Lý thuyết thông tin về Insight
Một cách khác định nghĩa về Insight trong nghiên cứu thị trường, phân tích trải nghiệm người dùng.
Tôi cũng có nhiều chia sẻ về vấn đề thế nào là insight tốt, vì nó quá chung chung và đòi hỏi có nhiều kinh nghiệm gọt giũa mới có thể “phản xạ” biết được insight nào có ích, insight nào không có giá trị.
Về vấn đề này, lĩnh vực khoa học máy tính có riêng nganh Lý thuyết xác xuất và thông tin, mọi nhà khoa học cần am hiểu rõ các ranh giới về tri thức, nên việc mô hình hóa toán học các vấn đề giúp mọi thứ mạch lạc, có thể kiểm chứng. Vì thế, cách tiếp cận này là thuyết phục nhất, áp dụng được cho mọi đối tượng trong quá trình khai phá các “insight” để ứng dụng trong công việc.
LÝ THUYẾT XÁC XUẤT VÀ THÔNG TIN
Khái niệm cốt lõi đằng sau lý thuyết thông tin là việc học được một sự kiện ít xảy ra mang lại nhiều thông tin hơn so với học được một sự kiện có khả năng cao xảy ra.
Ví dụ, một thông điệp nói rằng “mặt trời mọc vào sáng nay” là quá hiển nhiên đến mức không cần phải gửi đi, trong khi một thông điệp nói rằng “sáng nay có nhật thực” chứa rất nhiều thông tin.
Chúng ta muốn định lượng thông tin theo cách chuẩn tắc hóa các quan sát trực giác:
- Những sự kiện có khả năng cao nên có lượng thông tin thấp, và trong trường hợp cực đoan, những sự kiện chắc chắn xảy ra không mang lại thông tin gì cả.
- Những sự kiện ít có khả năng xảy ra nên có lượng thông tin cao hơn.
- Những sự kiện độc lập nên có thông tin cộng tính. Ví dụ, việc biết rằng một đồng xu tung lên xuất hiện mặt ngửa hai lần nên mang lại gấp đôi lượng thông tin so với việc biết rằng đồng xu xuất hiện mặt ngửa một lần.