U svakodnevnom životu konstantno donosimo male, gotovo neprimjetne odluke, poput odluka o izboru hrane, garderobe ili načina na koji ćemo provesti slobodno vrijeme. Svjesno ili ne, ove odluke donosimo na osnovu određenih podataka, a vrsta i količina podataka kojima raspolažemo određuju u kojoj mjeri možemo biti sigurni prilikom donošenja odluke. U savremenom poslovanju, uz rastuću naprednu tehnologiju, porast sveopšte količine i dostupnosti podataka, statističke analize postaju važnije nego ikad i to u gotovo svim sektorima, a ne samo u visokotehnološkim industrijama u kojima su se istorijski sprovodile. Istraživanja podstiču informisano donošenje odluka i pravilno rasuđivanje koje se sprovodi na osnovu jačine dokaza, a ne samo pretpostavki. Međutim, loši podaci ili pogrešna interpretacija podataka mogu da stvore lažni osjećaj sigurnosti prilikom donošenja odluka, što rezultuje pogrešnim odlukama koje se donose u toku cijelog procesa.
Tri najčešća uzroka loših podataka
Loši podaci najčešće uključuju podatke kojima nedostaju ključni elementi, podatke koji ne odgovaraju svrsi za koju će se koristiti, podatke koji su uduplani ili loše konstruisani. Postoje različiti razlozi zbog kojih dolazi do njihovog nastanka, bilo da su oni ciljani ili nenamjerni. Tri najčešća su:
Pristrasnost u odabiru podataka
Često se dešava da analitičari i istraživači nenamjerno tragaju za informacijama koje podržavaju određenu teoriju, uvjerenje ili radnju. Svim informacijama koje potvrđuju ono u šta već vjerujemo, naš um daje veći značaj, čak i ako su sami podaci nedovoljno uvjerljivi. Ovakavo selektivno prikupljanje podataka u procesu istraživanja može dovesti do toga da dobri podaci postanu beskorisni i/ili može doći do neutemeljenog isticanja loših podataka.
Kako biste bili sigurni da su vaši podaci nepristrasni sa stanovišta načina njihovog prikupljanja, obavezno se raspitajte o tome kako su podaci prikupljeni i organizovani. Ukoliko je moguće, bilo bi korisno uporediti podatke iz više različitih izvora da bi se ustanovilo eventualno odstupanje koje se može pojaviti između njih.
Selektivno zaključivanje (Data dredging)
Kada je riječ o segmentu obrade i analize podataka, selektivno zaključivanje (eng. Data dredging) je primjer kako se skup kvalitetnih podataka može pretvoriti u loše podatke. Često se radi o namjernom pokušaju manipulacije podacima, a podrazumijeva ciljano pronalaženje obrazaca koji izgledaju statistički značajno, a zapravo nisu. Drugim riječima, ova tehnika podrazumijeva analiziranje podataka različitim metodama sve dok se ne pojave rezultati koji potkrepljuju željeni ishod.
Neadekvatna vizualizacija podataka
Pogrešne odluke mogu biti posljedica ne samo loše prikupljenih i obrađenih podataka, već i njihovog neadekvatnog vizualnog prikaza. Obmanjujući grafikoni su ponekad ciljano dizajnirani na takav način, a ponekad je slučaj da kreatori, usljed nedostatka stručnosti, ne razumiju podatke koji stoji “iza” grafikona. Grafikoni koji mogu da sugerišu na pogrešne zaključke najčešće imaju sljedeće elemente:
- vertikalna skala na grafikonu je prevelika ili premala,
- određene vrijednosti na skali su izostavljene,
- skala ne počinje od nule ili druge relevantne vrijednosti, nego od vrijednosti koja je ciljano odabrana da bi ukazala na željeni zaključak (npr. da bi razlika između dvije posmatrane vrijednosti izgledala veća nego što zaista jeste),
- grafikon nije pravilno označen,
- određeni podaci na grafikonu su izostavljeni.
Osim navedenih razloga, loši podaci mogu nastati i usljed neadekvatno dizajniranog upitnika i nepravilno izvršenog uzorkovanja (ukoliko se vrši prikupljanje primarnih podataka), te usljed pojave šumova (neželjenih podataka koji se pojavljuju u uzorku, a ne doprinose objašnjenju određene pojave ili odnosa između više pojava).
Kako identifikovati i izbjeći loše podatke?
Ako analizu sprovodite samostalno, možete sebi postaviti nekoliko relevantnih pitanja kako biste izbjegli korištenje obmanjujućih statistika. Na primjer: Da li grafički prikazi podataka jasno predstavljaju podatke? Da li su podaci ispravno označeni? Da li ose počinju od nule ili neke druge vrijednosti, te da li je odabrana prava vrsta grafikona koja prikazuje sve bitne karakteristike pojave? Da li je istraživanje sprovedeno savjesno i na nepristrasan način? Šta nedostaje posmatranim podacima? Preispitajte izvore svojih podataka i načine na koji su prikupljeni i organizovani. Takođe, korisno bi bilo kosultovati se sa nezavisnim licem upoznatim sa temom koja je predmet istraživanja i koje može potvrditi da vaši rezultati nisu pristrasni.
Ukoliko želite biti sigurni da su podaci za vaše odluke pouzdani, precizni i pravovremeni, agencija Metriks nudi punu uslugu prikupljanja podataka, njihove obrade i analize. Svako istraživanje prilagođavamo individualnim potrebama klijenta i prisutni smo u svim segmentima istraživanja. Ako želite da svoje odluke donosite na bazi kvalitetnih podataka i budete uvijek korak ispred konkurencije, kontaktirajte nas na i-mejl office@metricsconsulting.ba ili telefonom na +387 51 266 049.
