Gli errori di analisi più comuni da evitare

Come essere sicuri che le nostre analisi siano sempre corrette?

L’esperienza mi insegna che di perfetto non c’è mai nulla, ma proprio l’esperienza permette di evitare quegli errori più comuni velocemente e di concentrarsi nel portare valore.

Come spesso spiego durante le mie lezioni il lavoro di analisi è creatività pura perché mentre individuare le anomalie è un lavoro ripetitivo, formulare ipotesi e verificarle attraverso i dati necessita di fantasia e curiosità perché ogni volta ci si trova in situazioni diverse. 

Questo porta a sostenere che l’unica metodologia di analisi sia la segmentazione, ma saranno i dati stessi (insieme ad esperienza, fantasia e curiosità) a guidarci nel trovare idee ed a verificarle.

In questi giorni ho trovato una bellissima infografica realizzata da GECKOBOARD che riassume in modo simpatico i principali errori sui dati da evitare 

Hanno scelto di realizzarla come delle card da esplorare:

Errori sui dati più comuni
  • Cherry picking: l’abitudine di selezionare i dati che confermano le proprie idee e di escludere tutto il resto
  • Data Dredging: non accettare il fatto che la correlazione identificata sia del tutto casuale
  • Survivorship Bias: arrivare ad una conclusione partendo da dati incompleti, perché essi sono “sopravvissuti” ad un qualche sistema di selezione
  • Cobra Effect: Quando un incentivo genera il risultato opposto
  • False Causality: stabilire in modo errore che quando due eventi avvengono insieme l’uno ha causato l’altro
  • Gerrymandering: la pratica di manipolare deliberatamente i confini di un distretto politico al fine di guidare i risultati politici
  • Sampling Bias: Arrivare a delle conclusioni partendo da un set di dati non rappresentativo
  • Gambler’s Fallacy: L’errata credenza che essendo un evento capitato più frequentemente del normale, esso in futuro avverrà come meno frequenza
  • Hawthorne Effect: Quando osservare qualcuno modifica il modo di fare dello stesso.

Una risposta a “Gli errori di analisi più comuni da evitare”

  1. Un esempio di dato errato che entra nella categoria “Survivorship Bias” potrebbe essere i dati analitici interni di Facebook, che posti a confronto con i dati di un Google Analytics ad esempio, sono sempre e dico sempre discordanti.

Rispondi

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.