Skip to content
TheChatArchiveThe Chat Archive
Perplexitysonar-reasoning-pro-high· PerplexityHugging Face LMArena Search Arena 24K

Мне нужно составить план презентации о cherry picking, выборочном представление данных.…

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Perplexitysonar-pro’s answer.
  1. User

    Мне нужно составить план презентации о cherry picking, выборочном представление данных. Буду рассказывать на широкую аудиторию, в основном продакт оунеры, аналитики, дизайнеры, разработчики. Моя позиция - CDO, нужно много примеров, в том числе про данные. Тон дружелюбные, неформальный

  2. Perplexity Assistant

    План презентации: "Cherry Picking: Когда данные рассказывают только половину истории"

    Введение

    • Приветствие и представление темы
    • Интерактивный старт: показ двух разных графиков с одними и теми же данными, но приводящих к противоположным выводам
    • Постановка вопроса: "Как часто мы видим только те данные, которые хотим видеть?"

    Что такое Cherry Picking?

    • Определение: выборочное представление фактов, избирательный подход, выбор только "выгодных" данных при игнорировании противоречащей информации[1][2]
    • Происхождение термина: образ сборщика вишен, выбирающего только лучшие ягоды, создавая ложное впечатление о качестве всего урожая[1]
    • Неформальная аналогия: "Как делать селфи, выбирая только удачный ракурс и скрывая всё остальное"
    • Психологическая основа: склонность к подтверждению своей точки зрения, мы все немного "черри-пикеры" по природе[1]

    Cherry Picking в мире данных

    • В аналитических отчетах:

      • Выбор удобного временного интервала (пример: "Прибыль выросла на 50%!" — но только если смотреть на конкретный месяц)[4]
      • Манипуляции с осями графиков для визуального усиления тренда
      • Исключение "выбросов" без веских причин
    • В исследованиях:

      • Нерепрезентативные выборки (пример из медицины: испытания антидепрессантов только на определенной группе пациентов)[1]
      • Избирательное цитирование только "удобных" научных работ[7]
      • Публикация только успешных экспериментов (проблема "эффекта выдвижного ящика")

    Cherry Picking в бизнесе

    • В маркетинге и продажах:

      • "Этот смартфон - просто мечта! Отличная камера, яркий экран, стильный дизайн." (Умалчивая о высокой цене и слабой батарее)[2]
      • Выборочные отзывы клиентов: публикация только положительных отзывов[7]
      • "90% клиентов рекомендуют наш продукт!" (Выборка из 10 специально отобранных клиентов)[4]
    • В бизнес-стратегиях:

      • Стратегия выхода на рынок: компании-новички выбирают только самых платежеспособных клиентов, игнорируя остальных[10]
      • Презентация результатов квартала только с выгодных сторон
      • Селективный подход к формированию наборов товаров[10]

    Почему Cherry Picking так эффективен?

    • Построен на правде, но неполной:

      • Факты реальны, но представлены избирательно
      • Сложнее выявить, чем откровенную ложь[4]
    • Психологические механизмы:

      • Эвристика доступности: яркие и эмоциональные примеры запоминаются лучше[4]
      • Мы от природы склонны искать подтверждение своим убеждениям
      • Информационная перегрузка: сложно проверить все факты[7]

    Как распознать Cherry Picking в данных

    • Отсутствие контекста:

      • Не указаны источники, периоды, методика сбора данных[7]
      • Ограниченный размер выборки[7]
      • Странные ограничения в методологии
    • Слишком "идеальные" результаты:

      • Все факты работают только в пользу одной точки зрения
      • Отсутствие упоминания о сложностях или противоречиях[7]
      • Частое использование слов "всегда", "никогда", "все", "никто"[8]
    • Важные вопросы, которые стоит задавать:

      • "А что показывают остальные данные?"
      • "За какой период представлена статистика?"
      • "Какова методология сбора данных?"
      • "Есть ли альтернативные интерпретации этих же данных?"

    Практические примеры Cherry Picking с данными

    • Пример 1: График роста пользователей продукта (показ только периода роста, игнорирование последующего спада)
    • Пример 2: "Самолеты-убийцы" — фокус только на авиакатастрофах при игнорировании миллионов безопасных перелетов[4]
    • Пример 3: A/B тест с выборочным представлением результатов
    • Пример 4: Отчет о конверсии с избирательным подходом к сегментам пользователей

    Как избежать Cherry Picking в нашей работе

    • Для аналитиков:

      • Проверка репрезентативности выборки[6]
      • Прозрачное описание методологии
      • Рассмотрение альтернативных гипотез
      • Представление данных в контексте
    • Для продакт-оунеров:

      • Избегать подтверждения только "удобных" гипотез
      • Анализировать как успехи, так и неудачи продукта
      • Задавать "неудобные" вопросы про данные
    • Для дизайнеров:

      • Честная визуализация данных (корректные масштабы осей)
      • Представление полной картины без искажений
      • Дизайн, помогающий понять контекст данных
    • Для разработчиков:

      • Создание инструментов для комплексного анализа
      • Обеспечение доступа к "сырым" данным
      • Алгоритмы, выявляющие аномалии и закономерности

    Создание культуры "честных данных"

    • Поощрение критического мышления в команде
    • Нормализация признания ошибок и неудач
    • Обсуждение ограничений и потенциальных искажений в данных
    • "Адвокат дьявола": назначение человека, который будет оспаривать выводы

    Интерактивный блок

    • Практическое упражнение: анализ реального отчета/дашборда на предмет Cherry Picking
    • Групповое обсуждение: как представить те же данные более объективно?
    • Мозговой штурм: какие механизмы предотвращения Cherry Picking мы можем внедрить в нашу работу?

    Заключение

    • Данные — инструмент для познания реальности, а не для ее конструирования
    • Cherry Picking может быть как осознанным, так и неосознанным[1]
    • Наша ответственность как профессионалов — стремиться к полной и объективной картине
    • Честная работа с данными — основа доверия и устойчивого развития

    Вопросы и обсуждение

    • Открытая сессия вопросов
    • Обмен опытом и рефлексия

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.

Identical first prompt