সারভাইভারশিপ বায়াস (Survivorship Bias)
এক নজরে (At a Glance)
| ক্যাটাগরি | বিস্তারিত |
|---|---|
| সংজ্ঞা | একটি নিয়মতান্ত্রিক যৌক্তিক ত্রুটি যেখানে এমন ব্যক্তি, বস্তু বা ডেটার উপর মনোযোগ দেওয়া হয় যা কোনো নির্বাচনী প্রক্রিয়ায় "টিকে গেছে" (survived), এবং সেগুলোকে সম্পূর্ণ উপেক্ষা করা হয় যেগুলো দৃশ্যমানতার অভাবে টিকতে পারেনি। |
| ক্যাটাগরি | অপর্যাপ্ত অর্থ (Not Enough Meaning - যখনই কোনো শূন্যস্থান থাকে, আমরা স্টেরিওটাইপ, সাধারণীকরণ এবং পূর্বের ইতিহাস থেকে বৈশিষ্ট্য পূরণ করি) |
| অতিক্রম করার কাঠিন্য | খুবই কঠিন |
| ব্যাপকতা | সর্বজনীন |
| সম্পর্কিত বায়াস | অ্যাভেইলেবিলিটি হিউরিস্টিক (Availability Heuristic), অপটিমিজম বায়াস (Optimism Bias), সিলেকশন বায়াস (Selection Bias), কনফার্মেশন বায়াস (Confirmation Bias), হাইন্ডসাইট বায়াস (Hindsight Bias) |
১. সংক্ষিপ্ত সারসংক্ষেপ
যখন আমরা সাফল্য বিশ্লেষণ করি, আমরা কেবল বিজয়ীদেরই দেখতে পাই—যেসব কোম্পানি উন্নতি করেছে, যে বিল্ডিংগুলো এখনও দাঁড়িয়ে আছে, যে মানুষগুলো সফল হয়েছে। আমরা কখনোই ব্যর্থতাগুলো দেখতে পাই না কারণ সেগুলো বিলীন হয়ে গেছে। এটি বাস্তবতার এমন এক বিপজ্জনক বিকৃত চিত্র তৈরি করে যেখানে আমরা আমাদের সাফল্যের সম্ভাবনাকে বেশি করে মূল্যায়ন করি, সফলতার কারণ ভুলভাবে চিহ্নিত করি এবং অসম্পূর্ণ ডেটা থেকে উপসংহার টানি। সবচেয়ে গুরুত্বপূর্ণ তথ্য প্রায় সবসময়ই সেই তথ্য যা অনুপস্থিত থাকে।
২. এর পেছনের বিজ্ঞান
২.১. আবিষ্কার এবং ইতিহাস
আধুনিক পরিসংখ্যানের আগে থেকেই সারভাইভারশিপ বায়াসের বুদ্ধিবৃত্তিক স্বীকৃতি দুই সহস্রাব্দেরও বেশি সময় ধরে চলে আসছে, যদিও দ্বিতীয় বিশ্বযুদ্ধের সময় এর আনুষ্ঠানিক গাণিতিক প্রয়োগ শুরু হয়।
প্রাচীন উৎস (খ্রিস্টপূর্ব ৫ম শতাব্দী): সবচেয়ে পুরোনো নথিভুক্ত পর্যবেক্ষণটি আসে ম্যালোসের ডায়াগোরাস (Diagoras of Melos) থেকে, যিনি একজন গ্রীক কবি এবং পরিচিত নাস্তিক ছিলেন। যখন তাকে জাহাজডুবি থেকে বেঁচে ফেরা উপাসকদের আঁকা ট্যাবলেট দেখানো হয়েছিল যেন ঐশ্বরিক হস্তক্ষেপের প্রমাণস্বরূপ, তখন ডায়াগোরাস বিখ্যাত উত্তর দিয়েছিলেন: "আমি তাদের দেখছি যারা বেঁচে গেছে, কিন্তু যারা জাহাজডুবিতে মারা গেছে তাদের আঁকা ছবিগুলো কোথায়?" সিসেরোর De Natura Deorum-এ সংরক্ষিত এই উপাখ্যানটি বায়াসের পুরো প্রক্রিয়াটিকে তুলে ধরে—বেঁচে থাকারা দৃশ্যমান ও সোচ্চার; মৃতরা নীরব।
রেনেসাঁর যুগে আনুষ্ঠানিকতা (১৭শ শতাব্দী): ফ্রান্সিস বেকন তার "Idols of the Mind" তত্ত্বে, বিশেষ করে Idols of the Tribe-এ এই পর্যবেক্ষণটি যুক্ত করেন। তিনি উল্লেখ করেন যে মানুষের বুদ্ধি নেতিবাচকের চেয়ে ইতিবাচক বিষয় দ্বারা বেশি প্রভাবিত হয়—সাফল্যগুলো নথিবদ্ধ হয় আর ব্যর্থতাগুলো রেকর্ড থেকে হারিয়ে যায়।
দ্বিতীয় বিশ্বযুদ্ধের গাণিতিক প্রয়োগ (১৯৪৩): কলাম্বিয়া ইউনিভার্সিটির স্ট্যাটিস্টিক্যাল রিসার্চ গ্রুপের সাথে আব্রাহাম ওয়াইল্ডের কাজ সারভাইভারশিপ বায়াস মোকাবেলার জন্য প্রথম কঠোর গাণিতিক কাঠামো প্রদান করে, যা অপারেশনাল রিসার্চ এবং সামরিক কৌশলকে চিরতরে বদলে দেয়।
আর্থিক অর্থনীতি বিপ্লব (১৯৯০ দশক): ব্রাউন, গোয়েটজম্যান, এলটন, গ্রুবার এবং ব্লেক-এর মতো গবেষকরা মিউচুয়াল ফান্ড এবং হেজ ফান্ডের পারফরম্যান্স ডেটাতে এই বায়াসের প্রভাবকে পরিমাণগতভাবে নির্ধারণ করেন, যা বিনিয়োগ বিশ্লেষণে এর গভীর প্রভাব প্রদর্শন করে।
জনপ্রিয় দর্শন (২০০০ দশক): নাসিম নিকোলাস তালেব Fooled by Randomness (২০০১) এবং The Black Swan (২০০৭)-এ সারভাইভারশিপ বায়াসকে একটি পরিসংখ্যানগত ধারণা থেকে একটি দার্শনিক বিশ্বদৃষ্টিভঙ্গিতে উন্নীত করেন।
২.২. মূল গবেষকগণ
| গবেষক | অবদান | বছর |
|---|---|---|
| ম্যালোসের ডায়াগোরাস | বায়াসের প্রথম নথিভুক্ত পর্যবেক্ষণ (জাহাজডুবি থেকে বেঁচে ফেরা) | ~৪৫০ খ্রিস্টপূর্ব |
| ফ্রান্সিস বেকন | "Idols of the Mind" তত্ত্বে অন্তর্ভুক্তি | ১৬২০ |
| আব্রাহাম ওয়াইল্ড | বিমানের দুর্বলতা বিশ্লেষণের জন্য গাণিতিক প্রয়োগ | ১৯৪৩ |
| স্টিফেন ব্রাউন ও উইলিয়াম গোয়েটজম্যান | মিউচুয়াল ফান্ড পারফরম্যান্স স্টাডিতে বায়াসের পরিমাণ নির্ধারণ | ১৯৯২ |
| এডউইন এলটন, মার্টিন গ্রুবার ও ক্রিস্টোফার ব্লেক | মিউচুয়াল ফান্ডে আনুমানিক বার্ষিক বায়াসের পরিমাণ (~০.৯%) | ১৯৯৬ |
| বার্টন মালকিয়েল | হেজ ফান্ড সারভাইভারশিপ বায়াসের আনুমানিক পরিমাণ (বার্ষিক ~৪.৪%) | ১৯৯৫ |
| নাসিম নিকোলাস তালেব | "নীরব প্রমাণ" (silent evidence) ধারণার মাধ্যমে দার্শনিক জনপ্রিয়করণ | ২০০১-২০০৭ |
| জেমস হেকমান | সিলেকশন বায়াসের জন্য হেকমান কারেকশনের উপর নোবেল বিজয়ী কাজ | ২০০০ |
২.৩. যুগান্তকারী গবেষণাসমূহ
বিমানের দুর্বলতা বিশ্লেষণ (ওয়াইল্ড, ১৯৪৩)
দ্বিতীয় বিশ্বযুদ্ধের সময়, স্ট্যাটিস্টিক্যাল রিসার্চ গ্রুপকে বোমারু বিমানে কোথায় বর্ম (armor) লাগাতে হবে তা নির্ধারণ করতে বলা হয়েছিল। সামরিক বাহিনী ফিরে আসা বিমানগুলোতে বুলেটের ছিদ্রের ঘনত্ব দেখানো ডেটা উপস্থাপন করেছিল: ফিউজলেজ, ডানা এবং লেজে ভারী ক্ষতি, কিন্তু ইঞ্জিন এবং ককপিটে ন্যূনতম ক্ষতি।
সামরিক বাহিনীর স্বজ্ঞাত সিদ্ধান্ত ছিল যেসব এলাকায় বেশি আঘাত লেগেছে সেখানে বর্ম লাগানো। ওয়াইল্ডের বিপরীতমুখী অন্তর্দৃষ্টি এই সুপারিশটিকে পুরোপুরি উল্টে দেয়: ইঞ্জিন এবং ককপিটে বর্ম লাগান—যেসব এলাকায় কোনো ক্ষতি দেখা যায়নি।
তার যুক্তি: শত্রু আক্রমণ সম্ভবত বিমানে এলোমেলোভাবে ছড়িয়ে পড়েছিল। ইঞ্জিনে "অনুপস্থিত" বুলেটের ছিদ্রগুলো এই প্রমাণ নয় যে ইঞ্জিনে গুলি লাগেনি—বরং সেগুলো এই প্রমাণ যে যেসব বিমানের ইঞ্জিনে গুলি লেগেছিল সেগুলো আর ফিরে আসেনি। সামরিক বাহিনী এমন ক্ষতি পরীক্ষা করছিল যা নিয়ে বেঁচে ফেরা যায়, মরণঘাতী ক্ষতি নয়।
ওয়াইল্ড তার "A Method of Estimating Plane Vulnerability Based on Damage of Survivors" স্মারকলিপিতে এটি আনুষ্ঠানিকভাবে রূপায়িত করেন, এটি প্রতিষ্ঠা করেন যে বেঁচে যাওয়া বিমানের উপর পর্যবেক্ষণকৃত আঘাতের ঘনত্ব সেই এলাকার আঘাতের মরণঘাতীতার সাথে বিপরীতভাবে সমানুপাতিক।
মিউচুয়াল ফান্ড সারভাইভারশিপ বায়াস (ব্রাউন, গোয়েটজম্যান, প্রমুখ, ১৯৯২)
Review of Financial Studies-এ প্রকাশিত এই গবেষণাপত্রটি প্রমাণ করে যে স্ট্যান্ডার্ড ফাইন্যান্সিয়াল ডেটাবেসগুলো পদ্ধতিগতভাবে অবলুপ্ত বা একীভূত ফান্ডগুলোর রেকর্ড মুছে ফেলে। যেহেতু ফান্ডগুলো প্রায় সবসময়ই খারাপ পারফরম্যান্সের কারণে অবলুপ্ত হয়, তাই এই ছাঁটাই একটি পরিসংখ্যানগত মরীচিকা তৈরি করে—যাতে গড় ফান্ড পারফরম্যান্স বাস্তবের চেয়ে ভালো দেখায় এবং ভোলাটিলিটি ও রিটার্নের মধ্যে এমন একটি কৃত্রিম সম্পর্ক তৈরি করে যা "দক্ষতা"র অনুকরণ করে যেখানে বাস্তবে কোনো দক্ষতা ছিল না।
সারভাইভারশিপ বায়াস এবং মিউচুয়াল ফান্ড পারফরম্যান্স (এলটন, গ্রুবার ও ব্লেক, ১৯৯৬)
এই যুগান্তকারী গবেষণাটি ১৯৭৬ সালের শেষে বিদ্যমান প্রতিটি মিউচুয়াল ফান্ডের উপর নজর রাখে। মূল অনুসন্ধান:
- সারভাইভারশিপ বায়াস বার্ষিক রিটার্ন প্রায় ০.৯% (৯০ বেসিস পয়েন্ট) বাড়িয়ে দেখিয়েছিল।
- বড় ফান্ডের চেয়ে ছোট ফান্ডের ক্ষেত্রে এই বায়াস উল্লেখযোগ্যভাবে বেশি ছিল।
- যেসব ফান্ড একীভূত হয়েছিল (প্রায়শই বড় ফান্ডগুলোতে তাদের খারাপ পারফরম্যান্স লুকিয়ে রাখে) এবং যেগুলো অবলুপ্ত হয়েছিল, উভয়ই এই বায়াসে অবদান রেখেছিল।
এই অনুসন্ধানগুলো দক্ষ বাজার অনুকল্পের (Efficient Market Hypothesis) জন্য শক্তিশালী অভিজ্ঞতামূলক সমর্থন প্রদান করে যখন বায়াসটি সংশোধন করা হয়।
২.৪. স্নায়বিক ভিত্তি (Neurological Basis)
সারভাইভারশিপ বায়াস মানুষের চেতনার মৌলিক বৈশিষ্ট্যগুলো থেকে উদ্ভূত হয়:
সিস্টেম ১ থিংকিং (System 1 Thinking): ড্যানিয়েল কানম্যানের "দ্রুত চিন্তার" সিস্টেমটি "সহজে মনে পড়ার" সাথে "ঘটনার ফ্রিকোয়েন্সি" গুলিয়ে ফেলে। যেহেতু সফল উদাহরণগুলো (স্টিভ জবস, বিল গেটস) সহজেই মনে পড়ে, তাই আমরা স্বজ্ঞাতভাবে বেস রেটের চেয়ে একই রকম ফলাফলের সম্ভাবনা বেশি নির্ধারণ করি।
অ্যাভেইলেবিলিটি হিউরিস্টিক (Availability Heuristic): সিদ্ধান্ত নেওয়ার সময় মস্তিষ্ক তাৎক্ষণিকভাবে উপলব্ধ উদাহরণগুলোর উপর নির্ভর করে। সফলতাগুলো স্বভাবতই বেশি "উপলব্ধ"—সফল কোম্পানিগুলো স্টক এক্সচেঞ্জে তালিকাভুক্ত হয় যেখানে ব্যর্থ কোম্পানিগুলো তালিকা থেকে বাদ পড়ে; সফল ভবনগুলো দাঁড়িয়ে থাকে যেখানে ধসে পড়া ভবনগুলো প্রতিস্থাপিত হয়।
প্যাটার্ন রিকগনিশনের সীমাবদ্ধতা: মানব মস্তিষ্ক প্রাপ্ত ডেটা থেকে কার্যকারণ আখ্যান (causal narrative) বের করার জন্য বিবর্তিত হয়েছে, কিন্তু অনুপস্থিত ডেটা প্রক্রিয়া করতে পারে না। এই মৌলিক সীমাবদ্ধতা—আমরা কেবল যা দেখতে পাই তা বিশ্লেষণ করতে পারি—সারভাইভারশিপ বায়াসের স্নায়বিক ভিত্তি।
অপটিমিজম বায়াস ইন্টারঅ্যাকশন: আত্ম-মূল্যায়নের সাথে যুক্ত স্নায়বিক সার্কিটগুলো আশাবাদের দিকে ঝুঁকে থাকে। যখন সারভাইভার-বায়াসড ডেটা দেখা হয়, তখন এই সার্কিটগুলো বিপুল সংখ্যক নীরব ব্যর্থতার চেয়ে বিজয়ীদের সাথে নিজেদের পরিচয় মেলাতে উৎসাহিত করে, যা ঝুঁকিপূর্ণ আচরণকে আরও শক্তিশালী করে।
৩. বিবর্তনীয় উৎস
সারভাইভারশিপ বায়াস আমাদের বিবর্তনীয় ঐতিহ্যে গভীরভাবে প্রোথিত, যেখানে আমরা এমন প্যাটার্ন-রিকগনিশন ইঞ্জিন হিসেবে কাজ করেছি যে পরিবেশে নির্ভুলতার চেয়ে গতি বেশি গুরুত্বপূর্ণ ছিল।
পূর্বপুরুষদের পরিবেশে অভিযোজিত মান: আমাদের পূর্বপুরুষদের জন্য, সফল কৌশলগুলোতে মনোযোগ দেওয়া যুক্তিসঙ্গত ছিল। যদি শিকারের কোনো কৌশল, অভিবাসনের পথ বা খাদ্যের উৎস বেঁচে থাকার সম্ভাবনা তৈরি করে, তবে তা অনুকরণ করার মতো ছিল। ব্যর্থতাগুলো—যারা ভিন্ন উপায় চেষ্টা করেছিল এবং মারা গিয়েছিল—তারা পরামর্শের জন্য উপলব্ধ ছিল না। দৃশ্যমান সাফল্য থেকে শিক্ষা নেওয়া ছিল একটি দ্রুত, দক্ষ উপায়।
শক্তি সংরক্ষণ: মস্তিষ্ক আমাদের বিপাকীয় শক্তির প্রায় ২০% খরচ করে। অনুপস্থিত ডেটা বিশ্লেষণ করা—যেসব ব্যর্থতা আমরা দেখতে পাই না সেগুলো কল্পনা করা—মানসিকভাবে ব্যয়বহুল। বিবর্তন এমন মস্তিষ্ককে সমর্থন করেছিল যা কার্যকরভাবে উপলব্ধ তথ্য প্রক্রিয়া করে, অদৃশ্য বিকল্পগুলোর বিস্তারিত মডেল তৈরি করার বদলে।
বৈশিষ্ট্য, বাগ নয় (Feature, Not Bug): অপেক্ষাকৃত স্থিতিশীল অবস্থা এবং তাৎক্ষণিকভাবে পর্যবেক্ষণযোগ্য ফলাফল সহ পূর্বপুরুষদের পরিবেশে, সারভাইভারশিপ-বায়াসড লার্নিং প্রায়শই যথেষ্ট ভালো ছিল। যদি আপনার প্রতিবেশী কোনো নির্দিষ্ট নকশার আশ্রয়স্থল ব্যবহার করে শীতকাল পার করতে পারে, তবে তা অনুকরণ করা যুক্তিসঙ্গত ছিল। বায়াসটি কেবল তখনই সমস্যাযুক্ত হয়ে ওঠে যখন জটিল, আধুনিক পরিবেশে ব্যর্থতাগুলোকে পদ্ধতিগতভাবে লুকিয়ে রাখা হয় এবং "সারভাইভার"দের নমুনা ব্যাপকভাবে অ-প্রতিনিধিত্বমূলক হয়।
অ্যাভেইলেবিলিটি মিসম্যাচ: আমাদের মস্তিষ্ক ছোট ছোট দলগুলোতে বিবর্তিত হয়েছে যেখানে বেশিরভাগ প্রাসঙ্গিক ঘটনাই সরাসরি পর্যবেক্ষণযোগ্য ছিল। আধুনিক সমাজে, আমরা এমন তথ্যের সম্মুখীন হই যা নির্বাচনের একাধিক স্তরের (মিডিয়া, বাজার, ইতিহাস) মাধ্যমে ফিল্টার করা হয়েছে, যা আমাদের উপলব্ধতা-ভিত্তিক অন্তর্দৃষ্টিগুলোকে পদ্ধতিগতভাবে বিভ্রান্তিকর করে তোলে।
৪. এই বায়াস কীভাবে প্রকাশ পায়
৪.১. প্রাত্যহিক জীবনে
"তারা এখন আর আগের মতো জিনিস বানায় না": রোমান প্যান্থিয়ন, ভিক্টোরিয়ান মেহগনি আসবাবপত্র এবং ১৯৫০-এর দশকের যন্ত্রপাতি যেগুলো "এখনও কাজ করে", সেগুলো হলো পরিসংখ্যানগত ব্যতিক্রম যা শত শত বছরের ধ্বংসযজ্ঞ থেকে বেঁচে গেছে। নিম্নমানের রোমান বস্তিগুলো ধসে পড়েছে, সস্তা ভিক্টোরিয়ান আসবাবপত্র পচে গেছে এবং ভাঙা ১৯৫০-এর দশকের যন্ত্রপাতিগুলো ল্যান্ডফিলে হারিয়ে গেছে—যা অদৃশ্য। আমরা অতীতের সেরাদের সাথে বর্তমানের গড়ের তুলনা করি।
"ক্লাসিক" মিউজিক ফ্যালাসি: লোকে দাবি করে ১৯৬০-৭০ এর দশকের সংগীত উচ্চমানের ছিল কারণ "সেই যুগের সব গানই ক্লাসিক।" এটি এড়িয়ে যায় যে হাজার হাজার অনুকরণমূলক, খারাপভাবে তৈরি গানও প্রকাশিত হয়েছিল—রেডিও স্টেশনগুলো কেবল টিকে থাকা ১% হিট গান বাজায়। আমরা অতীতের ফিল্টার করা সেরাগুলোর সাথে আজকের ১০০% আউটপুটের তুলনা করি।
সুখী দম্পতিদের থেকে সম্পর্কের পরামর্শ: সম্পর্কের পরামর্শ নেওয়ার সময়, আমরা সাধারণত এমন দম্পতিদের সাথে পরামর্শ করি যারা এখনও একসাথে আছে। আমরা খুব কমই তাদের কথা শুনি যারা একই পদ্ধতি চেষ্টা করেছিল এবং বিবাহবিচ্ছেদের মাধ্যমে শেষ হয়েছিল, সম্ভবত এমন পরামর্শ অনুসরণ করে যা তাদের ব্যর্থতায় ভূমিকা রেখেছিল।
রেস্তোরাঁর সুপারিশ: একটি শহরের জনপ্রিয় রেস্তোরাঁগুলো সংজ্ঞানুযায়ী, সারভাইভার। হাজার হাজার রেস্তোরাঁ যেগুলো ব্যর্থ হয়েছে—সম্ভবত একই কৌশল নিয়ে—সেগুলো বন্ধ হয়ে গেছে এবং কী কাজ করে না সে সম্পর্কে আমাদের সতর্ক করতে পারে না।
৪.২. কর্মক্ষেত্রে
কলেজ ড্রপআউট মিথ: মিডিয়া গেটস, জবস এবং জুকারবার্গের মতো বিলিয়নিয়ারদের এমনভাবে তুলে ধরে যেন ড্রপআউট হওয়াই সাফল্যের দিকে নিয়ে যায়। এটি ঋণগ্রস্ত এবং নিম্ন আজীবন উপার্জনকারী হাজার হাজার ড্রপআউটকে উপেক্ষা করে। স্নাতকদের তুলনায় ড্রপআউটের সাফল্যের বেস রেট পরিসংখ্যানগতভাবে কম; বিখ্যাত উদাহরণগুলো চরম ব্যতিক্রম।
"আমি কীভাবে সফল হয়েছি" সাহিত্য: যেমনটি নাসিম তালেব উল্লেখ করেছেন, ব্যর্থ উদ্যোক্তারা "কীভাবে আমি আমার স্টার্টআপকে দেউলিয়া করেছি" শিরোনামে বই লেখে না। সফল উদ্যোক্তারা লেখে "কীভাবে আমি এটি অর্জন করেছি", এবং তাদের পরামর্শ (বড় ঝুঁকি নিন, সমালোচকদের উপেক্ষা করুন) এমন আচরণ হতে পারে যা ব্যর্থদের ব্যর্থ হওয়ার কারণ ছিল।
"সফল" প্রোফাইলের উপর ভিত্তি করে নিয়োগ: কোম্পানিগুলো প্রায়শই তাদের সেরা পারফর্মারদের বৈশিষ্ট্যের উপর ভিত্তি করে নিয়োগের প্রোফাইল তৈরি করে। তবে প্রত্যাখ্যাত প্রার্থীদের সম্পর্কে তাদের কাছে কোনো ডেটা নেই যারা সমানভাবে ভালো পারফর্ম করতে পারত, বা অনুরূপ বৈশিষ্ট্যের সাথে নিয়োগ পাওয়া যারা ব্যর্থ হয়েছিল এবং চলে গিয়েছিল তাদের সম্পর্কেও কোনো ডেটা থাকে না।
পারফরম্যান্স অ্যাট্রিবিউশন ত্রুটি: নির্দিষ্ট প্রজেক্টগুলো কেন সফল হয়েছিল তা বিশ্লেষণ করার সময়, প্রতিষ্ঠানগুলো সফল দলগুলোকে নিয়ে গবেষণা করে। তারা এমন ব্যর্থতাগুলো নিয়ে গবেষণা করতে পারে না যেগুলো পরিত্যক্ত, পুনর্গঠিত হয়েছিল, বা যাদের সদস্যরা চলে গিয়েছিল—সম্ভবত খুঁজে পাওয়া যেত যে একই "সাফল্যের কারণগুলো" উভয় ক্ষেত্রেই বিদ্যমান ছিল।
৪.৩. ব্যবসা এবং বিপণনে
উদ্যোক্তাদের "সাকসেস ফর্মুলা": পরামর্শ শিল্প সারভাইভারদের দ্বারা পরিচালিত একটি একচেটিয়া ব্যবসা। "কঠোর পরিশ্রম," "অধ্যবসায়," এবং "গুণের প্রতি আবেশ" সফল উদ্যোক্তাদের গল্পে দেখা যায়, কিন্তু ব্যর্থ উদ্যোক্তাদের নিয়ে জরিপ করলে সম্ভবত অভিন্ন বৈশিষ্ট্যই পাওয়া যাবে। পার্থক্যকারী উপাদান প্রায়শই ভাগ্য, সময়, বা বাহ্যিক ঘটনা।
পণ্যের প্রশংসাপত্র: বিপণনে সন্তুষ্ট গ্রাহকদের প্রদর্শন করা হয়। অসন্তুষ্ট গ্রাহকরা যারা চলে গেছে, রিফান্ড চেয়েছে, বা স্রেফ হারিয়ে গেছে তারা আখ্যান থেকে অনুপস্থিত থাকে, যা পণ্যের অনুভূত কার্যকারিতাকে বিকৃত করে।
প্রতিযোগিতামূলক বেঞ্চমার্কিং: কোম্পানিগুলো সফল প্রতিযোগীদের সাথে বেঞ্চমার্ক করে, তাদের কৌশল শিখে। কিন্তু যেসব কোম্পানি একই ধরনের কৌশল চেষ্টা করে ব্যর্থ হয়েছে সেগুলো অধিগ্রহণ করা হয়েছে, বিলুপ্ত হয়েছে বা অন্যদিকে ঘুরে গেছে—তাদের ব্যর্থ কৌশলগুলো বিশ্লেষণের বাইরে থেকে যায়।
৪.৪. রাজনীতি এবং মিডিয়ায়
ঐতিহাসিক আখ্যান নির্মাণ: সারভাইভারদের লেখা ইতিহাস তাদের দৃষ্টিভঙ্গিকে চূড়ান্ত হিসেবে উপস্থাপন করে। যারা হেরেছে, মারা গেছে, বা প্রান্তিক হয়েছে তাদের দৃষ্টিভঙ্গি, সতর্কতা এবং প্রস্তাবিত বিকল্পগুলো পদ্ধতিগতভাবে কম উপস্থাপন করা হয়।
সংবাদ সারভাইভারশিপ: মিডিয়া এমন গল্প কভার করে যা সম্পাদকীয় নির্বাচন প্রক্রিয়ায় টিকে থাকে। সমানভাবে সংবাদযোগ্য হাজার হাজার ঘটনা রিপোর্ট করা হয় না, যা মানুষের ধারণাকে রূপ দেয় যে কোন সমস্যাগুলো বিদ্যমান এবং কোন সমাধানগুলো কাজ করে।
রাজনৈতিক কৌশল "পাঠ": রাজনৈতিক বিশ্লেষকরা সাফল্যের কারণ বের করতে বিজয়ী ক্যাম্পেইন নিয়ে অধ্যয়ন করে। কিন্তু যেসব ক্যাম্পেইনে একই কৌশল ব্যবহার করে হেরেছে সেগুলোর প্রতি কম মনোযোগ দেওয়া হয়, যা সম্ভাব্য ত্রুটিপূর্ণ কৌশলগত সুপারিশের দিকে নিয়ে যেতে পারে।
৪.৫. স্বাস্থ্যসেবায়
প্রথম বিশ্বযুদ্ধের হেলমেট প্যারাডক্স: প্রথম বিশ্বযুদ্ধে যখন স্টিলের হেলমেট চালু করা হয়, তখন ফিল্ড হাসপাতালগুলো মাথার আঘাতে নাটকীয় বৃদ্ধি রিপোর্ট করে। কেউ কেউ পরামর্শ দিয়েছিলেন যে হেলমেটগুলো ত্রুটিপূর্ণ। বাস্তবতা: হেলমেটের আগে, মাথায় শ্র্যাপনেলের আঘাতে সৈন্যরা তাৎক্ষণিকভাবে মারা যেত (যাদের KIA বা নিহত হিসেবে রেকর্ড করা হতো, কখনো হাসপাতালে পৌঁছাত না)। হেলমেট প্রাণহানিকে নিরাময়যোগ্য আঘাতে পরিণত করেছিল, যার ফলে মাথার ক্ষত প্রথমবারের মতো ডেটাতে দৃশ্যমান হয়েছিল।
বিড়ালের মধ্যে হাই-রাইজ সিনড্রোম: ১৯৮৭ সালের একটি পশুচিকিৎসা গবেষণায় দেখা গেছে যে ৭ তলার বেশি উঁচু থেকে পড়ে যাওয়া বিড়ালগুলোর ৫-৭ তলা থেকে পড়ে যাওয়া বিড়ালগুলোর চেয়ে কম আঘাত ছিল, যা বোঝায় যে বেশি উঁচু থেকে পড়া "নিরাপদ"। বায়াসটি হলো: ডেটাসেটে কেবল সেই বিড়ালগুলোকেই অন্তর্ভুক্ত করা হয়েছিল যাদেরকে পশু চিকিৎসকের কাছে আনা হয়েছিল। ৩০ তলা থেকে পড়ে যে বিড়ালগুলো সাথে সাথে মারা গিয়েছিল তাদের কবর দেওয়া হয়েছিল, চিকিৎসা করা হয়নি—যা উঁচু থেকে পড়ার নিরাপত্তার একটি বিভ্রম তৈরি করেছিল।
"স্বাস্থ্যকর কর্মী প্রভাব" (The "Healthy Worker Effect"): গবেষণায় প্রায়শই দেখা যায় শিল্প শ্রমিকদের মৃত্যুর হার সাধারণ জনসংখ্যার চেয়ে কম—কারখানার কাজ স্বাস্থ্যকর বলে নয়, বরং প্রতিবন্ধী, শয্যাশায়ী এবং দুরারোগ্য ব্যাধিতে আক্রান্তরা শ্রমশক্তির বাইরে থাকে বলে। শ্রমিকরা হলো আগে থেকে বাছাই করা সারভাইভার।
ট্রমা মর্টালিটি পরিসংখ্যান: প্রত্যন্ত অঞ্চলের দুর্ঘটনা কবলিত ব্যক্তিদের মাঝে মাঝে শহরের শিকারদের চেয়ে হাসপাতালে মৃত্যুর হার কম দেখা যায়। বাস্তবতা: গুরুতর আহত প্রত্যন্ত রোগীরা দীর্ঘ পরিবহনের সময় মারা যায়, তারা "Dead on Arrival" হিসেবে পৌঁছায় এবং হাসপাতালের পরিসংখ্যান থেকে বাদ পড়ে। শহরের হাসপাতালগুলো সংকটাপন্ন রোগীদের জীবিত গ্রহণ করে, যারা পরে হাসপাতালে মারা যায়, যা শহরের মৃত্যুর হার বাড়িয়ে দেখায়।
৪.৬. অর্থ এবং বিনিয়োগে
মিউচুয়াল ফান্ড পারফরম্যান্স: স্ট্যান্ডার্ড ডেটাবেসগুলো অবলুপ্ত ফান্ডের রেকর্ড মুছে ফেলত। যেহেতু ফান্ডগুলো দুর্বল পারফরম্যান্সের কারণে অবলুপ্ত হয়, ডেটাবেসগুলো ব্যর্থতাগুলো মুছে ফেলছিল, যা গড়ের হিসেবে ফান্ড পারফরম্যান্সকে বাস্তবের চেয়ে বার্ষিক প্রায় ০.৯% বেশি দেখাচ্ছিল।
হেজ ফান্ড ডেটা: হেজ ফান্ডগুলো স্বেচ্ছায় রিপোর্ট করে, যা দ্বৈত বায়াস তৈরি করে: সারভাইভারশিপ (ব্যর্থ ফান্ডগুলো রিপোর্ট করা বন্ধ করে দেয়) এবং ব্যাকফিল/ইনস্ট্যান্ট হিস্ট্রি বায়াস (সফল ফান্ডগুলো রিপোর্ট করা শুরু করে এবং তাদের সফল প্রাথমিক বছরগুলোর ডেটা যোগ করে; ব্যর্থ প্রাথমিক ফান্ডগুলো কখনো রিপোর্ট করে না এবং বিলুপ্ত হয়ে যায়)। মালকিয়েল অনুমান করেছেন যে এই সম্মিলিত বায়াসের কারণে বার্ষিক রিটার্ন প্রায় ৪.৪% স্ফীত হয়।
এসএন্ডপি ৫০০ (S&P 500) ব্যাকটেস্টিং: দেউলিয়া কোম্পানিগুলোকে বাদ দিয়ে এবং বর্ধনশীল কোম্পানিগুলোকে যুক্ত করার কারণে সূচকের গঠন পরিবর্তিত হয়। বর্তমান S&P 500 তালিকা ব্যবহার করে ব্যাকটেস্টিং অসচেতনভাবে ১০০% টিকে থাকা নিশ্চিত করে অবাস্তব রিটার্ন অর্জন করে—কারণ পরীক্ষার সময়কালে ব্যর্থ হওয়া প্রতিটি কোম্পানিকে বাদ দেওয়া হয়।
"হট হ্যান্ড" ইল্যুশন: প্রাথমিক গবেষণায় পরামর্শ দেওয়া হয়েছিল যে ফান্ড ম্যানেজাররা ধারাবাহিকভাবে মার্কেটকে হারাতে পারে। যখন ব্রাউন এবং গোয়েটজম্যান সারভাইভারশিপ বায়াসের জন্য ডেটা সংশোধন করেন, তখন এই আপাত দক্ষতার বেশিরভাগই অদৃশ্য হয়ে যায়—"হট হ্যান্ড" মূলত একটি র্যান্ডম ডিস্ট্রিবিউশনের শেষ প্রান্ত ছিল মাত্র।
৫. বাস্তব জীবনের কেস স্টাডি
কেস স্টাডি ১: বোমারু বিমানের বর্মের সিদ্ধান্ত (২য় বিশ্বযুদ্ধ)
-
প্রেক্ষাপট: শত্রুর গুলিতে মিত্রবাহিনীর বোমারু বিমানের ব্যাপক ক্ষয়ক্ষতি হওয়ায় সামরিক বাহিনী বিমানগুলোতে বর্মের প্রলেপ যুক্ত করে শক্তিশালী করার প্রস্তাব করে। তবে বর্ম ওজন বাড়ায়, যা রেঞ্জ, চালিকাশক্তি এবং বোমা বহন ক্ষমতা কমিয়ে দেয়—তাই এটি সবচেয়ে উপযুক্ত স্থানে লাগাতে হতো।
-
যা ঘটেছিল: সামরিক বাহিনী মিশন থেকে ফেরা বোমারু বিমানগুলোতে বুলেটের ছিদ্রের উপর বিস্তারিত ডেটা সংগ্রহ করে। ডেটায় ফিউজলেজ, ডানা এবং লেজে ক্ষতির উচ্চ ঘনত্ব দেখা যায়, কিন্তু ইঞ্জিন এবং ককপিটে ন্যূনতম ক্ষতি দেখা যায়। সামরিক কমান্ডাররা সিদ্ধান্তে আসেন যে যেখানে বেশি গুলি লেগেছে সেখানে বর্ম লাগানো উচিত।
-
যেভাবে বায়াস কাজ করেছিল: আব্রাহাম ওয়াইল্ড বুঝতে পেরেছিলেন যে ডেটাটি কেবল বেঁচে যাওয়াদের প্রতিনিধিত্ব করে। ইঞ্জিন এবং ককপিটে গুলি লাগা বিমানগুলো ফিরে আসেনি—সেগুলো ইংলিশ চ্যানেল বা জার্মানির মাঠে আছড়ে পড়েছিল। "অনুপস্থিত" বুলেটের ছিদ্রগুলো এই প্রমাণ ছিল না যে ইঞ্জিনে গুলি লাগেনি; বরং সেগুলো প্রমাণ ছিল যে ইঞ্জিনে গুলি লাগাটা প্রাণঘাতী।
-
ফলাফল: ওয়াইল্ড ইঞ্জিন এবং ককপিটে বর্ম লাগানোর সুপারিশ করেছিলেন। তার পদ্ধতি অসংখ্য জীবন ও বিমান বাঁচিয়েছিল, এবং কোরিয়ান ও ভিয়েতনাম যুদ্ধেও এটি ব্যবহৃত হতে থাকে।
-
যা শেখা গেল: ফলাফল বিশ্লেষণ করার সময় সর্বদা নিজেকে জিজ্ঞাসা করুন: "যে কেসগুলো আমি দেখতে পাচ্ছি না, সেগুলোর কী হয়েছে?" প্রমাণের অনুপস্থিতি নিজেই সবচেয়ে গুরুত্বপূর্ণ ঘটনার প্রমাণ হতে পারে।
কেস স্টাডি ২: মিউচুয়াল ফান্ড ইন্ডাস্ট্রির উন্মোচন (১৯৯০ দশক)
-
প্রেক্ষাপট: কয়েক দশক ধরে এই বিতর্ক চলেছিল যে সক্রিয় ফান্ড ম্যানেজাররা ধারাবাহিকভাবে বাজারকে পরাজিত ("আলফা তৈরি") করতে পারে কিনা। প্রাথমিক গবেষণাগুলো পরামর্শ দিয়েছিল যে তারা পারে।
-
যা ঘটেছিল: গবেষক ব্রাউন, গোয়েটজম্যান, এলটন, গ্রুবার এবং ব্লেক আবিষ্কার করেছিলেন যে আর্থিক ডেটাবেসগুলো রুটিনমাফিক অবলুপ্ত বা একীভূত ফান্ডের রেকর্ডগুলো মুছে ফেলে। যেহেতু খারাপ পারফরম্যান্সের কারণে ফান্ডগুলো প্রায় সবসময়ই বন্ধ হয়ে যায়, ডেটাবেসগুলো পদ্ধতিগতভাবে ব্যর্থতাগুলোকে অপসারণ করছিল।
-
যেভাবে বায়াস কাজ করেছিল: এই ছাঁটাই একটি পরিসংখ্যানগত মরীচিকা তৈরি করেছিল যেখানে অবশিষ্ট "টিকে থাকা" ফান্ডগুলোর গড় রিটার্ন বেশি দেখাচ্ছিল এবং ভোলাটিলিটি ও পারফরম্যান্সের মধ্যে এমন একটি সম্পর্ক দেখাচ্ছিল যা দক্ষতাকে অনুকরণ করে।
-
ফলাফল: যখন ০.৯% বার্ষিক বায়াসটি সংশোধন করা হয়, তখন অনেক সক্রিয় ম্যানেজারের আপাত অতি-পারফরম্যান্স অদৃশ্য হয়ে যায়, যা দক্ষ বাজার অনুকল্পের (Efficient Market Hypothesis) পক্ষে শক্তিশালী সমর্থন জোগায় এবং আর্থিক গবেষণা কীভাবে ঐতিহাসিক ডেটা পরিচালনা করে তাতে বিপ্লব ঘটায়।
ঐতিহাসিক উদাহরণ: ডায়াগোরাস এবং মন্দিরের ট্যাবলেট
প্রাচীন গ্রীক কবি ম্যালোসের ডায়াগোরাসকে একটি মন্দিরে উৎসর্গীকৃত ট্যাবলেট দেখানো হয়েছিল—যেগুলো এমন নাবিকদের দ্বারা আঁকানো হয়েছিল যারা দেবতাদের কাছে প্রার্থনা করেছিল এবং জাহাজডুবি থেকে বেঁচে গিয়েছিল। তার বন্ধু এটিকে ঐশ্বরিক সুরক্ষার প্রমাণ হিসেবে উপস্থাপন করেছিল।
ডায়াগোরাসের উত্তরটি সম্ভাব্যতার দর্শনের একটি ভিত্তিগত পাঠ্য হয়ে ওঠে: "আমি তাদের দেখছি যারা রক্ষা পেয়েছে, কিন্তু যারা জাহাজডুবিতে মারা গেছে তাদের আঁকা ছবিগুলো কোথায়?"
ডুবে যাওয়া নাবিকরা চিত্রকর্ম আঁকানোর সুযোগ পায়নি। শুধুমাত্র মন্দিরের প্রমাণ পর্যবেক্ষণকারী একজন ব্যক্তি সিদ্ধান্তে আসবে যে প্রার্থনা সমুদ্রে নিরাপত্তার নিশ্চয়তা দেয়—এই সিদ্ধান্তটি সম্পূর্ণভাবে একটি সেন্সর করা নমুনা থেকে নেওয়া হয়েছে যেখানে প্রমাণ দেওয়ার ক্ষমতা বেঁচে থাকার সাথে সম্পর্কযুক্ত ছিল।
এই ২,৫০০ বছরের পুরোনো উপাখ্যানটি সারভাইভারশিপ বায়াস কেন এত ক্ষতিকর তা নিখুঁতভাবে তুলে ধরে: কেবল সারভাইভাররাই তাদের গল্প বলতে পারে।
৬. এই বায়াসের মূল্য
৬.১. ব্যক্তিগত মূল্য
বিকৃত ঝুঁকি মূল্যায়ন: কেবল সফল ঝুঁকি গ্রহণকারীদের দেখে, ব্যক্তিরা ব্যর্থতার সম্ভাবনাকে অবমূল্যায়ন করে। কলেজ ড্রপআউট যিনি বিলিয়নিয়ার হননি, উদ্যোক্তা যিনি "সবকিছু ঠিকঠাক করেও" দেউলিয়া হয়েছেন, বিনিয়োগকারী যিনি "নিশ্চিত" বিষয়ে সবকিছু হারিয়েছেন—তাদের অভিজ্ঞতাগুলো অদৃশ্য থাকে, যা অন্যদের ভুলভাবে হিসেব করা ঝুঁকি নিতে পরিচালিত করে।
সাফল্যের কারণগুলো ভুলভাবে চিহ্নিত করা: লোকেরা সারভাইভারদের আচরণগুলো (অধ্যবসায়, ঝুঁকি নেওয়া, আত্মবিশ্বাস) গ্রহণ করে এটা বুঝতে না পেরে যে এই একই বৈশিষ্ট্যগুলো ব্যর্থদের মধ্যেও ছিল। এমন কৌশলগুলোর পেছনে বছরের পর বছর সময় ব্যয় হতে পারে যেগুলো কখনোই প্রকৃত পার্থক্যকারী ছিল না।
অনুকরণের পেছনে সম্পদের অপচয়: সারভাইভার-বায়াসড ডেটা থেকে প্রাপ্ত "সাকসেস ফর্মুলা" অনুসরণ করার অর্থ হলো এমন পদ্ধতিতে প্রচেষ্টা বিনিয়োগ করা যা বাস্তবে সাফল্য নিয়ে আসে না—বরং দৃশ্যমান নমুনায় এর সাথে শুধু সম্পর্কিত থাকে।
ক্ষতিগ্রস্ত আত্মমূর্তি: সারভাইভার-প্রাপ্ত পরামর্শ অনুসরণ করে যখন সাফল্য আসে না, ব্যক্তিরা এটা বুঝতে না পেরে যে পরামর্শটি ত্রুটিপূর্ণ ডেটার উপর ভিত্তি করে ছিল, তখন তারা নিজেদেরকে দোষারোপ করতে পারে।
৬.২. পেশাগত মূল্য
বিনিয়োগে ক্ষতি: অর্থায়নে, সারভাইভারশিপ বায়াসের পরিমাণ বার্ষিক রিটার্ন স্ফীতির প্রায় ০.৯-৪.৪% নির্ধারণ করা হয়েছে। অসংশোধিত ঐতিহাসিক ডেটার উপর ভিত্তি করে সিদ্ধান্ত গ্রহণকারী বিনিয়োগকারীরা পদ্ধতিগতভাবে প্রত্যাশিত রিটার্নকে বেশি করে মূল্যায়ন করে এবং ঝুঁকিকে অবমূল্যায়ন করে।
কৌশলগত বিভ্রান্তি: সফল কোম্পানিগুলো অধ্যয়ন করে প্রাপ্ত ব্যবসায়িক কৌশলগুলো এমন কোম্পানিগুলোকে বাদ দেয় যারা একই কৌশল ব্যবহার করে ব্যর্থ হয়েছে। সম্পদ এমন পদ্ধতির দিকে প্রবাহিত হয় যা কার্যকর মনে হয় কিন্তু তা র্যান্ডম হতে পারে।
নিয়োগ এবং প্রতিভার সিদ্ধান্ত: সফল কর্মচারীদের উপর ভিত্তি করে তৈরি প্রোফাইল সম্ভাব্য চমৎকার প্রার্থীদের বাদ দেয় যারা দৃশ্যমান প্যাটার্নের থেকে আলাদা, অন্যদিকে যারা মিলে যায় তাদের নিয়োগ করার ফলে প্রকৃত পারফরম্যান্সের সাথে সম্পর্কহীন বৈশিষ্ট্যের প্রতিলিপি তৈরি হতে পারে।
পণ্য উন্নয়নে ব্যর্থতা: অনুরূপ ব্যর্থ পণ্যগুলো অধ্যয়ন না করে সফল পণ্যগুলো থেকে শিক্ষা নেওয়ার ফলে এমন বৈশিষ্ট্য বা পদ্ধতির উপর বিনিয়োগ করা হয় যেগুলো আসলে সফলতার কারণ ছিল না।
৬.৩. সামাজিক মূল্য
ঐতিহাসিক ভুল বোঝাবুঝি: সারভাইভারদের লেখা ইতিহাস বিকৃত দৃষ্টিভঙ্গি উপস্থাপন করে। পরাজিতদের হারিয়ে যাওয়া দৃষ্টিভঙ্গি, বিকল্প পদ্ধতি এবং সতর্কতাগুলো পদ্ধতিগতভাবে সমষ্টিগত স্মৃতি থেকে বাদ দেওয়া হয়।
নীতির বিভ্রান্তি: অনুরূপ বৈশিষ্ট্যযুক্ত ব্যর্থতাগুলোকে বিবেচনায় না নিয়ে সফল ফলাফলের (অর্থনৈতিক, সামাজিক, সামরিক) উপর ভিত্তি করে তৈরি নীতিগুলো ত্রুটিপূর্ণ হস্তক্ষেপের দিকে নিয়ে যায়।
সাংস্কৃতিক অতিকথা তৈরি: সারভাইভারশিপ বায়াস দ্বারা প্রসারিত "স্ব-নির্মিত সাফল্য" আখ্যান, ভাগ্য, সময় এবং পারিপার্শ্বিকতার ভূমিকাকে অস্পষ্ট করে, বৈষম্য এবং সামাজিক গতিশীলতার প্রতি মনোভাবকে রূপ দেয়।
চিকিৎসা প্রোটোকল ত্রুটি: সারভাইভার-বায়াসড ডেটার উপর ভিত্তি করে চিকিৎসার সিদ্ধান্তগুলো এটি এড়িয়ে যেতে পারে যে নির্দিষ্ট রোগীদের পর্যাপ্ত চিকিৎসা দেওয়া হয়নি বা সফল ফলাফলগুলো নির্দিষ্ট হস্তক্ষেপের কারণে নয় বরং তার সত্ত্বেও হয়েছে।
৬.৪. পরিসংখ্যানগত প্রভাব
| ডোমেইন | আনুমানিক বায়াস প্রভাব | উৎস |
|---|---|---|
| মিউচুয়াল ফান্ড | বার্ষিক রিটার্ন স্ফীতি প্রায় ০.৯% | এলটন, গ্রুবার, ব্লেক (১৯৯৬) |
| হেজ ফান্ড | বার্ষিক রিটার্ন স্ফীতি প্রায় ৪.৪% | মালকিয়েল (১৯৯৫) |
| প্রথম বিশ্বযুদ্ধের হেলমেট "আঘাত" | রেকর্ডকৃত মাথায় আঘাতে ১০০%+ বৃদ্ধি (বাস্তবে জীবন বাঁচানো হয়েছে) | সামরিক মেডিকেল রেকর্ড |
| অ্যাক্টিভ ফান্ডের "দক্ষতা" | তাৎপর্যপূর্ণ—সংশোধনের পর অনেক আপাত আলফা (alpha) বাদ দেওয়া হয়েছে | ব্রাউন, গোয়েটজম্যান প্রমুখ (১৯৯২) |
৭. লুকায়িত সুবিধা
সারভাইভারশিপ বায়াস পুরোপুরি নেতিবাচক নয়—এটি অভিযোজিত কার্যাবলী পরিবেশন করেছে এবং এখনও নির্দিষ্ট প্রসঙ্গে মূল্য প্রদান করতে পারে।
কার্যকর লার্নিং হিউরিস্টিক: সরাসরি পর্যবেক্ষণযোগ্য ফলাফল সহ স্থিতিশীল পরিবেশে, সারভাইভারদের কাছ থেকে শেখা দ্রুত এবং যুক্তিসঙ্গতভাবে নির্ভুল। আপনার প্রতিবেশীদের জন্য কাজ করা বেশিরভাগ আশ্রয়স্থলের নকশা যদি আপনার জন্য কাজ করে, তবে সারভাইভারদের অনুকরণ করা কার্যকরী।
প্রেরণামূলক কাজ: সফলতার গল্পগুলোর কিছু প্রকাশ অনুপ্রেরণা জোগায় এবং অনুকরণের মডেল প্রদান করে। সমস্ত ব্যর্থতার সম্পূর্ণ সচেতনতা পক্ষাঘাতগ্রস্ত করতে পারে। মূল চাবিকাঠি হলো এক্সপোজার সামঞ্জস্য করা, পুরোপুরি বাদ দেওয়া নয়।
দ্রুত সিদ্ধান্ত গ্রহণ: যখন নির্ভুলতার চেয়ে গতি বেশি গুরুত্বপূর্ণ, তখন বিলম্বিত বিশ্লেষণের চেয়ে উপলব্ধ উদাহরণগুলো (স্বভাবতই সারভাইভার-বায়াসড) ব্যবহার করা ভালো হতে পারে। প্রতিটি সিদ্ধান্তের জন্য পূর্ণাঙ্গ তদন্তের প্রয়োজন হয় না।
বৈধ প্যাটার্ন শনাক্তকরণ: কখনও কখনও সারভাইভারের বৈশিষ্ট্যগুলো অকৃত্রিমভাবেই কারণ হয়, নিছক সম্পর্কযুক্ত নয়। যেসব ক্ষেত্রে ব্যর্থতার ধরনগুলো র্যান্ডম এবং সাফল্যের কারণগুলো পদ্ধতিগত, সেখানে সারভাইভাররা প্রকৃত তথ্য বহন করে।
অবাঞ্ছিত চরম প্রান্ত: সারভাইভারশিপ বায়াসের সম্পূর্ণ দূরীকরণের জন্য যেকোনো সিদ্ধান্তের আগে সমস্ত সম্ভাব্য ব্যর্থতার বিস্তারিত বিশ্লেষণ প্রয়োজন। এটি মানসিকভাবে অসম্ভব এবং কার্যকরভাবে পক্ষাঘাতগ্রস্ত করার মতো। লক্ষ্য হলো সচেতনতা এবং যথাযথ সংশোধন, সম্পূর্ণ নির্মূল নয়।
৮. আত্ম-মূল্যায়ন: আপনার কি এই বায়াস আছে?
৮.১. সতর্কীকরণ লক্ষণের চেকলিস্ট
- জীবন/ক্যারিয়ার কৌশলের প্রমাণ হিসেবে আপনি প্রায়শই সফল ব্যক্তিদের (জবস, গেটস, মাস্ক) উদাহরণ দেন
- আপনি বিশ্বাস করেন যে অতীতের পণ্য/সংগীত/কারুশিল্প আজকের চেয়ে সাধারণত উন্নত ছিল
- শুধুমাত্র সফল উদাহরণগুলো অধ্যয়ন করার উপর ভিত্তি করে আপনি গুরুত্বপূর্ণ সিদ্ধান্ত নিয়েছেন
- আপনি খুব কমই জিজ্ঞাসা করেন "যারা এটি চেষ্টা করেছিল এবং ব্যর্থ হয়েছিল তাদের কী হয়েছে?"
- আপনি ঐতিহাসিক ফান্ড/বিনিয়োগ পারফরম্যান্স ডেটাকে চোখ বন্ধ করে বিশ্বাস করেন
- আপনি বিশ্বাস করেন "সাফল্য সূত্র রেখে যায়" যা বিজয়ীদের কাছ থেকে নির্ভরযোগ্যভাবে বের করা যায়
- আপনার প্রশংসিত সাফল্যের গল্পগুলোতে আপনি ভাগ্য/সময়কে উল্লেখযোগ্য কারণ হিসেবে খারিজ করে দেন
- আপনি আপনার জন্য যা কাজ করেছে তার উপর ভিত্তি করে অন্যদের পরামর্শ দিয়েছেন, তাদের কথা বিবেচনা না করেই যাদের ক্ষেত্রে এটি কাজ করেনি
- আপনি "হাউ আই সাকসিডেড" (How I Succeeded) বই/পডকাস্টগুলোকে অত্যন্ত প্ররোচনামূলক বলে মনে করেন
- সিদ্ধান্ত বিশ্লেষণ করার সময়, আপনি যে প্রক্রিয়ার মাধ্যমে ফলাফলে পৌঁছেছেন তার চেয়ে ফলাফলের উপর বেশি মনোযোগ দেন
স্কোরিং:
- ০-২টি টিক দেওয়া হয়েছে: কম প্রবণতা
- ৩-৫টি টিক দেওয়া হয়েছে: মাঝারি প্রবণতা
- ৬-৮টি টিক দেওয়া হয়েছে: উচ্চ প্রবণতা
- ৯-১০টি টিক দেওয়া হয়েছে: খুব উচ্চ প্রবণতা
৮.২. আত্ম-প্রতিফলনমূলক প্রশ্ন
১. সর্বশেষ কবে আপনি কোনো গুরুত্বপূর্ণ সিদ্ধান্ত নেওয়ার আগে সক্রিয়ভাবে ব্যর্থতার গল্প খুঁজেছিলেন?
২. আপনার অর্জিত কোনো একটি সাফল্যের কথা চিন্তা করুন—আপনার মতো কতজন একই পদ্ধতি চেষ্টা করে ব্যর্থ হয়েছিল? আপনি কি আসলেই জানেন?
৩. আপনি কোন "সুস্পষ্ট" সাফল্যের কারণগুলোতে বিশ্বাস করেন? এই কারণগুলো ব্যর্থদের মধ্যেও উপস্থিত আছে কিনা তা আপনি কীভাবে পরীক্ষা করবেন?
৪. সফল ব্যক্তিদের কাছ থেকে পরামর্শ পাওয়ার সময়, আপনি কি বিবেচনা করেন যে কতজন অসফল ব্যক্তি একই পরামর্শ দিয়েছিলেন?
৫. কেউ কি কখনো উল্লেখ করেছে যে আপনি অসম্পূর্ণ ডেটা থেকে উপসংহার টানছেন? আপনি কীভাবে প্রতিক্রিয়া জানিয়েছিলেন?
৮.৩. দ্রুত ডায়াগনস্টিক সিনারিও
সিনারিও: আপনি একটি ব্যবসা শুরু করার কথা ভাবছেন এবং পড়েছেন যে আপনার শিল্পে যেসব ব্যবসা গ্রাহক পরিষেবার উপর মনোযোগ দিয়েছে তাদের মধ্যে ৬০% তাদের প্রথম ৫ বছর টিকে ছিল। এটি একটি জোরালো প্রমাণ বলে মনে হচ্ছে যে বেঁচে থাকার চাবিকাঠি হলো গ্রাহক পরিষেবার উপর মনোযোগ দেওয়া।
আপনি এটিকে কীভাবে ব্যাখ্যা করবেন?
- ক) "দারুণ! আমার অবশ্যই গ্রাহক পরিষেবাকে অগ্রাধিকার দেওয়া উচিত—ডেটা স্পষ্টভাবে দেখায় যে এটি কাজ করে।" → উচ্চ প্রবণতা
- খ) "আকর্ষণীয়, তবে আমি ভাবছি যে ব্যর্থ ব্যবসাগুলোর কত শতাংশ গ্রাহক পরিষেবাকে অগ্রাধিকার দিয়েছিল।" → মাঝারি প্রবণতা
- গ) "ব্যর্থ ব্যবসাগুলোর মধ্যে গ্রাহক পরিষেবার হার না জানা পর্যন্ত এটি আমাকে কিছুই বলে না। ব্যর্থদের মধ্যে যদি ৬০% গ্রাহক পরিষেবার দিকেও মনোযোগ দিয়ে থাকে, তবে এই ফ্যাক্টরটির কোনো ভবিষ্যদ্বাণীমূলক মান নেই।" → কম প্রবণতা
৯. অন্যদের মধ্যে এই বায়াস শনাক্ত করা
৯.১. আচরণগত সূচক
কথাবার্তায়:
- সর্বজনীন প্রমাণ হিসেবে বিখ্যাত সাফল্যের গল্পের ঘন ঘন ব্যবহার
- দৃশ্যমান বিজয়ীদের একটি ছোট নমুনা থেকে সাধারণীকরণ
- সাফল্যের আখ্যানে ভাগ্য/সময়ের প্রভাব খারিজ করা
- অদৃশ্য ব্যর্থতাগুলো স্বীকার না করেই "যা কাজ করে" তার থেকে সিদ্ধান্ত নেওয়া
সিদ্ধান্ত গ্রহণে:
- সফল কোম্পানি/ব্যক্তিদের কেস স্টাডির উপর অতিরিক্ত নির্ভরতা
- বেস রেট এবং ব্যর্থতার ফ্রিকোয়েন্সিকে কম গুরুত্ব দেওয়া
- একচেটিয়াভাবে সফল প্রতিযোগীদের বিরুদ্ধে বেঞ্চমার্কিং করা
- ডেটা সংগ্রহ নিয়ে প্রশ্ন না তুলেই ঐতিহাসিক পারফরম্যান্স ডেটার উপর আস্থা রাখা
যুক্তিতে:
- কৌশলের বৈধতার প্রমাণ হিসেবে সফল উদাহরণের অস্তিত্ব ব্যবহার করা
- যাদের জন্য X ব্যর্থ হয়েছিল তাদের কথা বিবেচনা না করে "Y এর জন্য X কাজ করেছে" যুক্তি দেওয়া
- প্রমাণের অনুপস্থিতিকে (কোনো পরিচিত ব্যর্থতা নেই) অনুপস্থিতির প্রমাণ হিসেবে ব্যাখ্যা করা
৯.২. কথোপকথনে রেড ফ্ল্যাগ
এই বায়াসের প্রভাবে মানুষের বলা কিছু কথা:
- "[বিখ্যাত সাফল্যের] দিকে তাকান—তারা X করেছে, এবং এটি কাজ করেছে!"
- "আমি যত সফল মানুষকে চিনি তাদের সবার মধ্যেই Y বৈশিষ্ট্য আছে।"
- "ডেটা দেখায় যে এই পদ্ধতির একটি দুর্দান্ত ট্র্যাক রেকর্ড রয়েছে।"
- "তারা এখন আর আগের মতো জিনিস বানায় না।"
- "প্রতিটি মহান কোম্পানির এই বৈশিষ্ট্য আছে।"
তারা যে ধরনের যুক্তি দেয়:
- ব্যর্থতার হার বিবেচনা না করেই দৃশ্যমান সাফল্য থেকে সিদ্ধান্ত নেওয়া
- একচেটিয়াভাবে বেঁচে থাকা কেসগুলো ব্যবহার করে "উদাহরণ দিয়ে প্রমাণ"
তারা যে প্রশ্নগুলো এড়িয়ে যায়:
- "কতজন এই পদ্ধতি চেষ্টা করেছে এবং ব্যর্থ হয়েছে?"
- "এই কৌশলের সাফল্যের বেস রেট কত?"
- "কেন আমরা এই ডেটাসেটে ব্যর্থতাগুলো দেখতে পাচ্ছি না?"
৯.৩. পরিস্থিতিগত ট্রিগার
যে পরিস্থিতিতে বায়াস সক্রিয় হয়:
- বাছাই করা সাফল্যের গল্পগুলোতে (মিডিয়া, বই, সম্মেলন) অ্যাক্সেস
- ড্রপআউট/ক্লোজার/ডিলিশন মেকানিজম রয়েছে এমন ডেটাবেস বিশ্লেষণ করা
- যেকোনো মূল্যায়ন যেখানে ব্যর্থতাগুলো দৃষ্টিসীমার বাইরে চলে যায়
- বর্তমান মার্কেট লিডারদের রেট্রোস্পেক্টিভ বিশ্লেষণ
মানসিক অবস্থা যা দুর্বলতা বাড়ায়:
- ইতিমধ্যে নেওয়া একটি সিদ্ধান্ত সম্পর্কে আশাবাদ
- একটি পদ্ধতিকে ন্যায়সঙ্গত করার ইচ্ছা
- একজন সফল ব্যক্তির প্রতি প্রশংসা
সময়ের চাপ:
- তাগিদ বিপরীত প্রমাণ (ব্যর্থতার ডেটা) খোঁজার সম্ভাবনা কমায়
- সময়সীমা পূর্ণাঙ্গ অনুসন্ধানের চেয়ে উপলব্ধ উদাহরণগুলোকে অগ্রাধিকার দেয়
১০. কগনিটিভ ডিবায়াসিং কৌশল (Cognitive Debiasing Strategies)
১০.১. তাৎক্ষণিক কৌশল
ডায়াগোরাস প্রশ্ন (The Diagoras Question): সাফল্যের উদাহরণের ওপর ভিত্তি করে যেকোনো সিদ্ধান্ত নেওয়ার আগে স্পষ্টভাবে জিজ্ঞাসা করুন: "যারা জাহাজডুবিতে মারা গেছে তারা কোথায়?" কারা এটি চেষ্টা করেছিল এবং ব্যর্থ হয়েছিল? আমি কেন তাদের দেখতে পাচ্ছি না?
ডেটা উল্টে দেওয়া (Invert the Data): যখন সারভাইভারদের বৈশিষ্ট্য উপস্থাপন করা হয়, তখন মানসিকভাবে "ব্যর্থতার গোরস্থান" তৈরি করুন। ব্যর্থ কেসগুলোর মধ্যেও কি এই বৈশিষ্ট্যগুলো থাকবে? যদি অজানা হয়, তবে ডেটা অসম্পূর্ণ।
বেস রেট চেক (Base Rate Check): সাফল্যগুলো থেকে উপসংহার টানার আগে, ডিনোমিনেটর (হর) অনুমান করুন। "যারা এই পদ্ধতি চেষ্টা করেছিল তাদের মধ্যে কত ভগ্নাংশ সফল হয়েছিল?" যদি অজানা হয়, তবে অনিশ্চয়তা স্বীকার করুন।
ফেইলিওর মোড ইনভেন্টরি (Failure Mode Inventory): বিশ্লেষিত উদাহরণগুলো যেসব উপায়ে ব্যর্থ হতে পারত এবং হারিয়ে যেতে পারত তার তালিকা করুন। গাড়ি কোম্পানিগুলো দেউলিয়া হয়ে গেছে, রেস্তোরাঁ বন্ধ হয়ে গেছে, ফান্ডগুলো অবলুপ্ত হয়েছে—তারা কোথায় গেল?
উৎস নিয়ে প্রশ্ন করা (Source Questioning): যেকোনো ডেটাসেটের জন্য জিজ্ঞাসা করুন: "ড্রপআউট/ডিলিশন/সারভাইভাল মেকানিজম কী?" ব্যর্থতাগুলো কীভাবে সরানো হয়? এটি বায়াসের কাঠামো প্রকাশ করে।
১০.২. দীর্ঘমেয়াদী কৌশল
উদ্দেশ্যমূলকভাবে ব্যর্থতা অধ্যয়ন করুন: পোস্ট-মর্টেম, দেউলিয়া হওয়ার বিশ্লেষণ, ব্যর্থ স্টার্টআপের গল্পগুলো খুঁজুন। CB Insights-এর "Startup Failure Post-Mortems" এবং অনুরূপ সংস্থানগুলো সেই নীরব প্রমাণ সরবরাহ করে যা সাধারণত অনুপস্থিত থাকে।
প্রি-মর্টেম প্র্যাকটিস (Pre-Mortem Practice): প্রকল্প শুরু করার আগে, "প্রি-মর্টেম" পরিচালনা করুন—কল্পনা করুন প্রকল্পটি ব্যর্থ হয়েছে এবং কারণগুলো শনাক্ত করতে উল্টো দিকে কাজ করুন। এটি ব্যর্থতাগুলো কল্পনা করার মানসিক শক্তি চর্চা করে।
সম্ভাব্যতা ক্রমাঙ্কন (Probability Calibration): ডেটা দেখার আগে বেস রেট অনুমান করার অনুশীলন করুন। আপনার নির্ভুলতা ট্র্যাক করুন। এটি দৃশ্যমান সাফল্যের হার কতবার প্রকৃত সাফল্যের হারকে বাড়িয়ে বলে তা বোঝার অন্তর্দৃষ্টি তৈরি করে।
ঐতিহাসিক কাউন্টারফ্যাকচুয়ালস (Historical Counterfactuals): ইতিহাস অধ্যয়ন করার সময়, বিকল্প পথগুলো সক্রিয়ভাবে বিবেচনা করুন—প্রায় কী ঘটেছিল, প্রায় কে সফল হয়েছিল, অন্য আর কী কী ফলাফল সম্ভব ছিল। নাসিম তালেব এদেরকে "বিকল্প ইতিহাস" বলেছেন।
১০.৩. এনভায়রনমেন্টাল ডিজাইন
ডেটা অবকাঠামো (Data Infrastructure): এমন "পয়েন্ট-ইন-টাইম" (point-in-time) ডেটাসেট ব্যবহার করুন যা ব্যর্থতার রেকর্ডগুলো যে সময়ে বিদ্যমান ছিল সেই সময়ের ভিত্তিতে সংরক্ষণ করে, এমন বর্তমান-অবস্থার ডেটাবেসের বদলে যা কেবল সারভাইভারদের দেখায়।
ফেইলিওর লাইব্রেরি (Failure Libraries): প্রাতিষ্ঠানিক জ্ঞান ব্যবস্থাপনায় শুধু সফল প্রজেক্ট নয়, ব্যর্থ প্রজেক্টগুলোকেও আর্কাইভ করা উচিত। পোস্ট-মর্টেমগুলো সাফল্যের কেস স্টাডির মতোই সহজলভ্য হওয়া উচিত।
ডেভিলস অ্যাডভোকেট প্রটোকল (Devil's Advocate Protocols): কৌশলগত সিদ্ধান্তগুলোতে বিপরীত প্রমাণ এবং অনুপস্থিত ব্যর্থতার ডেটা অনুসন্ধান করার জন্য নির্দিষ্ট ভূমিকাগুলোকে প্রাতিষ্ঠানিক রূপ দিন।
বৈচিত্র্যময় উপদেষ্টা নেটওয়ার্ক: যারা ব্যর্থতার সম্মুখীন হয়েছেন এমন ব্যক্তিদের আপনার উপদেষ্টা মণ্ডলীর অন্তর্ভুক্ত করুন। তাদের দৃষ্টিভঙ্গি সেই "নীরব প্রমাণ" সরবরাহ করে যা সাধারণত অনুপস্থিত থাকে।
১০.৪. কখন বাইরের ইনপুট নিতে হবে
যেসব সিদ্ধান্তে বাহ্যিক বৈধতা প্রয়োজন:
- ঐতিহাসিক পারফরম্যান্স ডেটার উপর ভিত্তি করে বড় বিনিয়োগ
- প্রতিযোগী বিশ্লেষণের উপর ভিত্তি করে কৌশলের সিদ্ধান্ত
- সাফল্যের গল্পের উপর ভিত্তি করে ক্যারিয়ার/জীবনের সিদ্ধান্ত
- চিকিৎসার ফলাফলের ডেটার উপর ভিত্তি করে চিকিৎসার সিদ্ধান্ত
কাদের সাথে পরামর্শ করবেন:
- সিলেকশন বায়াস সম্পর্কে পরিচিত পরিসংখ্যানবিদ
- আপনি যে পদ্ধতির কথা ভাবছেন তাতে যারা ব্যর্থ হয়েছেন
- গবেষক যারা নির্দিষ্ট ডোমেইনের ব্যর্থতার হার নিয়ে অধ্যয়ন করেন
- অনুপস্থিত ডেটা খুঁজে বের করার জন্য নিয়োজিত ডেভিলস অ্যাডভোকেট
কীভাবে অনুরোধ ফ্রেম করবেন:
- "এখানের ডিনোমিনেটর (হর) কী?"
- "যারা এটি চেষ্টা করে ব্যর্থ হয়েছে তাদের কী হয়েছে?"
- "এই ডেটা কীভাবে সংগ্রহ করা হয় এবং কী কারণে কেসগুলো অদৃশ্য হয়ে যায়?"
১১. ব্যবহারিক অনুশীলন (Practical Exercises)
অনুশীলন ১: ব্যর্থতার গোরস্থানে হাঁটা
- উদ্দেশ্য: অদৃশ্য ব্যর্থতার জন্য অন্তর্দৃষ্টি বিকাশ করা
- প্রয়োজনীয় সময়: ৪৫ মিনিট
- প্রয়োজনীয় উপকরণ: ইন্টারনেট সংযোগ, নোটবুক
- কাঠিন্যের স্তর: শিক্ষানবিশ
- নির্দেশাবলী: ১. আপনার আগ্রহের একটি ডোমেইন বেছে নিন (স্টার্টআপ, রেস্তোরাঁ, পণ্য ইত্যাদি) ২. সেই ডোমেইনের ৫টি বিখ্যাত সাফল্য শনাক্ত করুন ৩. প্রতিটি সাফল্যের জন্য, এমন ৩ জন সমসাময়িক ব্যক্তির বিষয়ে গবেষণা করুন যারা অনুরূপ পদ্ধতি চেষ্টা করেছিল এবং ব্যর্থ হয়েছিল ৪. লক্ষ্য করুন ব্যর্থদের মধ্যে কী কী বৈশিষ্ট্য/কৌশল ছিল যেগুলো সফলদের মধ্যেও ছিল ৫. ব্যর্থতাগুলো কেন সাধারণত অদৃশ্য থাকে তা নথিবদ্ধ করুন (দেউলিয়াত্ব, অধিগ্রহণ, মুছে ফেলা ইত্যাদি)
- প্রতিফলনমূলক প্রশ্ন:
- ব্যর্থতাগুলো খুঁজে পাওয়া কতটা কঠিন ছিল?
- কোন "সাফল্যের কারণগুলো" সাফল্য এবং ব্যর্থতা উভয় ক্ষেত্রেই দেখা গেছে?
- এটি সাফল্যের কারণ সম্পর্কে আপনার দৃষ্টিভঙ্গিকে কীভাবে পরিবর্তন করে?
- ফ্রিকোয়েন্সি: মাসিক, বিশেষ করে কোনো বড় সিদ্ধান্তের আগে
অনুশীলন ২: ডেটাসেট ময়নাতদন্ত
- উদ্দেশ্য: ডেটা সোর্সে সারভাইভারশিপ বায়াস শনাক্ত করতে শেখা
- প্রয়োজনীয় সময়: ৬০ মিনিট
- প্রয়োজনীয় উপকরণ: আপনি ব্যবহার করেন এমন একটি ডেটাসেটের অ্যাক্সেস (আর্থিক, ব্যবসায়িক, পারফরম্যান্স ডেটা)
- কাঠিন্যের স্তর: মাঝারি
- নির্দেশাবলী: ১. আপনি সিদ্ধান্তের জন্য নির্ভর করেন এমন একটি ডেটাসেট নির্বাচন করুন ২. ডেটা সংগ্রহের পদ্ধতি নথিবদ্ধ করুন ৩. যেসকল প্রক্রিয়ার মাধ্যমে রেকর্ডগুলো সরানো হতে পারে (বন্ধ, একত্রীকরণ, মুছে ফেলা, রিপোর্ট না করা) সেগুলো শনাক্ত করুন ৪. মূল জনসংখ্যার কত শতাংশ হারিয়ে যেতে পারে তার অনুমান করুন ৫. বিবেচনা করুন অনুপস্থিত ডেটাগুলো বেঁচে থাকা ডেটার থেকে কীভাবে আলাদা হতে পারে
- প্রতিফলনমূলক প্রশ্ন:
- আপনি যদি অনুপস্থিত ডেটা দেখতে পেতেন তবে কী পরিবর্তন হতো?
- এই ডেটা থেকে নেওয়া উপসংহারের উপর আপনার কতটা আত্মবিশ্বাসী হওয়া উচিত?
- কী কী সমন্বয় করা উপযুক্ত হতে পারে?
- ফ্রিকোয়েন্সি: যখনই সিদ্ধান্তের জন্য ঐতিহাসিক ডেটা ব্যবহার করবেন
অনুশীলন ৩: প্রি-মর্টেম রিচুয়াল
- উদ্দেশ্য: ব্যর্থতা অদৃশ্য হওয়ার আগেই পদ্ধতিগতভাবে তা কল্পনা করা
- প্রয়োজনীয় সময়: ৩০ মিনিট
- প্রয়োজনীয় উপকরণ: কাগজ, টাইমার
- কাঠিন্যের স্তর: উন্নত
- নির্দেশাবলী: ১. একটি প্রজেক্ট শুরু করার আগে দলবদ্ধ হোন ২. ২০ মিনিটের জন্য টাইমার সেট করুন ৩. কল্পনা করুন এখন থেকে এক বছর পার হয়েছে এবং প্রজেক্টটি পুরোপুরি ব্যর্থ হয়েছে ৪. প্রত্যেকে প্রজেক্টটি কেন ব্যর্থ হয়েছে তার সমস্ত কারণ লিখুন (প্রথমে স্বাধীনভাবে) ৫. ব্যর্থতার কারণগুলো শেয়ার করুন এবং একত্রিত করুন
- প্রতিফলনমূলক প্রশ্ন:
- কোন ব্যর্থতার ধরনগুলো হওয়ার সম্ভাবনা সবচেয়ে বেশি?
- কোন ব্যর্থতাগুলো ভবিষ্যৎ বিশ্লেষকদের জন্য কোনো প্রমাণ রেখে যাবে না?
- অদৃশ্য ব্যর্থ ডেটা হয়ে ওঠা কীভাবে রোধ করতে পারেন?
- ফ্রিকোয়েন্সি: প্রতিটি গুরুত্বপূর্ণ প্রজেক্টের শুরুতে
দৈনন্দিন অনুশীলন
সন্ধ্যার ব্যর্থতা নিয়ে প্রশ্ন: প্রতিদিন সন্ধ্যায়, আপনার নেওয়া একটি সিদ্ধান্ত পর্যালোচনা করুন এবং জিজ্ঞাসা করুন: "আমি কোন ব্যর্থতাগুলো দেখতে পাচ্ছি না যা এই সিদ্ধান্তকে প্রভাবিত করতে পারে?"
- প্রস্তাবিত সময়কাল: ৫ মিনিট
- দিনের সেরা সময়: সন্ধ্যা
- কীভাবে অগ্রগতি ট্র্যাক করবেন: প্রতিদিন একটি "লুকানো ব্যর্থতা" অন্তর্দৃষ্টি জার্নালে লিখুন
সাপ্তাহিক চ্যালেঞ্জ
সাইলেন্ট এভিডেন্স হান্ট: প্রতি সপ্তাহে, দৃশ্যমান প্রমাণের ওপর ভিত্তি করে আপনি যে ধারণাটি ধারণ করেন তার একটি বেছে নিন এবং সক্রিয়ভাবে এমন "নীরব প্রমাণ" (silent evidence) অনুসন্ধান করুন যা এটির বিপরীত হতে পারে।
- ৪ সপ্তাহ পর প্রত্যাশিত ফলাফল: "কী অনুপস্থিত" জিজ্ঞাসা করার অন্তর্দৃষ্টিতে উল্লেখযোগ্য উন্নতি এবং শুধুমাত্র দৃশ্যমান ডেটা থেকে উপসংহার টানার ক্ষেত্রে আত্মবিশ্বাস হ্রাস
- প্রতিফলনের জন্য জার্নাল প্রম্পট:
- এই সপ্তাহে আমি কোন ধারণাটি পরীক্ষা করেছি?
- আমি কী নীরব প্রমাণ আবিষ্কার করেছি?
- এটি খুঁজে পাওয়া আমার আত্মবিশ্বাসের স্তরকে কীভাবে পরিবর্তন করেছে?
১২. নির্দিষ্ট দর্শকদের জন্য (For Specific Audiences)
নেতা এবং পরিচালকদের জন্য
কৌশলগত পরিকল্পনা: প্রতিযোগীদের সাফল্য বিশ্লেষণ করার সময়, কৌশলগত দলগুলোকে এমন প্রতিযোগীদের অধ্যয়ন করতে বাধ্য করুন যারা অনুরূপ কৌশল ব্যবহার করে ব্যর্থ হয়েছিল। ব্যর্থতাগুলো থেকে প্রকাশ পেতে পারে যে পরিলক্ষিত "সাফল্যের কারণগুলো" আসলে কারণ নয়।
প্রজেক্ট-পরবর্তী বিশ্লেষণ: সফল প্রজেক্টগুলোর মতোই ব্যর্থ প্রজেক্টগুলোকে কঠোরভাবে আর্কাইভ করুন এবং অধ্যয়ন করুন। ব্যর্থতা থেকে শেখা প্রায়শই বেশি মূল্যবান হয়, এবং উদ্দেশ্যমূলক সংরক্ষণ ছাড়া এটি হারিয়ে যায়।
নিয়োগের সিদ্ধান্ত: শীর্ষ পারফর্মারদের থেকে প্রাপ্ত প্রোফাইল সম্পর্কে সতর্ক থাকুন। বিবেচনা করুন কোন প্রার্থীদের প্রত্যাখ্যান করা হয়েছিল যারা সফল হতে পারত, এবং কোন নিয়োগগুলো প্রোফাইলের সাথে মিলে গিয়েছিল কিন্তু ব্যর্থ হয়ে চলে গিয়েছিল।
সিদ্ধান্তের ডকুমেন্টেশন: শুধুমাত্র ফলাফল নয়, সিদ্ধান্ত নেওয়ার সময়কার তথ্য এবং যুক্তিও রেকর্ড করুন। এটি প্রস্থানের মাধ্যমে, পুনর্গঠনের মাধ্যমে বা সংশোধনের মাধ্যমে ব্যর্থতা "অদৃশ্য" হয়ে গেলেও সৎ মূল্যায়নের সুযোগ দেয়।
সংস্কৃতি নির্মাণ: ব্যর্থতাগুলো উদযাপন করুন এবং খোলামেলাভাবে আলোচনা করুন। এটি প্রাতিষ্ঠানিক স্মৃতিতে সেগুলোকে নীরব না রেখে দৃশ্যমান রাখে।
পিতামাতা এবং শিক্ষাবিদদের জন্য
ধারণাটি শেখানো: ডায়াগোরাসের গল্প ব্যবহার করুন—এটি শিশুদের বোধগম্য। জিজ্ঞাসা করুন: "যদি আমরা কেবল যারা জিতেছে তাদের কাছ থেকে শুনি, তবে আমরা কী শিখব না?"
সাফল্যের গল্পের ভারসাম্য: অনুপ্রেরণামূলক গল্প শেয়ার করার সময়, ব্যর্থতার গল্পও শেয়ার করুন। "অনেকে ঠিক তার মতোই চেষ্টা করেছিল এবং এটি কাজ করেনি। কী কারণে পার্থক্য তৈরি হতে পারে?"
বিজ্ঞান শিক্ষা: সারভাইভারশিপ বায়াস হলো স্যাম্পলিং, সিলেকশন এবং এক্সপেরিমেন্টাল ডিজাইন বোঝার একটি চমৎকার প্রবেশদ্বার। দ্বিতীয় বিশ্বযুদ্ধের বোমারু বিমানের উদাহরণ ব্যবহার করুন—এটি প্রাণবন্ত এবং স্বজ্ঞাত-বিপরীত।
ব্যর্থতা মডেলিং: আপনার নিজের ব্যর্থতাগুলো এবং সেগুলো আপনাকে কী শিখিয়েছে তা শেয়ার করুন। ব্যর্থতাকে অদৃশ্য না করে আলোচনার যোগ্য করে তুলুন।
স্বাস্থ্যসেবা পেশাদারদের জন্য
ক্লিনিক্যাল ট্রায়াল ইন্টারপ্রিটেশন: ড্রপআউট প্যাটার্ন সম্পর্কে সতর্ক থাকুন। যেসব রোগী চিকিৎসা বন্ধ করে দেন তারা পদ্ধতিগতভাবে তাদের থেকে আলাদা হতে পারেন যারা চালিয়ে যান। ইনটেনশন-টু-ট্রিট (Intention-to-treat) বিশ্লেষণ আংশিকভাবে এটি সমাধান করে।
ঐতিহাসিক চিকিৎসা মূল্যায়ন: "ঐতিহ্যবাহী" চিকিৎসাগুলো যা "সময়ের পরীক্ষায় টিকে আছে" সেগুলো কেবল সারভাইভার হতে পারে। অকার্যকর চিকিৎসাগুলো যেগুলো পরিত্যক্ত হয়েছিল সেগুলোর কোনো প্রমাণ থাকে না।
ডায়াগনস্টিক প্যাটার্ন রিকগনিশন: স্মরণীয় কেসগুলো (স্মৃতিতে টিকে থাকা) বেস রেটের প্রতিনিধিত্ব নাও করতে পারে। প্যাটার্ন মেলানোর সময় সক্রিয়ভাবে ভিন্ন ফলাফলের কেসগুলো স্মরণ করুন।
মৃত্যুর পরিসংখ্যান: কীভাবে "Dead on Arrival" বর্জন, স্থানান্তরের প্যাটার্ন এবং নথিবদ্ধ করার অনুশীলন ফলাফলের ডেটাতে সারভাইভারশিপ বায়াস তৈরি করে তা বুঝুন।
আর্থিক পেশাদারদের জন্য
ডেটাবেস হাইজিন: উপলব্ধ থাকলে সর্বদা সারভাইভারশিপ-বায়াস-মুক্ত ডেটাবেস ব্যবহার করুন। স্ট্যান্ডার্ড ডেটাবেসের জন্য, পরিচিত সংশোধন ফ্যাক্টর প্রয়োগ করুন (যেমন, মিউচুয়াল ফান্ডের জন্য ~০.৯%)।
ক্লায়েন্ট কমিউনিকেশন: ঐতিহাসিক পারফরম্যান্স দেখানোর সময়, কী অনুপস্থিত তা ব্যাখ্যা করুন। "এই সূচকটি এমন কোম্পানিগুলোকে দেখায় যেগুলোর আজ অস্তিত্ব আছে। যে কোম্পানিগুলো ব্যর্থ হয়েছে সেগুলোকে অন্তর্ভুক্ত করা হয়নি, যা অতীতের পারফরম্যান্সকে তার বাস্তবের চেয়ে ভালো দেখায়।"
ব্যাকটেস্ট স্কেপটিসিজম (Backtest Skepticism): পয়েন্ট-ইন-টাইম ডেটা অপরিহার্য। বর্তমান সূচকের গঠন ব্যবহার করে যেকোনো ব্যাকটেস্ট কার্যকরভাবে ১০০% টিকে থাকা অর্জন করে—যা একটি অসম্ভব পরিস্থিতি।
হেজ ফান্ড ডিউ ডিলিজেন্স (Due Diligence): সারভাইভারশিপ এবং ব্যাকফিল বায়াস উভয়ের জন্য হিসাব করুন। সম্মিলিত প্রভাবের (মালকিয়েল অনুযায়ী ~৪.৪%) অর্থ হলো রিপোর্ট করা গড় হেজ ফান্ড পারফরম্যান্স বাস্তবতাকে উল্লেখযোগ্যভাবে বেশি করে দেখায়।
১৩. অন্যান্য বায়াসের সাথে মিথস্ক্রিয়া
যে বায়াসগুলো সারভাইভারশিপ বায়াসকে বাড়িয়ে দেয়
| বায়াস | এটি কীভাবে কাজ করে |
|---|---|
| অ্যাভেইলেবিলিটি হিউরিস্টিক | সারভাইভারদের স্মৃতিতে আরও প্রকট করে তোলে; ব্যর্থতাগুলো দ্বিগুণভাবে অদৃশ্য হয় (ডেটা থেকে এবং সহজেই মনে পড়া থেকে মুছে যায়) |
| অপটিমিজম বায়াস | ব্যর্থতার সম্ভাবনার বাস্তবসম্মত মূল্যায়নের পরিবর্তে সারভাইভারদের সাথে নিজেদের মেলাতে উৎসাহিত করে |
| কনফার্মেশন বায়াস | এমন সাফল্যের গল্প খুঁজতে পরিচালিত করে যা বিদ্যমান বিশ্বাসকে নিশ্চিত করে এবং বিপরীতমুখী ব্যর্থতার প্রমাণকে উপেক্ষা করে |
| হাইন্ডসাইট বায়াস | অতীতের দিকে ফিরে তাকালে সারভাইভারের সাফল্যকে "সুস্পষ্ট" বলে মনে করায়, যা ভাগ্যের ভূমিকা এবং ব্যর্থতার যুক্তিসঙ্গততাকে অস্পষ্ট করে দেয় |
| ন্যারেটিভ ফ্যালাসি | সারভাইভার ডেটা থেকে আকর্ষক গল্প তৈরি করে যা ব্যাখ্যামূলক বলে মনে হয় তবে প্রকৃত (অদৃশ্য) কারণগুলো এড়িয়ে যায় |
যে বায়াসগুলো সারভাইভারশিপ বায়াসকে প্রতিরোধ করে
| বায়াস | এটি কীভাবে সাহায্য করে |
|---|---|
| পেসিমিসম বায়াস (Pessimism Bias) | নেতিবাচক ফলাফলের প্রত্যাশা করার স্বাভাবিক প্রবণতা দৃশ্যমান সাফল্যের ওপর অত্যধিক ফোকাসকে ভারসাম্যপূর্ণ করতে পারে |
| লস অ্যাভারশন (Loss Aversion) | সম্ভাব্য ক্ষতির প্রতি উচ্চ মনোযোগ ব্যর্থতার উদাহরণগুলো অনুসন্ধানে অনুপ্রাণিত করতে পারে |
কমন বায়াস চেইন
সাকসেস ইমুলেশন ক্যাস্কেড (The Success Emulation Cascade): সারভাইভারশিপ বায়াস (কেবল বিজয়ীদের দেখা) → অ্যাভেইলেবিলিটি হিউরিস্টিক (বিজয়ীরা স্মৃতিতে আধিপত্য বিস্তার করে) → ন্যারেটিভ ফ্যালাসি (বিজয়ীর বৈশিষ্ট্য থেকে কার্যকারণ গল্প তৈরি করা) → ওভারকনফিডেন্স (বিশ্বাস করা যে গল্পটি সাফল্যকে ব্যাখ্যা করে) → কনফার্মেশন বায়াস (গল্পকে সমর্থনকারী প্রমাণ খোঁজা) → রিস্ক মিসক্যালিব্রেশন (ব্যর্থতার সম্ভাবনাকে অবমূল্যায়ন করা)
ইন্টারাপশন পয়েন্ট (Interruption Point): আখ্যানটি তৈরি হওয়ার আগে স্পষ্টভাবে "ব্যর্থতাগুলো কোথায়?" জিজ্ঞাসা করার মাধ্যমে চেইনটি শুরুতেই ভাঙা যেতে পারে। একবার একটি আকর্ষক গল্প তৈরি হয়ে গেলে, এটিকে হটানো অনেক বেশি কঠিন হয়ে পড়ে।
১৪. সাংস্কৃতিক দৃষ্টিভঙ্গি
সারভাইভারশিপ বায়াস সমস্ত সংস্কৃতিতেই প্রকাশ পায় তবে এটি সাংস্কৃতিক প্রেক্ষাপটের কারণে বাড়তে বা কমতে পারে।
ব্যক্তিবাদী বনাম সমষ্টিবাদী সংস্কৃতি: অত্যন্ত ব্যক্তিবাদী সংস্কৃতিতে (যেমন, মার্কিন যুক্তরাষ্ট্র), "স্ব-নির্মিত সাফল্য" আখ্যানটি বিশেষভাবে বিশিষ্ট, যা ব্যক্তিগত অর্জনের প্রেক্ষাপটে সারভাইভারশিপ বায়াসকে সম্ভাব্যভাবে বাড়িয়ে তোলে। সমষ্টিবাদী সংস্কৃতিতে ইন-গ্রুপের মধ্যে ব্যর্থতার দৃশ্যমানতা বেশি থাকতে পারে, যা বায়াসকে আংশিকভাবে নিয়ন্ত্রণ করে।
হাই পাওয়ার ডিস্ট্যান্স সংস্কৃতি: উচ্চ পাওয়ার ডিস্ট্যান্স (power distance) সংস্কৃতিতে, সাফল্যগুলো আরও বেশি উদযাপিত হতে পারে যেখানে লজ্জা এড়াতে ব্যর্থতাগুলো লুকিয়ে রাখা হয়, যা ফলাফলের সারভাইভার-অনলি দৃশ্যমানতাকে সম্ভাব্যভাবে বাড়িয়ে তোলে।
ঝুঁকির মনোভাব: উচ্চ ঝুঁকি সহনশীলতার সংস্কৃতিগুলো দৃশ্যমান ঝুঁকি গ্রহণকারীদের কাছ থেকে পাঠ নেওয়ার প্রবণতা বেশি দেখাতে পারে, অন্যদিকে ঝুঁকি-বিমুখ সংস্কৃতিগুলো স্বাভাবিকভাবেই ব্যর্থতার ডেটা বেশি খুঁজতে পারে।
| সংস্কৃতির ধরন | প্রকাশ |
|---|---|
| ব্যক্তিবাদী সংস্কৃতি | শক্তিশালী "স্ব-নির্মিত সাফল্য" আখ্যান; সেলিব্রিটি উদ্যোক্তা ফোকাস বায়াসকে বাড়িয়ে দেয় |
| সমষ্টিবাদী সংস্কৃতি | দলীয় সাফল্যের গল্প বিশিষ্ট; ব্যর্থতার ইন-গ্রুপ জ্ঞান বায়াসকে নিয়ন্ত্রণ করতে পারে |
| হাই-কনটেক্সট সংস্কৃতি | ব্যর্থতার অন্তর্নিহিত জ্ঞান অনানুষ্ঠানিকভাবে ছড়াতে পারে, যা দৃশ্যমান সাফল্যের বায়াসকে আংশিকভাবে অফসেট করে |
| লো-কনটেক্সট সংস্কৃতি | সুস্পষ্ট, নথিভুক্ত সাফল্যের কেসগুলো আধিপত্য বিস্তার করে; ব্যর্থতা দৃশ্যমান করার জন্য ইচ্ছাকৃত ডকুমেন্টেশন প্রয়োজন |
১৫. অতিকথা এবং ভ্রান্ত ধারণা (Myths and Misconceptions)
| অতিকথা | বাস্তবতা |
|---|---|
| "এই বায়াস শুধুমাত্র পরিসংখ্যান এবং অর্থায়নকে প্রভাবিত করে" | সারভাইভারশিপ বায়াস ইতিহাস, চিকিৎসা, পণ্য নকশা, ক্যারিয়ার পরিকল্পনা, সম্পর্কের পরামর্শ এবং কার্যত প্রতিটি ডোমেইনকে প্রভাবিত করে যেখানে ফলাফল পরিবর্তিত হয় এবং ব্যর্থতাগুলো অদৃশ্য হয়ে যায় |
| "সাফল্যগুলোর দিকে তাকানো নিরীহ—সবচেয়ে খারাপ ক্ষেত্রে, আপনি ভালো অনুশীলন শিখতে পারেন" | বিপজ্জনকভাবে ভুল। সফল কেসগুলোর বৈশিষ্ট্য ব্যর্থদের সাথেও মিলে যেতে পারে, যা মিথ্যা আরোপ এবং অকারণীয় কারণগুলোর ঝুঁকিপূর্ণ অনুকরণের দিকে পরিচালিত করে |
| "যদি কোনো কিছু দীর্ঘকাল টিকে থাকে, তবে তা ভালো হতেই হবে" | দীর্ঘস্থায়ী সারভাইভাররা কেবল ভাগ্যবান ব্যতিক্রম হতে পারে। সমসাময়িক হাজার হাজার পণ্য/ভবন/অনুশীলন যা ব্যর্থ হয়েছে তা অদৃশ্য |
| "সফল ব্যক্তিরাই পরামর্শের সেরা উৎস" | তারাই একমাত্র দৃশ্যমান উৎস, সেরা নয়। তাদের পরামর্শ এমন বিষয় বর্ণনা করতে পারে যা ব্যর্থদেরও বৈশিষ্ট্য ছিল, শুধু ভাগ্যের ফেরে ভিন্নতা এসেছে |
| "আপনি শুধুমাত্র এটি সম্পর্কে 'সচেতন' থেকেই সারভাইভারশিপ বায়াসের জন্য সংশোধন করতে পারেন" | সচেতনতা সাহায্য করে কিন্তু তা অপর্যাপ্ত। পরিমাণগত সংশোধন (হেকমান, IPW, কাপলান-মেইয়ার) প্রায়শই সঠিক বিশ্লেষণের জন্য প্রয়োজনীয় |
১৬. বিশেষজ্ঞের অন্তর্দৃষ্টি
"আমি তাদের দেখছি যারা রক্ষা পেয়েছে, কিন্তু যারা জাহাজডুবিতে মারা গেছে তাদের আঁকা ছবিগুলো কোথায়?" — ম্যালোসের ডায়াগোরাস, ৫ম শতাব্দী খ্রিস্টপূর্ব
"ব্যর্থ রেস্তোরাঁগুলোর গোরস্থান খুব নীরব থাকে। এমনকি সর্বশ্রেষ্ঠ চিন্তার পরীক্ষাগুলো এবং বইগুলোও কীভাবে রেস্তোরাঁ ব্যবসায় ব্যর্থ না হওয়া যায় তা নিয়ে খুব কমই লিখেছে কারণ যারা ব্যর্থ হয় তারা বই লেখে না।" — নাসিম নিকোলাস তালেব, Fooled by Randomness
"মানুষের বুদ্ধি নেতিবাচকের চেয়ে ইতিবাচক বিষয় দ্বারা বেশি প্রভাবিত হয়।" — ফ্রান্সিস বেকন, Novum Organum
"[SRG ছিল] এযাবৎকালের সবচেয়ে অসাধারণ পরিসংখ্যানবিদদের দল।" — ডব্লিউ. অ্যালেন ওয়ালিস, ডিরেক্টর অফ স্ট্যাটিস্টিক্যাল রিসার্চ গ্রুপ
১৭. মূল সিদ্ধান্তসমূহ (Key Takeaways)
১. সারভাইভারশিপ বায়াস সর্বজনীন এবং প্রাচীন—২,৫০০ বছর আগে ডায়াগোরাস দ্বারা স্বীকৃত, দ্বিতীয় বিশ্বযুদ্ধে ওয়াইল্ড দ্বারা আনুষ্ঠানিক রূপ লাভ করে এবং আধুনিক অর্থায়নে পরিমাণগতভাবে নির্ধারিত হয়।
২. এই বায়াস পদ্ধতিগতভাবে প্রতারণামূলক ডেটা তৈরি করে—কেবল অসম্পূর্ণ নয় বরং সক্রিয়ভাবে বিভ্রান্তিকর কারণ ব্যর্থতার অনুপস্থিতি দৃশ্যমান বিতরণের আকার পরিবর্তন করে দেয়।
৩. যা অনুপস্থিত থাকে তা প্রায়শই সবচেয়ে গুরুত্বপূর্ণ ডেটা—ওয়াইল্ডের অন্তর্দৃষ্টি যে "অনুপস্থিত" বুলেটের ছিদ্রগুলো বিধ্বস্ত বিমানে ছিল, তা সমস্ত সারভাইভারশিপ বায়াস বিশ্লেষণের জন্য একটি দৃষ্টান্ত।
৪. আর্থিক প্রভাব পরিমাণযোগ্য—মিউচুয়াল ফান্ডের জন্য বার্ষিক প্রায় ০.৯%, হেজ ফান্ডের জন্য ৪.৪%, এবং ব্যাকটেস্টিং ত্রুটিগুলোর জন্য অজানা তবে তাৎপর্যপূর্ণ।
৫. এর প্রতিষেধক হলো অদৃশ্যের সক্রিয় অনুসন্ধান—এই বায়াস থেকে বাঁচার শৃঙ্খলা হলো প্রতিনিয়ত জিজ্ঞাসা করা "যারা জাহাজডুবিতে মারা গেছে তারা কোথায়?"
৬. সংশোধন পদ্ধতি বিদ্যমান—হেকমান কারেকশন, ইনভার্স প্রোবাবিলিটি ওয়েটিং, কাপলান-মেইয়ার এস্টিমেশন, এবং পয়েন্ট-ইন-টাইম ডেটাবেস আংশিকভাবে এই বায়াসকে সমাধান করতে পারে।
৭. দৃশ্যমানতা মানেই বৈধতা নয়—আমরা যত সহজেই সফল উদাহরণগুলো দেখি না কেন, তা আমাদের সম্পূর্ণ জনসংখ্যার প্রতিনিধিত্ব সম্পর্কে কিছুই বলে না।
১৮. অধিকতর সংস্থান (Further Resources)
একাডেমিক পেপার
- ব্রাউন, এস. জে., গোয়েটজম্যান, ডব্লিউ., ইবটসন, আর. জি., ও রস, এস. এ. (১৯৯২)। Survivorship Bias in Performance Studies। Review of Financial Studies, ৫(৪), ৫৫৩-৫৮০।
- এলটন, ই. জে., গ্রুবার, এম. জে., ও ব্লেক, সি. আর. (১৯৯৬)। Survivorship Bias and Mutual Fund Performance। Review of Financial Studies, ৯(৪), ১০৯৭-১১২০।
- ওয়াইল্ড, এ. (১৯৪৩)। A Method of Estimating Plane Vulnerability Based on Damage of Survivors। Statistical Research Group Memorandum।
বই
- তালেব, এন. এন. (২০০১)। Fooled by Randomness: The Hidden Role of Chance in Life and in the Markets। Random House।
- তালেব, এন. এন. (২০০৭)। The Black Swan: The Impact of the Highly Improbable। Random House।
- কানম্যান, ডি. (২০১১)। Thinking, Fast and Slow। Farrar, Straus and Giroux।
বইয়ের অধ্যায়
- বেকন, এফ. (১৬২০)। Idols of the Tribe। Novum Organum-এ।
- সিসেরো। (৪৫ খ্রিস্টপূর্ব)। De Natura Deorum [On the Nature of the Gods]। বুক ৩ (এতে ডায়াগোরাস উপাখ্যানটি রয়েছে)।
১৯. সারাংশ কার্ড (Summary Card)
| উপাদান | বিষয়বস্তু |
|---|---|
| বায়াসের নাম | সারভাইভারশিপ বায়াস (Survivorship Bias) |
| সংজ্ঞা | কেবল টিকে থাকা উদাহরণগুলোর উপর মনোযোগ দেওয়ার এবং ব্যর্থ হয়ে হারিয়ে যাওয়া উদাহরণগুলো দেখতে না পাওয়ার ত্রুটি |
| ক্যাটাগরি | অপর্যাপ্ত অর্থ (Not Enough Meaning) |
| মূল লক্ষণ | একচেটিয়াভাবে দৃশ্যমান সাফল্যের গল্প থেকে উপসংহার টানা |
| প্রধান কারণ | ব্যর্থতাগুলো পদ্ধতিগতভাবে পর্যবেক্ষণ থেকে অদৃশ্য হয়ে যায় (মৃত্যু, দেউলিয়াত্ব, মুছে ফেলা ইত্যাদির মাধ্যমে) |
| সবচেয়ে বড় ঝুঁকি | ব্যর্থতার সম্ভাবনাকে ব্যাপকভাবে অবমূল্যায়ন করা এবং সাফল্যের কারণগুলো ভুলভাবে শনাক্ত করা |
| দ্রুত সমাধান | সাফল্যের ডেটা থেকে যেকোনো উপসংহার টানার আগে জিজ্ঞাসা করুন: "যারা জাহাজডুবিতে মারা গেছে তারা কোথায়?" |
| দীর্ঘমেয়াদী কৌশল | এমন সিস্টেম তৈরি করুন যা ব্যর্থতার ডেটা সংরক্ষণ এবং প্রকাশ করে; বায়াস-সংশোধিত পরিসংখ্যান পদ্ধতি ব্যবহার করুন |
| মনে রাখবেন | "সবচেয়ে গুরুত্বপূর্ণ ডেটা প্রায় সবসময়ই সেই ডেটা যা অনুপস্থিত থাকে।" |
২০. ব্যবহৃত পরিভাষার শব্দকোষ
| পরিভাষা | সংজ্ঞা |
|---|---|
| ট্রাঙ্কেশন (Truncation) | যখন কোনো নমুনা থেকে পর্যবেক্ষণগুলো সম্পূর্ণ বাদ দেওয়া হয় যদি সেগুলো নির্দিষ্ট থ্রেশহোল্ডের নিচে বা উপরে পড়ে |
| সেন্সরিং (Censoring) | যখন কোনো পরিমাপের মান কেবল আংশিকভাবে জানা যায় (যেমন, কোনো রোগী মারা গেছে তা জানা কিন্তু সে আর কতদিন বাঁচত তা না জানা) |
| সাইলেন্ট এভিডেন্স (Silent Evidence) | ডেটা পয়েন্টগুলো যা পর্যবেক্ষণ করা যায় না কারণ যে ঘটনাটি অধ্যয়ন করা হচ্ছে তার কারণেই তাদের অনুপস্থিতি ঘটে |
| বেস রেট (Base Rate) | কোনো নির্দিষ্ট তথ্য বিবেচনা করার আগে একটি জনসংখ্যার মধ্যে কোনো ঘটনার অন্তর্নিহিত ফ্রিকোয়েন্সি |
| অ্যাভেইলেবিলিটি হিউরিস্টিক (Availability Heuristic) | মানসিক শর্টকাট যা কোনো বিষয় মূল্যায়নের সময় তাৎক্ষণিকভাবে মনে আসা উদাহরণের উপর নির্ভর করে |
| হেকমান কারেকশন (Heckman Correction) | র্যান্ডম নয় এমন নির্বাচিত নমুনায় সিলেকশন বায়াস সংশোধন করার জন্য দুই-ধাপের পরিসংখ্যান পদ্ধতি |
| ইনভার্স প্রোবাবিলিটি ওয়েটিং (IPW) | হারিয়ে যাওয়া সমকক্ষদের প্রতিনিধিত্ব করার জন্য টিকে থাকা পর্যবেক্ষণগুলোকে তাদের বেঁচে থাকার সম্ভাবনার বিপরীতে ওজন করা |
| কাপলান-মেইয়ার এস্টিমেটর (Kaplan-Meier Estimator) | বেঁচে থাকার সম্ভাবনা অনুমান করার জন্য পরিসংখ্যানগত পদ্ধতি যা সেন্সর করা ডেটা পরিচালনা করে |
| ব্যাকফিল বায়াস (Backfill Bias) | ফান্ডগুলো যখন কেবল প্রারম্ভিক সাফল্য অর্জনের পরেই রিপোর্ট করে, ভালো ডেটা "ব্যাকফিল" করে এবং প্রাথমিক ব্যর্থতা লুকিয়ে রাখে |
| লুডিক ফ্যালাসি (Ludic Fallacy) | এমন ডোমেইনগুলোতে পরিসংখ্যানগত মডেলের অপব্যবহার করা যেখানে সীমানার শর্তগুলো অজানা বা বায়াসের দ্বারা অস্পষ্ট |
২১. আলোচনার প্রশ্ন
বইয়ের ক্লাব, ক্লাসরুম, বা আত্ম-প্রতিফলনের জন্য:
১. আপনি কি আপনার জীবনের এমন কোনো বড় সিদ্ধান্ত চিহ্নিত করতে পারেন যা আপনি প্রাথমিকভাবে দৃশ্যমান সাফল্যের গল্পের উপর ভিত্তি করে নিয়েছেন? আপনি কোন ব্যর্থতাগুলো দেখতে পাননি?
২. ওয়াইল্ড এমন জায়গায় বর্ম লাগানোর সুপারিশ করেছিলেন যেখানে বুলেটের ছিদ্র ছিল না। বর্তমান সময়ের কোন সমস্যাগুলো এমন জায়গার দিকে তাকালে লাভবান হতে পারে যেখানে ক্ষতি দেখা যাচ্ছে না?
৩. সামাজিক যোগাযোগ মাধ্যম, যা সাফল্যগুলোকে তুলে ধরে এবং ব্যর্থতাগুলোকে লুকিয়ে রাখে, কীভাবে ক্যারিয়ার এবং জীবনের সিদ্ধান্তে সারভাইভারশিপ বায়াসকে বাড়িয়ে তুলছে?
৪. ব্যর্থতাগুলোকে কি আসলেই "দেখা" সম্ভব, নাকি আমরা সবসময় সারভাইভার-বায়াসড ডেটা নিয়েই কাজ করছি? সংশোধন পদ্ধতিগুলোর সীমাবদ্ধতা কী কী?
৫. তালেব যুক্তি দেন যে সফল ব্যক্তিদের পরামর্শ ব্যর্থদের পরামর্শের চেয়ে বেশি বৈধ নাও হতে পারে। এই বায়াসের কথা বিবেচনা করে আমাদের কীভাবে মেন্টরশিপ এবং অন্যদের কাছ থেকে শেখা নিয়ে চিন্তা করা উচিত?