I midten af 70’erne gennemførte de to anerkendte psykologer Daniel Kahneman og Amos Tversky et eksperiment. De bad en række deltagere om at dreje et lykkehjul med tal mellem 0 og 100. Hvad deltagerne ikke vidste, var at lykkehjulet var indstillet til kun at kunne lande på tallene 10 og 65. Når lykkehjulet var landet på enten 10 eller 65, blev deltagerne bedt om at vurdere om procentdelen af afrikanske lande der var medlem af FN var over eller under deres tal, samt bedt om at gætte på den præcise procentdel.

Resultatet er ret interessant. Deltagerne der landede på 10 gættede i gennemsnit på 25% mens deltagerne der landede på 65 i gennemsnit gættede på 45%.

Eksperimentet viser vores tendens til at blive forankret eller låst fast ved det første stykke information vi modtager, og lade det påvirke vores efterfølgende vurderinger og beslutninger. Også selvom informationen ikke er relevant eller pålidelig.

Så forestil dig for eksempel at din chef har et ankerbias der påvirker hende til at tro at virksomhedens sygefravær ligger på omkring 3%, men at du som dataanalytiker kan se i din data at den faktisk ligger på 9%. Hvordan vil lederen reagerer når hun modtager din dataanalyse? Ud fra tidligere oplevelser i diverse virksomheder, vil lederens reaktion nok være noget i stil med “Det tror jeg ikke passer, for den plejer ligge omkring 3%”. Og nu kan vi så begynde at bruge energi på at forklare hvorfor vi har ret og hvorfor lederen tager fejl.

Eller forestil dig at du som dataanalytiker bruger uanede mængder af tid på at fejlsøge i din dataanalyse fordi data ikke stemmer med dit anker?

Disse er selvfølgelig et lidt forsimplede eksempler, men de understreger hvorfor det er vigtigt at vi er opmærksomme på ankerbias, og hvorfor vi skal være vidende om hvordan det kan påvirke os, når vi arbejder med data.

Og selvom det er svært helt at undgå et bias, så kan du tænke over nedenstående, for at blive bevidst om dit anker bias når du analyserer data.

• Prøv at udfordre dig selv i om det første tal eller den første information, du ser, er relevant og pålidelig, eller om det blot fungerer som et mentalt anker. Hvis du f.eks. ser en t-shirt på udsalg med en førpris på 1.000 kr, giver det så mening at den nogensinde reelt har kostet 1.000 kr?
• Søg efter flere kilder for at få et nuanceret billede. Hvis du eksponerer dig selv for data fra flere kilder kan du få et mere retvisende billede. Hop ind hos konkurrenten for at se hvad t-shirten koster der.
• Spørg sidemanden om deres syn på om din analyse giver mening.
• Vær opmærksom på at du vil have et bias.

Hvis du har ovenstående i tankerne når du analyserer data – eller navigerer i dagligdagen – så er der større sandsynlighed for at du begrænser din påvirkning af dit anker.