Jak złagodzić błędy prognozy i błędy ludzkie

Prognozy uprzedzeń i błędów ludzkich

Jako ludzie jesteśmy przepełnieni uprzedzeniami, nieświadomymi i świadomymi. Nawet najbardziej analityczna, bogata w dane osoba nie może uciec od tej mentalnej pułapki.

Uprzedzenia prowadzą nas do opierania opinii i decyzji na własnych uprzedzeniach na temat tego, czego oczekujemy od wyników badań lub analizy.

Z tego powodu wyniki prognozy nie mogą mówić same za siebie, ale zamiast tego działają jako wsparcie dla każdego pomysłu, do którego skłania się analityk prognoz. Uprzedzenia nie ograniczają się do ludzi, przeciekają również do modeli, które budują.

Omówimy, jak uniknąć wpływu stronniczości, ale najpierw dowiedzmy się o parze, która kieruje niedokładnymi prognozami.

„Uprzedzenia nie ograniczają się do ludzi,
przeciekają również do modeli, które budują. „

Błąd potwierdzenia

Tendencja do potwierdzania uprzedzeń poprzez dostosowywanie danych i modeli tak, aby były do nich zgodne. Dzieje się tak poprzez skupienie się wyłącznie na informacjach potwierdzających przekonania, a nie skupiając się na informacjach, które im kwestionują. Błędy są tego przykładem

Zamiast próbować zrozumieć, dlaczego doszło do błędu, łatwiej jest spojrzeć na wyniki, które wspierają wstępne przekonanie.

Niebezpieczeństwo błędu potwierdzenia powstaje, gdy na prognozę wpływają one i są wykorzystywane do dostosowania, na przykład, modelu prognozy. Jesteśmy tylko ludźmi i kiedy stawką jest dużo, łatwo jest paść ofiarą tego, co chcemy zobaczyć, a nie tego, co jest.

Odchylenie nadmiernego dopasowania

Obejmuje to zbyt złożony model, który opisuje szum (losowość) w zbiorze danych, a nie podstawową zależność statystyczną.
‍
Nadmierne dopasowanie występuje często i wiele osób (lub ich systemy prognozowania) robi to nieświadomie każdego dnia.
Dzieje się tak, gdy model statystyczny może dopasować jak najwięcej parametrów, aby wyjaśnić wszystkie odchylenia w danych.

To tak, jakby dodać linię trendu do wykresu w programie Excel i dodawać do niej wielinomy, aż linia trendu idealnie podąży za danymi historycznymi.

Przy nieskończonych parametrach i wystarczającej ilości czasu model może być dostosowany do prawie każdego zestawu danych. Ale nie ma gwarancji, że model wygeneruje dobre prognozy, a nawet jeśli w ogóle powinien być używany.

Błąd koniunkcji

Błędy wynikające z błędu koniunkcji są częstym błędem rozumowania, w którym uważamy, że dwa wydarzenia zachodzące w połączeniu są bardziej prawdopodobne niż jedno z tych wydarzeń, które dzieje się samodzielnie. Z perspektywy prognozowania jest to często widoczne podczas przeprowadzania analiz scenariuszy z więcej niż jednym zdarzeniem, co skutkuje warunkową prognozą o niskim prawdopodobieństwie.

Jak uniknąć wpływu stronniczości na swoje prognozy

Wdrażanie ustrukturyzowanego procesu prognozowania

Ustrukturyzowany proces prognozowania może znacznie złagodzić wpływ uprzedzeń i błędów ludzkich. Poniższe strategie pomagają zapewnić systematyczną ocenę i monitorowanie wkładu człowieka, co prowadzi do bardziej obiektywnych i dokładnych prognoz.

1. Zdefiniuj jasne cele i założenia
   Zacznij od jasnego nakreślenia celu swojej prognozy i założeń, które podejmujesz. Pomoże to zapobiec wpływowi subiektywnych opinii na proces prognozowania. Dokumentowanie tych aspektów zapewnia przejrzystość i działa jako przewodnik do oceny wszelkich odchyleń, które wystąpią później.
2. Korzystanie z ram oceny modelu
   ‍Oceniaj modele prognozowania przy użyciu standardowych metryk. Oceniaj wydajność modelu nie tylko na danych historycznych, ale także na danych poza próbką, aby chronić się przed nadmiernym nastawieniem. Ustal kryteria wyboru modelu, podkreślając prostotę i solidność nad złożonością. Zautomatyzowane narzędzia monitorujące mogą dodatkowo pomóc w śledzeniu wydajności modelu w czasie.
3. Włącz analizę scenariuszy
   ‍Przeprowadzając analizę scenariuszy, pamiętaj o błędzie koniunkcji. Obiektywnie przypisuj prawdopodobieństwa do każdego scenariusza i, jeśli to możliwe, polegaj na modelach probabilistycznych, które oddzielnie oceniają prawdopodobieństwo zdarzeń indywidualnych i połączonych. Unikaj tworzenia zbyt skomplikowanych scenariuszy, które zmniejszają dokładność prognozy.
4. Zastanów się nad wcześniejszymi prognozami
   ‍Prowadzić rejestr wcześniejszych prognoz, w tym zastosowanych metodologii i założeń. Okresowo przeglądaj te prognozy, aby zrozumieć, gdzie stronniczość mogła wpłynąć na wyniki i wykorzystać te spostrzeżenia do usprawnienia przyszłych procesów prognozowania.

„Ważąc duży zestaw modeli,
wychwytujemy mocne strony każdego indywidualnego modelu.
Udowodniono, że jest to dokładniejsze”.

Dlaczego nie użyć jednego dobrego modelu?

Wszystkie modele prognozy mają swoje zalety. Ważąc duży zestaw modeli, wychwytujemy mocne strony każdego modelu. Udowodniono, że jest to dokładniejsze, zgodnie z najnowszymi badaniami prognozującymi.