Como mitigar preconceitos de previsão e erros humanos

Preveja preconceitos e erros humanos

Como humanos, estamos repletos de preconceitos, inconscientes e conscientes. Mesmo a pessoa mais analítica e cheia de dados não consegue escapar dessa armadilha mental.

Os preconceitos nos levam a basear opiniões e decisões em nossos próprios preconceitos sobre o que esperamos que seja o resultado de uma pesquisa ou análise.

Devido a isso, os resultados de uma previsão não podem falar por si mesmos, mas funcionam como suporte para qualquer ideia que o analista de previsão esteja buscando. Os preconceitos não se limitam às pessoas, eles também se infiltram nos modelos que elas constroem.

Abordaremos como evitar a influência do preconceito, mas primeiro vamos aprender sobre algumas que geram previsões imprecisas.

“Os preconceitos não se limitam às pessoas,
eles também vazam para os modelos que eles constroem. “

Viés de confirmação

A tendência de confirmar preconceitos ajustando dados e modelos para que estejam em conformidade com eles. Isso acontece concentrando-se apenas nas informações que confirmam as crenças, em vez de focar nas informações que as desafiam. Os erros são um exemplo disso

Em vez de tentar entender por que há um erro, é mais fácil analisar os resultados que sustentam o preconceito.

O perigo do viés de confirmação surge quando uma previsão é influenciada por eles e usada para ajustar, por exemplo, o modelo de previsão. Somos apenas humanos e, quando muita coisa está em jogo, pode ser fácil ser vítima do que queremos ver, e não do que é.

Viés de sobreajuste

Isso envolve um modelo excessivamente complexo que descreve o ruído (aleatoriedade) no conjunto de dados em vez da relação estatística subjacente.
‍
O sobreajuste ocorre com frequência e muitas pessoas (ou seus sistemas de previsão) o fazem sem saber todos os dias.
Isso ocorre quando se permite que um modelo estatístico ajuste o maior número possível de parâmetros para explicar todos os desvios nos dados.

É como adicionar uma linha de tendência a um gráfico no Excel e continuar adicionando polínomos a ela até que a linha de tendência siga perfeitamente os dados históricos.

Com parâmetros infinitos e tempo suficiente, o modelo pode ser adequado para praticamente qualquer conjunto de dados. Mas não há garantia de que o modelo gere boas previsões ou mesmo que deva ser usado.

Falácia da conjunção

O viés da falácia da conjunção é um erro de raciocínio comum no qual acreditamos que dois eventos acontecendo em conjunto são mais prováveis do que um desses eventos acontecendo sozinho. Do ponto de vista da previsão, isso geralmente é visto ao fazer análises de cenários com mais de um evento, resultando em uma previsão condicional com baixa probabilidade.

Como evitar a influência do preconceito em suas previsões

Implementando um processo de previsão estruturado

Um processo de previsão estruturado pode mitigar significativamente o impacto de preconceitos e erros humanos. As estratégias a seguir ajudam a garantir que a contribuição humana seja avaliada e monitorada sistematicamente, levando a previsões mais objetivas e precisas.

1. Defina objetivos e suposições claros
   Comece descrevendo claramente o propósito de sua previsão e as suposições que você está fazendo. Isso ajudará a evitar que opiniões subjetivas influenciem o processo de previsão. A documentação desses aspectos garante transparência e atua como um guia para avaliar quaisquer desvios que ocorram posteriormente.
2. Use uma estrutura de avaliação de modelo
   ‍Avalie modelos de previsão usando métricas padronizadas. Avalie o desempenho do modelo não apenas em dados históricos, mas também em dados fora da amostra para evitar vieses de sobreajuste. Estabeleça critérios para seleção de modelos, enfatizando a simplicidade e a robustez em detrimento da complexidade. As ferramentas de monitoramento automatizado podem ajudar ainda mais a monitorar o desempenho do modelo ao longo do tempo.
3. Incorpore a análise de cenários
   ‍Ao conduzir a análise de cenários, esteja atento à falácia da conjunção. Atribua probabilidades objetivamente a cada cenário e, sempre que possível, confie em modelos probabilísticos que avaliam a probabilidade de eventos individuais e combinados separadamente. Evite criar cenários excessivamente complicados que diluam a precisão das previsões.
4. Reflita sobre previsões anteriores
   ‍Mantenha um registro das previsões anteriores, incluindo as metodologias e suposições usadas. Analise periodicamente essas previsões para entender onde o viés pode ter influenciado os resultados e use esses insights para melhorar os processos de previsão futura.

“Ao pesar um grande conjunto de modelos,
capturamos os pontos fortes de cada modelo individual.
Está provado que isso é mais preciso.”

Por que não usar apenas um bom modelo?

Todos os modelos de previsão têm suas vantagens. Ao ponderar um grande conjunto de modelos, capturamos os pontos fortes de cada modelo individual. Isso provou ser mais preciso, de acordo com as últimas pesquisas de previsão.