Kognitivní zkreslení: Heuristika reprezentativnosti a ten týpek je určitě ajťák | Mňamka #421

Jste na meetingu s klientem v zasedačce, když v tom vrazí do místnosti týpek v teplácích, s brýlemi, s notebookem v podpaží, skoro ani pořádně nepozdraví a posadí se do rohu místnosti. Co vás jako první napadne, je pravděpodobně „ahá, to bude nějakej jejich ajťák, cool“.

Opět se vracíme s další psychomňamkou. Dnes se podrobněji podíváme na další kognitivní zkreslení, ke kterému se můžeme uchylovat při rozhodování - heuristiku reprezentativnosti. Hned v úvodu jsme představili klasický příklad této heuristiky, a to tendenci dělat úsudky o lidech, událostech, nebo předmětech na základě toho, jak reprezentují nějakou naši představu o dané skupině. Proto si pomyslíme o týpkovi v teplácích, že je ajťák, jen na základě toho, jak vypadá nebo jak se chová, i přestože nelze s jistotou říct, že je ajťákem. Může být klidně analytikem, produkťákem, klidně i ředitelem firmy, který si do klína ráno vylil kafe nebo bratrancem přes koleno pana CEO, co zakládá startup a nemá svůj pracovní stůl, tak skvotuje po zasedačkách.

Proč by nás to jako dataře mělo zajímat?

Tato heuristika může za chybné úsudky nejen v oblasti businessu. Pojďme si pár takových příkladů rozebrat.

Hiring

Heuristika reprezentativnosti může vstupovat do našich rozhodnutí ohledně toho, jakého kandidáta k sobě do firmy vybíráme. Můžeme kandidáta například porovnávat s naší představou o typickém zaměstnanci firmy a vybírat podle toho, jak se této představě podobá. Vybírat kandidáta podle toho, jak si sedne s naší kulturou, je samozřejmě úplně v pořádku, je dobré to ale dělat vědomě, protože občas můžeme opomenout důležité zkušenosti nebo kvalifikace uchazečů.

Můžeme si také na kandidátovi například všímat pár vlastností, např. že hodně mluví, nebo že vypadá nadšený do věcí. Automaticky mu pak můžeme přisoudit další vlastnosti, které s tím souvisí, a tedy že lidé, co hodně mluví, jsou přece také extroverti. To ale nemusí být pravda, teď z vás mluví heuristika.

Bordel in, bordel out

V datovém světě je známé přísloví bordel in, bordel out. Kognitivní zkreslení snadno navedou i toho nejostřílenějšího datového analytika na nesprávnou cestu. Například vyberou vzorky dat, které neodpovídají skutečnosti a na kterých se těžko dají stavět spolehlivé závěry. Mohou se také snažit predikovat chování zákazníků na základě nekompletních dat - třeba ho porovnávat s chováním typického zákazníka a přitom nebrat příliš v potaz jeho nákupní historii a preference. Oba příklady mají jedno společné - nesprávný vzorek vstupních dat.

Konfirmační zkreslení

S heuristikou reprezentativnosti úzce souvisí i konfirmační zkreslení, při kterém preferujeme informace, které potvrzují naše představy a očekávání a znehodnocujeme nebo přehlížíme ty, které jsou v rozporu s nimi.

Datař se tak nesprávně může uchylovat k interpretaci dat výhradně na základě předchozích nebo příliš specifických skutečností bez širšího kontextu.

Konzumenti dat na straně druhé mohou naopak číst výsledky na základě svých očekávání a hledat, že v datech najdou podporu pro tato očekávání.

A business? Ten se může soustředit na data, která potvrzují, že se jejich strategie vyvíjí, jak má.

A jak si tyto světy mají porozumět, říkáte si? :-)

Závěrem

Aby toho nebylo málo, s tématem heuristiky reprezentativnosti souvisí třeba i hráčův omyl nebo také konjunkční omyl. Konjunkco? O tom si povíme příště, aby se nám z toho všeho nezamotala hlava.

Co se s tím dá dělat?

Jako je to s každým kognitivním zkreslením, je fajn si tato témata připomínat. Heuristiky jsou mentální zkratky, které v mnoha situací umí pomoct, konkrétně kategorizace světa je způsob, jakým se v něm docela rychle a efektivně orientovat.

Ve světě businessu ale platí, že je dobrý nápad:

• opírat se o data a dělat data-driven rozhodnutí
• využívat i statistiku
• kriticky vyhodnocovat dostupné informace
• ptát se sám sebe: nepřehlížím něco? existují protichůdné informace?

Snad se vám téma líbilo a zase příště u nějaké psychomňamky.

Reference

• https://thedecisionlab.com/biases/representativeness-heuristic
• https://thedecisionlab.com/biases/confirmation-bias

Zapomněla jsem na něco? Chcete se na něco zeptat? Napište mi. 

Renata