211service.com
Hvordan datautvinning av fiasko kan lære oss hemmelighetene til suksess
Ms. Tech | Edison: Library of Congress, Bulb: Pixabay
Thomas Edison blir ofte beskrevet som USAs største oppfinner. Hans suksesser inkluderer elektrisk kraftproduksjon, lydopptak og den elektriske lyspæren.
Men Edison var ikke fremmed for fiasko. Han testet berømt 1000 forskjellige design før han slo seg på karbonfilamentet som ble den første kommersielt vellykkede lyspæren. Denne utholdenheten skilte ham fra hverandre. Mange av livets fiaskoer er mennesker som ikke skjønte hvor nær de var suksess da de ga opp, sa han.
Mange grupper og enkeltpersoner har studert karakteren av suksess. Disse studiene har gitt ulik grad av innsikt. Baksiden – feilens natur – er mye mindre godt studert, men uten tvil viktigere. Lite er kjent om mekanismene som styrer dynamikken til svikt.
I dag endres det, i det minste delvis, takket være arbeidet til Yian Yin ved Northwestern University i Evanston, Illinois, og kolleger. Dette teamet har analysert arten av feil i tre enorme datasett etter formuen til oppstartsselskaper, forskere som forsøker å sikre finansiering og terrorangrep. Verket avslører dynamikken til fiasko og en skjult signatur som kan skille forestående fiaskoer fra suksesser på et tidlig stadium.
Teamets metode er basert på analyse av tre datasett. Den første er et sett med alle helserelaterte forskningsforslag som ble sendt til US National Institutes of Health mellom 1985 og 2015.
NIH er verdens største finansierer av biomedisinsk forskning, så dette datasettet er enormt, og består av 776 721 søknader fra 139 091 forskere. Den inneholder også informasjon om hvorvidt hvert forslag ble finansiert eller ikke; med andre ord, om det var vellykket eller ikke.
Den andre databasen er over investeringsposter i oppstartsselskaper fra VentureXpert, den offisielle databasen for National Venture Capital Association. Dette følger skjebnen til hver oppstart finansiert av venturekapitalister mellom 1970 og 2017 – totalt 58 111 selskaper som involverer 253 579 innovatører.
I dette tilfellet anses en oppstart som vellykket hvis den oppnådde et børsnotert tilbud eller høyverdifusjon og oppkjøp innen fem år etter etableringen.
Det endelige datasettet er fra Global Terrorism Database, som registrerer 170 350 terrorangrep fra 3 178 terrororganisasjoner mellom 1970 og 2017. I dette tilfellet er et vellykket angrep et som krever minst ett liv, mens feil er de som dreper ingen.
Et nøkkeltrekk ved disse datasettene er at de lar Yin og co følge formuen til forskere, innovatører og terrorgrupper som gjør utallige forsøk på å nå målet sitt. Et sentralt spørsmål de undersøker er hvordan forsøk endrer seg over tid og hvilke faktorer som er involvert i disse endringene.
Yin og co studerer spesifikt to faktorer som antas å spille en viktig rolle i suksess og fiasko: tilfeldigheter og læring. De ser først på tilfeldigheter, forestillingen om at tilfeldige hendelser spiller en viktig rolle for å hindre eller øke sjansene for suksess.
Det fører til en enkel modell. Hvis tilfeldighet er nøkkelfaktoren som bestemmer suksess, så har hvert forsøk en begrenset sannsynlighet for å lykkes. Faktisk vil suksess til slutt oppstå hvis nok forsøk blir gjort. Dette antyder at antall forsøk før en suksess bør følge en eksponentiell fordeling.
For å teste denne teorien studerte Yin og co sekvensene av feil av de samme individene eller teamene før de oppnådde en suksess. Det viser seg at disse sekvensene ikke følger den type distribusjon som er forutsagt av en tilfeldig modell.
Yin og co evaluerte også de første og nest siste forsøkene i disse feilstrekene og sammenlignet dem deretter for å se hvordan de har endret seg. Hvis flaks er alt som betyr noe, bør det ikke være noen vesentlig forskjell.
Men nest siste innsats er betydelig bedre enn de første forsøkene, sier laget. Dette antyder at en annen mekanisme må være på spill: de involverte må lære. Med andre ord, opplevelsen av å mislykkes lærer verdifull lærdom som kan brukes til å forbedre ytelsen neste gang.
Siden læring bør redusere antall forsøk som kreves før man oppnår suksess, bør det føre til en smalere fordeling av feilstreker enn den eksponentielle formen forutsagt av sjansemodellen.
Men til Yin og cos overraskelse følger heller ikke feilstreker dette mønsteret. Faktisk har de en mye fetere halefordeling. Disse observasjonene viser at verken tilfeldigheter eller læring alene kan forklare de empiriske mønstrene som ligger til grunn for feil, sier forskerne.
Så hvilke andre faktorer er viktige? For å finne det ut, modellerte Yin og co måten folk lærer av erfaring og hvordan dette påvirker deres neste forsøk. Spesielt modellerte de om folk tar hensyn til alle deres tidligere erfaringer eller bare noen av dem.
Den resulterende modellen tar i betraktning et komplett spekter av læring – fra agenter som tar all sin tidligere erfaring i betraktning til de som ikke tar hensyn til noen av sine tidligere erfaringer, og alt i mellom.
Teamet sier at modellen forutsier en faseendring i atferden som samsvarer med de empiriske dataene. Når nivået av erfaringslæring er under en eller annen terskel, blir fremtidige forsøk aldri gode nok til å lykkes. Faktisk kan grupper ende opp med å redusere kvaliteten på arbeidet sitt.
Men når nivået av erfaringslæring er over denne terskelen, blir fremtidige forsøk bedre og bedre til de til slutt lykkes. Og nøkkelfaktoren er måten folk lærer på.
Det har viktige implikasjoner. For eksempel betyr det at et teams læringsprosess er en god indikator på om den vil lykkes på et tidspunkt eller ikke. Funnene våre avslører identifiserbare, men tidligere ukjente tidlige signaler som lar oss identifisere feildynamikk som vil føre til endelig seier eller nederlag, sier Yin og co.
Det neste trinnet vil være å analysere vellykket læring på stedet slik at det kan skilles fra mislykket læring og til slutt undervises systematisk.
Det kan være en avgjørende måte for lag å få et forsprang på konkurransen. Og med så mye på spill når det gjelder finansiering og investering, har vellykkede elever mange insentiv til å prøve hardere. Edison ville sikkert blitt imponert.
Ref: arxiv.org/abs/1903.07562 : Kvantifisere dynamikken til feil på tvers av vitenskap, oppstart og sikkerhet