می خواهید استیو جابز بعدی باشید؟ از دانشگاه انصراف بدهید و با یکی از رفقای خود در گاراژ خانه پدری یک کسب و کار راه بیندازید! اما چند نفر مدل استیو جابز را جلو رفتند و شکست خوردند؟ کسی نمی داند، درباره آنها کتابی نوشته نمی شود کسی آنها را نمی بیند.
در خلال جنگ جهانی دوم، نیروی هوایی انگلستان و آمریکا به دنبال کاهش تلفات بمب افکن های خود بودند. رهبران نظامی به این نتیجه رسیده بودند که باید زره تقویتی بیشتری به هواپیماهای خود اضافه کنند تا آنها را در برابر آتش ضدهوایی و جنگنده‌ها حفاظت کند؛ اما افزودن زره به همه قسمت‌های هواپیما امکان‌پذیر نبود و سرعت آن را کم می‌کرد؛ بنابراین آنان باید تصمیم می‌گرفتند که به کدام قسمت‌های هواپیما زره بیفزایند.
برای این منظور آنان شروع به جمع آوری داده کردند. پس از هر مأموریت هواپیماهایی را که بازگشته بودند به‌دقت بررسی می کردند و تعداد آسیب‌های ناشی از ترکش‌ها و گلوله‌ها و جای آنها را روی هواپیما مشخص می کردند. به‌تدریج معلوم شد الگوی خاصی در توزیع آسیب‌ها روی هواپیما وجود دارد. بیشتر آسیب‌ها روی ناحیه بال و بدنه هواپیما بود. بر این اساس کارشناسان نظامی نتیجه‌گیری کردند ازآنجاکه بیشترین گلوله‌ها به نواحی بال و بدنه هواپیما اصابت کرده پس این قسمت‌ها نیازمند زره حفاظتی بیشتر هستند. در نگاه اول این نتیجه‌گیری درست به نظر می‌رسد.
آبراهام والد با این نتیجه‌گیری کاملاً مخالف بود. او جزء ریاضی‌دانی بود که در جنگ جهانی دوم برای ارتش آمریکا کار می‌کرد. والد نشان داد که خطای مهمی در تحلیل‌ها صورت گرفته چراکه نتیجه‌گیری تنها بر اساس داده‌های هواپیماهایی است که از مأموریت بازگشته‌اند؛ اما در مورد هواپیماهایی که در طول مأموریت سقوط کردند، چه می‌دانیم؟ او نشان داد که دقیقاً برعکس، آن قسمت‌هایی از هواپیما نیاز به حفاظت دارند که کمترین اصابت را داشته‌اند. درواقع نقاط آسیب در هواپیماهای بازگشتی بیانگر آن است که اگر هواپیما در این نقاط هدف قرار داده شود، با احتمال بیشتری می‌تواند سالم بازگردد. پیشنهاد‌های والد در عمل به بهبود نرخ برگشت هواپیماها کمک کرد.
سوگیری بازماندگی (Survival Bias) یک خطا در استدلال است و زمانی پیش می‌آید که تنها بر روی افراد یا چیزهایی که از یک فرآیند انتخاب گذشته‌اند، تمرکز کنید و آن‌هایی را که نتوانستند عبور کنند، عمدتاً به این خاطر که دیگر قابل‌مشاهده نیستند، نادیده بگیرید.
به‌عنوان‌مثال، ساختمان‌های با ساخت مستحکم، معماری زیبا، کاربری خوب و نگهداری مناسب در چندین نسل دوام می‌آورند و باقی می‌مانند. افراد ممکن است تنها با مقایسه ساختمان‌های قدیمی باقی‌مانده با ساختمان‌های امروزی این‌طور نتیجه بگیرند که درگذشته ساختمان‌های بهتری ساخته می‌شده است؛ اما آنان هزاران بنای دیگر را که درگذشته خوب ساخته نشده‌اند و در طول زمان از بین رفته‌اند و دیگر قابل‌مشاهده نیستند، در نتیجه‌گیری خود لحاظ نمی‌کنند. این سوگیری می‌تواند برای آثار هنری برجسته گذشته که در طول زمان از رقابت سربلند بیرون آمده‌اند و مقایسه آن با آثار هنری معاصر مصداق پیدا کند. یکی از دلایل وجود حس نوستالژی نسبت به گذشته این نوع مقایسه‌هاست.
می خواهید استیو جابز بعدی باشید؟ از دانشگاه انصراف بدهید و با یکی از رفقای خود در گاراژ خانه پدری یک کسب و کار راه بیندازید! اما چند نفر مدل استیو جابز را جلو رفتند و شکست خوردند؟ کسی نمی داند، درباره آنها کتابی نوشته نمی شود کسی آنها را نمی بیند. اما براساس اتحادیه سرمایه گذاران خطرپذیر آمریکا تنها 13 درصد استارتاپ ها به مرحله عرضه سهام خود در بورس می رسند یا می توانند آن را بفروش برسانند.
من در مقاله زیر نشان می دهم چطور کتاب های موفقیت مانند "از خوب به عالی" جیم کالینز به طور سیستماتیک دارای خطا هستند.
این مثال‌ها روشن می‌کند که برای نتیجه‌گیری نیاز دارید تا به همه نمونه‌ها توجه کنید حتی نمونه‌هایی که بلافاصله نمی‌توانید آنها را مشاهده کنید. همین‌طور روشن می‌کند یادگیری از شکست‌ها همواره فرآیند ساده‌ای نیست. یادگیری نیازمند مشاهده و بررسی دقیق و فراتر رفتن از فرضیات سطحی است. وقتی تنها به نمونه‌های موفق نگاه می‌کنید ممکن است از رفتارها و اشتباهات مهلکی که نمونه‌های ناموفق به آن دچار شدند، غفلت کنید. شاید به همین دلیل است وقتی از آن حکیم پرسیدند "ادب از که آموختی؟” پاسخ داد: "از بی‌ادبان”.
نظر شما