– это неполные или неточные данные, созданные с целью введения в заблуждение других. Фальсификация включает в себя распространение искаженной или ложной информации с намерением ввести в заблуждение или использовать в своих интересах. Ложные доказательства имеют место в том случае, когда появляется второй источник информации, но на самом деле не подтверждает данные, первоначально появившиеся из определенного источника Надежность – это другой важный критерий оценки вводимых данных. Как и в процессе оценки точности, аналитик должен установить первоисточник данных с целью оценки надежности.

При проведении самого анализа очень важно тщательно изучить вводимые данные и результаты. Один из способов это сделать – следовать анаграмме "AID":

Аномалии. Данные, которые не кажутся достаточно хорошо совпадающими с другими или абсолютно правильными, обычно настораживают и требуют дальнейшей проверки. Аномальные данные часто выявляют проблемы, связанные с предположениями кого-либо, или выявляют то, что имеет место неожиданный феномен. Эти данные часто являются наиболее мощными проблемами контроля аналитика.

Индикаторы. Всегда очень важно изучить наиболее конкретные и особенные проявления (в отличие от вторичных и непрямых проявлений) рассматриваемого феномена. Например, если вы анализируете высокотехнологичный бизнес, будет особенно важно знать, изменил ли конкурент свою политику в отношении формулы, подчеркивающей то, какую долю валовых прибылей он направляет на основные научные исследования, на текучесть главных высококвалифицированных специалистов, разрабатывал ли он патенты на отдельные процессы или товары, или он недавно создал или продал научно-исследовательские средства.

Дезагрегирование. Часто бывает сложно найти вошедшую в поговорку иглу в стоге сена конкурента. Иногда, как и в случае поисков только иглы, полезно шагнуть назад и посмотреть на сам стог. Обзор стога может позволить аналитику последовательно отбросить все те данные, которые ассоциируются с теми данными, в которых аналитик не заинтересован. То, что остается после процесса отбрасывания, может предоставить основные принципы того, какая информация на самом деле требуется. Например, если вы не можете определить, что конкурент тратит на новые информационные системы управления, вы можете изучить его общую финансовую картину, а затем устранить все расходы на все, кроме информационных систем управления. То, что осталось, должно установить границы его расходов на информационные системы управления.

Эффективный анализ основывается на эффективном сборе данных и наоборот. Когда данные неполные или их не хватает, что практически всегда является проблемой, аналитик должен опираться на один из основных пяти нижеследующих типов решения проблем:

1. Аналогия. Имеет место, когда аналитик руководствуется доказательствами, полученными из аналогичных случаев. Этот подход – один из тех, которые в особенности демонстрируют «искусство» анализа в отличие от его «дисциплинарных аспектов». Он является наиболее пригодным, когда числа и формулы, полученные в результате интерполирования, не дают недостающих данных.

2. Дедукция. Эта наиболее простая форма анализа предполагает способность выявлять схемы из достаточно полного ряда данных (то есть из общего частное). Аналитик должен сделать выводы, несмотря на отсутствие некоторых фактов или информационных элементов. Чем меньше отношение доступных данных к недостающим, тем меньше вероятность того, что выводы будут достоверными. Дедукция особенно полезна при прогнозировании методов.