Kā neveiksmju datu ieguve varētu mums iemācīt veiksmes noslēpumus

Tehnikas kundze | Edison: Kongresa bibliotēka, Bulb: Pixabay

Tomass Edisons bieži tiek raksturots kā Amerikas lielākais izgudrotājs. Viņa panākumi ietver elektroenerģijas ražošanu, skaņu ierakstīšanu un elektrisko spuldzi.

Taču Edisonam neveiksmes nebija svešas. Viņš lieliski pārbaudīja 1000 dažādu dizainu, pirms izvēlējās oglekļa kvēldiegu, kas kļuva par pirmo komerciāli veiksmīgo spuldzi. Šī neatlaidība viņu atšķīra. Viņš teica, ka daudzas dzīves neveiksmes ir cilvēki, kuri neapzinājās, cik tuvu viņi ir panākumiem, kad viņi padevās.

Daudzas grupas un indivīdi ir pētījuši panākumu būtību. Šie pētījumi ir devuši dažāda līmeņa ieskatu. Apgrieztā puse — neveiksmes būtība — ir daudz mazāk pētīta, bet, iespējams, svarīgāka. Par mehānismiem, kas regulē neveiksmju dinamiku, ir maz zināms.

Mūsdienās tas vismaz daļēji mainās, pateicoties Yian Yin darbam Ziemeļrietumu universitātē Evanstonā, Ilinoisā, un viņa kolēģiem. Šī komanda ir analizējusi neveiksmes raksturu trīs milzīgās datu kopās, kas sekoja jaunuzņēmumu, pētnieku, kas mēģināja nodrošināt finansējumu, un teroristu uzbrukumiem. Darbs atklāj neveiksmju dinamiku un slēpto parakstu, kas jau agrīnā stadijā var atšķirt gaidāmās neveiksmes no panākumiem.

Komandas metode balstās uz trīs datu kopu analīzi. Pirmais ir visu ar veselību saistīto pētījumu priekšlikumu kopums, kas iesniegts ASV Nacionālajiem veselības institūtiem laikā no 1985. līdz 2015. gadam.

NIH ir pasaulē lielākais biomedicīnas pētījumu finansētājs, tāpēc šī datu kopa ir milzīga, un to veido 776 721 139 091 pētnieka pieteikums. Tajā ir iekļauta arī informācija par to, vai katrs priekšlikums tika vai netika finansēts; citiem vārdiem sakot, vai tas bija veiksmīgs.

Otrā datu bāze ir ieguldījumu ieraksti jaunizveidotajos uzņēmumos no VentureXpert, Nacionālās riska kapitāla asociācijas oficiālās datu bāzes. Tas seko katra riska kapitālistu finansētā jaunuzņēmuma liktenim laika posmā no 1970. līdz 2017. gadam — kopā 58 111 uzņēmumi, kuros iesaistīti 253 579 novatori.

Šajā gadījumā jaunuzņēmums tiek uzskatīts par veiksmīgu, ja tas piecu gadu laikā pēc dibināšanas panācis sākotnējo publisko piedāvājumu vai augstvērtīgu apvienošanos un iegādi.

Galīgā datu kopa ir no Globālās terorisma datu bāzes, kurā ir reģistrēti 170 350 teroristu uzbrukumi, ko veikušas 3178 teroristu organizācijas laika posmā no 1970. līdz 2017. gadam. Šajā gadījumā veiksmīgs ir uzbrukums, kas prasa vismaz vienu dzīvību, savukārt neveiksmes ir tādas, kurās neviens nenogalina.

Šo datu kopu galvenā iezīme ir tā, ka tās ļauj Yin un co sekot līdzi pētnieku, novatoru un teroristu grupu liktenim, kas veic daudzus mēģinājumus sasniegt savu mērķi. Galvenais jautājums, ko viņi pēta, ir tas, kā mēģinājumi laika gaitā mainās un kādi faktori ir saistīti ar šīm izmaiņām.

Iņ un co īpaši pēta divus faktorus, kuriem, domājams, ir svarīga loma panākumos un neveiksmēs: iespēja un mācīšanās. Viņi vispirms skatās uz nejaušību, uzskatu, ka nejaušiem notikumiem ir liela nozīme, lai kavētu vai palielinātu veiksmes iespējas.

Tas noved pie vienkārša modeļa. Ja iespēja ir galvenais faktors, kas nosaka panākumus, tad katram mēģinājumam ir ierobežota iespējamība, ka tas būs veiksmīgs. Patiešām, panākumi galu galā notiks, ja tiks veikti pietiekami daudz mēģinājumu. Tas liek domāt, ka mēģinājumu skaitam pirms panākumiem vajadzētu sekot eksponenciālam sadalījumam.

Lai pārbaudītu šo teoriju, Iņs un kolēģi pētīja to pašu personu vai komandu neveiksmju secības, pirms tās guva panākumus. Izrādās, ka šīs sekvences neatbilst tāda veida sadalījumam, ko paredz nejaušs modelis.

Iņ un co arī novērtēja pirmos un priekšpēdējos mēģinājumus šajās neveiksmju sērijās un pēc tam salīdzināja tos, lai redzētu, kā tie ir mainījušies. Ja svarīga ir veiksme, būtiskai atšķirībai nevajadzētu būt.

Taču priekšpēdējie centieni ir ievērojami labāki nekā pirmie, norāda komanda. Tas liek domāt, ka ir jādarbojas citam mehānismam: iesaistītajiem cilvēkiem ir jāmācās. Citiem vārdiem sakot, neveiksmju pieredze sniedz vērtīgas mācības, kuras var izmantot, lai nākamajā reizē uzlabotu veiktspēju.

Tā kā mācībām ir jāsamazina mēģinājumu skaits, kas nepieciešams, lai gūtu panākumus, tai vajadzētu radīt šaurāku neveiksmju svītru sadalījumu nekā nejaušības modeļa prognozētā eksponenciālā forma.

Bet par pārsteigumu Yin un co, neveiksmju svītras arī neievēro šo modeli. Patiesībā viņiem ir daudz resnāks izplatījums. Šie novērojumi liecina, ka ne iespēja, ne mācīšanās vien nevar izskaidrot neveiksmju pamatā esošos empīriskos modeļus, saka pētnieki.

Tātad, kādi citi faktori ir svarīgi? Lai to noskaidrotu, Iņs un līdzautori modelēja veidu, kā cilvēki mācās no pieredzes un kā tas ietekmē viņu nākamo mēģinājumu. Jo īpaši viņi modelēja, vai cilvēki ņem vērā visu savu iepriekšējo pieredzi vai tikai dažus no tiem.

Rezultātā iegūtais modelis ņem vērā visu veidu mācības — no aģentiem, kuri ņem vērā visu savu pagātnes pieredzi, līdz tiem, kuri neņem vērā savu pagātnes pieredzi, un visu, kas atrodas starp tiem.

Komanda saka, ka modelis paredz fāzes izmaiņas uzvedībā, kas atbilst empīriskajiem datiem. Ja pieredzes mācīšanās līmenis ir zem noteikta sliekšņa, turpmākie mēģinājumi nekad nekļūst pietiekami labi, lai gūtu panākumus. Patiešām, grupas var samazināt sava darba kvalitāti.

Bet, kad pieredzes mācīšanās līmenis pārsniedz šo slieksni, turpmākie mēģinājumi kļūst arvien labāki, līdz tie galu galā izdodas. Un galvenais faktors ir veids, kā cilvēki mācās.

Tam ir svarīgas sekas. Piemēram, tas nozīmē, ka komandas mācību process ir labs rādītājs tam, vai tas kādā brīdī izdosies vai nē. Mūsu atklājumi atklāj identificējamus, bet iepriekš nezināmus agrīnos signālus, kas ļauj mums noteikt kļūmju dinamiku, kas novedīs pie galīgas uzvaras vai sakāves, saka Yin un citi.

Nākamais solis būs veiksmīgas mācīšanās analīze in situ lai to varētu atšķirt no neveiksmīgas mācīšanās un galu galā mācīt sistemātiski.

Tas varētu būt izšķirošs veids, kā komandām iegūt priekšrocības konkurencē. Un, tā kā uz spēles ir likts tik daudz finansējuma un investīciju, veiksmīgiem studentiem ir daudz stimulu censties vairāk. Edisons noteikti būtu pārsteigts.

Atsauce: arxiv.org/abs/1903.07562 : neveiksmju dinamikas kvantitatīva noteikšana zinātnē, jaunuzņēmumos un drošībā

paslēpties