На конференции Digital Learning 2025 одной из самых обсуждаемых тем стали бизнес-метрики (ИИ они, конечно, не переплюнули, но в тройку тем точно вошли). В ходе обсуждения вспомнил несколько любопытных парадоксов в статистике, об одном из которых хочу рассказать.
Парадокс Симпсона — это когда выводы из данных выглядят по-разному, если смотреть на группы отдельно и если их объединить.
Давайте разберем на примере (скрин №1). Мы сделали программу адаптации для продавцов B2C и продавцов B2B. После прохождения программы замеряем средний процент выполнения плана и видим, что продавцы B2B справляются с выполнением плана лучше (99.5% против 87%). Делаем вывод, что программа адаптации для продавцов B2B более качественная.
Но, если мы разделим наших новых сотрудников на тех, у кого был ранее опыт работы в продажах, и сотрудников без опыта, картина получится ровно противоположной (скрин №2). Здесь мы видим, что продавцы B2C как с опытом работы, так и без, после прохождения программы адаптации, делают более качественные продажи, чем продавцы B2B, следовательно программа адаптации для продавцов B2C более качественная.
Парадокс Симпсона показывает, как важно учитывать детали в статистике. Статистические данные могут вводить в заблуждение, если рассматривать их без учета всех факторов.