Eğitimin Amacı ve Kapsamı
Karar masasına gelen her grafik, sektör raporu veya AI araştırma özeti aynı güvenilirlikte değildir; küçük örneklemler, seçilmiş zaman aralıkları (cherry-picking), hayatta kalma önyargısı (survivorship bias) ve korelasyonun nedensellik sanılması yanlış yatırımlara yol açar. Bu eğitim, yöneticilere istatistikçi olmadan veriyi ve kaynakları sorgulama (data & evidence literacy) disiplini kazandırır.
Katılımcılar gerçek iş raporları, A/B test sonuçları, tedarikçi iddiaları ve LLM araştırma çıktılarını inceleyerek kanıt kalitesi puanlaması yapar ve karar öncesi 'Kanıt Doğrulama Kontrol Listesi' oluşturur.
Kimler Katılmalı?
- Raporlara ve araştırmalara dayanarak karar alan yöneticiler ve direktörler
- Strateji, ürün yönetimi, pazarlama, satınalma ve iş geliştirme ekipleri
- AI araçlarıyla pazar ve rakip araştırması yapan uzmanlar ve analistler
- İleri istatistik bilgisi gerekmez; iş odaklı kanıt okuryazarlığı kazandırılır
Kazanımlar
- Anekdot, uzman görüşü, gözlemsel veri ve kontrollü deney arasındaki kanıt hiyerarşisini ayırt eder
- Sunulan istatistiklerde örneklem yanlılığı, survivorship bias ve baz oran ihmalini (base rate neglect) yakalar
- Korelasyon ile gerçek nedensellik arasındaki farkı ve karıştırıcı değişkenleri (confounders) sorgular
- AI asistanlarının ürettiği araştırma özetlerindeki uydurma/çarpıtılmış kaynakları üçgenleme ile doğrular
- Yatırım ve proje önerilerinde 'bu iddianın kanıt standardı ne?' sorusunu sistematik hale getirir
Konular
İş Dünyasında Kanıt Hiyerarşisi: Anekdottan Deneye
- Tekil müşteri yorumu, anket, benchmark raporu, tarihsel veri ve A/B testi güvenilirlik düzeyleri
- Kaynak teşviki sorgulama: 'Bu veriyi kim üretti ve ne satmak istiyor?'
Veri ve İstatistik Tuzakları: Örneklem, Baz Oran ve Survivorship Bias
- Hayatta kalma önyargısı (yalnızca kazanan şirketlere/müşterilere bakma) ve seçim yanlılığı
- Yüzdesel artış tuzakları, ortalama vs medyan (çarpık dağılımlar) ve baz oran ihmali
Korelasyon, Nedensellik ve Karıştırıcı Değişkenler
- İki metriğin birlikte hareket etmesi neden biri diğerini yarattığı anlamına gelmez?
- Ters nedensellik, gizli üçüncü faktörler ve zaman serisinde yanıltıcı pencere seçimi
AI Çıktıları ve İkincil Araştırmalarda Kaynak Doğrulama
- LLM'lerin kendinden emin tonla ürettiği halüsinasyon istatistikleri ve kopuk atıfları yakalama
- Birincil kaynağa inme (source tracing) ve bağımsız üçgenleme (triangulation) yöntemi
Kanıt Kalitesi Denetimi (Evidence Audit) Atölyesi
- Kusurlu hazırlanmış gerçekçi iş vakaları ve pazar raporlarındaki 10 gizli kanıt hatasını bulma
- Kurum içi sunum ve iş vakaları için Kanıt Kalitesi Değerlendirme Rubriği hazırlama
Bu Kategorideki Diğer Eğitimler
-
Seçenekleri değerlendirmeden önce ağırlıklı karar kriterleri (MCDA) belirleme, eleme (must-have) ve puanlama kriterleri, trade-off eğrileri ve karar matrisi; ekipler gerçek bir seçim için karar çerçevesi kurar.
- Canlı Kurs
- 5 modül
-
Tek tahminli planların kırılganlığını aşan 2x2 senaryo matrisi, erken uyarı sinyalleri (signposts), tetikleyiciye bağlı B planları ve Gary Klein'ın Pre-mortem tekniği; ekipler gerçek proje üzerinde çalışır.
- Canlı Kurs
- 5 modül
-
LLM'leri dalkavuk (sycophant) onaylayıcı yerine yapılandırılmış 'şeytanın avukatı' ve Red Team ortağı olarak kullanma; steelmanning, gizli varsayım avı ve stratejik önerileri karar öncesi stres testinden geçirme.
- Canlı Kurs
- 5 modül
-
Semptom yerine gerçek kök problemi tanımlama; Problem Statement Canvas, MECE konu ağaçları (issue trees), 5 Neden, kapsam sınırları ve paydaş başarı kriterleriyle doğru problemi çözme disiplini.
- Canlı Kurs
- 5 modül
-
Hipotez odaklı problem çözme, argüman haritalama (iddia-kanıt-dayanak), tümdengelim ve tümevarım mantığı, mantık safsatalarını yakalama ve varsayım haritası; yöneticiler vaka üzerinde analitik çözüm üretir.
- Canlı Kurs
- 5 modül
-
Kahneman'ın Sistem 1/Sistem 2 modeli, doğrulama önyargısı, batık maliyet (sunk cost), çıpalama, grup düşüncesi (groupthink) ve gürültü (noise); ekipler kurumsal karar hijyeni kontrol listesi tasarlar.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
