Berichts-Bias

Bias in Daten bewältigen

Konstantinos Kattidis

Data Analytics Lead

Berichts-Bias aufdecken

Personen berichten Ergebnisse

Berichts-Bias beeinflusst, wie Daten anderen präsentiert werden
Tritt auf, wenn Veröffentlichung oder Betonung von Ergebnissen von Richtung und Art der Resultate abhängt
Er zeigt sich in verschiedenen Formen, jeweils mit eigenen Auswirkungen auf Analysen

Person pickt positive Trends heraus

Ein Marketingmanager analysiert Verkaufsdaten
Nimmt in Berichte selektiv nur starke Produktlinien auf
Hebt Positives hervor und spielt Negatives herunter – ergibt ein zu rosiges Bild
Führt zu falschen strategischen Entscheidungen

Das Szenario zeigt selektives Berichten, auch Cherry-Picking genannt
Dabei werden absichtlich oder unbeabsichtigt Daten ausgeschlossen, die nicht zum gewünschten Fazit passen
Das führt zu verzerrten oder irreführenden Interpretationen

Finger wählt aus fünf Optionen

Tritt auf, wenn Studien mit signifikanten Ergebnissen eher veröffentlicht werden als solche ohne Signifikanz

Führt zu einer Überrepräsentation positiver Ergebnisse
Verzerrt das Verständnis der wahren Wirkung von Interventionen oder Behandlungen

Person veröffentlicht Forschung

Betrifft, wie die enthaltenen Daten präsentiert oder interpretiert werden
Übertreibt die Bedeutung von Ergebnissen oder spielt Grenzen herunter
Zum Beispiel:
- Eine Firmen-Pressemitteilung verkauft geringes Wachstum als großen Erfolg
- Verbirgt zugrundeliegende Probleme

Person präsentiert Analyseergebnisse und verbirgt zugrundeliegende Probleme

Absichtliche Manipulation, unbeabsichtigte Versäumnisse und systemische Probleme in Organisationen

Berichts-Bias hat verschiedene Ursachen
Dazu zählen:
- Absichtliche Manipulation
- Unbeabsichtigtes Übersehen
- Systemische Probleme in Organisationen
Folgen: fehlgeleitete Richtlinien, verschwendete Ressourcen, Vertrauensverlust

Bias in Daten bewältigen