Skivebom i dataanalyser

Rett bruk av statistisk analyse kunne ha redusert den store bankkrisen på slutten av 1980-tallet, hevder de to forskerne. Mange har ikke tatt lærdom av bankene. Det gjøres fortsatt fatale statistiske bommerter både i forskning, næringslivet og det offentlige.

Mange tror analysearbeidet er så banalt og enkelt at det bare tar noen få timer.

Ingrid Glad, førsteamanuensis i statistikk ved Matematisk institutt, og forskningssjef André Teigland ved Norsk Regnesentral, sier det er et skrikende misforhold mellom hvor enorme investeringer man legger i datainnsamlinger og hvor lite tid og penger man er villig til å bruke på selve dataanalysen.

Feil florerer

Riktignok har en rekke banker, forsikringsselskaper og tunge aktører i næringslivet som har tall som levebrød, tatt i bruk avanserte statistiske metoder til risikoanalyse og økonomistyring.

Likevel florerer skrekkeksemplene i det norske samfunnet. Dataanalysen er ofte stemoderlig behandlet, særlig i det offentlige, i forskningssammenheng og i små og mellomstore bedrifter.

Stikkord er feil tankegang og dårlig planlagte datainnsamlinger, unødvendige data og unødig arbeid, slepphendt dataanalyse, feil metoder og gale konklusjoner.

Regneark og ukultur

Ingrid Glad hevder at visse fagmiljøer, som innen helse, velger feil metoder fordi de ikke klarer å håndtere annet enn regneark. Mange finner ikke-eksisterende årsakssammenhenger fordi tilfeldighetene har en utrolig evne til å danne et mønster.

-- Det er mye ukultur. Mange kommer på at de trenger statistisk hjelp i siste liten. Noen kommer på det altfor sent. For å forsvare de store investeringene i datainnsamlinger, er det et uunngåelig behov for bedre statistiske analyser, slår førsteamanuensis Ingrid Glad fast.

André Teigland trekker frem bankkrisen på slutten av 1980-tallet som et skrekkeksempel på hvor galt det kan gå om man ikke tar nok hensyn til usikkerhetsbetraktninger.

-- Før bankkrisen ble det gjort for lite for å analysere risikoen. Med statistisk analyse kunne risikoen vært forutsagt, slik at nødvendige tiltak hadde blitt iverksatt. I etterkant er det bygd opp gode risikostyringsmiljøer med mye modellering av data for å studere usikkerheten. Nå har bankene god kontroll, sier Teigland til Apollon.

Offentlig rot

Den stemoderlige behandlingen av dataanalyse i den offentlige forvaltningen er enda verre enn i næringslivet. André Teigland sier det skyldes at næringslivet må tjene penger og derfor er mer oppmerksom på dataanalysens muligheter.

-- Et eksempel er skattedirektoratet. I 2004 bommet de sterkt på skattetilgangen til kommunene. Uten å påstå at prognosene ville bli bedre med mer avanserte statistiske metoder, er potensialet absolutt til stede for å bruke de historiske dataene bedre, sier Teigland.

Også flomprognosen i 1995 bommet stygt. Det beste anslaget tilsa at Mjøsa ikke ville renne over. Ifølge André Teigland tok ikke NVE nok hensyn til usikkerhetsanalysen.

-- Jeg er ikke overbevist om at usikkerheten ble tolket godt nok i 1995. Det er helt essensielt å beregne sannsynligheten for oversvømmelser. Når konsekvensene er store, bør tiltak settes i gang, selv om sannsynligheten for oversvømmelser er forholdsvis liten, sier André Teigland.