Adatok segítségével valóban jó konklúziókra jutunk?

Mit gondolnánk arról, ha azt állítanám, hogy a Covid-19 hatására csökken a daganatos megbetegedésben elhunytak száma? Különféle médiumokat olvasgatva a neten, sok helyen azzal riogatnak, hogy koronavírus miatt mennyire megnőtt a halálesetek száma. Humán szakember lévén gyakran látom előnyét annak, hogy mérnökként végeztem a BME-n... Miért emelkedne a halálozások száma a vírus hatására?

A háborúkban se halt meg több ember, mint amennyi potenciálisan meghalhatott. Talán nehézségek nélkülözésével is könnyen belátható, hogy többen nem tudunk meghalni, mint amennyien vagyunk. 😉 Ilyen értelemben a halálozások száma nem tud nőni. Max. arról lehet beszélni, hogy egy adott időablakot önkényesen kijelölve többen halnak-e meg, mint egy másik időablakot választva. No, de nem erről filozofálgatnék, van ennek a logikának egy érdekesebb aspektusa is.

Megkérdeztem egyik orvos rokonomat arról, hogy ha mondjuk valaki most meghal, hogyan izolálják, hogy a koronavírus következtében halt meg vagy abban az alapbetegségben, amiben már korábban is szenvedett? Az volt a válasza, hogy ezt nem lehet pontosan izolálni, talán annyit lehet elmondani, hogy ha valaki pl. daganattal küzdött, tovább élhetett volna még pár évvel, ha nem kapja el a vírust. Vagy nem. Vagy ki tudja…

A “Mégis, mire számítottál”  könyvem utolsó fejezetében épp azzal foglalkozom, hogy nagyon divatos az a hiedelem, hogy adatokból jobb döntéseket hozunk. Azzal egyet is értek, hogy a vélemény alapú döntéshozatalnál jobb lehet az adatalapú. Ugyanakkor veszélyes féligazság ez mert jó adatokból, jó algoritmusok segítségével valóban jobb döntéseket hozhatunk.

A statisztika azt mutatja, hogy a házasság negatív korrelációban van a dohányzással, azaz, ha dohányos vagy, kevésbé valószínű, hogy megházasodsz. Egy leheletnyi változtatás, azonban teljesen más értelmet a mondatnak: ha dohányos lennél, kevésbé valószínű, hogy megházasodnál. Az első állítás adatok alapján leír egy helyzetet, korrelációt fejez ki a két esemény között. A második mondat viszont azt mondja, hogy mi történne akkor, ha az esemény bekövetkezne, azaz kauzalitást fejez ki. Az a tény tehát, hogy a dohányosok kevésbé gyakran házasodnak meg, mint mások, nem jelenti azt, hogy ha abbahagyod a dohányzást, azzal nő az esélyed a házasságra.

De kanyarodjunk vissza a mi kis vírusunkhoz: vegyünk egy daganatos beteget, aki tegnap meghalt és kimutatták a szervezetében a koronavírust. Ha ezt a szerencsétlent úgy rögzítik a klinikai szoftverben, hogy a halálozás oka: Covid-19, akkor azt tudjuk elmondani, hogy a vírus szaporán szedi az áldozatait. De vajon a halálozás oka mezőben meg lehet adni azt is, hogy ha nincs a vírus, akkor daganatban halt volna meg?

A fent emlegetett időablak miatt érdekes kérdés ez… Mert ha a halál oka a koronavírus, akkor a halál oka már nem lehet a daganat. Ez azt jelenti, hogy mondjuk egy éves időablakot véve, a daganatos halálozások száma csökkenni fog. De nem amiatt, mert egészségesebbek lennénk vagy ugrásszerűen javult volna az egészségügy, hanem amiatt, mert áprilisban valaki egy kórház billentyűzetén a koronavírust jelölte meg, a halál okának.

A példa alapján kb. azt mondhatjuk el, hogy várható élettartam csökkent és nem a halálozások száma nőtt.

Visszakanyarodva a humán szakmához, sajnos ezt a kognitív torzítást lépten-nyomon elkövetik. Az egyik legkérdésesebb számomra az, hogy mit lehet elmondani a munkatársak kiválasztásához használt tesztek hatékonyságáról? Valóban jobban beválnak azok, akiket ezek segítségével vesznek fel? Mennyit tesz hozzá a teszt a kiválasztáshoz? 10%-ot? 70-et?

More blog posts:

Create a mastermind group for yourself!

I had an exciting experience one morning a couple of months ago. One of my customers invited me as a “special guest” to the weekly breakfast meeting of his mastermind group. In case you are not familiar with the term, here is a description.

Read more »

Why practicing does not make you excellent?

Over the past few weeks, we had intensive discussions with clients and colleagues about how to become an excellent leader, trainer or an oustanding expert. The widespread logic suggests us that a few days training + exercising a lot is the right way to be an expert. It makes sense at first, however there are some issues with this approach. Besides the short-term impact a training provides, the whole logic is based on several false assumptions.

Read more »

10 trends in digitalizing L&D

A few weeks ago we delivered an interactive session at MERIT Singapore, an HR conference titled Smart Learning. Agile Business. We carried out a quick on-line poll with the participants (Senior HR Managers, Talent Management and L&D professionals) to figure out if their companies apply digital tools in leadership development. 54% replied yes, while the other half of our respondents are still fully analogue in this area.

Read more »