ΑρχικήΟικονομίαJudgmental Forecasting (πρόβλεψη για υποκειμενικές πληροφορίες)

Judgmental Forecasting (πρόβλεψη για υποκειμενικές πληροφορίες)

Όταν χτίζουμε ένα στατιστικό μοντέλο για προβλέψεις (π.χ credit scoring), η στατιστική βοηθάει να ανακαλύψουμε τυχόν συσχετίσεις και τυχόν σχήματα που μπορεί να χαρακτηρίζουν τα δεδομένα μας (π.χ εποχικότητες, τάσεις, οι δημόσιοι υπάλληλοι είναι καλύτεροι πληρωτές από τους ιδιωτικούς υπαλλήλους, οι γυναίκες είναι πιο συνεπείς στο να εξοφλούν τις δόσεις τους από τους άντρες, τα μεσαία ηλικιακά στρώματα είναι πιο επικερδή από τα χαμηλότερα ηλικιακά στρώματα κλπ) με σκοπό να αντιπροσωπευτούν στο εκτιμώμενο στατιστικό μοντέλο.

Είναι πολλές οι περιπτώσεις όμως, που για διάφορους λόγους και αιτίες κάποια εσω-επιχειρησιακά ή ακόμα και εξω-επιχειρησιακά δεδομένα μπορεί να μεταβληθούν, με αποτέλεσμα το μοντέλο το οποίο εκτιμήθηκε να μην είναι δυνατόν να ανταποκριθεί στις νέες συνθήκες.

Ένα αντιπροσωπευτικό παράδειγμα είναι τα κινητά τηλέφωνα. Όταν πρωτοεμφανίστηκαν ήταν ενδεικτικά της οικονομικής ευρωστίας του ατόμου που τα κατείχε. Μια ενδεχόμενη scorecard εκείνης της εποχής θα έδινε πολλούς βαθμούς στον κάτοχο ενός κινητού τηλεφώνου. Στις μέρες μας, μια scorecard μπορεί ακόμα να αφαιρεί βαθμούς από τον κάτοχο ενός κινητού τηλεφώνου!

Περιπτώσεις λοιπόν στις οποίες επήλθαν ή αναμένουμε αλλαγές, η υποκειμενική πρόβλεψη μπορεί να θεωρηθεί αναγκαία ως συμπλήρωμα μιας στατιστικής πρόβλεψης. Βέβαια, κατά μέσο όρο, οι στατιστικές μέθοδοι προβλέψεων είναι ανώτερες από τις υποκειμενικές προβλέψεις. Αυτό οφείλεται στο γεγονός ότι η προσωπική μας εκτίμηση χαρακτηρίζεται από σημαντικές μεροληψίες και περιορισμούς.

Ο επόμενος πίνακας, περιγράφει αυτές τις μεροληψίες που έχει διαπιστωθεί ότι επηρεάζουν σε καθοριστικό βαθμό τις υποκειμενικές προβλέψεις. Επίσης προτείνονται λύσεις για την αποφυγή τους.

Είδος ΜεροληψίαςΠεριγραφή ΜεροληψίαςΤρόποι Αποφυγής
ΑσυνέπειαΕίναι η αδυναμία να εφαρμοστούν ακριβώς τα ίδια κριτήρια απόφασης, κάτω από τις ίδιες συνθήκες έτσι ώστε να οδηγούν ακριβώς στο ίδιο αποτέλεσμα.1. Τυποποιώντας την διαδικασία απόφασης.
2. Αναπτύσσοντας μια ξεκάθαρη πολιτική αποφάσεων.
ΣυντηρητισμόςΕίναι η δυσκολία να ενσωματωθεί η αξία κάποιας καινούριας πληροφορίας στην διαδικασία απόφασης. Συνήθως η ανθρώπινη σκέψη ενσωματώνει αργά κάποια καινούρια πληροφορία σε ένα ήδη εγκατεστημένο σύστημα αποφάσεων.Έλεγχος για τυχόν αλλαγές που μπορεί να επέλθουν και δημιουργία εκείνων των διαδικασιών που θα επιτρέψουν την λήψη μέτρων όταν αυτές οι αλλαγές παρουσιαστούν.
Πρόσφατη πληροφορίαΟι πιο πρόσφατες πληροφορίες και τα πιο πρόσφατα στοιχεία, συχνά κυριαρχούν έναντι αυτών που είναι λιγότερo πρόσφατα τα οποία, ως αποτέλεσμα, υποβιβάζονται ή αγνοούνται.1. Να γίνει κατανοητό ότι επιχειρηματικοί κύκλοι υπάρχουν και τυχόν αυξομειώσεις δεν είναι μόνιμες.
2. Να ληφθούν υπόψη οι πιο σημαντικοί παράγοντες που ενδεχομένως επηρεάζουν αυτό που εξετάζουμε.
ΔιαθεσιμότηταΗ απόφαση στηρίζεται σε συγκεκριμένα γεγονότα, τα οποία εύκολα ανακαλώνται από την μνήμη, αποκλείοντας έτσι άλλη χρήσιμη πληροφορία.1. Να λαμβάνονται υπόψη όλες οι πληροφορίες
2. Να παρουσιάζεται η πληροφορία με τέτοιο τρόπο έτσι ώστε να καλύπτονται όλες οι πτυχές της υπό μελέτης κατάστασης.
Ψευδείς συσχετίσειςΗ πεποίθηση ότι κάποιες μεταβλητές μπορεί να συσχετίζονται, ενώ στην πραγματικότητα είναι ασυσχέτιστες.1. Επαλήθευση χρησιμοποιώντας στατιστικά τεστ.
2. Εάν είναι εφικτό να μοντελοποιηθούν οι συσχετίσεις με βάση τυχόν αλλαγές που μπορεί να επέλθουν.
Αναμένοντας το προσδοκώμενο αποτέλεσμαΝα δίνεται σημασία και να προτιμώνται γεγονότα που οδηγούν σε ασφαλή συμπεράσματα και να αποκλείονται άλλα τα οποία μοιάζουν απειλητικά.1. Να εξετάζονται όλα τα πιθανά αποτελέσματα και όχι μόνο αυτά που δείχνουν να μας ευνοούν.
2. Πολλές φορές να κάνουμε τον “συνήγορο του διαβόλου”
Αποτυχία και ΕπιτυχίαΝα θεωρείται ότι η επιτυχία οφείλεται στα προσόντα του ατόμου που έκανε την πρόβλεψη, ενώ η αποτυχία να αποδίδεται σε κακή τύχη.Η κοινοποίηση και η αποδοχή των σφαλμάτων
Αισιοδοξία, μεροληπτικός τρόπος σκέψηςΌταν οι προβλέψεις επηρεάζονται από τις προσωπικές εκτιμήσεις του καθενός1. Οι προβλέψεις να γίνονται από κάποιο γκρουπ εκτός εταιρείας που ίσως δεν θα έχει κάποιο λόγο να μεροληπτήσει.
2. Περισσότερα του ενός άτομα να ασχολούνται με την πρόβλεψη.
Υποεκτίμηση της αβεβαιότηταςΥπερβολική αισιοδοξία, ψευδείς συσχετίσεις και η ανάγκη για να μειωθεί η αγωνία μπορεί να οδηγήσουν σε υποεκτίμηση της αβεβαιότητας.1. Εκτίμηση της αβεβαιότητας με αντικειμενικά κριτήρια.
2. Θεώρηση διάφορων μελλοντικών γεγονότων, ρωτώντας διαφορετικά άτομα.
ΕπιλεκτικότηταΤο κάθε άτομο βλέπει και αντιμετωπίζει κάποιο πρόβλημα με βάση το υπόβαθρό του και τις εμπειρίες του.Ρωτώντας άτομα με διαφορετικό υπόβαθρο και εμπειρίες να προτείνουν λύσεις.

Mια άλλη μορφή μεροληψίας που απειλεί τις υποκειμενικές προβλέψεις είναι οι διάφορες και πολλές φορές αναπόδεικτες πεποιθήσεις που μπορεί να έχουμε. Για παράδειγμα, πιστεύουμε ότι όσο περισσότερη πληροφορία διαθέτουμε τόσο πιο ακριβείς θα είναι οι αποφάσεις μας. Αντίθετα, η πράξη έχει δείξει ότι περισσότερη πληροφορία συνεπάγεται αύξηση της πεποίθησης που έχουμε ότι είμαστε ακριβείς και όχι αναγκαστικά ότι βελτιώνουμε την ακρίβεια της απόφασής μας (Oskamp 1965).

O επόμενος πίνακας, παρουσιάζει τέτοιες περιπτώσεις. Δηλαδή κάποιες κοινές πεποιθήσεις που έχουν διαψευσθεί μέσα από την πρακτική και τις διάφορες ακαδημαϊκές μελέτες.

Γενικές ΠεποιθήσειςΕμπειρικές Πεποιθήσεις
Το μέγεθος της πληροφορίας που διαθέτουμε επηρεάζει θετικά την ακρίβεια της απόφασής μας.Το μέγεθος της πληροφορίας που διαθέτουμε, δεν επηρεάζει την ακρίβεια των αποφάσεων μας, αντίθετα ενισχύει την πεποίθησή μας ότι η απόφασή που λάβαμε είναι ορθή.
Μπορούμε να ξεχωρίσουμε μεταξύ χρήσιμης και μη χρήσιμης πληροφορίας.Άσχετη με το πρόβλημα πληροφορία, μπορεί να μειώσει την ακρίβεια των αποφάσεών μας.
Όσο μεγαλύτερη εμπιστοσύνη έχουμε για την ορθότητα της απόφασής μας, τόσο πιο ακριβής θα είναι και η απόφασή μας.Δεν υπάρχει συσχέτιση μεταξύ των δυο.
Χρηματικές ανταμοιβές συνεισφέρουν σε καλύτερη απόδοση.Η ανθρώπινη συμπεριφορά είναι τόσο πολύπλοκη που είναι αδύνατον να χρησιμοποιηθεί το οικονομικό ως μοναδικό κίνητρο.
Αποτιμούμε τις επιτυχίες και τις αποτυχίες με τον ίδιο τρόπο.Αναβαθμίζουμε τις επιτυχίες και υποβαθμίζουμε τις αποτυχίες.
Εμπειρία και εξειδίκευση βελτιώνουν την ακρίβεια των αποφάσεων μαςΣε αποφάσεις που επαναλαμβάνονται συχνά, η εμπειρία και η εξειδίκευση δεν έχουν κάτι περισσότερο να προσφέρουν στην αξία της απόφασης.
Γνωρίζουμε αυτό που θέλουμε και οι προτιμήσεις μας είναι σταθερές.Μικρές διαφοροποιήσεις σε μια κατάσταση μπορεί να αλλάξουν τις προτιμήσεις μας (π.χ οι περισσότεροι άνθρωποι προτιμούν ένα μισο-γεμάτο ποτήρι έναντι ενός μισο-άδειου)

Οι υποκειμενικές εκτιμήσεις και προβλέψεις, είναι πραγματικά απαραίτητες σε περιπτώσεις που αναμένονται ή διαπιστώνονται σημαντικές αλλαγές σε ήδη καθιερωμένα σχήματα του πληθυσμού, βάση των οποίων αναπτύχθηκε το στατιστικό μοντέλο. Πρέπει όμως να τονίσουμε ότι η υποκειμενική πρόβλεψη είναι πιο δαπανηρή από την στατιστική πρόβλεψη καθώς χρειάζονται περισσότερες ανθρωπο-ώρες για να αναπτυχθούν, πραγματοποιούνται κυρίως κατά την διάρκεια συναντήσεων, γεγονός που συνεπάγεται την απασχόληση αρκετών ατόμων που πρέπει να είναι παρόντα.

Προτείνεται λοιπόν, οι υποκειμενικές προβλέψεις να έρχονται ως συμπλήρωμα των στατιστικών προβλέψεων όταν και όπου μπορούν να συνεισφέρουν το μέγιστο: στο να αναγνωρίζουν τυχόν αλλαγές, να προβλέπουν το είδος και την κατεύθυνση των αλλαγών, έτσι ώστε τα στατιστικά μοντέλα, τα οποία είναι πολύ πιο αξιόπιστα και αντικειμενικά, να τροποποιούνται όπως απαιτούν οι συνθήκες.

Credit Scoring και Νομοθεσία κατά των Διακρίσεων

Σε αυτό το μέρος, θα αναφερθούμε στην νομοθεσία στην οποία υπάρχει αναφορικά με το τι χαρακτηριστικά επιτρέπεται να περιέχονται στις scorecards. Γίνεται αναφορά σε διάφορες μελέτες που έχουν πραγματοποιηθεί στο εξωτερικό πάνω σε αυτό το θέμα. Στην Ελλάδα, δεν υπάρχει κάποια επίσημη οδηγία ακόμα, που να απαγορεύει κάποια χαρακτηριστικά να ενσωματώνονται στις scorecards. Παρόλο αυτά, η εμπειρία από το εξωτερικό δείχνει, όπως θα δούμε και παρακάτω, ότι δεν υπάρχει κάποια απόδειξη για το αν κάποιο συγκεκριμένο νομοθετικό πλαίσιο αύξησε τα ποσοστά αποδοχής για πίστωση των προστατευόμενων ομάδων, στα πλαίσια πάντα του retail banking.

Ο προσωπικός χαρακτήρας που λαμβάνουν οι πληροφορίες που χρησιμοποιούνται σε θέματα αυτοματοποιημένης λήψης αποφάσεων εγείρουν πλήθος ερωτημάτων σχετικά με το τι είναι κατάλληλο και τι όχι στο να χρησιμοποιείται σε ένα μοντέλο credit scoring. Η βάση που τίθεται για την επίλυση αυτών των ερωτημάτων υποστηρίζεται από την αντίστοιχη νομοθεσία που προσπαθεί να προάγει την πολιτική της κοινωνικής δικαιοσύνης και να διασφαλίσει παράλληλα τον εμπιστευτικό χαρακτήρα των προσωπικών δεδομένων.

Τα προβλήματα της νομοθετικής επιρροής που ασκείται στα μοντέλα credit scoring γίνονται ακόμη πιο περίπλοκα όταν οι πιστωτές δρουν σε διεθνές επίπεδο και πρέπει να λάβουν υπόψη τους τα διαφορετικά επίπεδα ρυθμίσεων καθώς και το γεγονός ότι υπάρχουν διαφορές σε εθνικό επίπεδο στο νομοθετικό πλαίσιο. Είναι εμφανές στην Ευρώπη, όπου οι διαδικασίες οικονομικής αλλά και πολιτικής ολοκλήρωσης έφεραν στο φως κάποια προβλήματα στα οποία δεν είχε δοθεί η απαραίτητη προσοχή κατά τα προηγούμενα χρόνια.

Μπορούμε να διακρίνουμε δυο ειδών διακρίσεις:

  • Άμεση Διάκριση: Απαγορευμένες μεταβλητές μέσα στο μοντέλο credit scoring.
  • Έμμεση Διάκριση: Επίπεδα αποδοχής μικρότερα για τις προστατευόμενες ομάδες του πληθυσμού σε σχέση με τις υπόλοιπες ομάδες.

Οποιοσδήποτε τύπος διάκρισης πάντως, γίνεται παράνομος μόνο στην περίπτωση που ο νόμος οριοθετεί το πλαίσιο το οποίο δεν δύναται να συμπεριληφθεί στη διαδικασία επιλογής. Το πλαίσιο αυτό ποικίλει από χώρα σε χώρα, πράγμα το οποίο οδηγεί σε διαφορετικές ερμηνείες περί του τι είναι επιτρεπτό και τι όχι (ο Πίνακας 1 αναφέρει τις διαφορές σε εθνικό επίπεδο).

Παρά το γεγονός ότι μέχρι στιγμής η κοινοτική νομοθεσία περί διακρίσεων δεν επιβάλλει κάποια άμεση απαγόρευση σχετικά με το τι μεταβλητές θα πρέπει να χρησιμοποιούνται σε ένα μοντέλο credit scoring, υπάρχουν κάποιοι περιορισμοί που απορρέουν από την Οδηγία περί Προστασίας των Δεδομένων. Ο όρος που αναφέρεται στα ευαίσθητα δεδομένα επιβάλλει την απαγόρευση σε θέματα επεξεργασίας των πληροφοριών – «που αποκαλύπτουν την προέλευση ή την εθνότητα, τις πολιτικές απόψεις, τις θρησκευτικές ή φιλοσοφικές πεποιθήσεις, την εγγραφή σε συνδικαλιστικά όργανα, το ιστορικό υγείας ή τις σεξουαλικές προτιμήσεις». Ιδιαίτερη προσοχή πρέπει να δίνεται στην λέξη «αποκαλύπτουν», η οποία δίνει εν δυνάμει έδαφος ώστε να συμπεριληφθούν και κάποια επιπρόσθετα χαρακτηριστικά στην «ομπρέλα» των ευαίσθητων δεδομένων.

Ιδιαίτερο ενδιαφέρον παρουσιάζει το άρθρο 21 «μη διάκριση» το οποίο αναφέρει: «Απαγορεύεται οποιαδήποτε διάκριση που βασίζεται στο φύλο, στη φυλή χρώμα, στην εθνική ή κοινωνική προέλευση, στα γενετικά χαρακτηριστικά, στην γλώσσα, στην θρησκεία ή πεποίθηση, στην πολιτική ή άλλη προσωπική γνώμη, στην συμμετοχή σε εθνική μειονότητα, στην ιδιοκτησία, στην σεξουαλική συνήθεια ».

Αξίζει να σημειωθεί ότι η αρχή της μη διάκρισης σε θέματα εθνικότητας έχει ήδη τεθεί σε ισχύ, και δεδομένης της νομικής ερμηνείας της διάκρισης, η χρήση της εθνικότητας ή ενός κράτους προέλευσης ή διαμονής σε θέματα που αφορούν την έγκριση και καταβολή πιστώσεων, δύναται να θεωρηθεί παράνομη, Τέτοια ερμηνεία έχει ήδη αποκτήσει πρακτική εφαρμογή στη Γαλλία όπου η Εθνική Αρχή προστασίας δεδομένων -Commission Nationale de l’Informatique et des Libertes (CNIL)- έχει απαγορεύσει ρητώς τη χρήση της εθνικότητας σε μοντέλα credit scoring από το 1998.

Στέλιος Θεοδωρίδης
Στέλιος Θεοδωρίδης
Ο ήρωας μου είναι ο γάτος μου ο Τσάρλι και ακροάζομαι μόνο Psychedelic Trance
RELATED ARTICLES

Αφήστε ένα σχόλιο

εισάγετε το σχόλιό σας!
παρακαλώ εισάγετε το όνομά σας εδώ

Πρόσφατα άρθρα

Tηλέφωνα έκτακτης ανάγκης

Δίωξη Ηλεκτρονικού Εγκλήματος: 11188
Ελληνική Αστυνομία: 100
Χαμόγελο του Παιδιού: 210 3306140
Πυροσβεστική Υπηρεσία: 199
ΕΚΑΒ 166