Analitik yalan
Təhlilin qərəzi
Mark Tven mübahisəli şəkildə belə bir şey söylədi: “Üç növ yalan var: yalan, lənətlənmiş yalan və analytics".
Analitikanın bizə faydalı, həyata keçirilə bilən fikirlər verdiyini təbii hesab edirik. Çox vaxt fərqinə varmırıq ki, öz qərəzlərimiz və başqalarının qərəzləri, hətta ən mürəkkəb proqram və sistemlər tərəfindən verilən cavablara necə təsir edir. Bəzən biz vicdansızlıqla manipulyasiya oluna bilərik, lakin daha çox analitikamıza daxil olan incə və şüursuz qərəzlər ola bilər. Qərəzli analitikanın motivi çoxşaxəlidir. Bəzən elmdən gözlədiyimiz qərəzsiz nəticələrə 1) verilənlərin necə təqdim olunduğuna dair incə seçimlər, 2) uyğun olmayan və ya təmsil olunmayan məlumatlar, 3) AI sistemlərinin necə öyrədilməsi, 4) tədqiqatçıların və ya başqalarının məlumatsızlığı, səriştəsizliyi təsir edir. hekayəni danışmaq, 5) təhlilin özü.
Təqdimat qərəzlidir
Bəzi yalanları başqalarına nisbətən tapmaq daha asandır. Nə axtarmaq lazım olduğunu bildiyiniz zaman potensial olaraq daha asan aşkarlaya bilərsiniz yanıltıcı qrafiklər və diaqramlar.
Ən azı var məlumatları yanlış şəkildə göstərməyin beş yolu: 1) Məhdud məlumat dəstini göstərin, 2). Əlaqəsi olmayan korrelyasiyaları göstərin, 3) Məlumatları qeyri-dəqiq göstərin, 4) Məlumatları qeyri-ənənəvi şəkildə göstərin və ya 5). Həddindən artıq sadələşdirilmiş məlumatları göstərin.
Məhdud məlumat dəstini göstərin
Məlumatların məhdudlaşdırılması və ya verilənlərin təsadüfi olmayan hissəsinin əl ilə seçilməsi çox vaxt böyük şəkilə uyğun olmayan bir hekayə danışa bilər. Səhv seçmə və ya albalı toplama, analitikin daha böyük bir qrupu təmsil etmək üçün qeyri-təmsilçi nümunədən istifadə etməsidir.
Mart ayında 2020, Gürcüstanın İctimai Səhiyyə Departamenti bu cədvəli gündəlik status hesabatının bir hissəsi kimi dərc edib. Əslində cavab verməkdən daha çox sual doğurur.
Çatışmayan şeylərdən biri kontekstdir. Məsələn, hər yaş qrupu üzrə əhalinin neçə faiz olduğunu bilmək faydalı olardı. Sadə görünən pasta diaqramı ilə bağlı başqa bir problem qeyri-bərabər yaş qruplarıdır. 0-17 yaş 18, 18-59 42, 60+ açıqdır, lakin təxminən 40 yaş var. Təkcə bu cədvəli nəzərə alsaq, nəticə odur ki, halların əksəriyyəti 18-59 yaş qrupundadır. 60+ yaş qrupu COVID-dən daha az təsirlənir. Ancaq bu, bütün hekayə deyil.
Müqayisə üçün, bu müxtəlif data set CDC veb saytı ABŞ Əhalisinin hər bir yaş aralığında olan faizi haqqında əlavə məlumatlarla birlikdə yaş qrupları üzrə COVID hallarını qrafiklər.
Bu daha yaxşıdır. Daha çox kontekstimiz var. Görə bilərik ki, 18-29, 30-39, 40-49 yaş qruplarının hamısında xəstələnmə faizi yaş qrupunun əhalidəki faizindən daha yüksəkdir. Hələ də qeyri-bərabər yaş qrupları var. Niyə 16-17 ayrı yaş qrupudur? Yenə də bu, bütün hekayə deyil, lakin ekspertlər bundan daha azına dair köşələr yazıb, proqnozlar və mandatlar veriblər. Aydındır ki, COVID ilə, yaşa əlavə olaraq müsbət hal kimi qəbul edilməsinə təsir edən bir çox dəyişən var: peyvənd statusu, testlərin mövcudluğu, sınaqdan keçirilmə sayı, müşayiət olunan xəstəliklər və bir çox başqaları. İşlərin sayının özü natamam bir şəkil verir. Əksər ekspertlər həmçinin COVID-in hər bir yaş qrupuna necə təsir etdiyinə baxmaq üçün ölüm sayına və ya 100,000 əhaliyə düşən ölüm faizlərinə və ya ölüm hallarına baxırlar.
Əlaqəsiz korrelyasiyaları göstərin
Aydındır ki, var güclü korrelyasiya ABŞ-ın elm, kosmos və texnologiyaya xərcləmələri ilə asılma, boğulma və boğulma yolu ilə intiharların sayı arasında. Korrelyasiya 99.79%, demək olar ki, mükəmməl uyğunluqdur.
Bəs kim bunların bir şəkildə əlaqəli olduğunu və ya birinin digərinə səbəb olduğunu iddia edə bilər? Başqa daha az ifrat nümunələr var, lakin daha az saxta deyil. Scripps Milli Yazı Arısının Qələbə Sözündəki Məktublar və Zəhərli Hörümçəklər tərəfindən Öldürülən İnsanların Sayı arasında oxşar güclü əlaqə var. Təsadüf? Siz qərar verin.
Daha az yanıltıcı ola biləcək bu məlumatları qrafikləşdirməyin başqa bir yolu hər iki Y oxuna sıfır daxil etməkdir.
Məlumatları qeyri-dəqiq göstərin
saata Məlumatları necə pis göstərmək olar, ABŞ-ın Corciya ştatı ən çox təsdiqlənmiş COVID-5 hallarının olduğu ilk 19 ölkəni təqdim etdi.
Qanuni görünür, elə deyilmi? Təsdiqlənmiş COVID-19 hallarının azalma tendensiyası açıq şəkildə müşahidə olunur. X oxunu oxuya bilirsinizmi? X oxu zamanı təmsil edir. Tipik olaraq, tarixlər soldan sağa artacaq. Burada X oxunda kiçik bir zaman səyahətini görürük:
4/28/2020
4/27/2020
4/29/2020
5/1/2020
4/30/2020
5/4/2020
5/6/2020
5/5/2020
5/2/22020 ...
Gözləmək? Nə? X oxu xronoloji olaraq sıralanmır. Beləliklə, trend nə qədər gözəl görünsə də, heç bir nəticə çıxara bilmərik. Tarixlər sifariş edilirsə, halların sayı üçün çubuqlar hər hansı bir trenddən daha çox mişar dişi nümunəsini göstərir.
Burada asan həll tarixləri təqvimin etdiyi kimi çeşidləməkdir.
Məlumatları qeyri-ənənəvi şəkildə göstərin
Hamımız məşğuluq. Beynimiz bizə dünyamızda ardıcıl olan fərziyyələrə əsaslanaraq tez mühakimə yürütməyi öyrətdi. Məsələn, indiyə qədər gördüyüm hər bir qrafik sıfır və ya ən aşağı qiymətlərlə görüşən x və y oxlarını göstərir. Bu cədvələ qısaca baxsaq, Floridanın təsiri haqqında hansı nəticələr çıxara bilərsiniz “Əsas qanununuzu qoruyun.”? Etiraf etməyə utanıram, amma bu qrafik əvvəlcə məni aldatdı. Gözünüz qrafikin ortasındakı mətnə və oxa rahat şəkildə çəkilir. Bu qrafikdə aşağı yuxarıdır. Yalan olmaya bilər - məlumatlar oradadır. Ancaq düşünməliyəm ki, bu, aldatmaq üçündür. Əgər hələ də görməmisinizsə, y oxunda sıfır yuxarıdadır. Beləliklə, məlumatlar azaldıqca, bu, daha çox ölüm deməkdir. Bu cədvəl odlu silahdan istifadə edilən cinayətlərin sayını göstərir artırılmış 2005-ci ildən sonra gedən tendensiya göstərir aşağı.
Həddindən artıq sadələşdirilmiş məlumatları göstərin
Məlumatların həddən artıq sadələşdirilməsinə bir misal analitiklər Simpsonun Paradoksundan istifadə etdikdə görülə bilər. Bu, ümumiləşdirilmiş məlumatın alt qruplara ayrılmasından fərqli bir nəticə nümayiş etdirdiyi zaman baş verən bir hadisədir. Yüksək səviyyəli ümumiləşdirilmiş faizlərə baxarkən bu tələyə düşmək asandır. Simpsonun Paradoksunun ən aydın təsvirlərindən biri iş yerindədir vuruş ortalamaları.
Burada Derek Jeterin 1995 və 1996 mövsümləri üçün David Justice-dən daha yüksək ümumi vuruş ortalamasına sahib olduğunu görürük. Paradoks o zaman ortaya çıxır ki, Ədalət o illərdə orta hesabla Jeteri üstələyib. Diqqətlə baxsanız, Jeterin 4-cı ildə təxminən 1996 dəfə çox yarasa (məxrəc) 007-cı ildə orta hesabla 1996 daha aşağı olduğunu başa düşdüyünüz zaman məntiqli olar. Halbuki Ədalət yalnız . 10-ci ildə 003 daha yüksək orta.
Təqdimat sadə görünür, lakin Simpsonun Paradoksu bilərəkdən və ya bilməyərəkdən yanlış nəticələrə gətirib çıxardı. Bu yaxınlarda xəbərlərdə və sosial mediada peyvəndlər və COVID-dən ölümlə bağlı Simpson Paradoksu nümunələri var. bir grafiğini 10-59 yaşlı insanlar üçün peyvənd edilmiş və peyvənd olunmamış ölüm nisbətlərini müqayisə edən xətt qrafikini göstərir. Qrafik göstərir ki, peyvənd olunmayanların ölüm nisbəti davamlı olaraq aşağıdır. Burda nə baş verir?
Məsələ, vuruş ortalamaları ilə gördüyümüz məsələyə bənzəyir. Bu vəziyyətdə məxrəc hər bir yaş qrupundakı fərdlərin sayıdır. Qrafik müxtəlif nəticələri olan qrupları birləşdirir. 50-59 yaş qrupuna ayrı baxsaq peyvəndlərin daha yaxşı olduğunu görərik. Eynilə, 10-49-a baxsaq, peyvənd edilənlərin daha yaxşı olduğunu görərik. Paradoksal olaraq, birləşmiş dəsti nəzərdən keçirərkən, peyvənd olunmamışlar daha pis nəticə verir. Bu yolla, məlumatlardan istifadə edərək əks arqumentlər üçün iddia yarada bilərsiniz.
Məlumatlar Qərəzlidir
Məlumatlara həmişə etibar etmək olmaz. Hətta elmi ictimaiyyətdə, sorğuya qatılan tədqiqatçıların üçdə birindən çoxu etiraf etdi "şübhəli tədqiqat təcrübələri." Digər fırıldaqçılıq detektivi deyir: “Məlumatlarda çox güman ki, daha çox saxtakarlıq var – cədvəllər, xətt qrafikləri, məlumatların ardıcıllığı [– əslində kəşf etdiyimizdən]. Mətbəx masasında oturan hər kəs elektron cədvələ bəzi rəqəmlər qoya və inandırıcı görünən xətt qrafiki yarada bilər."
Bu ilk misal deyəsən kimsə bunu edib. Bunun fırıldaq olduğunu demirəm, lakin sorğu kimi o, sadəcə məlumatlı qərara töhfə verən heç bir məlumat yaratmır. Deyəsən, sorğu respondentlərdən yanacaqdoldurma məntəqəsinin qəhvəsi və ya digər müvafiq cari hadisə ilə bağlı fikirlərini soruşdu.
- Superb
- Böyük
- Çox yaxşı
Mən günahkar tərəfə istinadları silmək üçün Twitter yazısını kəsdim, lakin bu, sorğunun yekun nəticələrinin faktiki bütün diaqramıdır. Bu kimi sorğular qeyri-adi deyil. Aydındır ki, cavablar nəticəsində əldə edilən məlumatlardan yaradılmış hər hansı bir diaqram sözügedən qəhvənin qaçırılmaması lazım olduğunu göstərəcək.
Problem ondadır ki, əgər sizə bu sorğu verilsəydi və fikrinizə uyğun cavab tapmasaydınız, sorğunu atlayardınız. Bu, etibarsız məlumatların necə yaradıla biləcəyinin ifrat nümunəsi ola bilər. Zəif sorğu dizaynı daha az cavaba səbəb ola bilər və cavab verənlərin yalnız bir fikri var, bu, sadəcə dərəcə məsələsidir. Məlumatlar qərəzlidir.
Bu ikinci məlumat qərəzli nümunəsi " fayllarındandır.Ən pis COVID 19 Yanıltıcı Qrafiklər".
Yenə də, bu incədir və tamamilə aydın deyil. Ştrix qrafiki Florida ştatında bir ilçe üçün zamanla müsbət COVID-19 hallarının faizində hamar - demək olar ki, çox hamar - azalma göstərir. Siz asanlıqla belə nəticəyə gələ bilərsiniz ki, hallar azalır. Bu əladır, vizuallaşdırma məlumatları dəqiq şəkildə təmsil edir. Problem məlumatlardadır. Deməli, bu daha məkrli bir qərəzdir, çünki siz onu görə bilmirsiniz. O, məlumatlara daxil edilmişdir. Verməli olduğunuz suallara kimin sınanması daxildir? Başqa sözlə, məxrəc nədir və ya faizlə baxdığımız əhali. Fərziyyə ondan ibarətdir ki, bu, bütün populyasiya və ya ən azı təmsilçi nümunədir.
Ancaq bu müddət ərzində bu mahalda testlər yalnız məhdud sayda insana verildi. Onların COVID-ə bənzər simptomları olmalı və ya bu yaxınlarda qaynar nöqtələr siyahısında olan bir ölkəyə səyahət etmişdilər. Nəticələri əlavə olaraq qarışdıran hər bir müsbət testin sayılması və hər bir mənfi testin hesablanmasıdır. Tipik olaraq, fərd müsbət test etdikdə, virus öz gedişatını keçirdikdən sonra yenidən test edər və mənfi test edərdi. Beləliklə, müəyyən mənada, hər bir müsbət hal üçün onu ləğv edən mənfi bir test hadisəsi var. Testlərin böyük əksəriyyəti mənfi olub və hər bir fərdin mənfi testləri hesablanıb. Məlumatların necə qərəzli olduğunu və qərar qəbul etmək üçün xüsusilə faydalı olmadığını görə bilərsiniz.
AI Girişi və Təlimi Qərəzlidir
Süni intellektin qərəzli nəticələrə gətirib çıxara biləcəyi ən azı iki yol var: qərəzli məlumatlardan başlamaq və ya etibarlı məlumatları emal etmək üçün qərəzli alqoritmlərdən istifadə etmək.
Qərəzli Giriş
Bir çoxumuz belə təəssürat altındayıq ki, süni intellekt rəqəmləri sındırmaq, onun alqoritmlərini tətbiq etmək və məlumatların etibarlı təhlilini həyata keçirmək üçün etibar edilə bilər. Süni intellekt ancaq öyrədildiyi qədər ağıllı ola bilər. Əgər onun öyrədildiyi məlumatlar qeyri-kamildirsə, nəticələrə və ya nəticələrə də etibar etmək mümkün olmayacaq. Yuxarıdakı sorğunun qərəzli vəziyyətinə bənzər şəkildə, məlumatların ola biləcəyi bir sıra yollar var qeyri-obyektiv maşın öyrənməsində:.
- Nümunə qərəzliliyi – təlim məlumat toplusu bütün əhalini təmsil etmir.
- İstisna qərəzi – bəzən kənar kimi görünənlər həqiqətən etibarlıdır və ya nəyi daxil edəcəyimizə (poçt kodları, tarixlər və s.) xətti çəkdiyimiz yerdir.
- Ölçmə meyli - konvensiya həmişə menisküsün mərkəzindən və altından ölçməkdir, məsələn, həcmli kolbalarda və ya sınaq borularında (civə istisna olmaqla) mayeləri ölçərkən.
- Tədqiqat iştirakçıların yaddaşından asılı olduqda qərəzliliyi xatırlayın.
- Müşahidəçi qərəzliyi – elm adamları, bütün insanlar kimi, görməyi gözlədiklərini görməyə daha çox meyllidirlər.
- Seksist və irqçi qərəz – cinsiyyət və ya irq həddindən artıq və ya az təmsil oluna bilər.
- Assosiasiyanın qərəzi – məlumatlar stereotipləri gücləndirir
Süni intellektin etibarlı nəticələr verməsi üçün onun təlim məlumatları real dünyanı təmsil etməlidir. Əvvəlki blog məqaləsində müzakirə etdiyimiz kimi, məlumatların hazırlanması kritikdir və hər hansı digər məlumat layihəsi kimi. Etibarsız məlumatlar maşın öyrənmə sistemlərinə yanlış dərs verə bilər və yanlış nəticəyə gətirib çıxara bilər. Bu, “Bütün məlumatlar qərəzlidir. Bu paranoyya deyil. Bu faktdır”. – Dr. Sanjiv M. Narayan, Stanford Universiteti Tibb Fakültəsi.
Təlim üçün qərəzli məlumatlardan istifadə bir sıra diqqətəlayiq AI uğursuzluqlarına səbəb oldu. (Nümunələr burada və burada, tədqiqat burada..)
Qərəzli alqoritmlər
Alqoritm, girişi qəbul edən və biznes probleminə cavab vermək üçün çıxış yaradan qaydalar toplusudur. Onlar tez-tez yaxşı müəyyən edilmiş qərar ağaclarıdır. Alqoritmlər qara qutular kimi hiss olunur. Heç kim onların necə işlədiyinə əmin deyil, hətta çox vaxt onlardan istifadə edən şirkətlər. Oh, və onlar çox vaxt mülkiyyətçi olurlar. Onların sirli və mürəkkəb təbiəti qərəzli alqoritmlərin bu qədər məkrli olmasının səbəblərindən biridir. .
İrqi nəzərə alan tibb, HR və ya maliyyədə AI alqoritmlərini nəzərdən keçirin. Əgər irq amildirsə, alqoritm irqi cəhətdən kor ola bilməz. Bu nəzəri deyil. Bu kimi problemlər real dünyada süni intellektdən istifadə etməklə aşkar edilmişdir kirə, minmək-paylaşmaq, kredit ərizəsis, və böyrək nəqli.
Nəticə budur ki, məlumatlarınız və ya alqoritmləriniz pisdirsə, faydasızdan daha pisdirsə, onlar təhlükəli ola bilər. Belə bir şey var "alqoritmik audit.” Məqsəd ədalətlilik, qərəzlilik və ayrı-seçkiliklə bağlı alqoritmlə bağlı potensial riskləri müəyyən etməkdə təşkilatlara kömək etməkdir. Başqa yerdə, Facebook süni intellektdə qərəzlə mübarizə aparmaq üçün AI-dən istifadə edir.
İnsanlar Qərəzlidir
Bizdə bərabərliyin hər iki tərəfində olan insanlar var. İnsanlar analiz hazırlayır və insanlar məlumat alır. Tədqiqatçılar da var, oxucular da. İstənilən ünsiyyətdə ötürmə və ya qəbulda problemlər ola bilər.
Məsələn, havanı götürək. “Yağış ehtimalı” nə deməkdir? Birincisi, meteoroloqlar yağış ehtimalı var deyəndə nəyi nəzərdə tuturlar? ABŞ hökumətinə görə Milli Hava Xidmətinin, yağış ehtimalı və ya yağış ehtimalı (PoP) adlandırdıqları şey, hava proqnozunda ən az başa düşülən elementlərdən biridir. Onun standart tərifi var: “Yağışın düşmə ehtimalı, sadəcə olaraq, müəyyən edilmiş müddət ərzində verilmiş proqnoz zonasında verilmiş ərazidə 0.01 düym [sic] daha çox yağıntının statistik ehtimalıdır.” “Verilmiş sahə” proqnoz sahəsidir və ya broadtökmə sahəsi. Bu o deməkdir ki, rəsmi Yağıntı Ehtimalları ərazidə hansısa yerdə yağış yağacağına inamdan və islanacaq ərazinin faizindən asılıdır. Başqa sözlə, əgər meteoroloq proqnoz zonasında yağış yağacağına əmindirsə (Güvən = 100%), PoP ərazinin yağış alacaq hissəsini təmsil edir.
Paris küçəsi; Yağışlı günGustave Caillebotte (1848-1894) Çikaqo İncəsənət İnstitutu Public Domain
Yağış ehtimalı həm inamdan, həm də ərazidən asılıdır. bunu bilmirdim. Mən şübhələnirəm ki, digər insanlar da bunu bilmirlər. Əhalinin təxminən 75%-i PoP-nin necə hesablandığını və ya onun nəyi təmsil etmək üçün nəzərdə tutulduğunu dəqiq başa düşmür. Deməli, bizi aldadırlar, yoxsa bu qavrayış problemidir. Gəlin buna yağış qavrayışı deyək. Sinoptiki günahlandırırıq? Ədalətli olmaq üçün bəziləri var qarışıqlıq sinoptiklər arasında da. Birində sorğu, sorğuda iştirak edən meteoroloqların 43%-i qeyd edib ki, PoP tərifində çox az uyğunluq var.
Təhlilin Özü Qərəzlidir
Beş təsir edən amildən təhlilin özü ən təəccüblü ola bilər. Nəzərdən keçirilən məqalənin dərc olunması ilə nəticələnən elmi tədqiqatlarda adətən nəzəriyyə fərz edilir, fərziyyəni yoxlamaq üçün metodlar müəyyən edilir, məlumatlar toplanır, sonra məlumatlar təhlil edilir. Edilən təhlilin növü və necə edildiyi nəticələrə necə təsir göstərdiyinə görə qiymətləndirilmir. Bir kağız Bu ilin əvvəlində (yanvar 2022) nəşr olunan Beynəlxalq Xərçəng Jurnalında müəlliflər randomizə edilmiş nəzarətli sınaqların və retrospektiv müşahidə tədqiqatlarının nəticələrini qiymətləndiriblər. Onların tapıntıları belə nəticəyə gəldi ki,
Müqayisəli effektivlik tədqiqatında analitik seçimləri dəyişdirərək, əks nəticələr əldə etdik. Nəticələrimiz göstərir ki, bəzi retrospektiv müşahidə tədqiqatları xəstələr üçün müalicənin nəticələrini yaxşılaşdıra bilər, digər oxşar tədqiqat isə sadəcə analitik seçimlərə əsaslanaraq bunun olmadığını aşkar edə bilər.
Keçmişdə elmi jurnal məqaləsini oxuyarkən, əgər siz də mənim kimisinizsə, nəticələr və ya nəticələrin hamısının məlumatlarla bağlı olduğunu düşünə bilərsiniz. İndi belə görünür ki, nəticələr və ya ilkin fərziyyənin təsdiq və ya təkzib olunması da təhlil metodundan asılı ola bilər.
Digər öyrənmək oxşar nəticələr tapmışdır. Məqalə, Bir çox analitik, bir məlumat toplusu: analitik seçimlərdəki dəyişikliklərin nəticələrə necə təsir etdiyini şəffaf etmək, təhlil etmək üçün 29 fərqli komandaya eyni məlumat dəstini necə verdiklərini təsvir edir. Məlumatların təhlili çox vaxt tək bir nəticəyə gətirib çıxaran ciddi, dəqiq müəyyən edilmiş proses kimi qəbul edilir.
Metodoloqların iradlarına baxmayaraq, nəticələrin özlüyündə nəzəriyyə, fərziyyələr və seçim nöqtələri ilə dolu olan seçilmiş analitik strategiyadan asılı ola biləcəyi faktını nəzərdən qaçırmaq asandır. Bir çox hallarda, tədqiqat sualına aid olan məlumatları qiymətləndirmək üçün bir çox ağlabatan (və bir çox əsassız) yanaşmalar var.
Tədqiqatçılar məlumatların təhlilini çoxlu mənbələrdən topladılar və belə bir nəticəyə gəldilər ki, bütün tədqiqatlar tədqiqatın son nəticəsinə təsir göstərə biləcək subyektiv qərarları, o cümlədən hansı analiz növündən istifadə etməyi ehtiva edir.
Başqasının tövsiyəsi tədqiqatçı Yuxarıdakı araşdırmanı təhlil edən şəxs qərar qəbul edərkən və ya nəticə çıxararkən tək bir kağızdan istifadə edərkən ehtiyatlı olmalıdır.
Analitikada qərəzliliyin aradan qaldırılması
Bu, sadəcə olaraq xəbərdarlıq xarakteri daşımaq üçündür. Bilik bizi fırıldaqçılar tərəfindən tutulmaqdan qoruya bilər. Skanerin bizi aldatmaq üçün istifadə edə biləcəyi mümkün üsullar haqqında nə qədər çox məlumatlı olsaq, məsələn, cibgirlərin səhv istiqamətləndirməsi və ya Ponzi oyununun rəvan söhbəti bizi bir o qədər az qəbul edər. Beləliklə, analitikamıza təsir edən potensial qərəzləri başa düşmək və tanımaqdır. Potensial təsirlərdən xəbərdar olsaq, hekayəni daha yaxşı təqdim edə və nəticədə daha yaxşı qərarlar qəbul edə bilərik.
