正解: BCorrect: B
成功者だけを観察する生存者バイアスと、意欲の高い人が制度を選ぶ自己選択バイアスにより、メンター制度と昇進の因果関係は示されていません。比較群のデータが必要です。Looking only at the successful cases is survivorship bias, and self-selection by ambitious employees confounds the relationship. The data do not establish that mentoring causes promotion; a comparison group is required.
この推論には二つの古典的な誤りが含まれています。第一に「生存者バイアス」です。第二次大戦中、統計学者Abraham Waldは帰還した爆撃機の被弾箇所だけを見て装甲を強化する案に対し、撃墜された機体のデータが欠けていると指摘しました。昇進者だけを見るのは同じ構図で、昇進しなかった社員のメンター利用率が80%なら、制度は差を生んでいません。第二に「自己選択バイアス」です。任意参加の制度では、もともと昇進意欲や能力の高い人が参加しやすく、昇進はメンターの効果ではなく参加者の特性で説明できる可能性があります。因果を主張するには、参加者と非参加者の属性をそろえた比較や、可能であれば無作為割り当てによる検証が必要です。選択肢AとDはデータの質や量の問題に矮小化しており、Cは根拠と無関係に結論を否定しています。こうした思考はA/Bテストの設計や政策評価と共通しており、データに基づく意思決定を掲げる組織ほど不可欠です。The reasoning contains two classic errors. The first is survivorship bias. During World War II, statistician Abraham Wald pointed out that reinforcing bombers where returning planes showed damage ignored the planes that never came back. Examining only promoted employees is the same mistake: if 80% of non-promoted employees also used mentoring, the program made no difference. The second is self-selection. In a voluntary program, ambitious and capable people are more likely to enroll, so promotion may be explained by who participated rather than by mentoring itself. Establishing causation requires comparing participants and non-participants with similar characteristics, or ideally random assignment. Options A and D reduce the problem to data quality or quantity, and option C rejects the conclusion without engaging the evidence. This kind of thinking underlies A/B testing and policy evaluation and is indispensable for any organization that claims to be data-driven.
組織内で無作為割り当ての実験を行うのは倫理的・政治的に難しく、「一部の社員にだけメンターを付けない」ことへの反発が起こりえます。また、因果が証明できないからといって制度を放置すれば、有益かもしれない施策を遅らせることになります。分析の厳密さと行動の速さはしばしば対立します。Running randomized experiments inside an organization is ethically and politically difficult; withholding mentoring from some employees invites backlash. Yet waiting for causal proof can delay a program that may genuinely help. Analytical rigor and speed of action are frequently in tension.
まず既存データで「昇進しなかった人の利用率」を確認し、属性をそろえた比較（傾向スコアマッチングなど）で効果の目安を得ます。実験が必要なら、段階的導入（部署ごとに開始時期をずらす）を活用すれば、全員がいずれ恩恵を受けつつ比較群を確保できます。制度は「仮説」として導入し、効果指標をあらかじめ定めて見直す前提にします。Start with existing data: check the participation rate among non-promoted staff and use matched comparisons such as propensity scores for a rough estimate. If an experiment is needed, use a staggered rollout by department so everyone eventually benefits while a comparison group exists. Launch the program as a hypothesis with pre-defined success metrics and a scheduled review.