अपने पर्सनल डेटा में कोरिलेशन बनाम कैज़ेशन: अपने ही नंबर ईमानदारी से कैसे पढ़ें

एक वाक्य है जो सच लगता है। “जिन दिनों मैंने ज़्यादा पानी पिया वही दिन हैं जब मुझे ज़्यादा फ़ोकस लगा। तो पानी मेरा फ़ोकस बेहतर करता है।” पहला हिस्सा ठीक है। दूसरा एक छलाँग है, और इसी छलाँग में पर्सनल एनालिटिक्स ज़्यादातर बार चुपचाप पटरी से उतर जाती है।

यह लेख इसी छलाँग पर है। आपके अपने डेटा में कोरिलेशन आपको क्या बताती है, क्या नहीं, चार सबसे आम ग़लत पाठ कौन-से हैं, और किसी पैटर्न पर बिना बढ़ा-चढ़ा कर दावा किए कैसे काम करें। अगर आप इस सबमें नए हैं, तो हमारी पर्सनल एनालिटिक्स वाली गाइड से शुरू कीजिए और कुछ हफ़्ते लॉग करने के बाद यहाँ लौटिए।

कोरिलेशन असल में क्या है

कोरिलेशन, निजी अर्थ में, एक छोटी-सी सांख्यिकीय टिप्पणी है। यह कहती है: आपके डेटा में, इस अवधि में, दो फ़ील्ड्स एक साथ चलते दिखे। जब एक ऊँचा था, तब दूसरा भी ऊँचा था। या जब एक ऊँचा था, तब दूसरा नीचा था। कई दिनों के पार, ज़्यादा पानी वाले दिन अक्सर बेहतर फ़ोकस वाले दिनों के साथ बैठे।

यह आपके लॉग के बारे में एक सच्चा तथ्य है। और यह उससे कहीं ज़्यादा सीमित तथ्य है जितना लगता है।

कोरिलेशन एक साथ तीन तरीक़ों से बँधी होती है। बँधी आपसे, किसी और से नहीं। बँधी आपकी ज़िंदगी के इसी दौर से, बाक़ी से नहीं। और बँधी उन दिनों में हो रही बाक़ी हर चीज़ से, जिसे कोरिलेशन चुपचाप अपने आकार में सोख लेती है। आप जो संख्या देखते हैं वह उस पैटर्न का चेहरा है जिसमें से ज़िंदगी निचोड़ कर निकली है, उसके पहले का नहीं।

कोरिलेशन को किसी साफ़ भौतिक नियम की तरह पढ़ना सबसे आसान ग़लती है, और ज़्यादातर ट्रैकर ऐप्स इसे रोकने के लिए कुछ नहीं करतीं।

कोरिलेशन क्या नहीं है

ख़ास तौर पर चार चीज़ें। इनमें से कोई शब्द-छानबीन नहीं है। यही फ़र्क़ है अपने डेटा को ठीक से इस्तेमाल करने और उससे ख़ुद को धोखा देने के बीच।

यह सबूत नहीं है कि एक चीज़ ने दूसरी को पैदा किया

जब पानी और फ़ोकस साथ चलते हैं, तो कई कहानियाँ बराबर ठीक बैठती हैं। शायद पानी फ़ोकस में मदद करता है। शायद फ़ोकस, या जो भी एक दिन को फ़ोकस वाला बनाता है, आपको ज़्यादा पानी पीने पर भी मजबूर करता है (दिन शांत था इसलिए बोतल याद रही)। शायद दोनों किसी और चीज़ की देन हैं, जैसे आरामदेह शेड्यूल, वीकेंड, मौसम। कोरिलेशन इन्हें अलग नहीं कर सकती। केवल प्रयोग ही यह काम शुरू कर सकता है।

यह सबूत नहीं है कि पैटर्न अगले महीने भी टिकेगा

जो पैटर्न मार्च में साफ़ था वह अप्रैल में ग़ायब हो सकता है। आपकी ज़िंदगी बदलती है, आदतें बदलती हैं, मौसम बदलते हैं। कोरिलेशन बताती है कि क्या हुआ, यह नहीं कि क्या होगा। इसे भविष्यवाणी की तरह पढ़ना ज़्यादा पढ़ लेना है।

यह सबूत नहीं है कि पैटर्न किसी और पर भी लागू होगा

आपके फ़्लैटमेट वही फ़ील्ड्स उन्हीं हफ़्तों के लिए लॉग कर सकते हैं और उन्हें अलग आकार मिल सकता है। पर्सनल एनालिटिक्स बनावट से ही निजी है। आपके डेटा के पैटर्न का दूसरों पर कोई अधिकार नहीं, और उनका आप पर कोई नहीं।

यह अपने आप कोई क़दम उठाने की वजह नहीं है

इसी को सबसे ज़्यादा लोग छोड़ देते हैं। एक मज़बूत कोरिलेशन भी, अकेले, यह नहीं बताती कि एक फ़ील्ड बदलने से दूसरा बदलेगा या नहीं। चूँकि कारण उलटी दिशा में या किसी तीसरे कारक के ज़रिये भी चल सकता है, “ज़्यादा X करो ताकि ज़्यादा Y मिले” एक परिकल्पना है, निष्कर्ष नहीं। मज़बूत कोरिलेशन पर ईमानदार चाल है “मैं इसे आज़माता हूँ”, “मैं इस पर ऐसे चलता हूँ जैसे यह सच हो” नहीं।

चार सबसे आम ग़लत पाठ

अगर आप कुछ महीने ध्यान से लॉग करते हैं, तो आप चारों से टकराएँगे। इनको नाम देना मदद करता है।

दिशा को उलट लेना

पानी और फ़ोकस सबसे मशहूर मिसाल। क्या पानी ने फ़ोकस में मदद की, या जिस तरह का दिन था जिसमें आप ध्यान लगा सकते हैं, वह संयोग से वैसा भी था जिसमें आप पानी पीते हैं? आपको लगता है पहला सच है। डेटा चुप है।

दिशा-उलट पाठ “X Y के साथ कोरिलेट करता है” को रिफ़्लेक्स में “X Y को पैदा करता है” बना देता है, जबकि “Y X को पैदा करता है” या “दोनों की साझा वजह है” भी उन्हीं आँकड़ों पर बैठते हैं।

छिपा हुआ तीसरा कारक

दोनों फ़ील्ड्स इसलिए साथ हिल रहे हो सकते हैं क्योंकि कोई और उन दोनों को हिला रहा है। नींद। तनाव। वीकेंड बनाम कामकाजी दिन। डेडलाइन। छुट्टी। मौसम। आपके डेटा को दोनों फ़ील्ड्स दिखती हैं, छिपा तीसरा नहीं, और छिपा तीसरा दिखती हुई कड़ी को चुपचाप फुला देता है।

एक काम का अभ्यास: जब आप मज़बूत कोरिलेशन देखें, तो उन तीन और चीज़ों को लिखें जो X वाले दिनों में भी हो रही थीं। अगर उनमें से ज़्यादातर X के साथ चलती हैं, तो X-से-Y वाली कहानी शायद उनसे ताक़त उधार ले रही है।

उल्टा कारण

“ज़्यादा पानी ज़्यादा फ़ोकस की ओर ले जाता है” डेटा को तोड़े बिना उलटा हो सकता है। “ज़्यादा थकान कम पानी की ओर ले जाती है, क्योंकि थका हुआ-आप बोतल भूल जाता है” वही बिंदुओं का ढेर बनाती है। कोरिलेशन से आप तय नहीं कर सकते कि कौन-सी सच है। अपनी आत्म-समझ से अंदाज़ा लगा सकते हैं, पर ईमानदार रहिए: आप तर्क कर रहे हैं, माप नहीं रहे।

इत्तेफ़ाक़

सबसे शांत और सबसे आम। दिनों के छोटे सेट पर एक ठीकठाक साफ़ पैटर्न इसलिए भी दिख सकता है क्योंकि छोटे नमूने कभी-कभी ऐसा करते हैं। दो हफ़्ते का “हर बार जब मैंने वर्कआउट किया, बेहतर महसूस हुआ” छठे हफ़्ते तक चपटा हो सकता है। खिड़की जितनी छोटी, उतनी ज़्यादा गुंजाइश शोर के लिए कि वह कहानी जैसा लगे।

इलाज है ज़्यादा डेटा। एक-दो महीने की ईमानदार लॉगिंग में जो पैटर्न टिकें, उन्हें बारह दिन में उभरे पैटर्न से ज़्यादा वज़न देना चाहिए।

Loggr के दिखाए कोरिलेशन को ईमानदारी से कैसे पढ़ें

जब Loggr कोई पैटर्न सामने लाता है, तो साफ़ शब्दों में और एक छोटे चार्ट के साथ। कुछ इस तरह: “एक्सरसाइज़ वाले दिनों में आपका मूड स्कोर बिना एक्सरसाइज़ वाले दिनों से उल्लेखनीय रूप से ऊँचा था।” Loggr कारण का दावा नहीं करता, आपको नहीं बताता क्या करें, और मज़बूती लेबल करता है ताकि आप कैलिब्रेट कर सकें।

यह इनपुट है। यहाँ एक चेकलिस्ट है, इसे ज़ेहन में बैठाने से पहले क्या करें।

पूछिए कि उन दिनों में और क्या साझा था

एक्सरसाइज़ वाले दिन शायद सिर्फ़ एक्सरसाइज़ वाले दिन नहीं हैं। शायद वे वो दिन भी हैं जब आप अच्छा सोए, जब शेड्यूल शांत था, जब आप पहले से इतने ठीक थे कि शरीर हिलाने का मन था। Loggr ने जो पैटर्न दिखाया वह रिश्ते का ख़ाका है। भीतर भरना आप पर है।

एक आसान जाँच: ऊँचे और नीचे दिनों की रोज़ाना नोट्स साथ-साथ खोलिए। पढ़िए। कहानी अक्सर बदल जाती है।

पूछिए इसके पीछे कितना डेटा है

एक-दो महीने की लगातार लॉगिंग के साथ मज़बूत होना, दो हफ़्तों के मज़बूत होने से ज़्यादा भरोसेमंद है। Loggr तब तक पैटर्न नहीं दिखाता जब तक पर्याप्त जुड़े हुए दिन न हों, पर “पर्याप्त” की दहलीज़ भरोसेमंद नज़र के लिए न्यूनतम है, बंद निष्कर्ष के लिए नहीं। पूरे एक मौसम तक टिका पैटर्न उस से साफ़ अलग है जो अभी-अभी लकीर पार करके आया है।

पूछिए फासला कितना बड़ा है

अगर वर्कआउट दिनों में मूड औसतन 7.0 था और बिना वर्कआउट दिनों में 6.8, यह बमुश्किल कहानी है। अगर वर्कआउट दिन 7.0 थे और बिना वर्कआउट दिन 5.0, तो कहानी है। Loggr तुलना दिखाता है ताकि आप फासला देख सकें; “Loggr ने इसे मज़बूत कहा” पर रुक कर वह हिस्सा मत छोड़िए जहाँ आप नंबर देखें।

पूछिए कि क्या आप पहले से चाहते थे कि यह सच हो

सबसे कठिन वाला। अगर पैटर्न उस मान्यता से मेल खाता है जिसके साथ आप आए, तो उसे ज़्यादा शक के साथ देखिए, कम के साथ नहीं। पुष्टि का पूर्वाग्रह पर्सनल एनालिटिक्स में सबसे ज़्यादा ताक़तवर शक्ति है, और जितना लोग समझते हैं उससे कहीं ज़्यादा। जो पैटर्न आपको चौंकाए वह उससे ज़्यादा बताने वाला है जो आपकी पुष्टि करे, क्योंकि आपकी मान्यताएँ डेटा को पहले से ही खींच रही थीं।

कोरिलेशन से आप क्या कर सकते हैं

इसका मक़सद आपको अपने डेटा से नज़र हटाने पर मजबूर करना नहीं है। बल्कि उल्टा। निजी डेटा में कोरिलेशन तब काम की होती है जब आप उसे उसी चीज़ की तरह बरतें जो वह है: परिकल्पना बनाने वाली चीज़, निष्कर्ष नहीं। तीन उपयोगी इस्तेमाल।

एक छोटा प्रयोग सेट कीजिए

जब आप देखें कि “एक्सरसाइज़ वाले दिन बेहतर मूड से जुड़ते हैं”, उपयोगी अगला क़दम एक छोटा प्रयोग है। जान-बूझकर कुछ ऐसे दिन एक्सरसाइज़ कीजिए जिनमें शायद आप न करते, बाक़ी सब को जितना जीवन इजाज़त दे उतना स्थिर रखिए, और देखिए क्या होता है। इसका ग़ैररस्मी रूप भी कोरिलेशन को सबूत मानकर उस पर चलने से ज़्यादा ईमानदार है। प्रयोग ही असली बात है।

इसीलिए उसी दिन और अगले दिन वाले पैटर्न आपकी उपकरण-पेटी का हिस्सा हैं। हमने अगले दिन के असर पर अलग से लिखा है: कारण और असर के बीच का फ़ासला उन चीज़ों में से है जिन्हें प्रयोग को चुनना होता है।

देखिए जो आप नहीं देख रहे थे

पैटर्न कभी-कभी अपनी कही गई बात से ज़्यादा अपने संकेत के लिए काम का होता है। “एक्सरसाइज़ मूड से कोरिलेट करता है” शायद एक्सरसाइज़ की बात कर रहा हो। या शायद यह बता रहा हो कि आप जिन दिनों एक्सरसाइज़ नहीं करते वे अक्सर रविवार होते हैं, और आपकी रविवार वाली कुछ बात ही असली कहानी है। कोरिलेशन ने एक्सरसाइज़ की ओर इशारा किया; आपने जो देखा वह कुछ और था। यह गिनती में आता है।

समय के साथ आत्म-ज्ञान बनाइए

यह जानना कि आपकी ज़िंदगी में तीन चीज़ें अक्सर साथ होती हैं, बिना कारण साबित किए भी काम का है। आप अपने हफ़्ते का आकार जानते हैं। आप जानते हैं कौन-से सोमवार आम तौर पर भारी होते हैं। इसमें से किसी के लिए साबित कारण नहीं चाहिए। बस ईमानदार वर्णन चाहिए, इतनी बार दोहराया कि वह स्थिर हो जाए।

Loggr इसे ध्यान में रख कर कैसे बना है

रुख़ प्रोडक्ट में दिखता है।

• Loggr पैटर्न साफ़ शब्दों में दिखाता है। न जारगन भरा स्कोर, न कारण का दावा, न सलाह। वाक्य बताता है कि क्या हुआ, यह नहीं कि क्या करें।
• Loggr ताक़त लेबल करता है: कमज़ोर, मध्यम, या मज़बूत। कमज़ोर पैटर्न को कमज़ोर ही दिखाया जाता है, सजाया नहीं।
• Loggr तब तक पैटर्न नहीं उठाता जब तक पीछे पर्याप्त जुड़े हुए दिन न हों। उसके नीचे इनसाइट लॉक्ड दिखती है, छोटे-से नोट के साथ कि क्या चाहिए।
• Loggr फ़ील्ड्स की तुलना उसी दिन और एक दिन के अंतर के साथ दोनों तरह से करता है, और जो रिश्ता ज़्यादा मज़बूत हो उसे रखता है। यह वही जोड़ों में ट्रैक करने वाली गाइड में बताई गई अगले दिन वाली मशीनरी है। दोनों दिशाओं में कटती है: उसी दिन का पैटर्न अगले दिन वाले को छिपा सकता है, और उल्टा भी।
• Loggr आपके लिए पैटर्न का अर्थ नहीं निकालता। अर्थ निकालना ही सोचना है, और सोचना ही पूरे अभ्यास को सार्थक बनाता है।

कठिन अनुशासन

अगर आप इस पूरे लेख से सिर्फ़ एक आदत लें, तो यह लीजिए। जब कोरिलेशन कुछ ऐसा पुष्ट करती दिखे जिस पर आप पहले से यक़ीन रखते थे, ज़्यादा शक कीजिए, कम नहीं।

वजह बनावटी है। अपनी ज़िंदगी पर आपकी मान्यताओं ने ही आकार दिया कि आप शुरू से कैसे लॉग करते हैं: कौन-से फ़ील्ड्स चुने, अपने मूड को कैसे आँका, क्या याद रखा। जो पैटर्न उन मान्यताओं की पुष्टि करता है वह आंशिक रूप से उन चुनावों का अक्स है, स्वतंत्र तथ्य नहीं। जो पैटर्न उनका विरोध करता है उसे आपके पूर्वाग्रह से रास्ता निकाल कर आना पड़ा। उसने ध्यान कमाया है।

जब कोई मज़बूत कोरिलेशन उस पर आ बैठे जो आप पहले से जानते थे, धीरे चलिए। ऊपर के चार ग़लत पाठ दोबारा देखिए। चार चेकलिस्ट सवाल पूछिए। फिर तय कीजिए कि आज़माना है या नहीं। ज़्यादातर बार पैटर्न जाँच में टिकता है और आपने कुछ ईमानदार सीखा। कभी-कभी नहीं, और आपने उससे भी ज़्यादा ईमानदार बात सीखी: कि आप अपना डेटा एक लेंस से पढ़ रहे थे।

अक्सर पूछे जाने वाले सवाल

अगर मैं कारण साबित नहीं कर सकता, तो क्या फ़ायदा?

फ़ायदा है तीखा ध्यान। निजी डेटा सोचने की जगह नहीं लेता। यह आपके सोच को सही जगहों पर ले जाता है। कोरिलेशन कहती है “इस पर शायद नज़र डालने लायक़ है”। यह काम की बात है, बशर्ते आप इसे “यही जवाब है” तक न उठा दें।

क्या मैं अपने ऊपर A/B टेस्ट कर सकता/सकती हूँ?

औपचारिक रूप से, हाँ। एक इनपुट बदलिए, बाक़ी को जितना ज़िंदगी दे उतना स्थिर रखिए, दो हफ़्ते लॉग कीजिए, फिर इनपुट उलटिए और दो हफ़्ते और लॉग कीजिए। तुलना कीजिए। आपको निष्क्रिय कोरिलेशन से कुछ ज़्यादा कारण के क़रीब पढ़ने को मिलेगा। दो चेतावनियाँ। आप अब भी एक ही व्यक्ति हैं, इसलिए नतीजा बस आपके बारे में, इस अवधि में, इतना ही। और ज़िंदगी शायद ही सब कुछ स्थिर रखने देती है। निजी A/B टेस्ट उपयोगी भी हैं और सीमित भी, दोनों एक साथ।

क्या मुझे मज़बूत कोरिलेशन पर क़दम उठाना चाहिए?

शायद, प्रयोग की तरह। निष्कर्ष की तरह नहीं। ईमानदार ढाँचा है: “मैं इसे दो हफ़्ते आज़माऊँगा/आज़माऊँगी और देखूँगा/देखूँगी क्या होता है, और अगर कुछ नहीं निकला तो हैरान नहीं होऊँगा/होऊँगी।“

अगर कोरिलेशन उस से उलट हो जो मैं मानता था?

उसे ज़्यादा ध्यान दीजिए, कम नहीं। जो पैटर्न उल्टी मान्यताओं को टिकाकर आते हैं वे आम तौर पर पुष्टि करने वालों से ज़्यादा ईमानदार होते हैं। उल्टा पैटर्न आपकी मान्यताओं की खिंचाई के बावजूद वहाँ तक पहुँचा। यह पर्सनल एनालिटिक्स के मानकों पर सख्त सबूत है।

मुझे किसी पैटर्न पर भरोसा करने में कितना समय लगेगा?

एक काम का अंदाज़ा: एक हफ़्ता सेटअप के लिए, एक महीना पहली भरोसेमंद नज़र के लिए, एक मौसम गंभीर वज़न के लिए। जो पैटर्न तिमाही तक टिकें, अलग-अलग मनोदशाओं और हफ़्तों के पार, वे एक तीव्र पंद्रह-दिनी में उभरे पैटर्न से ज़्यादा ठोस होते हैं।

अगर Loggr मुझे दो पैटर्न दिखाए जो एक-दूसरे का खंडन करें?

ऐसा होता है। दो फ़ील्ड्स किसी तीसरे के साथ उल्टी दिशाओं में कोरिलेट कर सकते हैं। या एक ही दिन वाला पैटर्न एक तरफ़ जा सकता है और अगले दिन वाला दूसरी तरफ़। यह डेटा का ख़ुद के साथ ईमानदार होना है। सही पाठ आम तौर पर है “यहाँ ज़्यादा उलझी कहानी है”, न कि “इनमें से एक ग़लत है”।

मुख्य बातें

• आपके डेटा की कोरिलेशन इस अवधि में, आपकी ज़िंदगी में, बाक़ी सब कुछ अंदर समेटे हुए, क्या हुआ इसका वर्णन है। यह असली है। और जितना दिखती है उससे संकरी है।
• कोरिलेशन कारण का सबूत नहीं है, भविष्यवाणी नहीं है, दूसरों पर लागू नहीं होती, और अपने आप कोई क़दम उठाने की वजह नहीं है।
• चार आम ग़लत पाठ: उलटी दिशा, छिपे तीसरे चर, उल्टा कारण, और छोटे नमूने का इत्तेफ़ाक़। चारों में गिरना आसान है। ईमानदार रहो तो कोई भी विनाशकारी नहीं है।
• Loggr के पैटर्न को चार सवालों के साथ पढ़िए: उन दिनों में और क्या साझा था, पीछे कितना डेटा है, फ़ासला कितना बड़ा है, और क्या मैं पहले से चाहता था कि यह सच हो।
• कोरिलेशन का उपयोगी उपयोग है एक छोटा प्रयोग बनाना, यह देखना कि आप क्या नहीं देख रहे थे, और समय के साथ आत्म-ज्ञान बनाना। इनमें से किसी के लिए कारण का दावा नहीं चाहिए।
• जब पैटर्न उसे पुष्ट करे जो आप पहले से मानते थे, ज़्यादा शक कीजिए, कम नहीं। पुष्टि का पूर्वाग्रह पर्सनल एनालिटिक्स में सबसे ज़्यादा ताक़तवर शक्ति है।

अगली बार जब Loggr कोई पैटर्न दिखाए, यह आज़माइए

अगली बार जब Loggr आपके डेटा में कोरिलेशन दिखाए, अभी क़दम मत उठाइए। तीन और चीज़ें लिखिए जो इसे समझा सकती हैं, फिर तय कीजिए कि क्या उनमें से कोई उस कहानी से ज़्यादा प्रशंसनीय है जिसकी ओर आपने पहले हाथ बढ़ाया। अभ्यास ही असली बात है। अगर अभी तक लॉग करना शुरू नहीं किया, तो आप Loggr खोल सकते हैं और एक मिनट में अपना पहला फ़ील्ड बना सकते हैं। छह फ़ील्ड टाइप, iOS, Android और वेब पर। पैटर्न तब आएँगे जब उन्हें सहारा देने को पर्याप्त डेटा होगा, साफ़ शब्दों में, छोटे चार्ट के साथ। उन्हें ईमानदारी से पढ़ना अभी भी आपका काम है, और यही वह हिस्सा है जो करने लायक़ है।