Come mitigare le distorsioni previsionali e gli errori umani

Distorsioni previsionali ed errori umani

Come esseri umani siamo pieni di pregiudizi, inconsci e consci. Anche la persona più analitica e ricca di dati non può sfuggire a questa trappola mentale.

I pregiudizi ci portano a basare opinioni e decisioni sui nostri preconcetti su ciò che ci aspettiamo sia il risultato di una ricerca o di un'analisi.

Per questo motivo, i risultati di una previsione non possono parlare da soli, ma fungono invece da supporto a qualsiasi idea a cui l'analista previsionale si stia orientando. I pregiudizi non si limitano alle persone, ma si ripercuotono anche nei modelli che costruiscono.

Vedremo come evitare l'influenza dei pregiudizi, ma prima ne scopriamo alcuni che generano previsioni imprecise.

«I pregiudizi non si limitano alle persone,
penetrano anche nei modelli che costruiscono. »

Bias di conferma

La tendenza a confermare i preconcetti modificando dati e modelli in modo che siano conformi ad essi. Ciò avviene concentrandosi esclusivamente sulle informazioni che confermano le convinzioni piuttosto che sulle informazioni che le mettono in discussione. Gli errori ne sono un esempio

Invece di cercare di capire perché c'è un errore, è più facile esaminare i risultati che supportano il preconcetto.

Il pericolo di distorsioni di conferma si presenta quando una previsione ne viene influenzata e utilizzata per aggiustare, ad esempio, il modello previsionale. Siamo solo umani e quando la posta in gioco è alta può essere facile cadere vittime di ciò che vogliamo vedere, piuttosto che di ciò che è.

Bias di sovradimensionamento

Ciò comporta un modello eccessivamente complesso che descrive il rumore (casualità) nel set di dati piuttosto che la relazione statistica sottostante.
‍
L'overfitting si verifica spesso e molte persone (o i loro sistemi di previsione) lo fanno inconsapevolmente ogni giorno.
Ciò si verifica quando un modello statistico può adattare il maggior numero possibile di parametri per spiegare tutte le deviazioni nei dati.

È come aggiungere una linea di tendenza a un grafico in Excel e continuare ad aggiungere polinomi finché la linea di tendenza non segue perfettamente i dati storici.

Con parametri infiniti e tempo sufficiente, il modello può essere adatto a quasi tutti i set di dati. Ma non c'è alcuna garanzia che il modello generi buone previsioni o che debba essere utilizzato affatto.

Errore di congiunzione

Il pregiudizio derivante dall'errore di congiunzione è un errore di ragionamento comune in cui riteniamo che due eventi che si verificano in congiunzione siano più probabili di uno di quegli eventi che si verificano da soli. Dal punto di vista delle previsioni, ciò si verifica spesso quando si eseguono analisi di scenari con più di un evento, con conseguente previsione condizionale con bassa probabilità.

Come evitare l'influenza dei pregiudizi sulle tue previsioni

Implementazione di un processo di previsione strutturato

Un processo di previsione strutturato può mitigare in modo significativo l'impatto dei pregiudizi e degli errori umani. Le seguenti strategie aiutano a garantire che l'input umano sia valutato e monitorato sistematicamente, portando a previsioni più obiettive e accurate.

1. Definire obiettivi e presupposti chiari
   Inizia delineando chiaramente lo scopo della tua previsione e le ipotesi che stai facendo. Ciò contribuirà a evitare che le opinioni soggettive influenzino il processo di previsione. La documentazione di questi aspetti garantisce la trasparenza e funge da guida per valutare eventuali deviazioni che si verificano successivamente.
2. Usa un framework di valutazione dei modelli
   ‍Valuta i modelli di previsione utilizzando metriche standardizzate. Valuta le prestazioni del modello non solo sui dati storici ma anche su dati non campionari per evitare distorsioni dovute a sovradimensionamento. Stabilisci i criteri per la selezione del modello, enfatizzando la semplicità e la robustezza rispetto alla complessità. Gli strumenti di monitoraggio automatizzati possono aiutare ulteriormente a tracciare le prestazioni del modello nel tempo.
3. Incorpora l'analisi degli scenari
   ‍Quando conduci l'analisi dello scenario, fai attenzione all'errore di congiunzione. Assegna le probabilità in modo obiettivo a ogni scenario e, ove possibile, affidati a modelli probabilistici che valutano separatamente la probabilità di eventi singoli e combinati. Evita di creare scenari troppo complicati che diluiscono l'accuratezza delle previsioni.
4. Rifletti sulle previsioni passate
   ‍Mantieni un registro delle previsioni passate, comprese le metodologie e le ipotesi utilizzate. Rivedi periodicamente queste previsioni per capire dove i pregiudizi possono aver influenzato i risultati e utilizza queste informazioni per migliorare i processi di previsione futuri.

«Ponderando un ampio set di modelli,
cogliamo i punti di forza di ogni singolo modello.
Questo si è dimostrato più accurato».

Perché non usare solo un buon modello?

Tutti i modelli previsionali hanno i loro vantaggi. Ponderando un ampio set di modelli, cogliamo i punti di forza di ogni singolo modello. Questo si è dimostrato più accurato, secondo le ultime ricerche previsionali.