دیباچه: افسانه قطعیت و تولد شهود کمی (QI)

سازمان‌های امروزی بیش از هر زمان دیگری در تاریخ بشر به داده، داشبوردهای تحلیلی و الگوریتم‌های پیشرفته دسترسی دارند، اما به طرز متناقضی، فرآیند تصمیم‌گیری در آن‌ها کندتر و پراسترس‌تر شده است. نویسندگان کتاب این پدیده را «افسانه قطعیت» (The Certainty Myth) می‌نامند؛ باوری غلط که می‌گوید اگر فقط کمی بیشتر داده جمع‌آوری کنیم یا یک مدل آماری دیگر بسازیم، ابهام به طور کامل از بین می‌رود و پاسخ درست به صورت خودکار از دل اعداد بیرون می‌آید. در واقعیت، پنهان شدن پشت رقم‌های اعشار (مثلاً بحث بر سر اینکه نرخ بازگشت سرمایه ۱۴.۳۲ درصد است یا ۱۴.۳۸ درصد) اغلب پوششی برای ترس از پذیرش مسئولیت تصمیم‌گیری است.

اعداد به تنهایی هرگز نمی‌توانند یک راه‌حل یا پاسخ بی‌نقص ارائه دهند؛ آن‌ها صرفاً چراغ‌قوه‌ای هستند که زوایای تاریک مسئله را روشن می‌کنند، اما این انسان است که باید مسیر حرکت را انتخاب کند.

در محیط‌های کسب‌وکار معمولاً دو قبیله در مقابل یکدیگر صف‌آرایی می‌کنند. قبیله اول، مدیران سنتی و غریزی (Gut-Driven) هستند که به تجربه سی‌ساله خود می‌بالند و داده‌ها را تنها زمانی می‌پذیرند که تاییدکننده نظر قبلی آن‌ها باشد. قبیله دوم، تحلیل‌گران داده‌زده (Data-Obsessed) هستند که بدون دیدن جدول اکسل و سطح معناداری آماری، حتی حاضر به برداشتن یک قدم نیستند. هر دو گروه از ناتوانی در درک تصویر بزرگ رنج می‌برند؛ گروه اول اسیر سوگیری‌های شناختی ذهن انسان می‌شود و گروه دوم در باتلاق فلج تحلیلی (Analysis Paralysis) فرو می‌رود.

دانیل کانمن در کتاب «تفکر، سریع و کند» نشان داد که سیستم اول مغز ما (تفکر سریع و شهودی) استاد نتیجه‌گیری‌های شتاب‌زده بر اساس شواهد اندک است. وقتی مدیران صرفاً به حس درونی خود تکیه می‌کنند، در دام خطاهایی چون سوگیری تایید (Confirmation Bias)، خطای بازماندگی (Survivorship Bias) و اثر هاله‌ای (Halo Effect) می‌افتند. شهود انسانی زمانی کارآمد است که در یک محیط پایدار با بازخوردهای سریع و تکرارشونده (مثل شطرنج یا آتش‌نشانی) شکل گرفته باشد، اما در بازارهای متلاطم و غیرخطی امروز، تکیه صرف به غریزه گذشته می‌تواند فاجعه‌بار باشد.

نکته تکان‌دهنده کتاب این است که کار کردن با داده‌ها نیز به اندازه تکیه بر غریزه، مستعد سوگیری است. بسیاری تصور می‌کنند «داده‌ها عینی و بی‌طرف هستند»، در حالی که داده‌ها توسط انسان‌ها انتخاب، جمع‌آوری، پاک‌سازی و تفسیر می‌شوند. انتخاب اینکه چه متغیری اندازه‌گیری شود و کدام داده پرت (Outlier) حذف گردد، کاملاً یک قضاوت انسانی است. علاوه بر این، داده‌ها همواره آینه عقب خودرو هستند؛ آن‌ها به خوبی نشان می‌دهند در مسیری که طی کرده‌ایم چه رخ داده است، اما نمی‌توانند پیچ تندی را که در صدمتری جلوی ماست یا تغییر ناگهانی قوانین بازی را به تنهایی پیش‌بینی کنند.

هدف نهایی این کتاب، جایگزین کردن علم داده با حدس و گمان نیست؛ بلکه ارتقای مدیران و متخصصان از «مصرف‌کنندگان منفعل گزارش‌های آماری» به «تصمیم‌گیرندگان راهبردی» است. زمانی که شما دقت محاسباتی را با درک عمیق از روانشناسی بازار، محدودیت‌های عملیاتی و شهود تربیت‌شده ترکیب می‌کنید، دیگر اسیر رقم‌های بعد از ممیز نخواهید شد و بر اصل تصمیم متمرکز می‌مانید.