Detectar fal·làcies en l’ús de discursos amb dades

A l’economia actual, impulsada per la tecnologia, les dades són essencials per obtenir nous coneixements, prendre decisions i crear productes.

De fet, hi ha tantes dades que la seva quantitat es duplica cada dos anys, i el 2025 hi haurà 175.000 exabytes de dades.

És una xifra sense precedents, i és difícil de posar en perspectiva. Perquè ens fem una idea, un exabyte equival a 1.000.000.000 de GB de dades, i es diu que cinc exabytes equivalen aproximadament a “totes les paraules mai pronunciades per la humanitat”.

Fal·làcies i trucs comuns amb les dades

Les fal·làcies estadístiques són trucs comuns que les dades poden jugar-hi, i que condueixen a errors en la interpretació i l’anàlisi de les dades. Explora algunes fal·làcies comunes, amb exemples de la vida real, i descobreix com les pots evitar.

Descobrir aquests pot ser tot un repte. Les dades vénen en moltes maneres diferents i no totes són fàcils d’analitzar. Com a resultat, és temptador prendre dreceres amb les dades, o intentar encaixar les dades que rebem a les nostres nocions preconcebudes de com haurien de ser les coses.

Exemples de fal·làcies

Heus aquí quatre exemples de fal·làcies, i per què cadascuna és considerada un faux-pas pels científics de dades.

1. Biaix de supervivència

Quan s’analitzen les qualitats que es necessiten per ser un empresari d’èxit, se solen buscar pistes a la població existent d’empresaris establerts. Tot i això, en limitar la nostra mostra només a aquest grup d’empresaris “supervivents”, correm el risc de patir un biaix de supervivència.

Hi ha lliçons que podem aprendre de tots els empresaris que han fracassat, però són molt més difícils de trobar. Integrar aquestes dades a la història pot ajudar a completar una imatge molt més completa.

2. Falsa causalitat

Sabies que hi ha una correlació del 95% entre la taxa de matrimonis a Kentucky i la quantitat de persones que s’ofeguen cada any en caure dels vaixells de pesca?

Matrimonis a Kentucky vs. persones que s’ofeguen

Això vol dir que hi ha algun tipus de relació entre les dues variables?

Trobar un alt nivell de correlació pot passar simplement per casualitat, però adjudicar una falsa causalitat és un dels errors estadístics més comuns.
Aquesta i altres correlacions estranyes aquí: tylervigen.com/spurious-correlations

3. La fal·làcia del jugador

Si la ruleta surt negra 26 vegades seguides,
vol dir això que tornarà a sortir vermella en el següent tiratge?

La fal·làcia del jugador també passa amb l’anàlisi de dades: el fet que alguna cosa succeeixi amb una freqüència inusual durant un període de temps no significa que la naturalesa ho “igualarà”.

4. L’efecte Cobra

Les dades es poden utilitzar per mesurar el progrés en la consecució dels objectius empresarials, però què passa si hi ha incentius per jugar amb aquests objectius?

Wells Fargo, en un esforç per vendre més als clients existents, va introduir un incentiu anomenat “vuit és genial”. En resum, els seus empleats es van animar a vendre vuit comptes per client, que podien adoptar la forma de targetes de crèdit, comptes d’estalvi i altres serveis financers.

En un exemple de bones intencions que es van torçar, els empleats de Wells Fargo van començar a incomplir les normes per complir els seus objectius. Es van obrir milions de targetes de crèdit i comptes de dipòsit no autoritzats sobre la base d’aquest incentiu pervers, i el banc va ser finalment condemnat a pagar un acord de 142 milions de dòlars.

 

Fonts: visualcapitalist.com, tylervigen.com, geckoboard.com

Comment

Aquest lloc utilitza Akismet per reduir els comentaris brossa. Apreneu com es processen les dades dels comentaris.

This post doesn't have any comment. Be the first one!

hide comments