Historische Verzerrung

Bias in Daten bewältigen

Konstantinos Kattidis

Data Analytics Lead

Historische Verzerrung verstehen

Du bist Analyst und untersuchst eine Diebstahlserie in einem Viertel
Du bemerkst Unstimmigkeiten: veränderte Muster, Demografie und Polizeipraxis
Historische Verzerrung liegt vor, wenn die Vergangenheit die Gegenwart nicht mehr richtig abbildet
Zwei häufige Typen: technologische Verzerrung und kontextuelle Verzerrung

Analyst analysiert Kriminalitätsdaten unter Berücksichtigung historischer Verzerrung

Entsteht, wenn Fortschritte historische Daten veralten oder weniger relevant machen

Eine Produktanalystin will das Nutzerverhalten über die Zeit anhand von Engagement-Daten verstehen
In dieser Phase war der Desktop der primäre Internetzugang
Diese Muster spiegeln mobile Nutzung ggf. nicht korrekt wider

Menschen mit Internetzugang auf ihren Geräten

Bezeichnet Veränderungen in Normen, Präferenzen, Werten oder wirtschaftlichen Bedingungen, die historische Daten beeinflussen

Menschen mit Normen, Präferenzen und kulturellen Werten

Wissenschaftler betrachtet ein langfristiges Liniendiagramm

Längsschnittstudien, die Probanden über lange Zeit verfolgen, sind besonders anfällig für historische Verzerrung
Beispiel: Berücksichtigung des Klimawandels in Langzeit-Klimastudien
Wird dieser Wandel ignoriert, entstehen Verzerrungen in Klimaanalysen

Grenzen historischer Datenquellen:
- Unvollständige Daten oder unterrepräsentierte Gruppen führen zu verzerrten Deutungen der Vergangenheit
- Ereignisse könnten Daten verloren gehen lassen oder unzugänglich machen
Weitere Verzerrungstypen
- Andere Verzerrungen können historische Verzerrung verstärken
- Z. B. Survivorship Bias verzerrt den historischen Blick

Diagramm mit fehlenden Daten und Einfluss anderer Verzerrungen

Person trifft Entscheidungen

Bias in Daten bewältigen