Hoe je confirmation bias de baas blijft in datamanagement

Dit heeft voornamelijk te maken met de beperkingen die data soms met zich meebrengt. Data geeft vaak een weergave van het verleden en biedt niet altijd een real-time of actueel beeld van de werkelijkheid. Hierdoor kan het lastig zijn om een volledig en accuraat inzicht te krijgen in de huidige situatie.

Daarnaast speelt de volledigheid van data een cruciale rol. Zoals in eerdere blogs is besproken, kan gebrekkige of incomplete data leiden tot verkeerde conclusies, zeker wanneer de kwaliteit ervan niet gewaarborgd is of de interpretatie onzorgvuldig gebeurt. In dergelijke gevallen kan een klein stukje ontbrekende informatie grote gevolgen hebben voor de besluitvorming.

Daarbovenop zijn context en nuance essentieel bij het gebruik van data. Data moet niet geïsoleerd worden gelezen of geïnterpreteerd, maar altijd in de juiste context worden geplaatst. Een goed voorbeeld hiervan is data verzameld tijdens de coronajaren. Als deze data zonder correctie wordt meegenomen in analyses, kan dit een vertekend beeld geven van de realiteit. Denk aan veranderde consumentenpatronen, arbeidsmarktstatistieken of mobiliteitsgegevens die tijdens de pandemie sterk afweken van de norm. Zonder deze uitzonderlijke omstandigheden mee te wegen, loop je het risico verkeerde conclusies te trekken.

Het effectief gebruik van data vereist dus niet alleen technische expertise, maar ook een scherp oog voor context en kwaliteit. Dat maakt data niet minder waardevol, maar illustreert hoe belangrijk het is om data altijd in het bredere perspectief te plaatsen om goed geïnformeerde beslissingen te kunnen nemen

Intuïtie is vaak gebaseerd op jarenlange ervaring en biedt een manier om snel patronen en subtiliteiten te herkennen waar data mogelijk blind voor is. In situaties waar tijdsdruk hoog is of waar geen toegang is tot uitgebreide datasets, kan intuïtie een waardevolle gids zijn. Veel succesvolle ondernemers en leiders benadrukken het belang van instinctieve beslissingen als aanvulling op rationele, data-gebaseerde analyses. Ook bij Highberg hechten wij eveneens belang aan het benutten van intuïtie als aanvulling op de data.

Het combineren van data met intuïtie kan leiden tot evenwichtigere en beter geïnformeerde beslissingen. Data kan dienen als een toetssteen voor intuïtie, en intuïtie kan waarschuwen voor blinde vlekken in de data. Ook innovatie en disruptieve ideeën ontstaan vaak uit intuïtie en visie, niet alleen uit data-analyse. Ondanks een evenwichtige integratie van data en intuïtie, blijft het van belang om aandacht te besteden aan (cognitieve) biases zoals confirmation bias. Dit verschijnsel, dat de perceptie en interpretatie van gegevens kan beïnvloeden, vormt een complex vraagstuk dat organisaties proactief moeten onderkennen en adresseren.

Confirmation bias is de neiging van mensen om informatie te zoeken, interpreteren en onthouden op een manier die hun bestaande overtuigingen of hypotheses bevestigt. Dit fenomeen komt veel voor in verschillende contexten, inclusief datamanagement binnen organisaties. Wanneer data-analisten, managers of andere stakeholders data interpreteren, kunnen zij onbewust de voorkeur geven aan informatie die hun vooraf bestaande ideeën bevestigt, terwijl zij tegenstrijdige gegevens negeren of minimaliseren.

Ondanks de technologische vooruitgang en het gebruik van intuïtie blijven menselijke biases dus een uitdaging. Confirmation bias kan op verschillende manieren invloed hebben op datamanagement:

1. Selectieve dataverzameling: Analisten kunnen onbewust kiezen voor datasets die hun verwachtingen ondersteunen, waardoor een vertekend beeld ontstaat.
2. Vertekende analyse: Tijdens het analyseren van data kunnen interpretaties worden beïnvloed door voorafgaande overtuigingen, wat kan leiden tot onjuiste conclusies.
3. Bevestiging van hypothesen: In plaats van objectief naar de data te kijken, kunnen analisten alleen die resultaten benadrukken die hun hypothesen bevestigen.
   

Een treffend voorbeeld van confirmation bias komt uit de Tweede Wereldoorlog. Geallieerde ingenieurs onderzochten vliegtuigen die na een missie waren teruggekeerd en merkten op dat sommige delen, zoals de vleugels en staart, vol kogels zaten. Op basis van deze bevindingen wilden ze juist deze delen extra versterken. Maar de Hongaarse wiskundige Abraham Wald had een andere visie. Hij stelde dat de schade aan deze delen juist aantoonde dat deze vliegtuigen in staat waren om terug te keren, ondanks de kogels. De werkelijke kwetsbaarheid lag volgens hem bij de onderdelen die geen kogelgaten vertoonden, zoals de motoren, omdat vliegtuigen met schade aan deze vitale delen nooit terugkeerden. Dit voorbeeld toont hoe confirmation bias ervoor kan zorgen dat we gegevens verkeerd interpreteren, simpelweg door te focussen op wat onze bestaande overtuigingen bevestigen.

Om de invloed van confirmation bias te verminderen, kunnen organisaties verschillende strategieën implementeren:

1. Diversiteit in teams: Door teams samen te stellen met diverse achtergronden en perspectieven, wordt de kans verkleind dat een enkele bias de interpretatie van data domineert. Het is ook belangrijk om multidisciplinaire overleggen te integreren in de bestaande overlegstructuren. Zorg er daarnaast voor dat teams een mix bevatten van zowel junior als senior professionals.
2. Blind analyses: Blinde analyses zijn een manier van werken waarbij analisten niet weten wat de verwachte uitkomst van hun onderzoek is. Dit kan helpen om objectiviteit te bevorderen.
3. Data Governance richtlijnen: Strikte regels en richtlijnen voor data-analyse kunnen helpen om subjectiviteit te minimaliseren en ervoor te zorgen dat analyses herhaalbaar en controleerbaar zijn. Door duidelijke regels te hanteren, bijvoorbeeld over welke methoden gebruikt mogen worden voor analyses, of wie toegang heeft tot bepaalde data, kan het proces transparanter en controleerbaarder worden. Dit helpt om fouten of vooringenomenheid in het analyseproces te voorkomen en zorgt ervoor dat de uitkomsten geldig en objectief blijven.

Bij Highberg begrijpen we hoe belangrijk het is om objectieve en betrouwbare data-analyse te waarborgen, vooral in een wereld waar data steeds centraler komt te staan in besluitvormingsprocessen. Om ervoor te zorgen dat de inzichten die uit data worden gehaald daadwerkelijk kloppen, bieden wij uitgebreide ondersteuning in het implementeren van best practices op het gebied van datamanagement, datagovernance en data-analyses.

We helpen organisaties met het opstellen van robuuste data governance policies, zodat u kunt vertrouwen op de kwaliteit, integriteit en veiligheid van de data die binnen uw organisatie wordt gebruikt. Dit zorgt ervoor dat analyses niet alleen accuraat, maar ook herhaalbaar en controleerbaar zijn. Onze experts helpen u bij het ontwikkelen van strikte richtlijnen voor het verzamelen, analyseren en delen van data, wat bijdraagt aan het verminderen van subjectiviteit in het proces.

Daarnaast ondersteunen wij bij het gebruik van blinde analyses, waarbij analisten niet op de hoogte zijn van de verwachte uitkomsten, om de objectiviteit van de resultaten te waarborgen. Dit voorkomt vooringenomenheid en zorgt ervoor dat beslissingen gebaseerd zijn op de feiten, niet op persoonlijke overtuigingen of onterecht geaccepteerde aannames.

Kortom, Highberg biedt de tools en expertise die nodig zijn om data op een verantwoorde en objectieve manier te gebruiken. Wij zorgen ervoor dat uw organisatie in staat is om datagestuurde beslissingen te nemen die betrouwbaar, herhaalbaar en consistent zijn. En als we daar ook nog een gezonde dosis intuïtie aan kunnen toevoegen, is dat helemaal mooi.

Besluiten op basis van data hebben onmiskenbare voordelen, maar het blind vertrouwen op data zonder oog voor menselijke ervaring, creativiteit en intuïtie kan net zo riskant zijn als volledig intuïtieve beslissingen. Een gebalanceerde aanpak waarin data en intuïtie hand in hand gaan, biedt vaak het beste resultaat.

Confirmation bias is een krachtig fenomeen dat de effectiviteit van datamanagement binnen organisaties kan ondermijnen. Door bewust te zijn van deze bias en door proactieve maatregelen te nemen om het te mitigeren, kunnen organisaties de kwaliteit van hun datagedreven beslissingen verbeteren. Een goede balans tussen geavanceerde technologieën en menselijke waakzaamheid is essentieel om het volledige potentieel van data te benutten en objectieve, betrouwbare inzichten te verkrijgen.

Heeft u vragen of wilt u meer weten over hoe wij bij Highberg u kunnen ondersteunen? Neem dan gerust contact met mij op. Ik help u graag verder!

1. Kahneman, D. (2011). Thinking, Fast and Slow.
2. Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases.
3. Data Management Association (DAMA). (2020). DAMA-DMBOK: Data Management Body of Knowledge.
4. Mangel, M., & Samaniego, F.J. (1984). Abraham Wald's Work on Aircraft Survivability. Journal of the American Statistical Association