数据偏差的类型

征服数据偏差

Konstantinos Kattidis

Data Analytics Lead

决策的动态

成年人每天要做约 35,000 次有意识的决定

"我该走哪条职业道路？"

"晚餐吃什么？"

• 启发式帮助我们简化处理并更快决策

• 但启发式也会导致……认知偏差

¹ https://hbr.org/2023/12/a-simple-way-to-make-better-decisions

认知偏差

判断与决策中相对规范或理性的系统性偏离模式

• 数据偏差可能源于这些认知偏差

• 例如：分析师在分析近期营销活动时，无意识偏好正面数据

系统性偏差

• 认知偏差针对个体决策，而系统性偏差反映引导数据活动的更广泛问题
• 它内嵌于用于收集、分析和解释数据的流程、结构或系统中
• 起因为多样，如偏倚的收集方法与算法设计

数据生命周期中的偏差

• 系统性与认知偏差是数据偏差的根源
• 了解数据偏差类型，是构建稳健防护的第一步

揭示数据收集中的偏差

• 选择偏差
  • 采集过程偏向某些群体或特征
• 历史偏差
  • 历史数据反映过去的不平等或系统性问题
• 测量偏差
  • 工具或方法系统性失真某些属性

揭示数据分析中的偏差

• 认知偏差
  • 以确认偏差最为典型
  • 指倾向于寻找并解释支持既有信念的信息
• 报告偏差
  • 某些结果被突出或压制，从而塑造数据叙事

模型开发中的偏差

• 算法偏差

  • 当模型反映训练数据中的偏差时出现

• 自动化偏差

  • 强调需有人类监督，自动流程可能无意延续或放大偏差

让我们来练习！

征服数据偏差