سوگیری تاییدی؛ وقتی داده‌ها را برای درست بودن تفسیر می‌کنیم

از گزارش‌های غلط جنگ تا داشبوردهای مدیران شرکت‌ها، سوگیری تاییدی باعث می‌شود داده‌های مخالف نادیده گرفته شوند و تصمیم‌ها طولانی‌تر از انتظار اشتباه بمانند.

وقتی یک فرض از قبل در ذهن شکل می‌گیرد، آدم‌ها معمولاً دنبال شواهدی می‌گردند که همان را تأیید کند.

در دهه 1960، فرماندهان آمریکایی برای سنجش پیشرفت خود در جنگ ویتنام به شاخص‌های کمی تکیه کردند؛ از جمله «تعداد تلفات نیروهای دشمن» (body count).. گزارش‌هایی که به سطوح بالای تصمیم‌گیری می‌رسید، معمولاً افزایش این عدد را نشان می‌داد و همین، تصویر مطلوبی می‌ساخت: انگار جنگ رو به جلو است.. اما واقعیت میدان جنگ لزوماً با این روایت هم‌خوان نبود.. داده‌هایی که با معیار «موفقیت» جور درمی‌آمدند پررنگ‌تر می‌شدند و نشانه‌های دیگر مثل ناتوانی در تثبیت مناطق یا ادامه مقاومت نیروهای مقابل، کمتر دیده می‌شد.

این همان نقطه‌ای است که مفهوم «Confirmation bias» یا سوگیری تاییدی وارد می‌شود: وقتی یک فرض اولیه تبدیل به چارچوب تفسیر می‌شود، داده‌ها درون همان قاب خوانده می‌شوند.. یعنی هر گزارش جدید، نه برای آزمودن فرض، بلکه برای تقویت آن بازخوانی می‌شود.. در چنین شرایطی، تصمیم‌گیرنده به جای اینکه از شواهد متناقض نتیجه بگیرد، ناخودآگاه سراغ تفسیرهایی می‌رود که با تصویر ذهنی او سازگارتر است؛ حتی اگر نشانه‌های متفاوتی هم وجود داشته باشد.

این داستان فقط یک خطای آماری نبود، بلکه پیامد مدیریتی داشت.. وقتی تصویر گزارش‌شده از وضعیت میدانی فاصله می‌گرفت، تصمیم‌ها هم بر همان تصویر بنا می‌شدند و روند ادامه پیدا می‌کرد.. خروج آمریکا و سقوط سایگون در سال 1975 نشان می‌دهد که «خوانش غلط از داده» می‌تواند مسیر یک تصمیم بزرگ را برای سال‌ها منحرف کند؛ انحرافی که در ابتدا شاید کوچک و قابل توجیه به نظر برسد، اما کم‌کم تبدیل به هزینه‌های سنگین شود.

در جهان کسب‌وکار هم همین الگو، با شکل و لحن متفاوت تکرار می‌شود.. فرض کنید اواخر یک فصل مالی، مدیرعامل یک شرکت خرده‌فروشی آنلاین با اتکا به داشبوردها به هیئت‌مدیره می‌گوید استراتژی جدید قیمت‌گذاری موفق بوده است.. نمودارها نرخ تبدیل را بهتر نشان می‌دهند، گزارش بازاریابی از افزایش تعامل کاربر حرف می‌زند و واحد فروش از بهبود نسبی درآمد در برخی دسته‌بندی‌ها نتیجه می‌گیرد.. در نگاه اول، همه‌چیز مرتب است.. اما سه ماه بعد، سودآوری افت می‌کند، بازگشت کالا بالا می‌رود و وفاداری مشتری کاهش پیدا می‌کند.. بازار بخشی از ظرفیت خود را از دست داده و برای برگشت، مجبور به بازنگری جدی می‌شوند.

اینجا «سوگیری تاییدی» دقیقاً در سطح تصمیم دیده می‌شود: تصمیمی که از قبل فرض شده «درست» است، بعداً با داده‌های همسو، به حالت «اثبات» در می‌آید.. داده‌های مثبت برجسته می‌شوند و داده‌های منفی یا به تفسیرهای خنثی سپرده می‌شوند یا در اولویت پایین قرار می‌گیرند.. در نتیجه، خروجی تحلیل دقیقاً همان چیزی می‌شود که مدیر انتظارش را داشته؛ نه لزوماً چیزی که حقیقت به آن نزدیک‌تر است.

چرا مغز و سازمان در چنین دام‌هایی می‌افتند؟ چون سوگیری تاییدی فقط یک اشتباه ساده در خواندن آمار نیست.. ذهن انسان به طور طبیعی از ناسازگاری شناختی فرار می‌کند؛ تلاش می‌کند روایت منسجم بسازد و از تصمیم‌های گذشته دفاع کند.. برای مدیر، پذیرش اینکه «استراتژی شاید غلط بوده» فقط یک اصلاح فنی نیست؛ می‌تواند به معنای زیر سؤال رفتن اعتبار، سبک تصمیم‌گیری و حتی جایگاه حرفه‌ای باشد.. پس داده‌ها گاهی از «واقعیت بیرونی» به ابزاری برای حفظ انسجام روانی تبدیل می‌شوند.

یک لایه دیگر هم وجود دارد: ساختار سازمانی.. خیلی وقت‌ها گزارش‌دهی و ارزیابی عملکرد حول چند شاخص محدود شکل می‌گیرد؛ شاخص‌هایی که روی کاغذ رشد را نشان می‌دهند اما الزاماً سلامت واقعی کار و کسب را توضیح نمی‌دهند.. در ادبیات مدیریت، به این نوع شاخص‌ها «vanity metrics» یا شاخص‌های فریبنده می‌گویند؛ عددهایی که باعث می‌شوند تصویر خوش‌بینانه بسازیم، در حالی که بخش‌های مهم‌تر ماجرا مثل سودآوری پایدار، هزینه واقعی جذب مشتری یا کیفیت تجربه مشتری در حاشیه می‌مانند.

همین‌جا قانون گودهارت خودش را نشان می‌دهد: وقتی یک شاخص به هدف تبدیل می‌شود، سیستم شروع می‌کند به بهینه‌سازی ظاهری همان عدد.. در عمل، جلسه‌های تصمیم‌گیری بیشتر شبیه فضایی برای تأیید شواهد موجود می‌شود تا بررسی انتقادی داده‌های متناقض.. حتی اگر نشانه‌هایی از ریسک یا افت عملکرد وجود داشته باشد، احتمال دیده شدن آن‌ها کم می‌شود، چون در چارچوب شاخص‌های منتخب تعریف نشده‌اند.

خطر سوگیری تاییدی معمولاً تدریجی است.. در ابتدا، نشانه‌های منفی کوچک هستند و می‌شود آن‌ها را موقت، قابل مدیریت یا نتیجه شرایط خاص دانست.. اما وقتی نادیده‌ گرفتن‌ها انباشته می‌شود، اصلاح تدریجی سخت‌تر می‌گردد.. تصمیمی که می‌توانست در مراحل اولیه تعدیل شود، به بحرانی تبدیل می‌شود که نیاز به تغییرات اساسی دارد؛ یعنی همان جایی که دیگر «توجیه» جای «بازنگری» را گرفته است.

مسئله اصلی، همیشه داده نیست؛ گاهی «نحوه مواجهه با داده» است.. امروز سازمان‌ها به اطلاعات زیادی دسترسی دارند، داشبوردها و گزارش‌های تحلیلی هم زیادند، اما وفور داده تضمینی برای تصمیم بهتر ایجاد نمی‌کند.. اگر چارچوب ذهنی از پیش ساخته شده باشد، داده‌ها می‌توانند همان چارچوب را تقویت کنند.. راه‌حل، لزوماً افزایش حجم داده یا پیچیده‌تر کردن مدل‌ها نیست؛ بیشتر به طراحی فرایند تصمیم‌گیری مربوط است.

در یک رویکرد سالم‌تر، باید پرسش تصمیم‌گیرنده تغییر کند.. به جای اینکه بپرسیم «چه داده‌هایی تصمیم ما را تأیید می‌کنند؟»، باید پرسید «چه شواهدی می‌تواند نشان دهد که ما در اشتباه هستیم؟».. وقتی سازمان یاد بگیرد داده‌های مخالف را فعالانه جست‌وجو کند، ندیدن تبدیل به انتخاب نمی‌شود.. در نهایت، مهارت اصلی تصمیم‌سازی شاید کمتر از جنس «توان تحلیل» باشد و بیشتر از جنس «توان تحمل و بررسی داده‌ای که با باورها جور نیست».

گردآوری و ترجمه: مازیار دانیالی