6 thg 10, 2018

3 bẫy nhận thức khiến nhà lãnh đạo ra quyết định sai trong thời đại dữ liệu

Các nhà lãnh đạo đừng nghĩ rằng việc ra quyết định dựa trên cơ sở dữ liệu ngày nay có thể giúp họ tránh được sai sót.

Nhờ vào sự phát triển mạnh mẽ hơn bao giờ hết của công nghệ dữ liệu, việc tập hợp và phân tích thông tin trở nên dễ dàng hơn rất nhiều so với mức độ mà con người có thể tưởng tượng được cách đây vài năm. Kết quả là, quá trình ra quyết định trong các công ty/tổ chức ngày nay trở nên khoa học hơn và có căn cứ hơn so với giai đoạn trước, khi mà kinh nghiệm và cảm tính gần như là căn cứ chính của nhiều hoạt động. Tuy nhiên, các nhà lãnh đạo đừng nên nghĩ rằng việc ra quyết định dựa trên cơ sở dữ liệu có thể giúp họ tránh được sai sót, theo tác giả Roger Trapp của trang Forbes.

Một bài viết được đăng trên tạp chí Rotman Management cho rằng, trong một số trường hợp, dữ liệu và việc phân tích dữ liệu đôi khi khiến mọi thứ tệ hơn. Đó là vì, dù được tiếp cận một số lượng lớn những bộ dữ liệu mới nhất và có được những công cụ phân tích hiệu quả nhất, các nhà lãnh đạo vẫn có thể bị rơi vào rất nhiều cái bẫy, đặc biệt là khi họ cố gắng tìm ra các kiểu “lập luận tắt” vì bị quá tải thông tin.

Trong một bài viết trên Harvard Business Review, 2 tác giả MacGarvie (Giáo sư ở Trường Kinh doanh Questrom) và McElheran (trợ lý giáo sư ở Trường Quản lý Rotman) cho biết, có 3 bẫy nhận thức chính khiến việc ra quyết định rơi vào thế thiên vị, dù được căn cứ vào những dữ liệu tốt nhất. 

Dưới đây là 3 loại bẫy nhận thức đó và cách để tránh bị mắc bẫy:

1. Bẫy xác nhận
Bẫy xác nhận xuất hiện khi chúng ta dành phần lớn sự chú ý chỉ để tìm ra những thông tin phù hợp với niềm tin sẵn có của mình và từ chối thu nhận vào những thông tin khác. Khuynh hướng thiên kiến xác nhận này rất khó tránh khỏi, nhất là khi bạn phải chịu áp lực lớn từ một người khác để phân tích dữ liệu và tìm ra những điều hỗ trợ cho quan điểm có sẵn của họ.

Giải pháp cho vấn đề này là đừng tránh né những thông tin không phù hợp với một niềm tin đã có. Thay vào đó, hãy xác định trước cách tiếp cận và phân tích dữ liệu nhằm tránh trường hợp “thu thập dữ liệu có chọn lọc”, chủ động tìm ra những thông tin không hỗ trợ cho quan điểm có sẵn của mình, chia đội ngũ ra thành nhiều nhóm phân tích dữ liệu một cách độc lập để nếu có cho ra những kết luận không đồng nhất thì phải tìm ra xem điểm khác biệt hoặc sai sót nằm ở đâu.

Hãy xem những điều mình khám phá ra chỉ giống như những dự đoán và vì thế, bạn sẽ phải kiểm tra chúng.

2. Bẫy tự tin thái quá
Những nhà lãnh đạo cấp cao thường dễ có khuynh hướng mắc vào bẫy nhận thức này. Lý do đơn giản là vì họ tin rằng họ đã được thăng chức nhờ vào kỹ năng ra quyết định đúng trong quá khứ. Tuy nhiên sự tự tin thái quá này cũng có thể khiến họ bị rơi vào một cái bẫy khi phân tích dữ liệu. Nó ngăn cản họ tự vấn về phương pháp của mình, động lực của mình và cách mà họ sẽ truyền thông kết quả đến cho người khác. Nó cũng dễ dàng khiến họ đánh giá thấp quá trình phân tích dữ liệu ngay từ đầu.

Một trong những cách giúp nhà lãnh đạo tránh cái bẫy này là mô tả lại trải nghiệm lý tưởng nhất của mình rồi sau đó so sánh nó với dữ liệu thực tế để xem còn thiếu sót chỗ nào. Khi đã đưa ra dự đoán, bạn cũng cần phải theo dõi các dự đoán của mình và so sánh một cách hệ thống với những điều thực sự diễn ra để kiểm tra độ chính xác của những dự đoán đó.

Hãy lặp đi lặp lại các quá trình này để tạo thành thói quen cho những lần ra quyết định sau này, nhằm tránh đưa ra quá nhiều thiên kiến về sau.

3. Bẫy quá ăn khớp
Đây là điều diễn ra khi một mô hình thống kê cho thấy một thông tin ngẫu nhiên chứ không phải là thông tin ẩn sâu bên dưới mà công ty/tổ chức muốn tìm kiếm. Và do đó, nó chỉ có thể phản ánh quá khứ chứ gần như không có giá trị để dự đoán tương lai.

Để tránh bẫy này, bạn có thể tiến hành chia ngẫu nhiên dữ liệu thành một bộ thử nghiệm (dùng để đưa ra dự đoán) và một bộ xác nhận (dùng để kiểm tra độ chính xác của các dự đoán). Cũng giống như cách để tránh bẫy xác nhận, điều cần lưu ý ở đây là tính ngẫu nhiên, nghĩa là đừng lấy dữ liệu theo kiểu có chọn lọc. Sau đó, hãy xem thử xem liệu có thể sử dụng cùng một dữ liệu đó để xây dựng các câu chuyện khác hay không.

Nguồn DNSG

0 comments:

Đăng nhận xét