Może to być bardzo szkodliwe, ponieważ wiąże się z bardzo wysokim ryzykiem tworzenia fałszywych wyników pozytywnych.
Firma FiveThirtyEight przeprowadziła badanie, w którym wysłała ankietę, w której ukończyło 54 osoby. Następnie wykonali około 27,716 XNUMX regresji tych danych. Niektóre wyniki były przezabawne.
Oto tylko kilka z wielu korelacji, które okazały się istotne statystycznie:
-Pijąca lemoniada ma pozytywną korelację między przekonaniem, że „Crash” zasługiwał na najlepsze zdjęcie
-Jedzenie skorupiaków jest pozytywnie skorelowane z byciem praworęcznym
- Jedzenie soli kuchennej jest pozytywnie skorelowane z utrzymywaniem pozytywnych relacji z dostawcą usług internetowych
Oczywiście są to absurdalne korelacje, ale jeszcze ważniejsze, aby wziąć pod uwagę, że niektóre z nich mogą być prawdziwymi korelacjami. Jednak korelacja nie równa się przyczynowości. Dzięki tym przykładom łatwo zauważyć, że istnieje problem z analizą przeprowadzoną na danych. Trudniej zauważyć ten problem podczas analizy danych związanych z Twoją firmą lub nowego produktu, nad którym pracuje Twoja firma.
Ważne jest, aby cofnąć się o krok podczas przeglądania lub analizy danych i zrozumieć, kiedy może istnieć uprzedzenie, umyślne lub niezamierzone, i być tego ostrożnym.
Dane są korzystne
Wiem, że spędziłem większość tego bloga na rozmowach na temat różnych sposobów niewłaściwego wykorzystania lub niezrozumienia danych, ale chcę dodać, że ogólnie analiza danych jest doskonałym kręgosłupem do podejmowania decyzji. Może znacznie pomóc w zmniejszeniu ryzyka i lepiej informować pracowników i zwiększać produktywność. Zdecydowanie polecam wykorzystanie danych do podejmowania decyzji biznesowych, ale ważne jest również, aby dane nie były jedynym decydującym czynnikiem.
Jeśli chcesz przeczytać więcej o badaniu autorstwa FiveThirtyEight powyżej, skorzystaj z linku poniżej:
https://fivethirtyeight.com/features/you-cant-trust-what-you-read-about-nutrition/
