认知偏见损害研究，反过来， 分析. 但是，您可能会惊讶地发现偏见是人脑功能的基础。

在斯坦福大学的一项认知偏见研究中，“以色列定居点问题的心理维度：禀赋和身份”，研究人员向参与者展示了记录阿以冲突的特定视频片段。包括阿拉伯和以色列志愿者在内的测试组被要求对报告的平衡发表评论。尽管观看了相同的录像，阿拉伯志愿者认为更多的反阿拉伯参考，而以色列志愿者则认为该视频更反以色列。

那么，这是怎么发生的呢？关于为什么我们的大脑以这种方式工作有几种理论。一种理论认为，偏见的发生是因为人脑有两个半球。右脑负责收集信息，而左脑负责处理和解释信息——就像数据如何从各种来源转移到更适合数据分析的系统一样。

有如此多的信息可供处理，左半球挑选出一些片段，并根据这些数据发展出一种理论。问题是，一旦理论建立起来，大脑只会接受支持它的信息，而忽略其他一切。  

在本文中，我们将：

讨论解释数据的偏见
解释好奇心如何减少偏见
鼓励数据驱动的好奇心
数据解释中的认知偏差
认知偏差 发生在判断力偏离理性时。在这些情况下，大脑会创建逻辑捷径来更有效地处理周围的世界。在某些情况下，这些捷径可以证明是节省时间的，但结果是有害的情况呢？

工作场所的决策是商业世界的生计。公司的每个方面都要求用户做出成功所必需的独特的运营决策。然而，从雇用新员工到决定生产计划，基于偏见的决策很容易被忽视。

我们在本文开头引用的示例属于确认偏差类别，其中仅处理支持您对某个问题的预定立场的信息。大规模数据解释容易受到称为可用性偏差的不同类型的认知偏差的影响。可用性偏差在做出决定时会考虑最近的信息，而不是相关数据的全部范围。

例如，目前有一个 电脑芯片短缺 称为半导体或集成电路 (IC) 芯片，用于从汽车到厨房电器的大多数技术产品。由于制造过程所需的特殊条件，IC 芯片仅由少数几家公司制造。

在大流行的早期阶段，汽车行业出于安全原因关闭了大门，并预计销量会因不利的经济状况而减少。他们预计汽车购买者将显着下降，并重演 2008 年大衰退期间经历的低迷时期。

这是可用性偏差的一个典型例子，因为 分析 没有考虑到大流行的全部影响，这是一场与大衰退不同的危机。

相反，由于世界上有很大一部分人在家工作，许多科技公司预测销售可能会出现繁荣。学生需要远程访问教育服务，成年人必须在家办公，在商业世界中导航，家庭收入将用于消费品，而不是年假。

虽然汽车行业购买的 IC 芯片减少了，但许多科技公司开始囤积它们。当汽车重新投入生产时，已经为时已晚。有限的IC芯片制造商无法跟上紧迫的需求。现在，IC芯片正在经历全球性短缺，而汽车行业则落后了。所有这些都可以归因于可用性偏差。

福特预测，IC 芯片短缺将影响其 2021 年的利润约 25 亿美元。因此，消费者可以期待价格上涨。

为了消除偏见，例如可用性偏见，您必须访问相关数据的全部范围，并了解联系和影响如何减少有偏见的决策的可能性。从本质上讲，更多信息为决策提供了更清晰的画面。

数据素养 并访问 大数据 不仅为减少偏见铺平道路，而且为数据驱动的好奇心铺平道路。这种好奇心可以用来增强企业的决策过程。

为什么好奇心会减少偏见？
有这么多关于大数据的商业潜力的讨论，冒烟的问题是，“如果大脑本能地选择一个预定的结果，大数据如何影响决策？”

让我们研究一个风险评估和数据决策直接影响个人财富的行业：股票市场。

当大流行蔓延时，股市经历了 历史上最快的下降. 然而，在六个月内，市场恢复并超过了之前的最高记录。

投资者将检查许多数据来源以确定投资潜力和可能的回报。即使市场暴跌， 投资者着眼于未来 并进行相应的投资。随着越来越多的人在家工作，将需要更多的技术。随着疫苗的开发，医疗保健股会上涨。事实上，许多新投资者是第一次进入市场。

现在人们呆在家里，晚上出去花钱的动力减少了，许多人转向了首次投资股票。Robinhood 和 Public 等股票交易应用程序出现了极大的增长。

即使是这些投资新手也知道在投入任何资金之前先进行研究。这些新用户收到了大量信息，使他们能够在承诺购买股票之前权衡公司的利弊。这就是数据驱动的好奇心的定义。

如何鼓励数据驱动的好奇心？
如今，许多公司都在努力实现数据驱动的增长。然而， 收集和分发数据的过程 因为决策之所以困难，主要是因为它涉及许多人，他们无疑会带来自己的偏见。

数据所有者投资于个人收益，但对工作场所的好奇心会导致个人和公司层面的创新和增长。为了让用户对其组织中的数据范围感到好奇，雇主可以提供工具让他们能够提出相关问题。

一个 数据治理 工具以可访问的方式组织、管理和呈现数据。这使得访问数据更容易，并培养了数据驱动的好奇心。可以提出和回答更深层次和更复杂的问题。可以以更高的信心做出决定，并且陷入自满和偏见陷阱的可能性较小。

就其本质而言，高质量的数据是公正的。这是事实。因此，当用户获得访问权限时，他们可以就它提出独立的问题，并且他们收到的信息是诚实和公正的。员工还可以遵循有关相关数据集的建议，并进一步增加他们的知识以做出更好的业务决策。任何错误都可以通过数据沿袭追溯。

数据沿袭也是一种信任机制。它显示了数据的来源以及随着时间的推移如何移动。当使用可信赖的数据时，樱桃采摘数据显示所需结果的可能性显着降低。

从本质上讲，当精心管理时，数据驱动的好奇心可以抵消先前存在的认知偏见。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！ 机器学习模型方法总结 历史最全机器学习/深度学习/人工智能专业术语表中英对照表 机器学习如何应用于商业场景？三个真实的商业项目 数据工作者的自我修养 | 哪些技能是必不可少的？ 《汗牛充栋：数据分析书籍分享》CDA网校新课上线 文本挖掘常用的107个语料库 一图读懂“东数西算”工程 零基础转行数据分析，看这篇文章就够了