ในฐานะนักวิเคราะห์ระบบและสถาปนิกข้อมูล เรามักเข้าใจว่าการตัดสินใจทางธุรกิจหรือพฤติกรรมของมนุษย์เกิดจากการประมวลผลข้อมูล (Data) อย่างเป็นเหตุเป็นผล แต่ในความเป็นจริงแล้ว พฤติกรรมส่วนใหญ่ของเราถูกขับเคลื่อนด้วย ‘ชุดของความเชื่อ’ (Beliefs) ที่เรายึดถือ ซึ่งความเชื่อเหล่านี้ทำหน้าที่เป็นตัวกรอง (Filter) ที่ทรงพลังที่สุดในการตีความข้อมูลทั้งหมด
ในมุมมองทางเทคนิค ความเชื่อเหล่านี้เปรียบเสมือนเงื่อนไข (Conditions) ที่เราใส่เข้าไปในคำสั่ง SELECT ของเราเอง มันกำหนดว่าเราจะเห็นข้อมูลส่วนใด และจะมองข้ามข้อมูลส่วนใดไป แม้ว่าข้อมูลเหล่านั้นจะมีความถูกต้องตามหลักความเป็นจริงก็ตาม การทำความเข้าใจกลไกนี้จึงเป็นกุญแจสำคัญในการวิเคราะห์ทั้งพฤติกรรมมนุษย์และระบบฐานข้อมูล
🧠 ความเชื่อในฐานะ Cognitive Bias: การกรองข้อมูลด้วย PostgreSQL
ความเชื่อที่ฝังรากลึก (เช่น ‘ฉันไม่เก่งพอ’ หรือ ‘ผลิตภัณฑ์นี้ต้องแพงถึงจะดี’) ไม่ใช่แค่ความคิด แต่เป็นโครงสร้างทางจิตวิทยาที่ทำให้เกิด ‘อคติทางปัญญา’ (Cognitive Biases) ซึ่งในโลกของฐานข้อมูล เราสามารถจำลองปรากฏการณ์นี้ได้ด้วยการใช้เงื่อนไข WHERE ที่จำกัดขอบเขตการมองเห็นข้อมูลอย่างรุนแรง
สมมติว่าเรามีตารางข้อมูลการซื้อสินค้า (Transaction Data) แต่ความเชื่อเดิมของเราคือ ‘ลูกค้าที่ซื้อสินค้า A จะไม่ซื้อสินค้า B’ ความเชื่อนี้จะทำให้เราเขียน Query ที่กรองข้อมูลที่ขัดแย้งออกไป ทำให้เราพลาดโอกาสทางธุรกิจที่แท้จริง
💡 ตัวอย่างการจำลองอคติ (Bias) ด้วย SQL
เราจะใช้ PostgreSQL เพื่อจำลองสถานการณ์ที่ความเชื่อ (Belief) บิดเบือนผลลัพธ์ (Output) อย่างไร:
SQL
SQL
-- 1. สร้างตารางจำลองข้อมูลการซื้อ (Observation Data) --
CREATE TABLE transaction_data (
transaction_id SERIAL PRIMARY KEY,
product_a TEXT,
product_b TEXT,
is_correlated BOOLEAN
);
-- ใส่ข้อมูลตัวอย่าง (รวมถึงข้อมูลที่ขัดแย้งกับความเชื่อ)
INSERT INTO transaction_data (product_a, product_b, is_correlated) VALUES
('apple', 'banana', TRUE),
('apple', 'orange', FALSE), -- ข้อมูลที่ขัดแย้งกับความเชื่อ
('banana', 'orange', TRUE);
-- 2. การ Query ที่ถูกชี้นำด้วยความเชื่อ (The Biased Query) --
-- ความเชื่อ: 'สินค้า A และ B ไม่ควรถูกซื้อพร้อมกัน' (เราจึงกรองข้อมูลที่ขัดแย้งออก)
SELECT
transaction_id,
product_a,
product_b
FROM
transaction_data
WHERE
product_a = 'apple' AND product_b = 'banana';
-- 3. การ Query ที่เป็นกลาง (The Objective Query) --
-- การลบเงื่อนไขความเชื่อออก ทำให้เห็นภาพรวมทั้งหมด
SELECT
transaction_id,
product_a,
product_b
FROM
transaction_data
ORDER BY
transaction_id;
จากโค้ดข้างต้น เราเห็นว่า Query แรก (Biased Query) ถูกจำกัดโดยความเชื่อ ทำให้เราเห็นเพียงผลลัพธ์ที่สอดคล้องกับความเชื่อเท่านั้น แต่ Query ที่สอง (Objective Query) ซึ่งเป็นกลางกว่า จะเปิดเผยข้อมูลทั้งหมด รวมถึงความสัมพันธ์ที่น่าสนใจระหว่าง ‘apple’ กับ ‘orange’ ซึ่งเป็นข้อมูลที่ความเชื่อเดิมของเรามองข้ามไป
✅ บทสรุป: การตั้งคำถามเพื่อการวิเคราะห์ที่สมบูรณ์
การตระหนักรู้ถึงอิทธิพลของความเชื่อจึงไม่ใช่แค่การเปลี่ยนความคิด แต่คือการเปลี่ยน ‘เงื่อนไข’ ในการวิเคราะห์ของเรา ในทางเทคนิค หมายถึงการที่เราต้องมั่นใจว่า Query ที่เราเขียนขึ้นมานั้น ไม่ได้มี `WHERE` clause ที่จำกัดขอบเขตการมองเห็นข้อมูลมากเกินไป
ในฐานะสถาปนิกระบบ การตั้งคำถามที่ถูกต้อง (เช่น การใช้ `UNION ALL` เพื่อรวมทุกข้อมูล หรือการใช้ `CASE` statement เพื่อพิจารณาทุกสถานการณ์) คือการขจัดอคติทางความคิดและทางเทคนิค เพื่อให้ได้ข้อมูลเชิงลึกที่แท้จริงที่สุด