أزمة #كورونا تعلمنا 4 دروس في #علم_البيانات :

?أهمية جودة البيانات والشفافية

?أهمية عرض البيانات بطريقة غيرمتحيزة

?إنشاء نتائج تحليلية لاتخاذ قرارات حكيمة

?فهم واستيعاب تكلفة الخطأ الإيجابي والخطأ السلبي (False Positive/Negative)

التفصيل أسفل التغريدة

https://t.co/D9EbOhZc2N

لا يمكن اتخاذ قرارات سليمة بدون بيانات موثوقة وعالية الجودة ، الثقة والشفافية في مصدر البيانات مهمة ، مثلاً لحساب معدل الوفيات نقسم "عدد الوفيات" على "عدد المصابين" ، الأول رقم موثوق به ولكن الأخير (عدد المصابين) هو تخمين لأن معظم البلدان لم تبدأ في إجراء الاختبار على نطاق واسع https://t.co/pmNOmUpsxi

يجب تقديم البيانات بطريقة محايدة وبمنظور غير متحيز حتى يساعد صناع القرار على اتخاذ قرارات فعالة، مثلاً الرسم المرفق يمثل حالات #كورونا في كوريا الجنوبية ، اليسار حالات مجمعة تعطي انطباع ان العدد في تصاعد بينما اليمين يوضح عدد الحالات اليومية ويشير ربما إلى تجاوز كوريا الذروة https://t.co/nDvEmW5aXw

الفيروس يؤثر على الأشخاص المختلفين بطرق مختلفة بمعنى أن بعض الناس أكثر عرضة للفيروس من غيرهم، مثلاً كبار السن والذين يعانون من مشاكل التنفس، الغوص في الأبعاد المختلفة للبيانات يساعد في تحديد الأولويات مثل من يجب عزلة أو من يتلقى اللقاحات الأولى عند توفرها https://t.co/DchEGTahKW

✴️خطأ إيجابي يصنف الشخص السليم بشكل خاطئ على أنه مصاب!

✴️خطأ سلبي يصنف الشخص المصاب بشكل غير صحيح على أنه سليم!

أيهما أكثر ضرر؟

مع #كورونا الإيجابية الكاذبة أقل ضرر من السلبية الكاذبة، تكلفة الرعاية والحجر الصحي لشخص سليم أقل من تكلفة شخص مصاب يختلط مع الناس وينشر الفيروس https://t.co/UOrNpT4b1m