Dapatkah Bias Kognitif dan Literasi Data Saling Bersinggungan?

Literasi data menjadi hal yang semakin penting bagi setiap orang. Apalagi bagi orang-orang yang berminat untuk bekerja di bidang data. Solusi terbaik yang mereka rumuskan dapat dibentuk dari keputusan yang bebas dari bias kognitif. Artinya, setiap pekerja data haruslah memiliki literasi data yang baik. Mengapa?

Temukan jawabannya disini ya!

Apa itu literasi data?

Dilansir dari laman VENNGAGE, literasi data merupakan kemampuan untuk membaca / memahami data, bekerja dengan data, dan komunikasi mengenai data dengan menyajikan sesuai konteks. Literasi data lebih dari sekedar memahami dan bekerja dengan angka (secara numerik). Literasi data mencakup pemahaman-pemahaman berikut:

• Bagaimana menilai sumber data dan metode pengumpulan data

• Variasi apa saja yang dapat diterapkan pada dataset

• Memaknai dalam memahami data

Apa itu bias kognitif?

Dilansir dari laman verywellmind, manusia cenderung untuk mempercayai dirinya bahwa ia adalah makhluk yang rasional dan logis. Namun faktanya, manusia terus menerus berada di bawah pengaruh bias kognitif. Bias kognitif ini dapat memengaruhi pola pikir, perilaku, serta cara seseorang dalam mengambil suatu keputusan.

Terkadang bias ini nampak cukup jelas, hingga kalian pun dapat menyadarinya pada diri sendiri maupun orang lain. Dalam kasus lain, bias ini dapat nampak sangat halus sehingga hampir tidak mungkin disadari.

Mengapa mengenali bias kognitif penting untuk literasi data?

Terlepas dari literasi data dapat memperkaya perspektif seseorang dalam memandang data, literasi data dapat pula memitigasi risiko bias dalam proses menghasilkan kesimpulan. Dilansir dari laman Harvard Business Review, 90% CEO menyatakan bahwa literasi data merupakan kunci dari kesuksesan sebuah perusahaan, namun hanya 25% dari pegawai yang percaya diri dengan kemampuannya di bidang data.

Misalnya ketika dihadapkan dengan sebuah business problem, seseorang dengan percaya dirinya merasa lebih tahu dari orang lain. Namun ternyata tidak, karena dirinya belum melakukan riset mendalam atas business problem tersebut. Semakin belajar dan memperdalam, barulah ia semakin mengerti.

Berikut adalah beberapa bias kognitif yang umum dan harus diketahui:

The Confirmation Bias

Bias ini dapat membuat kalian mengambil keputusan sesuai dengan apa yang diyakini. Saat terpengaruh oleh bias ini, seseorang akan cenderung mengabaikan atau menolak segala informasi yang bertentangan dengan keyakinannya.

Contoh dari confirmation bias adalah:

• Memerhatikan informasi yang mendukung apa yang kamu yakini

• Hanya mengikuti orang yang sepemikiran di sosial media

• Memilih sumber-sumber yang mendukung perspektifmu

• Menolak mendengarkan pihak oposisi

Bahaya dari confirmation bias ini dapat mendorong dalam memilih pilihan yang buruk, bahkan tidak mau mendengarkan orang yang berbeda pandangan. Sedangkan, untuk memperoleh insight yang baik dari suatu data, seorang di bidang data tersebut (baik itu business intelligence, business analyst, data analyst, data engineer, maupun data scientist), harus memperhatikan dan menimbang faktor lainnya.

The Dunning-Kruger Effect

Bias ini menyebabkan seseorang percaya bahwa mereka lebih pintar daripada kenyataannya. The Dunning-Kruger Effect memang dapat membuat orang jadi lebih percaya diri, tetapi orang yang terpengaruh menjadi tidak bisa mengenali kekurangannya sendiri. Sedangkan, untuk dapat memperoleh insight yang baik dari suatu data, seorang pekerja di bidang data haruslah mengetahui dengan baik kekurangan dari dataset yang dimiliki dan mencari solusi untuk mengatasi risiko yang mungkin terjadi.

The Availability Heuristic

Bias ini terjadi karena seseorang menaruh nilai atau kepercayaan besar pada informasi atau ide yang muncul dengan mudah di pikiran. Menurut American Psychology Association, informasi yang mudah diakses dalam memori tampak lebih dapat diandalkan bagi beberapa orang, yang kemudian dijadikan patokan dalam pengambilan keputusan.

Contoh dari The Availability Heuristic adalah:

• Setelah melihat beberapa kejadian pencurian mobil di sekitar wilayahmu, kamu mulai percaya bahwa jenis kejahatan tersebut sangatlah umum.

• Kamu percaya bahwa kecelakaan pesawat adalah hal yang lumrah hanya karna kamu dapat menemukan secara mudah beberapa contoh kecelakaan pesawat.

Bagi para pekerja data, bias ini cukup berisiko dalam memberikan estimasi yang buruk dan membuat keputusan yang buruk pula.

Conclusion

Memahami literasi data dan bias kognitif bermanfaat bagi semua manusia dalam aspek berkehidupan. Namun terkhusus bagi para pekerja data, bias kognitif dan lemahnya literasi data sangatlah tidak baik. Karena dapat memengaruhi kinerja dalam memilih pilihan, memberikan estimasi, hingga membuat keputusan yang dapat memberikan pengaruh besar ke suatu perusahaan.

References:

Bersin, J., and Zao-Sanders, M. (12 February 2020): Boost Your Team’s Data Literacy, , retrieved February 9, 2022, from internet: https://hbr.org/2020/02/boost-your-teams-data-literacy.

Cherry, K. (20 January 2021): List of Common Cognitive Biases, , retrieved February 8, 2022, from internet: https://www.verywellmind.com/cognitive-biases-distort-thinking-2794763.

Hooper, L. (12 March 2021): Data Literacy for the Data-phobic: 7 Things Beginners Need to Know, , retrieved February 8, 2022, from internet: https://venngage.com/blog/data-literacy/.

Kabat, G. (7 January 2017): Michael Lewis’ New Book Carries An Essential Message For Our Time, , retrieved February 8, 2022, from internet: https://www.forbes.com/sites/geoffreykabat/2017/01/07/michael-lewis-new-book-carries-an-essential-message-for-our-time/?sh=6a9ec9643801.

Sabar, R. (27 August 2021): How Data Literate Is Your Company?, , retrieved February 8, 2022, from internet: https://hbr.org/2021/08/how-data-literate-is-your-company.