Selection bias

डेटा बायस पर विजय

Konstantinos Kattidis

Data Analytics Lead

Selection bias क्या है?

यह वह बायस है जो तब आता है जब विश्लेषण के लिए डेटा इस तरह चुना जाता है कि कुछ व्यक्तियों, समूहों, या विशेषताओं को प्रणालीगत रूप से प्राथमिकता मिलती है

ऐसा चित्र जिसमें जनसंख्या सैंपल से अलग है.

इसलिए, मिला हुआ सैंपल विश्लेषित की जाने वाली जनसंख्या का प्रतिनिधि नहीं होता

आइए चयन बायस के पाँच आम प्रकारों को देखें

1. Sampling bias

सैंपलिंग बायस तब होता है जब सैंपलिंग विधि निष्पक्ष या रैंडम नहीं होती
यह उस एप्रोच से आता है जिससे हम सैंपल लेते हैं, जिससे निष्कर्षों को पूरी जनसंख्या पर लगाना कठिन या असंभव हो सकता है
उदाहरण:
- एक ई-कॉमर्स प्लेटफॉर्म ग्राहक संतुष्टि को convenience sampling से आँकता है
- निष्कर्ष पूरी ग्राहक बेस की राय नहीं दिखा सकते

कौन सी सैंपलिंग विधि लें, इस पर सोचता व्यक्ति

2. Undercoverage bias

मानिए ऑनलाइन उपभोक्ताओं पर मार्केट रिसर्च हो, और जिनके पास इंटरनेट नहीं है उन्हें बाहर रखा जाए
Undercoverage bias चुने गए सैंपल में कुछ समूहों की कमज़ोर प्रतिनिधि संख्या को दिखाता है
यह sampling bias से अलग है क्योंकि इसका फोकस विशिष्ट समूहों के प्रतिनिधित्व पर होता है, न कि सैंपलिंग विधि की रैंडमनेस या निष्पक्षता पर

शोधकर्ता इंटरनेट न होने वाले उपभोक्ताओं को नज़रअंदाज़ कर रहे हैं

3. Non-response bias

Non-response bias तब आता है जब जो लोग सर्वे/स्टडी में भाग नहीं लेते, वे भाग लेने वालों से प्रणालीगत रूप से अलग होते हैं

संतुष्टि सर्वे: उत्तरदाताओं संतुष्ट, गैर-उत्तरदाताओं असंतुष्ट

कर्मचारी संतुष्टि सर्वे में असंतुष्ट कर्मचारी भाग लेने की कम संभावना रखते हैं
इससे कर्मचारी मनोबल का दृष्टिकोण ज़रूरत से ज़्यादा सकारात्मक हो जाता है

4. Self-selection bias

Self selection से प्रभावित नतीजों को देखते विश्लेषक

Self-selection bias तब होता है जब व्यक्ति स्टडी में भाग लेने या फीडबैक देने के लिए खुद चुनते हैं
उदाहरण:
- ग्राहक संतुष्टि सर्वे में खुद-से भाग लेने का चयन करते हैं
- उनकी राय व्यापक ग्राहक बेस का प्रतिनिधित्व नहीं करती
- इससे समग्र धारणा टेढ़ी हो जाती है

5. Survivorship bias

यह तब होता है जब विश्लेषण में केवल सफल इकाइयाँ शामिल हों

उदाहरण:

असफलताओं को न गिनते हुए केवल सफल प्रोडक्ट लॉन्च का विश्लेषण करना
इससे बायस्ड इनसाइट्स बनेंगी और विफलता के अहम कारण छूट जाएँगे

व्यक्ति सफल प्रोडक्ट्स का विश्लेषण कर रहा है और असफल को नज़रअंदाज़ कर रहा है

समग्र समझ बनाना

तराजू असंतुलित, साथ में प्रश्न चिन्ह

कई बायस एक-दूसरे से टकराते हैं, जिससे विश्लेषण जटिल होना आम है
उदाहरण: ग्राहक संतुष्टि सर्वे में self-selection bias और non-response bias, दोनों हो सकते हैं

अभ्यास करते हैं!

डेटा बायस पर विजय