Nhấn vào đây để tìm hiểu thêm về Sharad Varshney.
“Chúng ta không nhìn mọi thứ như chúng vốn có. Chúng tôi nhìn mọi thứ như chúng tôi đang có.” –Anais Nin, tiểu thuyết gia người Mỹ gốc Pháp gốc Cuba
Thành kiến nhận thức làm tổn hại đến nghiên cứu và do đó, phân tích. Tuy nhiên, bạn có thể ngạc nhiên khi biết rằng thiên kiến là nền tảng cho chức năng của bộ não con người.
Trong một nghiên cứu về thành kiến nhận thức tại Đại học Stanford, “Các khía cạnh tâm lý của vấn đề định cư của Israel: Tài sản và bản sắc”, các nhà nghiên cứu đã cho những người tham gia xem những đoạn video cụ thể ghi lại các cuộc xung đột Ả Rập-Israel. Nhóm thử nghiệm, bao gồm cả tình nguyện viên người Ả Rập và Israel, được yêu cầu bình luận về tính cân bằng của báo cáo. Mặc dù xem cùng một đoạn phim, nhưng các tình nguyện viên Ả Rập nhận thấy có nhiều đề cập chống Ả Rập hơn, trong khi các tình nguyện viên Israel cảm thấy video có tính chất chống Israel nhiều hơn.
Vì vậy, làm thế nào điều này xảy ra? Có một số giả thuyết giải thích tại sao bộ não của chúng ta hoạt động theo cách này. Một giả thuyết cho rằng sự thiên vị xảy ra là do bộ não con người có hai bán cầu. Bán cầu não phải có nhiệm vụ thu thập thông tin, trong khi bán cầu não trái có nhiệm vụ xử lý và giải thích nó – giống như cách dữ liệu được chuyển từ nhiều nguồn khác nhau đến các hệ thống phù hợp hơn với việc phân tích dữ liệu.
Với rất nhiều thông tin có sẵn để xử lý, bán cầu não trái sẽ chọn lọc những thông tin chọn lọc và phát triển một lý thuyết dựa trên dữ liệu này. Vấn đề là, một khi lý thuyết đã được thiết lập, bộ não sẽ chỉ chấp nhận những thông tin ủng hộ nó và bỏ qua mọi thứ khác.
Trong bài viết này, chúng tôi sẽ:
- Thảo luận về sự thiên vị trong việc giải thích dữ liệu
- Giải thích sự tò mò làm giảm sự thiên vị như thế nào
- Khuyến khích sự tò mò dựa trên dữ liệu
Xu hướng nhận thức trong giải thích dữ liệu
Thiên vị nhận thức xảy ra khi có sự sai lệch so với tính hợp lý trong phán đoán. Trong những tình huống này, bộ não tạo ra các lối tắt hợp lý để xử lý thế giới xung quanh hiệu quả hơn. Trong một số trường hợp, những lối tắt này có thể giúp tiết kiệm thời gian, nhưng còn những tình huống mà kết quả là bất lợi thì sao?
Ra quyết định tại nơi làm việc là công việc chính của thế giới kinh doanh. Mọi khía cạnh của công ty đều yêu cầu người dùng đưa ra các quyết định duy nhất về mặt vận hành cần thiết để thành công. Tuy nhiên, từ việc thuê nhân viên mới đến việc quyết định kế hoạch sản xuất, những quyết định dựa trên thành kiến rất dễ bị bỏ qua.
Ví dụ mà chúng tôi trích dẫn ở đầu bài viết này thuộc loại thiên vị xác nhận, trong đó chỉ những thông tin hỗ trợ quan điểm đã xác định trước của bạn về một vấn đề mới được xử lý. Việc giải thích dữ liệu quy mô lớn dễ bị ảnh hưởng bởi một loại sai lệch nhận thức khác được gọi là sai lệch về tính sẵn có. Độ lệch sẵn có tính đến thông tin gần đây khi đưa ra quyết định thay vì toàn bộ dữ liệu liên quan.
Ví dụ, hiện nay có một thiếu chip máy tính được gọi là chip bán dẫn hoặc mạch tích hợp (IC), được sử dụng trong hầu hết các sản phẩm công nghệ từ ô tô đến thiết bị nhà bếp. Chip IC chỉ được sản xuất bởi một số công ty do các điều kiện chuyên biệt cần thiết cho quá trình sản xuất.
Trong giai đoạn đầu của đại dịch, ngành công nghiệp ô tô đã đóng cửa vì lý do an toàn và dự đoán doanh số bán hàng sẽ giảm do điều kiện kinh tế không thuận lợi. Họ dự đoán số lượng người mua ô tô sẽ giảm đáng kể và sự suy thoái đã xảy ra trong cuộc Đại suy thoái năm 2008 sẽ lặp lại.
Đây là một ví dụ điển hình về khuynh hướng sẵn có vì phân tích đã không tính đến toàn bộ hệ lụy của đại dịch, một cuộc khủng hoảng khác với cuộc Đại suy thoái.
Ngược lại, với phần lớn thế giới làm việc tại nhà, nhiều công ty công nghệ dự đoán tiềm năng bùng nổ doanh số. Học sinh sẽ cần truy cập từ xa vào các dịch vụ giáo dục, người lớn sẽ phải điều hướng thế giới kinh doanh từ văn phòng tại nhà và thu nhập hộ gia đình sẽ được chi cho hàng tiêu dùng thay vì các kỳ nghỉ hàng năm.
Trong khi ngành công nghiệp ô tô mua ít chip IC hơn thì nhiều công ty công nghệ bắt đầu dự trữ chúng. Khi ô tô được đưa vào sản xuất trở lại thì đã quá muộn. Các nhà sản xuất chip IC hạn chế không thể theo kịp nhu cầu cấp bách. Giờ đây, chip IC đang gặp phải tình trạng thiếu hụt toàn cầu và ngành công nghiệp ô tô đang tụt hậu. Và tất cả điều này có thể là do sự thiên vị sẵn có.
Ford dự đoán rằng tình trạng thiếu chip IC sẽ ảnh hưởng đến lợi nhuận của họ vào năm 2021 khoảng 2.5 tỷ USD. Do đó, người tiêu dùng có thể kỳ vọng giá sẽ tăng.
Để chống lại sự thiên vị, chẳng hạn như thành kiến về tính sẵn có, bạn phải truy cập vào phạm vi đầy đủ của dữ liệu liên quan và hiểu cách các mối liên hệ và tác động làm giảm khả năng đưa ra các quyết định sai lệch. Về cơ bản, nhiều thông tin hơn sẽ cung cấp một bức tranh rõ ràng hơn cho việc ra quyết định.
Kiến thức về dữ liệu và truy cập vào dữ liệu lớn mở đường cho việc không chỉ giảm bớt sự thiên vị mà còn giúp giảm sự tò mò dựa trên dữ liệu. Sự tò mò này có thể được sử dụng để nâng cao quá trình ra quyết định của một doanh nghiệp.
Tại sao sự tò mò làm giảm sự thiên vị?
Với rất nhiều cuộc thảo luận về tiềm năng kinh doanh của dữ liệu lớn, câu hỏi đặt ra là “Làm thế nào dữ liệu lớn có thể ảnh hưởng đến việc ra quyết định nếu tâm trí chọn một kết quả định trước theo bản năng?”
Hãy cùng xem xét một ngành nơi việc đánh giá rủi ro và các quyết định về dữ liệu ảnh hưởng trực tiếp đến tài sản cá nhân: thị trường chứng khoán.
Khi đại dịch lan rộng, thị trường chứng khoán trải qua giai đoạn khó khăn sụt giảm nhanh nhất lịch sử. Tuy nhiên, trong vòng sáu tháng, thị trường đã phục hồi và vượt qua những kỷ lục đỉnh cao trước đó.
Nhà đầu tư sẽ kiểm tra nhiều nguồn dữ liệu để xác định tiềm năng đầu tư và lợi nhuận có thể có. Ngay cả khi thị trường sụt giảm, nhà đầu tư nhìn về tương lai và được đầu tư tương ứng. Với nhiều người làm việc tại nhà hơn, sẽ cần nhiều công nghệ hơn. Khi vắc xin được phát triển, nguồn cung thiết bị chăm sóc sức khỏe sẽ tăng lên. Trên thực tế, có nhiều nhà đầu tư mới tham gia thị trường lần đầu tiên.
Giờ đây, khi mọi người ở nhà và ít có động lực tiêu tiền đi chơi đêm hơn, nhiều người đã chuyển sang đầu tư lần đầu vào cổ phiếu. Các ứng dụng giao dịch chứng khoán như Robinhood và Public có mức tăng trưởng vượt bậc.
Ngay cả những người mới tham gia đầu tư này cũng biết nghiên cứu trước khi bỏ ra bất kỳ khoản tiền nào. Những người dùng mới này nhận được rất nhiều thông tin, cho phép họ cân nhắc những mặt tích cực và tiêu cực của một công ty trước khi cam kết mua cổ phiếu. Đây là định nghĩa của sự tò mò dựa trên dữ liệu.
Làm thế nào để khuyến khích sự tò mò dựa trên dữ liệu?
Ngày nay, rất nhiều công ty đang phấn đấu để đạt được sự tăng trưởng dựa trên dữ liệu. Tuy nhiên, quá trình thu thập và phân phối dữ liệu Việc ra quyết định là khó khăn chủ yếu vì nó liên quan đến nhiều người, những người chắc chắn sẽ mang theo những thành kiến của riêng họ.
Chủ sở hữu dữ liệu được đầu tư vào lợi ích cá nhân, nhưng sự tò mò ở nơi làm việc sẽ dẫn đến sự đổi mới và tăng trưởng ở cả cấp độ cá nhân và doanh nghiệp. Để giúp người dùng tò mò về phạm vi dữ liệu trong tổ chức của họ, nhà tuyển dụng có thể cung cấp các công cụ cho phép họ đặt câu hỏi về dữ liệu đó.
A Quản trị dữ liệu công cụ tổ chức, quản lý và trình bày dữ liệu theo cách dễ tiếp cận. Điều này giúp việc truy cập dữ liệu dễ dàng hơn và thúc đẩy sự tò mò dựa trên dữ liệu. Những câu hỏi sâu hơn và phức tạp hơn có thể được hỏi và trả lời. Các quyết định có thể được đưa ra với độ tin cậy cao hơn và ít có khả năng rơi vào cái bẫy tự mãn và thiên vị.
Dữ liệu chất lượng cao, về bản chất, là không thiên vị. Nó là thực tế. Vì vậy, khi người dùng được cấp quyền truy cập vào nó, họ có thể đặt các câu hỏi độc lập về nó và thông tin họ nhận được là trung thực và khách quan. Nhân viên cũng có thể làm theo các khuyến nghị về các bộ dữ liệu liên quan và nâng cao hơn nữa kiến thức của mình để đưa ra quyết định kinh doanh tốt hơn. Bất kỳ lỗi nào có thể được theo dõi lại thông qua dòng dữ liệu.
Dòng dữ liệu cũng là một cơ chế cho sự tin cậy. Nó cho biết dữ liệu bắt nguồn từ đâu và nó di chuyển như thế nào theo thời gian. Khi sử dụng dữ liệu đáng tin cậy, khả năng dữ liệu hái anh đào cho thấy kết quả mong muốn sẽ giảm đáng kể.
Về cơ bản, khi được quản lý cẩn thận, sự tò mò dựa trên dữ liệu sẽ chống lại sự thiên vị nhận thức hiện có.
PlatoAi. Web3 được mô phỏng lại. Khuếch đại dữ liệu thông minh.
