डेटा बायस के प्रकार

डेटा बायस पर विजय

Konstantinos Kattidis

Data Analytics Lead

निर्णय लेने की गतिशीलता

रात के खाने और करियर पर निर्णय लेता व्यक्ति

वयस्क रोज़ाना लगभग 35,000 सचेत निर्णय लेते हैं

"मुझे कौन-सा करियर पथ चुनना चाहिए?"

"रात के खाने में क्या खाऊँ?"

ह्यूरिस्टिक्स हमारे दिमाग को प्रोसेसिंग सरल बनाकर जल्दी निर्णय लेने में मदद करती हैं
लेकिन ह्यूरिस्टिक्स से... कॉग्निटिव बायस हो सकता है

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

न्याय और निर्णय-प्रक्रिया में मानक या तर्कसंगतता से सिस्टेमैटिक विचलन के पैटर्न

डेटा बायस अक्सर इन्हीं कॉग्निटिव बायस का परिणाम होता है
उदाहरण: एक एनालिस्ट हाल की मार्केटिंग कैंपेन का विश्लेषण करते समय अनजाने में सकारात्मक डेटा को तरजीह दे

एनालिस्ट का सकारात्मक डेटा पर फोकस

जहाँ कॉग्निटिव बायस व्यक्तिगत निर्णय-प्रक्रिया से जुड़ा है, सिस्टेमिक बायस डेटा-संबंधित गतिविधियों को दिशा देने वाले व्यापक मुद्दों को दिखाता है
ये वे बायस हैं जो डेटा को इकट्ठा करने, विश्लेषित करने और इंटरप्रेट करने में उपयोग होने वाली प्रोसेस, स्ट्रक्चर, या सिस्टम में निहित होते हैं
ये कई कारणों से उत्पन्न होते हैं, जैसे पक्षपाती डेटा कलेक्शन मेथड और एल्गोरिदमिक डिजाइन

सिस्टेमिक बायस पर सोचती महिला

डेटा लाइफसाइकिल और बायस का चित्र

सिस्टेमिक और कॉग्निटिव बायस, डेटा बायस की जड़ें दिखाते हैं
डेटा बायस के प्रकार समझना, उनके असर के खिलाफ मज़बूत सुरक्षा बनाने की पहली कड़ी है

Selection bias
- कलेक्शन प्रोसेस कुछ समूहों या गुणों को दूसरों पर तरजीह देता है
Historical bias
- ऐतिहासिक डेटा में अतीत की असमानताएँ या सिस्टेमिक मुद्दे झलकते हैं
Measurement bias
- इंस्ट्रूमेंट या मेथडोलॉजी कुछ एट्रिब्यूट को व्यवस्थित रूप से गलत दर्शाते हैं

डेटा लाइफसाइकिल में बायस, डेटा कलेक्शन

Cognitive bias
- Confirmation bias एक प्रमुख प्रकार है
- यानी पूर्व-स्थापित मान्यताओं की पुष्टि करने वाली जानकारी ही ढूँढना और वैसी ही व्याख्या करना
Reporting bias
- जब कुछ निष्कर्षों को उभारा या दबाया जाता है, और डेटा की नैरेटिव उसी से बनती है

डेटा लाइफसाइकिल में बायस, डेटा एनालिसिस

Algorithmic bias
- जब machine learning मॉडल, training data में मौजूद बायस को दोहराते हैं
Automation bias
- मानव निगरानी ज़रूरी है, क्योंकि ऑटोमेटेड प्रोसेस अनजाने में मौजूदा बायस को बनाए रख या बढ़ा सकते हैं

डेटा लाइफसाइकिल में बायस, एल्गोरिदम

डेटा बायस पर विजय