Digital & Data Analytics - Critical Thinking Training Flashcards
Du analyserar kundfeedback och ser att de flesta kunder gillar produkten, men du ignorerar de få negativa kommentarerna.
Confirmation Bias: Du letar efter information som bekräftar dina förväntningar, istället för att ta hänsyn till hela bilden.
På ett möte presenterar någon ett högt första förslag på budgeten, och alla andra budgetförslag blir anpassade efter detta.
Anchoring Bias: Det första förslaget sätter en standard (ett ‘ankare’) som påverkar allas bedömningar, trots att det kanske inte är rimligt.
Efter att ha hört om ett misslyckat projekt antar du att det är mycket vanligare än det egentligen är.
Availability Heuristic: Du överdriver sannolikheten för ett negativt resultat baserat på hur enkelt du kommer ihåg ett nyligen exempel.
Efter att ha förlorat en stor kund säger du till ditt team, ‘Det var tydligt att detta skulle hända hela tiden.’
Hindsight Bias: I efterhand verkar resultaten uppenbara, vilket gör att du tror att du visste mer från början än du egentligen gjorde.
Du ser att alla konkurrenter använder en ny analysplattform, så du bestämmer dig för att göra detsamma utan att undersöka om det är rätt för ditt företag.
Bandwagon Effect: Du följer vad andra gör utan att kritiskt utvärdera om det är rätt för din egen strategi.
Du har investerat mycket pengar i en misslyckad kampanj, men du fortsätter att spendera mer pengar för att du inte vill att den första investeringen ska gå till spillo.
Sunk Cost Fallacy: Du fattar beslut baserat på tidigare investeringar snarare än att tänka på vad som är bäst framåt.
Du känner dig säker på att ditt team kan slutföra ett stort projekt utan extra resurser, även om tidigare projekt av samma storlek har misslyckats.
Overconfidence Bias: Du överskattar ditt teams förmåga och ignorerar tidigare erfarenheter som visar att mer stöd behövs.
Du beskriver ett resultat som ‘en minskning med 10%’ istället för att säga att ‘90% av kunderna är fortfarande kvar’, för att få resultatet att verka mer alarmerande.
Framing Effect: Hur du formulerar information påverkar hur den uppfattas, även om de faktiska siffrorna är desamma.
Efter ett misslyckat möte med en klient antar du att det var ditt fel, även om många andra faktorer spelade in.
Personalization: Du tar personligt ansvar för ett dåligt resultat utan att beakta alla externa faktorer.
Efter att ha lanserat en ny hemsida ser du en ökning av trafiken och antar att det var hemsidan som orsakade ökningen.
False Cause Fallacy: Bara för att två händelser inträffar samtidigt betyder det inte att den ena orsakade den andra.
Du analyserar försäljningsdata och ser att en viss produkt presterar bra i en specifik region, men du bortser från den svaga försäljningen i andra områden.
Confirmation Bias: Du fokuserar på den data som stöder din tro att produkten är framgångsrik, istället för att överväga den fullständiga bilden.
Du baserar din prognos för framtida tillväxt på en särskilt hög försäljningsmånad, utan att ta hänsyn till säsongsvariationer.
Anchoring Bias: Du baserar dina framtida prognoser på en enda datapunkt som kanske inte är representativ för den övergripande trenden.
Efter att ha hört om ett stort cybersäkerhetsbrott antar du att din organisation är mycket mer sårbar än vad data faktiskt visar.
Availability Heuristic: Du överskattar risken baserat på enskilda, nyligen inträffade händelser som kanske inte speglar den verkliga hotnivån.
Efter att ha förlorat ett viktigt kontrakt säger du till ditt team, ‘Vi borde ha sett detta komma, alla varningstecken var där.’
Hindsight Bias: Du tror att resultatet var förutsägbart efter att det har inträffat, vilket förvränger hur svårigheten att förutsäga var från början.
Du märker att dina konkurrenter använder ett nytt verktyg för dataanalys och bestämmer dig för att implementera det också, utan att utvärdera om det passar dina behov.
Bandwagon Effect: Du följer andra aktörer i branschen utan att självständigt utvärdera verktygets relevans eller fördelar för din verksamhet.
Efter att ha spenderat månader på att utveckla en marknadsstrategi som inte fungerar, fortsätter du för att du inte vill att den investerade tiden ska vara förgäves.
Sunk Cost Fallacy: Du fortsätter med en ineffektiv strategi för att undvika att förlora den tidigare investeringen, istället för att byta till en mer effektiv lösning.
Du antar att din erfarenhet av tidigare projekt är tillräcklig för att hantera ett nytt, mycket större projekt utan ytterligare forskning eller planering.
Overconfidence Bias: Du överskattar din förmåga att hantera ett nytt projekt utan att noggrant överväga dess komplexitet eller behovet av ytterligare resurser.
Du beskriver en förändring i kundnöjdhet som en ‘liten minskning’ istället för att säga att det är ‘en förlust av 10% av nöjda kunder’, för att mildra hur negativ förändringen verkar.
Framing Effect: Hur du presenterar information påverkar hur den uppfattas, trots att de faktiska siffrorna är desamma.
Du antar att det faktum att ett möte inte gick som planerat beror på något du sa, även om andra faktorer också spelade in.
Personalization: Du tar på dig hela ansvaret för ett dåligt resultat utan att överväga andra möjliga orsaker eller omständigheter.
Du ser att försäljningen ökade samma månad som du lanserade en ny reklamkampanj och antar att kampanjen orsakade ökningen, utan att kontrollera andra faktorer.
False Cause Fallacy: Du antar ett orsakssamband bara för att två händelser inträffade samtidigt, utan att bevisa att det ena ledde till det andra.
Du har en övertygelse om att e-postmarknadsföring ger bättre avkastning än sociala medier, så du letar bara efter data som stöder detta.
Confirmation Bias: Du ignorerar data som kan utmana din tro och bara fokuserar på information som bekräftar dina förväntningar.
En kollega nämner en särskilt hög målsiffra för kvartalet, och nu jämför du alla prestationer med den, trots att målet är orealistiskt.
Anchoring Bias: Den första siffran som nämns fungerar som ett ankare, och påverkar dina framtida bedömningar, även om det inte är rimligt.
Efter att ha hört om en kollegas stora framgång med en viss metod antar du att det är den bästa lösningen för alla situationer.
Availability Heuristic: Du låter enskilda, lättillgängliga exempel påverka din uppfattning om metodens generella framgång.
Efter att en produktlansering misslyckades säger du till ditt team, ‘Vi visste hela tiden att detta inte skulle fungera.’
Hindsight Bias: I efterhand verkar det uppenbart att det skulle misslyckas, även om det inte var lika tydligt före händelsen.
Eftersom alla dina konkurrenter använder en viss reklamkanal, börjar du också använda den utan att undersöka om det passar din målgrupp.
Bandwagon Effect: Du följer trenden utan att självständigt bedöma om det är rätt strategi för din verksamhet.
Du har lagt ner mycket tid på att utveckla en app, men även om ingen verkar använda den, fortsätter du att investera i förbättringar.
Sunk Cost Fallacy: Du fattar beslut baserat på tidigare investeringar istället för att överväga vad som är bäst för framtiden.
Efter att ha avslutat ett framgångsrikt projekt antar du att du automatiskt kan uppnå samma resultat med nästa projekt utan ytterligare förberedelser.
Overconfidence Bias: Du underskattar risker och överskattar din egen förmåga att upprepa framgången utan att ta hänsyn till förändrade omständigheter.
Du beskriver en produktuppdatering som ‘fixar några buggar’ istället för att säga ‘löser viktiga säkerhetsproblem’, för att minimera oron hos kunderna.
Framing Effect: Hur du formulerar information påverkar hur kunderna tolkar det, även om innehållet är detsamma.
Efter ett kundklagomål antar du direkt att det är på grund av något specifikt du gjorde fel, trots att det kan finnas andra faktorer.
Personalization: Du tar personligt ansvar för något som kan bero på flera externa faktorer utanför din kontroll.
Efter att ha ökat annonseringsbudgeten ser du en ökning i försäljningen och antar att hela ökningen beror på de extra annonserna.
False Cause Fallacy: Du antar att den ökade försäljningen enbart orsakades av den högre annonseringsbudgeten, utan att överväga andra faktorer som kan ha bidragit.
