Предвзятость подтверждения (Confirmation bias) Скачать в PDF
Синонимы: Склонность к подтверждению своей точки зрения, Сonfirmatory bias, Myside bias, Confirmatory bias
Предвзятость подтверждения — это когнитивное искажение, при котором человек склонен учитывать только информацию, подтверждающую его взгляды или гипотезу, игнорируя противоположные данные. Проще говоря, это искажение заставляет фокусироваться только на тех факторах, которые поддерживают его позицию, игнорируя альтернативные.
В бизнес-аналитике это проявляется в том, что исследователь собирает и анализирует исключительно данные, соответствующие его гипотезе, не замечая или намеренно исключая противоречивую информацию. Иными словами, он видит только то, что хочет видеть.
Предвзятость подтверждения может проявляться не только на этапе сбора данных, но и при их интерпретации. Независимо от результатов, аналитик может стремиться адаптировать их под свою гипотезу. Это приводит к предсказуемым последствиям: на основе предвзятой интерпретации делаются выводы, которые отличаются от тех, что могли бы быть сделаны при объективном подходе, учитывающем все возможные варианты, а не только те, которые удобны исследователю.
Например, если компания выводит на рынок новый продукт, а предыдущие товары были успешными, маркетинговая кампания, скорее всего, будет ориентирована на клиентов, которые оставляли положительные отзывы. В то же время редкие отрицательные отклики могут быть проигнорированы, что создаст искаженное представление об ожиданиях аудитории.
Существует три основных признака, которые указывают на то, что предвзятость подтверждения влияет на интерпретацию результатов анализа:
- Только хорошие новости. Если результаты анализа содержат исключительно хорошие новости, это может быть признаком предвзятости подтверждения, скрывающей неудобные показатели. Любое бизнес-решение, изменение продукта, функции или процесса неизбежно имеет как положительные, так и отрицательные последствия. Однако предвзятость может привести к тому, что исследование будет построено так, чтобы подчеркнуть положительные аспекты и минимизировать или вовсе игнорировать отрицательные.
- Ограничение наборов признаков. Отбор признаков в наборы данных для построения моделей машинного обучения производится таким образом, чтобы результаты отражали только позитивные тенденции.
- Использование непонятных метрик. Если аналитик оперирует сложными и запутанными метриками, которые лишь косвенно отражают ход бизнес-процесса, это может свидетельствовать о попытке адаптировать анализ для получения «удобных» результатов.
Основное негативное последствие предвзятости подтверждения — принятие управленческих решений на основе искаженных результатов анализа. Это может привести к потере денег, ресурсов, клиентов и даже репутации компании.
Универсальные подходы для борьбы с предвзятостью подтверждения или смягчения ее последствий выработать сложно из-за разнообразия условий, в которых работают бизнесы. Однако существует ряд рекомендаций, которые могут помочь снизить влияние этого искажения:
- Использовать рецензирование. Поручить проведение аналогичного анализа другому аналитику, чтобы проверить, придет ли он к тем же выводам и суждениям, что и первый.
- Привлечение стороннего аудита. Доверить проверку результатов анализа и оценку последствий принимаемых решений специалистам сторонней организации.
- Триангуляция данных. Выполнить перекрестную проверку результатов анализа с использованием нескольких источников данных. Если данные согласуются, то выводам можно доверять.
- Формирование культуры. Информировать сотрудников о существовании предвзятости подтверждения и ее негативных последствиях. Организовывать тренинги для развития критического мышления.
Проблема предвзятости подтверждения присутствует практически во всех компаниях, где процессы принятия решений поддерживаются технологиями анализа данных. Если не уделять ей должного внимания, это может привести к крайне негативным последствиям.