Self Spark首席科学官如何避免数据陷阱

在数据图表上手写

在企业世界中,数据为王,每天都会产生大量的数据,产品经理的基本职责是过滤出正确的数据,对产品的寿命做出准确的预测。至关重要的是,不要落入大量数据实验和分析中出现的谬论。Orin Davis,作为一位经验丰富的人力资本顾问,正确地告诉我们,在我们的日常接触中,数据陷阱的可能性。

天才的火花-奥林·戴维斯

欧林戴维斯照片

奥林·戴维斯是生活质量实验室的首席研究员和Self Spark的首席科学官。他是一名充满激情的工程师,拥有积极心理学学位,并担任人力资本与创造力顾问。他为萌芽中的初创公司提供宣传、提案、文化和人力资本方面的帮助。

避免数据陷阱

在我们每天深入研究的信息海洋中,重要的是不要从数据集中突然得出结论。戴维斯强调混淆“什么?”“与”为什么?”He says, often we find the ‘what?’ of data easily and assume the why? For instance, from the last Presidential election in the USA, we can get data about the people who voted for Trump and Clinton. We know the ‘what?’ of data here, and we end up assuming ‘why?’ with it.

这是一个错误,因为最终重要的是数据和结论是有意义的

四个人拿着智能手机数据表和平板电脑

他说,作为一名高级导师和资本顾问,他经常被问到“我们如何在一家公司聘用候选人?”他澄清了这一担忧永远不要根据一个人的个性或实力来雇用他,就像任何个性组合或力量组合一样,可以完成任何给定的工作。

戴维斯先生补充说,他在会议上把许多公司搞得天翻地覆,因为他们的招聘标准是基本调查,没有检查趋同有效性。他把这种情况称为吉戈——垃圾进出。

GIGO规则规定,你的结论只与收集它们的调查一样有效。

标签导致有效性

这个理论质疑数据的真实性。也就是说,调查结果“令人失望”的程度。当测量数据的真实性时,保持Construct Validity存在的论点是很重要的……

结构效度- - - - - -我们是否衡量了我们说过要衡量的东西?

铅笔方格

这种发现数据真实性的方法很重要,因为当我们操作变量时,存在限制。许多变量是抽象的,我们也不能涵盖给定变量的所有可能角度。

构念效度有很多变体。它们是:

  1. 表面有效性- - - - - -有创造力的人是否“跳出框框思考”?概括地说,所有有创造力的人都不以平凡的方式思考
  2. 内容效度- - - - - -确认偏误
  3. 预测效度- - - - - -要验证的预测性测试?个性测试用于招聘?
  4. 同时效度- - - - - -测量并发性以得出结论
  5. 收敛有效性- - - - - -与经验和创造力的开放性有关密度
  6. 区分效度- - - - - -这些措施与它应该独立的事物无关
分析数据库的女人

方法问题

影响所收集信息有效性的一些因素包括:

  1. 历史- - - - - -一些影响结果的外部事件
  2. 疲劳- - - - - -调查时间过长,人们不再思考这些问题
  3. 仪表- - - - - -仪器因使用和使用年限而发生的变化
  4. 选择性偏差- - - - - -分组不是随机选择的
  5. 辍学者- - - - - -人们可以在未填写完整问卷的情况下离开调查

在收集信息或数据时,有效性和可靠性取决于各种因素。在这里,信度与效度有关。在获取有效和可靠的数据时,会遇到潜在的威胁。其中一些是:

  • 极端/中等反应模式
  • 实验者的期望
  • 与会者的情绪
  • 社会赞许性
  • 语言困难
同事们围坐在桌边讨论数据

关键启示-最佳实践

  • 也包括跟踪失败. 我们通常只跟踪幸存者。因为它只给了我们模式或“什么?”。它没有告诉我们“为什么?”
  • 避免过早下结论。集中了概括性,有意义的结果和有效的统计。
  • 弄清楚“什么?”’和‘为什么?”
  • 调查=/=实验。
  • 你说话要小心。
《产品手册:如何成为伟大的产品经理》

喜欢这篇文章吗?你可能也喜欢这样: