”on olemassa kolmenlaisia valheita – valheita, damn valheita ja tilastoja.”- Benjamin Disraeli
Tilastoanalyysit ovat historiallisesti olleet korkean teknologian ja kehittyneiden liike-elämän alojen tukipilareita, ja nykyään ne ovat tärkeämpiä kuin koskaan. Kehittyneen teknologian ja globaalin toiminnan myötä tilastolliset analyysit antavat yrityksille käsityksen markkinoiden äärimmäisen epävarmuuden ratkaisemisesta. Tutkimukset edistävät tietoon perustuvaa päätöksentekoa, järkeviä arvioita ja todistusnäyttöön perustuvia toimia, eivät oletuksia.
koska yritykset joutuvat usein noudattamaan vaikeasti tulkittavaa markkinoiden tiekarttaa, tilastolliset menetelmät voivat auttaa suunnittelussa, joka on tarpeen suunnistettaessa maisemaa, joka on täynnä kuoppia, sudenkuoppia ja vihamielistä kilpailua. Tilastotutkimukset voivat myös auttaa tavaroiden tai palvelujen markkinoinnissa ja kunkin kohdemarkkinan yksilöllisten arvotekijöiden ymmärtämisessä. Digitaaliaikana näitä valmiuksia vain edelleen parannetaan ja valjastetaan kehittyneen teknologian ja business intelligence-ohjelmistojen käyttöönoton kautta. Jos kaikki tämä pitää paikkansa, mikä tilastoissa on ongelmana?
oikeastaan ongelmaa ei sinänsä ole – mutta voi olla. Tilastot ovat surullisen kuuluisia kyvystään ja potentiaalistaan olla olemassa harhaanjohtavana ja huonona datana.
mikä on harhaanjohtava tilasto?
harhaanjohtavat tilastotiedot ovat yksinkertaisesti numeerisen tiedon väärinkäyttöä – tarkoituksellista tai ei -. Tulokset antavat harhaanjohtavaa tietoa vastaanottajalle, joka sitten uskoo jotain väärää, jos hän ei huomaa virhettä tai hänellä ei ole täyttä datakuvaa.
ottaen huomioon tiedon merkityksen nykypäivän nopeasti kehittyvässä digitaalisessa maailmassa, on tärkeää tuntea harhaanjohtavien tilastojen ja valvonnan perusteet. Due diligence-harjoituksena tarkastelemme joitakin yleisimpiä tilastojen väärinkäytön muotoja ja erilaisia hälyttäviä (ja valitettavasti yleisiä) harhaanjohtavia tilastoesimerkkejä julkisesta elämästä.
ovatko tilastot luotettavia?
73,6% tilastoista on vääriä. Ihanks tosi? Ei, tietenkin se on keksitty numero (vaikka tällainen tutkimus olisi mielenkiintoista tietää – mutta jälleen, voisi olla kaikki puutteet se yrittää samaan aikaan huomauttaa). Tilastollinen luotettavuus on ratkaisevan tärkeää analyysin tarkkuuden ja pätevyyden varmistamiseksi. Luotettavuuden varmistamiseksi on olemassa erilaisia tekniikoita suorittaa – ensimmäinen niistä on valvontatestit, joilla pitäisi olla samanlaiset tulokset toistettaessa koetta samanlaisissa olosuhteissa. Nämä valvontatoimet ovat välttämättömiä, ja niiden pitäisi olla osa mitä tahansa kokeilua tai tutkimusta – valitettavasti näin ei aina ole.
vaikka numerot eivät valehtele, niitä voidaan itse asiassa käyttää harhaanjohtamiseen puolitotuuksilla. Tätä kutsutaan ” tilastojen väärinkäytöksi.”Usein oletetaan, että tilastojen väärinkäyttö rajoittuu niihin yksilöihin tai yrityksiin, jotka yrittävät saada voittoa vääristämällä totuutta, olipa kyse taloudesta, koulutuksesta tai joukkotiedotusvälineistä.
puolitotuuksien kertominen opiskelun kautta ei kuitenkaan rajoitu vain matemaattisiin amatööreihin. 2009 tutkiva tutkimus tohtori Daniele Fanelli Edinburghin yliopistosta totesi, että 33.7% tutkituista tutkijoista myönsi kyseenalaisia tutkimuskäytäntöjä, mukaan lukien tulosten muuttaminen tulosten parantamiseksi, Subjektiivinen tietojen tulkinta, pidättäminen analyyttisiä yksityiskohtia ja pudottamalla havaintoja, koska gut tunteita…. Tiedemiehet!
vaikka lukujen ei aina tarvitse olla sepitettyjä tai harhaanjohtavia, on selvää, että jopa yhteiskunnan luotetuimmat numeeriset portinvartijat eivät ole immuuneja huolimattomuudelle ja harhalle, joita tilastollisten tulkintaprosessien myötä voi syntyä. On olemassa erilaisia tapoja, joilla tilastot voivat olla harhaanjohtavia, joita tarkennamme myöhemmin. Yleisin on tietenkin korrelaatio vs. syy, joka aina jättää pois toisen (tai kaksi tai kolme) tekijä, jotka ovat todellinen syy ongelma. Teen juominen lisää diabetesta 50%, ja kaljuuntuminen nostaa sydän-ja verisuonitautien riskiä jopa 70%! Unohdimmeko mainita teehen laitettavan sokerin määrän tai sen, että kaljuus ja vanhuus liittyvät toisiinsa – aivan kuten sydän-ja verisuonitautien riskit ja vanhuus?
joten, voidaanko tilastoja manipuloida? Kyllä vain. Valehtelevatko numerot? Sinä voit olla tuomari.
miten tilastot voivat olla harhaanjohtavia
muista, että tilastojen väärinkäyttö voi olla tahatonta tai tarkoituksellista. Vaikka pahansuopa tahallisuus hämärtää viivoja harhaanjohtavilla tilastoilla varmasti suurentaa vinoumaa, tahallisuus ei ole tarpeen väärinymmärrysten synnyttämiseksi. Tilastojen väärinkäyttö on paljon laajempi ongelma, joka koskee nyt useita toimialoja ja tutkimusaloja. Seuraavassa on muutamia mahdollisia vahinkoja, jotka yleensä johtavat väärinkäyttöön:
- viallinen Gallup
kysymysten muotoilulla voi olla valtava vaikutus yleisön tapaan vastata niihin. Tietyillä sanamuodoilla on vakuuttava vaikutus ja ne saavat vastaajat vastaamaan ennustettavalla tavalla. Esimerkiksi verolausuntoja etsivässä kyselyssä tarkastellaan kahta mahdollista kysymystä:
– onko sinun mielestäsi verotettava, jotta muiden kansalaisten ei tarvitse tehdä töitä? Pitäisikö hallituksen auttaa niitä, jotka eivät löydä töitä?
nämä kaksi kysymystä saavat todennäköisesti aikaan aivan erilaisia vastauksia, vaikka ne käsittelevät samaa valtionavun aihetta. Nämä ovat esimerkkejä ” ladatuista kysymyksistä.”
tarkempi tapa muotoilla kysymys kuuluisi: ”Kannatatteko hallituksen työttömyyden tukiohjelmia?”tai (vielä neutraalimmin)” mikä on näkemyksesi työttömyystuesta?”
kaksi jälkimmäistä esimerkkiä alkuperäisistä kysymyksistä eliminoivat kaiken päättelyn tai suggestion pollerilta ja ovat siten huomattavasti puolueettomampia. Toinen epäreilu kyselytapa on esittää kysymys, mutta ennen sitä ehdollisella lausumalla tai faktalausunnolla. Pysyen esimerkissämme, se näyttäisi tältä: ”ottaen huomioon kasvavat kustannukset keskiluokalle, Kannatatko hallituksen avustusohjelmia?”
hyvä nyrkkisääntö on ottaa gallupit aina suolajyvällä ja yrittää käydä läpi ne kysymykset, jotka oikeasti esitettiin. Ne antavat paljon tietoa, usein enemmän kuin vastaukset.
- Virheelliset korrelaatiot
korrelaatioiden ongelma on tämä: jos mittaa tarpeeksi muuttujia, lopulta näyttää siltä, että osa niistä korreloi. Koska yhtä kahdestakymmenestä pidetään väistämättä merkittävänä ilman suoraa korrelaatiota, tutkimuksia voidaan manipuloida (riittävän tiedon avulla) osoittamaan korrelaatio, jota ei ole olemassa tai joka ei ole riittävän merkittävä syy-yhteyden todistamiseksi.
havainnollistaakseen tätä asiaa edelleen oletetaan, että eräässä tutkimuksessa on havaittu korrelaatio auto-onnettomuuksien lisääntymisen välillä New Yorkin osavaltiossa kesäkuussa (A) ja karhujen hyökkäysten lisääntymisen välillä New Yorkin osavaltiossa kesäkuussa (B).
eli mahdollisia selityksiä on todennäköisesti kuusi:
– auto – onnettomuudet (a) aiheuttavat karhun hyökkäyksiä (B) – karhun hyökkäykset (B) aiheuttavat auto – onnettomuuksia (A) – auto – onnettomuudet (A) ja karhun hyökkäykset (B) aiheuttavat osittain toisensa-auto-onnettomuudet (A) ja karhun hyökkäykset (B) johtuvat kolmannesta tekijästä (C) – karhun hyökkäykset (B)) aiheuttaa kolmas tekijä (C), joka korreloi auto-onnettomuuksiin (a) – korrelaatio on vain sattuma
jokainen järkevä ihminen tunnistaisi helposti sen, että auto-onnettomuudet eivät aiheuta karhun hyökkäyksiä. Jokainen on todennäköisesti seurausta kolmannesta tekijästä, joka on: lisääntynyt väestö, koska korkea matkailusesonki kesäkuussa. Olisi järjetöntä sanoa, että ne aiheuttavat toisensa… ja juuri siksi se on meidän esimerkkimme. On helppo nähdä korrelaatio.
mutta miten on syy-yhteyden laita? Entä jos mitatut muuttujat olisivat erilaisia? Entä jos se olisi jotain uskottavampaa, kuten Alzheimer ja vanhuus? Näiden kahden välillä on selvästikin korrelaatio, mutta onko syy-yhteyttä? Monet olettaisivat väärin, Kyllä, pelkästään korrelaation lujuuden perusteella. Edetkää varovasti, sillä joko tietoisesti tai tietämättään korrelaatiometsästys jatkuu tilastollisissa tutkimuksissa.
- Datakalastus
tätä harhaanjohtavaa tietoesimerkkiä kutsutaan myös ”dataruoppaukseksi” (ja se liittyy puutteellisiin korrelaatioihin). Se on tiedonlouhintatekniikka, jossa äärimmäisen suuria määriä dataa analysoidaan datapisteiden välisten suhteiden selvittämiseksi. Hakeminen suhde tietojen ei ole tietojen väärinkäyttöä sinänsä, mutta näin ilman hypoteesi on.
Dataruoppaus on omatoiminen tekniikka, jota käytetään usein epäeettisessä tarkoituksessa kiertää perinteisiä tiedonlouhintatekniikoita, jotta voidaan etsiä uusia datapäätelmiä, joita ei ole olemassa. Tämä ei tarkoita, etteikö tiedonlouhintaa käytettäisi asianmukaisesti, sillä se voi itse asiassa johtaa yllättäviin poikkeamiin ja mielenkiintoisiin analyyseihin. Useimmiten dataruoppausta käytetään kuitenkin olettamaan datasuhteiden olemassaolo ilman lisätutkimuksia.
usein tietojen kalastelu johtaa tutkimuksiin, jotka ovat paljon julkisuutta tärkeiden tai outojen havaintojensa vuoksi. Nämä tutkimukset ovat hyvin pian ristiriidassa muiden tärkeiden tai omituisten havaintojen kanssa. Nämä väärät korrelaatiot jättävät usein suuren yleisön hyvin hämmentyneeksi ja etsivät vastauksia kausaation ja korrelaation merkityksestä.
samoin toinen yleinen käytäntö tietojen kanssa on poisjättäminen, mikä tarkoittaa sitä, että tutkittuaan suuren tietopaketin vastauksia poimitaan vain ne, jotka tukevat näkemyksiäsi ja havaintojasi, ja jätetään pois ne, jotka ovat ristiriidassa sen kanssa. Kuten tämän artikkelin alussa mainittiin, on osoitettu, että kolmannes tutkijoista myönsi, että heillä oli kyseenalaisia tutkimuskäytäntöjä, kuten analyyttisten yksityiskohtien salaaminen ja tulosten muuttaminen…! Mutta toisaalta, edessämme on tutkimus, joka voi itse kaatua näihin 33 prosenttiin kyseenalaisista käytännöistä, virheellisistä gallupeista, valikoivista puolueista… On vaikea uskoa mitään analyysia!
- harhaanjohtavien tietojen visualisointi
oivaltavat graafit ja kaaviot sisältävät hyvin perusteellisia, mutta olennaisia, elementtien ryhmittelyjä. Riippumatta siitä, minkä tyyppisiä tietoja visualisoit, sen on välitettävä:
– käytetyt asteikot – lähtöarvo (nolla tai muu)- laskentatapa (esim.tietokokonaisuus ja aikajakso)
ilman näitä elementtejä, visuaalisia dataesityksiä on tarkasteltava suolajyvällä, ottaen huomioon yleiset datan visualisointivirheet, joita voi tehdä. Olisi myös yksilöitävä välitietopisteet ja annettava asiayhteys, jos se toisi lisäarvoa esitetyille tiedoille. Koska muuttuvien datapisteiden vertailuissa turvaudutaan yhä enemmän älykkääseen ratkaisuautomaatioon, parhaat käytännöt (eli suunnittelu ja skaalaus) olisi otettava käyttöön ennen eri lähteistä, tietokokonaisuuksista, kellonajoista ja paikoista saatujen tietojen vertailua.
- tarkoituksellinen ja valikoiva harha
viimeinen yleisimmistä esimerkeistämme tilastojen väärinkäytöstä ja harhaanjohtavasta aineistosta on ehkä vakavin. Tarkoitushakuinen puolueellisuus on tahallinen yritys vaikuttaa datahavaintoihin teeskentelemättä edes ammatillista vastuullisuutta. Bias on todennäköisimmin muodossa tietojen laiminlyöntejä tai muutoksia.
selektiivinen harha on hieman huomaamattomampi kenelle ei lue pieniä rivejä. Se putoaa yleensä tutkittujen ihmisten otokseen. Esimerkiksi tutkitun ihmisryhmän luonne: kyseli luokalta korkeakouluopiskelijalta laillista juomisikää tai eläkeläisryhmältä vanhustenhoitojärjestelmää. Päädyt tilastolliseen virheeseen nimeltä ”valikoiva bias”.
- käyttämällä prosenttimuutosta yhdistettynä pieneen otoskokoon
toinen tapa luoda harhaanjohtavia tilastoja, jotka liittyvät myös edellä käsiteltyyn otoksen valintaan, on kyseisen otoksen koko. Kun koe tai tutkimus johdetaan täysin merkityksettömällä otoskoolla, tulokset eivät ole ainoastaan käyttökelvottomia, vaan niiden esitystapa – nimittäin prosentteina – on täysin harhaanjohtava.
kysymyksen esittäminen 20 henkilön otoskoolle, jossa 19 vastaa ”kyllä” (=95% vastaa kyllä) vs. saman kysymyksen esittäminen 1 000 henkilölle ja 950 vastaa ”kyllä” (=95% myös): prosenttimäärän pätevyys ei selvästikään ole sama. Pelkästään muutosprosentin ilmoittaminen ilman kokonaislukuja tai otoskokoa on täysin harhaanjohtavaa. xkdc: n sarjakuva havainnollistaa tätä hyvin osoittaakseen, kuinka ”nopeimmin kasvava” väite on täysin suhteellinen markkinointipuhe:
samoin vaadittuun otoskokoon vaikuttavat kysymyslaji, tarvittava tilastollinen merkitsevyys (clinical study vs business study) ja tilastollinen tekniikka. Jos suoritat kvantitatiivisen analyysin, alle 200 henkilön otoskoot ovat yleensä mitättömiä.
harhaanjohtavat Tilastoesimerkit tosielämässä
nyt kun olemme tarkastelleet useita kaikkein commons menetelmiä tietojen väärinkäytön, tarkastellaan erilaisia digitaaliaika esimerkkejä harhaanjohtavista tilastoista kolmessa eri, mutta toisiinsa liittyvässä, spektrissä: media ja politiikka, mainonta ja tiede. Vaikka tietyt tässä luetellut aiheet ovat omiaan herättämään tunteita näkökulmasta riippuen, niiden sisällyttäminen on tarkoitettu vain tietojen esittelytarkoituksiin.
- Examples of harhaanjohtava statistics in the media and politics
harhaanjohtavat tilastot mediassa ovat melko yleisiä. Syyskuuta. 29, 2015, republikaanit Yhdysvaltain kongressin kuulusteli Cecile Richards, presidentti Planned Parenthood, koskien kavalluksesta $500 miljoonaa vuotuista liittovaltion rahoitusta. Yllä oleva kaavio/kaavio esitettiin painotuksena.
Utahin edustaja Jason Chaffetz selitti: ”vaaleanpunaisella se tarkoittaa rintojen tenttien vähenemistä, ja punaisella aborttien lisääntymistä. Sitä tapahtuu organisaatiossanne.”
kaavion rakenteen perusteella näyttää siltä, että vuoden 2006 jälkeen tehtyjen aborttien määrä on kasvanut huomattavasti, kun taas syöpäseulontojen määrä on merkittävästi vähentynyt. Tarkoituksena on siirtää painopistettä syöpäseulonnoista aborttiin. Karttapisteet näyttävät osoittavan, että 327000 aborttia on synnynnäiseltä arvoltaan suurempi kuin 935573 syövän seulontaa. Lähempi tarkastelu kuitenkin paljastaa, ettei kaaviossa ole määriteltyä y-akselia. Tämä tarkoittaa sitä, että näkyvien mittausviivojen sijoittamiselle ei ole määriteltäviä perusteita.
Politifact, faktantarkistussivusto, tarkasteli REP Chaffetzin lukuja vertaamalla niitä Planned Parenthoodin omiin vuosiraportteihin. Käyttämällä selkeästi määriteltyä asteikkoa tiedot näyttävät tältä:
ja näin toisella kelvollisella asteikolla:
kun se on sijoitettu selkeästi määriteltyyn asteikkoon, on ilmeistä, että vaikka syöpäseulontojen määrä on itse asiassa vähentynyt, se on silti paljon suurempi kuin vuosittain suoritettujen aborttien määrä. Sinänsä tämä on suuri harhaanjohtava tilastoesimerkki, ja jotkut voisivat väittää puolueellisuutta ottaen huomioon, että kaavio ei ole peräisin Kongressiedustajalta, vaan Americans United for Life-abortinvastaiselta ryhmältä. Tämä on vain yksi monista esimerkeistä harhaanjohtavista tilastoista mediassa ja politiikassa.
- harhaanjohtavat tilastot mainonnassa
vuonna 2007 Colgate Advertising Standards Authority (ASA) Britannian luopua väitteensä: ”yli 80% hammaslääkärit suosittelevat Colgate.”Kyseinen iskulause oli sijoitettu mainoskylttiin Isossa-Britanniassa, ja sen katsottiin rikkovan Ison-Britannian mainossääntöjä.
väite, joka perustui valmistajan hammaslääkäreille ja hygienisteille tekemiin kyselyihin, todettiin vääräksi, koska sen perusteella osallistujat saivat valita yhden tai useamman hammastahnamerkin. ASA: n mukaan ”… lukijat ymmärtäisivät väitteen tarkoittavan, että 80 prosenttia hammaslääkäreistä suosittelee Colgatea yli muiden merkkien ja loput 20 prosenttia suosittelisi eri merkkejä.”
ASA jatkoi: ”koska ymmärsimme, että tutkitut Hammaslääkärit suosittelivat toisen kilpailijan brändiä lähes yhtä paljon kuin Colgate-brändiä, tulimme siihen tulokseen, että väite antoi harhaanjohtavasti ymmärtää, että 80 prosenttia hammaslääkäreistä suosittelee Colgate-hammastahnaa kaikkien muiden merkkien sijasta.”ASA väitti myös, että tutkimuksessa käytetyt skriptit kertoivat osallistujille, että tutkimus oli riippumattoman tutkimusyhtiön tekemä, mikä oli luonnostaan valheellista.
käsittelemiemme väärinkäyttötekniikoiden perusteella on turvallista sanoa, että tämä Colgaten silmänkääntötekniikka on selkeä esimerkki harhaanjohtavista tilastoista mainonnassa, ja se kuuluisi virheellisen äänestyksen ja suoranaisen puolueellisuuden alle.
- harhaanjohtavat tilastot tieteessä
aborttien tapaan ilmaston lämpeneminen on toinen poliittisesti latautunut aihe, joka todennäköisesti herättää tunteita. Se sattuu myös olemaan aihe, jota sekä vastustajat että kannattajat tukevat voimakkaasti tutkimusten kautta. Katsotaanpa joitakin todisteita puolesta ja vastaan.
on yleisesti sovittu, että maapallon keskilämpötila vuonna 1998 oli 58,3 Fahrenheit-astetta. Näin kertoo Nasan Goddard Institute for Space Studies. Vuonna 2012 maapallon keskilämpötilaksi mitattiin 58,2 astetta. Ilmaston lämpenemisen vastustajat väittivätkin, että koska maapallon keskilämpötila laski 0,1 astetta 14 vuoden aikana, ilmaston lämpeneminen on osoitettu vääräksi.
alla oleva kaavio on useimmin viitattu maapallon lämpenemisen kumoamiseen. Se osoittaa ilman lämpötilan (Celsius) muutoksen vuodesta 1998 vuoteen 2012.
on syytä mainita, että vuosi 1998 oli yksi kaikkien aikojen kuumimmista vuosista poikkeuksellisen voimakkaan El Niño-tuulivirran vuoksi. On myös syytä huomata, että koska ilmastojärjestelmän sisällä on paljon vaihtelua, lämpötiloja mitataan tyypillisesti vähintään 30 vuoden jaksolla. Alla oleva kaavio kuvaa maapallon keskilämpötilojen 30 vuoden muutosta.
ja katsokaa nyt trendiä 1900-2012:
vaikka pitkän aikavälin tiedot saattavat näyttää tasanteelta, se maalaa selvästi kuvan asteittaisesta lämpenemisestä. Siksi ensimmäisen ja vain ensimmäisen kaavion käyttäminen ilmaston lämpenemisen kumoamiseen on täydellinen harhaanjohtava tilastoesimerkki.
kuinka lukea tilastoja etäisyyden kanssa
ensimmäinen hyvä asia olisi tietenkin seistä rehellisen kyselyn/kokeen / tutkimuksen – valitse se, joka on silmiesi alla–, joka on soveltanut oikeita tiedonkeruu-ja tulkintatekniikoita. Mutta et voi tietää, ennen kuin kysyt itseltäsi pari kysymystä ja analysoida tuloksia sinulla on käsien välissä.
kuten yrittäjä ja entinen konsultti Mark Suster neuvoo artikkelissa, kannattaa ihmetellä, kuka teki kyseisen analyysin perustutkimuksen. Riippumaton yliopiston opintoryhmä, laboratorioon liittyvä tutkimusryhmä, konsulttiyhtiö? Sieltä kumpuaa luonnollisesti kysymys: kuka ne maksoi? Koska kukaan ei työskentele ilmaiseksi, on aina mielenkiintoista tietää, kuka tutkimusta sponsoroi. Samoin mitkä ovat tutkimuksen motiivit? Mitä tiedemies tai tilastotieteilijät yrittivät selvittää? Lopuksi, kuinka suuri näyte oli asetettu ja kuka oli osa sitä? Miten osallistava se oli?
nämä ovat tärkeitä kysymyksiä pohdittavaksi ja vastattavaksi ennen kuin leviää kaikkialle vinoutuneita tai puolueellisia tuloksia – vaikka niin tapahtuukin koko ajan vahvistuksen takia. Tyypillinen esimerkki vahvistuksesta tapahtuu usein sanomalehdille ja toimittajille, jotka ottavat yhden tiedon ja joutuvat tekemään siitä otsikoita – siis usein pois alkuperäisestä asiayhteydestään. Kukaan ei osta lehteä, jossa todetaan, että ensi vuonna XYZ – markkinoilla tapahtuu sama kuin tänä vuonna-vaikka se on totta. Toimittajat, asiakkaat ja ihmiset haluavat jotain uutta, eivät jotain mitä he tietävät; siksi päädymme usein vahvistusilmiöön joka saa kaikuja ja enemmän kuin pitäisi.
tilastojen väärinkäyttö – Yhteenveto
kysymykseen ”Voidaanko tilastoja manipuloida?”, voimme käsitellä 6 menetelmiä usein käytetty-tarkoituksella tai ei-jotka vääristävät analyysin ja tulokset. Tässä yleisiä tilastojen väärinkäytön muotoja:
- viallinen Gallup
- Virheelliset korrelaatiot
- tietojen kalastelu
- harhaanjohtava tiedon visualisointi
- tarkoituksellinen ja valikoiva harha
- käyttäen prosenttimuutosta yhdistettynä pieneen otoskokoon
nyt kun tunnet ne, on helpompi tunnistaa ne ja kyseenalaistaa kaikki tilastot, joita sinulle annetaan joka päivä. Samoin, jotta voit pitää tietyn etäisyyden tutkimuksiin ja kyselyihin luet, muista kysymykset kysyä itseltäsi-Kuka tutki ja miksi, kuka maksoi sen, mikä oli otos.
avoimuus ja Datalähtöiset liiketoimintaratkaisut
vaikka on aivan selvää, että tilastotietoja voidaan käyttää väärin, se voi myös eettisesti ajaa markkina-arvoa digitaalisessa maailmassa. Big datalla on kyky tarjota digitaaliajan yrityksille etenemissuunnitelma tehokkuudesta ja läpinäkyvyydestä sekä lopulta kannattavuudesta. Edistykselliset teknologiaratkaisut, kuten online-raportointiohjelmisto, voivat parantaa tilastotietomalleja ja tarjota digitaaliaikaan sijoittuville yrityksille kilpailutilannetta.
oli kyse markkinatiedustelusta, asiakaskokemuksesta tai liiketoiminnan raportoinnista, datan tulevaisuus on nyt. Käytä tietoa vastuullisesti, eettisesti ja visuaalisesti ja seuraa, kuinka läpinäkyvä yritysidentiteettisi kasvaa.