उत्तरजीविता पूर्वाग्रह (Survivorship Bias)

एक नज़र में

1. त्वरित सारांश

जब हम सफलता का विश्लेषण करते हैं, तो हम केवल विजेताओं को देखते हैं—वे कंपनियाँ जो फली-फूलीं, वे इमारतें जो अभी भी खड़ी हैं, वे लोग जो सफल हुए। हम कभी विफलताओं को नहीं देखते क्योंकि वे गायब हो गए हैं। यह वास्तविकता की एक खतरनाक रूप से विकृत तस्वीर बनाता है जहाँ हम सफलता की अपनी संभावनाओं को कम आंकते हैं (overestimate), सफलता के कारणों की गलत पहचान करते हैं, और अधूरे डेटा से निष्कर्ष निकालते हैं। सबसे महत्वपूर्ण जानकारी लगभग हमेशा वही जानकारी होती है जो गायब होती है।

2. इसके पीछे का विज्ञान

2.1. खोज और इतिहास

उत्तरजीविता पूर्वाग्रह की बौद्धिक मान्यता आधुनिक सांख्यिकी से दो सहस्राब्दी से भी अधिक पुरानी है, हालांकि इसका औपचारिक गणितीय उपचार द्वितीय विश्व युद्ध के दौरान उभरा।

प्राचीन उत्पत्ति (5वीं शताब्दी ईसा पूर्व): सबसे पहला प्रलेखित अवलोकन मेलो के डायगोरस (Diagoras of Melos) से आता है, जो एक यूनानी कवि और ज्ञात नास्तिक थे। जब उन्हें ईश्वरीय हस्तक्षेप के प्रमाण के रूप में जहाज की दुर्घटनाओं में जीवित बचे उपासकों की चित्रित गोलियां दिखाई गईं, तो डायगोरस ने प्रसिद्ध रूप से उत्तर दिया: "मैं उन लोगों को देखता हूं जिन्हें बचाया गया था, लेकिन वे कहां चित्रित हैं जो जहाज के डूबने से मारे गए?" सिसरो द्वारा डी नटूरा डियोरम (De Natura Deorum) में संरक्षित यह किस्सा पूर्वाग्रह के पूरे तंत्र को पकड़ता है—जीवित बचे लोग दिखाई देते हैं और मुखर होते हैं; जबकि मृत मौन रहते हैं।

पुनर्जागरण औपचारिकता (17वीं शताब्दी): फ्रांसिस बेकन (Francis Bacon) ने इस अवलोकन को अपने "आइडल्स ऑफ द माइंड" के सिद्धांत, विशेष रूप से 'आइडल्स ऑफ द ट्राइब' में एकीकृत किया। उन्होंने उल्लेख किया कि मानव बुद्धि नकारात्मक की तुलना में सकारात्मक बातों से अधिक प्रेरित होती है—सफलताएं दर्ज होती हैं जबकि विफलताएं रिकॉर्ड से गायब हो जाती हैं।

द्वितीय विश्व युद्ध गणितीय उपचार (1943): कोलंबिया विश्वविद्यालय में सांख्यिकीय अनुसंधान समूह के साथ अब्राहम वाल्ड (Abraham Wald) के काम ने उत्तरजीविता पूर्वाग्रह को संबोधित करने के लिए पहला कठोर गणितीय ढांचा प्रदान किया, जिसने परिचालन अनुसंधान और सैन्य रणनीति को हमेशा के लिए बदल दिया।

वित्तीय अर्थशास्त्र क्रांति (1990 का दशक): ब्राउन, गोएट्ज़मैन, एल्टन, ग्रुबर और ब्लेक सहित शोधकर्ताओं ने म्यूचुअल फंड और हेज फंड के प्रदर्शन डेटा पर पूर्वाग्रह के प्रभाव को निर्धारित किया, जिसने निवेश विश्लेषण पर इसके गहरे प्रभावों को प्रदर्शित किया।

लोकप्रिय दर्शन (2000 का दशक): नसीम निकोलस तालेब (Nassim Nicholas Taleb) ने फूल्ड बाय रैंडमनेस (2001) और द ब्लैक स्वान (2007) में उत्तरजीविता पूर्वाग्रह को एक सांख्यिकीय अवधारणा से दार्शनिक विश्वदृष्टि तक ऊंचा किया।

2.2. प्रमुख शोधकर्ता

2.3. ऐतिहासिक अध्ययन

विमान भेद्यता विश्लेषण (वाल्ड, 1943)

द्वितीय विश्व युद्ध के दौरान, सांख्यिकीय अनुसंधान समूह को यह निर्धारित करने के लिए कहा गया था कि बमवर्षक विमानों पर कवच (armor) कहाँ रखा जाए। सेना ने लौटने वाले विमानों पर बुलेट होल (गोली लगने के निशान) की सांद्रता दिखाते हुए डेटा प्रस्तुत किया: धड़, पंखों और पूंछ पर भारी क्षति, लेकिन इंजन और कॉकपिट पर न्यूनतम क्षति।

सेना का सहज निष्कर्ष उन क्षेत्रों को कवच प्रदान करना था जहां सबसे अधिक हिट हुए थे। वाल्ड की प्रति-सहज (counter-intuitive) अंतर्दृष्टि ने इस सिफारिश को पूरी तरह से उलट दिया: इंजनों और कॉकपिट को कवच दें—वे क्षेत्र जहां कोई क्षति नहीं देखी गई।

उनका तर्क: दुश्मन की गोलाबारी संभवतः विमानों में बेतरतीब ढंग से वितरित की गई थी। इंजन में बुलेट होल का "गायब" होना इस बात का सबूत नहीं था कि इंजनों पर गोलियां नहीं लग रही थीं—वे इस बात का सबूत थे कि जिन विमानों के इंजन में गोलियां लगीं, वे वापस नहीं लौटे। सेना जीवित रहने योग्य क्षति की जांच कर रही थी, घातक क्षति की नहीं।

वाल्ड ने अपने ज्ञापन "बचे हुए लोगों के नुकसान के आधार पर विमान की भेद्यता का अनुमान लगाने की एक विधि" में इसे औपचारिक रूप दिया, यह स्थापित करते हुए कि जीवित बचे लोगों पर देखी गई हिट घनत्व उस क्षेत्र में हिट की घातकता के व्युत्क्रमानुपाती है।

म्यूचुअल फंड उत्तरजीविता पूर्वाग्रह (ब्राउन, गोएट्ज़मैन, एट अल., 1992)

रिव्यू ऑफ फाइनेंशियल स्टडीज में प्रकाशित इस पेपर ने प्रदर्शित किया कि मानक वित्तीय डेटाबेस ने व्यवस्थित रूप से परिसमाप्त (liquidated) या विलय किए गए फंडों के रिकॉर्ड को हटा दिया है। चूंकि खराब प्रदर्शन के कारण फंड लगभग हमेशा परिसमाप्त हो जाते हैं, इस छंटनी ने एक सांख्यिकीय मृगतृष्णा पैदा की—औसत फंड के प्रदर्शन को वास्तविकता से बेहतर दिखाना और अस्थिरता और रिटर्न के बीच नकली सहसंबंध बनाना जो "कौशल" की नकल करते थे जहां कोई कौशल मौजूद नहीं था।

उत्तरजीविता पूर्वाग्रह और म्यूचुअल फंड प्रदर्शन (एल्टन, ग्रुबर और ब्लेक, 1996)

इस ऐतिहासिक अध्ययन ने 1976 के अंत में मौजूद प्रत्येक म्यूचुअल फंड को ट्रैक किया। मुख्य निष्कर्ष:

• उत्तरजीविता पूर्वाग्रह ने वार्षिक रिटर्न को लगभग 0.9% (90 बेसिस पॉइंट) बढ़ा दिया
• बड़े फंडों की तुलना में छोटे फंडों के लिए पूर्वाग्रह काफी बड़ा था
• वे फंड जो विलय हो गए (अक्सर बड़े फंडों में खराब रिकॉर्ड छिपाते हुए) और जो परिसमाप्त हो गए, दोनों ने पूर्वाग्रह में योगदान दिया

एक बार पूर्वाग्रह को ठीक करने के बाद इन निष्कर्षों ने कुशल बाजार परिकल्पना (Efficient Market Hypothesis) के लिए मजबूत अनुभवजन्य समर्थन प्रदान किया।

2.4. तंत्रिका संबंधी आधार (Neurological Basis)

उत्तरजीविता पूर्वाग्रह मानव अनुभूति की मूलभूत विशेषताओं से उभरता है:

सिस्टम 1 थिंकिंग: डैनियल कहनेमन की "फास्ट थिंकिंग" प्रणाली "याद करने में आसानी" को "घटना की आवृत्ति" के साथ जोड़ती है। क्योंकि सफल उदाहरण (स्टीव जॉब्स, बिल गेट्स) आसानी से याद किए जाते हैं, हम सहज रूप से समान परिणामों को आधार दरों की तुलना में अधिक संभावना प्रदान करते हैं।

उपलब्धता अनुमान (Availability Heuristic): मस्तिष्क निर्णयों का मूल्यांकन करते समय तुरंत उपलब्ध उदाहरणों पर निर्भर करता है। सफलताएं स्वाभाविक रूप से अधिक "उपलब्ध" हैं—सफल कंपनियां स्टॉक एक्सचेंजों में सूचीबद्ध होती हैं जबकि विफल कंपनियां असूचीबद्ध (delisted) हो जाती हैं; सफल इमारतें खड़ी रहती हैं जबकि गिरी हुई इमारतों को बदल दिया जाता है।

पैटर्न मान्यता सीमाएं: मानव मस्तिष्क कथित डेटा से कारण आख्यानों (causal narratives) को निकालने के लिए विकसित हुआ है, लेकिन उस डेटा को संसाधित नहीं कर सकता जो अनुपस्थित है। यह मूलभूत सीमा—कि हम केवल उसी का विश्लेषण कर सकते हैं जिसे हम देख सकते हैं—उत्तरजीविता पूर्वाग्रह की तंत्रिका नींव है।

आशावाद पूर्वाग्रह बातचीत (Optimism Bias Interaction): आत्म-मूल्यांकन से जुड़े तंत्रिका सर्किट आशावाद की ओर प्रवृत्त होते हैं। जब उत्तरजीवी-पक्षपाती डेटा देखते हैं, तो ये सर्किट विफलताओं के मौन बहुमत के बजाय विजेताओं के साथ पहचान को प्रोत्साहित करते हैं, जो जोखिम भरे व्यवहार को मजबूत करता है।

3. विकासवादी उत्पत्ति

उत्तरजीविता पूर्वाग्रह हमारी विकासवादी विरासत में गहराई से निहित है क्योंकि ऐसे वातावरण में जहां गति अक्सर सटीकता से अधिक महत्वपूर्ण होती है, पैटर्न-पहचान इंजन काम करते हैं।

पैतृक वातावरण में अनुकूली मूल्य: हमारे पूर्वजों के लिए, सफल रणनीतियों पर ध्यान केंद्रित करना समझ में आता था। यदि कोई शिकार तकनीक, प्रवासन मार्ग, या भोजन स्रोत बचे लोगों को उत्पन्न करता है, तो यह अनुकरण करने योग्य था। विफलताएं—जिन्होंने अलग-अलग तरीकों की कोशिश की और मर गए—परामर्श के लिए उपलब्ध नहीं थे। दृश्य सफलता से सीखना एक तेज़, कुशल अनुमान था।

ऊर्जा संरक्षण: मस्तिष्क हमारी चयापचय ऊर्जा का लगभग 20% उपभोग करता है। अनुपस्थित डेटा का विश्लेषण करना—उन सभी विफलताओं की कल्पना करना जिन्हें हम नहीं देख सकते—संज्ञानात्मक रूप से महंगा है। विकास ने ऐसे दिमागों का पक्ष लिया जो अदृश्य विकल्पों को थकाऊ रूप से मॉडलिंग करने के बजाय उपलब्ध जानकारी को कुशलतापूर्वक संसाधित करते थे।

सुविधा, कोई बग नहीं: अपेक्षाकृत स्थिर स्थितियों और तुरंत अवलोकनीय परिणामों वाले पैतृक वातावरण में, उत्तरजीविता-पक्षपाती शिक्षा अक्सर काफी अच्छी होती थी। यदि आपका पड़ोसी किसी विशेष आश्रय डिजाइन का उपयोग करके सर्दियों में जीवित रहा, तो उसकी नकल करना उचित था। पूर्वाग्रह केवल जटिल, आधुनिक वातावरण में समस्याग्रस्त हो जाता है जहां विफलताओं को व्यवस्थित रूप से छिपाया जाता है और "जीवित बचे लोगों" का नमूना बड़े पैमाने पर गैर-प्रतिनिधि होता है।

उपलब्धता बेमेल: हमारे दिमाग छोटे समूहों में विकसित हुए जहां अधिकांश प्रासंगिक घटनाएं सीधे अवलोकनीय थीं। आधुनिक समाज में, हम उस जानकारी का सामना करते हैं जिसे चयन की कई परतों (मीडिया, बाजार, इतिहास) के माध्यम से फ़िल्टर किया गया है, जिससे हमारे उपलब्धता-आधारित अंतर्ज्ञान व्यवस्थित रूप से भ्रामक हो जाते हैं।

4. यह पूर्वाग्रह कैसे प्रकट होता है

4.1. रोजमर्रा की जिंदगी में

"वे अब चीजों को वैसा नहीं बनाते जैसा वे पहले बनाते थे": रोमन पैंथियन, विक्टोरियन महोगनी फर्नीचर, और 1950 के दशक के उपकरण जो "अभी भी काम करते हैं" सांख्यिकीय आउटलेयर हैं जो सदियों के विनाश से बच गए। रोमन काल की घटिया बनी इमारतें जो ढह गईं, सस्ता विक्टोरियन फर्नीचर जो सड़ गया, और लैंडफिल में टूटे हुए 1950 के उपकरण अदृश्य हैं। हम अतीत के सर्वश्रेष्ठ की तुलना वर्तमान के औसत से करते हैं।

"क्लासिक" संगीत भ्रांति: लोग दावा करते हैं कि 1960-70 के दशक का संगीत बेहतर था क्योंकि "उस युग के सभी गीत क्लासिक हैं।" यह इस बात को नज़रअंदाज़ करता है कि हज़ारों व्युत्पन्न, खराब उत्पादित गीत रिलीज़ हुए थे—रेडियो स्टेशन केवल हिट गानों के 1% बचे हुए गानों को ही बजाते हैं। हम अतीत के फ़िल्टर किए गए सर्वश्रेष्ठ की तुलना आज के 100% आउटपुट से करते हैं।

सुखी जोड़ों से रिश्ते की सलाह: रिश्ते की सलाह लेते समय, हम आमतौर पर उन जोड़ों से परामर्श करते हैं जो अभी भी साथ हैं। हम उन लोगों से शायद ही कभी सुनते हैं जिन्होंने समान दृष्टिकोण की कोशिश की और तलाक में समाप्त हुए, संभावित रूप से उस सलाह का पालन करते हुए जिसने उनकी विफलता में योगदान दिया।

रेस्तरां की सिफारिशें: शहर में लोकप्रिय रेस्तरां, परिभाषा के अनुसार, जीवित बचे हुए हैं। जो हज़ारों रेस्तरां विफल हो गए—संभावित रूप से समान रणनीतियों के साथ—वे बंद हो गए हैं और हमें चेतावनी नहीं दे सकते कि क्या काम नहीं करता है।

4.2. कार्यस्थल में

कॉलेज ड्रॉपआउट मिथक: मीडिया ड्रॉपआउट को सफलता की ओर ले जाने वाले सबूत के रूप में गेट्स, जॉब्स और जुकरबर्ग जैसे अरबपतियों को उजागर करता है। यह कर्ज और कम जीवन भर की कमाई वाले दसियों हज़ार ड्रॉपआउट्स को नज़रअंदाज़ करता है। कॉलेज छोड़ने वालों की सफलता की मूल दर सांख्यिकीय रूप से स्नातकों की तुलना में कम है; प्रसिद्ध उदाहरण चरम आउटलेयर हैं।

"मैंने कैसे सफलता प्राप्त की" साहित्य: जैसा कि नसीम तालेब ने नोट किया है, विफल उद्यमी "मैंने अपना स्टार्टअप कैसे दिवालिया किया" शीर्षक से किताबें नहीं लिखते हैं। सफल उद्यमी "हाउ आई मेड इट" लिखते हैं, और उनकी सलाह (बड़ा जोखिम लें, आलोचकों को अनदेखा करें) वही व्यवहार हो सकता है जिसके कारण विफलताएं विफल हुईं।

"सफल" प्रोफाइल के आधार पर नियुक्ति: कंपनियां अक्सर अपने शीर्ष प्रदर्शन करने वालों की विशेषताओं के आधार पर काम पर रखने वाले प्रोफाइल बनाती हैं। लेकिन उनके पास अस्वीकृत उम्मीदवारों पर डेटा की कमी होती है जिन्होंने समान रूप से अच्छा प्रदर्शन किया हो सकता है, या उन लोगों पर जिन्हें समान लक्षणों के साथ काम पर रखा गया था जो विफल रहे और छोड़ दिए गए।

प्रदर्शन एट्रिब्यूशन त्रुटियां: यह विश्लेषण करते समय कि कुछ परियोजनाएं क्यों सफल हुईं, संगठन सफल टीमों का अध्ययन करते हैं। वे उन विफलताओं का अध्ययन नहीं कर सकते जिन्हें छोड़ दिया गया था, पुनर्गठित किया गया था, या जिनके सदस्य चले गए थे—संभावित रूप से यह पाते हुए कि वही "सफलता कारक" दोनों में मौजूद थे।

4.3. व्यापार और विपणन में

उद्यमिता "सफलता सूत्र": सलाह उद्योग एक एकाधिकार है जो बचे हुए लोगों द्वारा चलाया जाता है। "कड़ी मेहनत," "दृढ़ता," और "गुणवत्ता के प्रति जुनून" सफल उद्यमियों की कहानियों में दिखाई देते हैं, लेकिन विफल उद्यमियों के कब्रिस्तानों के सर्वेक्षण में संभवतः समान लक्षण मिलेंगे। अंतर अक्सर भाग्य, समय या बाहरी घटनाओं का होता है।

उत्पाद प्रशंसापत्र (Product Testimonials): विपणन संतुष्ट ग्राहकों को प्रदर्शित करता है। असंतुष्ट ग्राहक जिन्होंने उत्पाद छोड़ दिया, रिफंड का अनुरोध किया, या बस गायब हो गए, आख्यान से अनुपस्थित हैं, जो उत्पाद की प्रभावशीलता की धारणा को विकृत कर रहे हैं।

प्रतिस्पर्धी बेंचमार्किंग: कंपनियां सफल प्रतिस्पर्धियों के खिलाफ बेंचमार्क करती हैं, उनकी रणनीतियों को सीखती हैं। लेकिन जिन कंपनियों ने समान रणनीतियों की कोशिश की और विफल रहीं, उनका अधिग्रहण कर लिया गया, भंग कर दिया गया या धुरी (pivot) बना दी गई—उनकी असफल रणनीतियाँ विश्लेषण के लिए अदृश्य हैं।

4.4. राजनीति और मीडिया में

ऐतिहासिक आख्यान निर्माण: जीवित बचे लोगों द्वारा लिखा गया इतिहास, उनके दृष्टिकोण को निश्चित रूप में प्रस्तुत करता है। हारने वाले, मरने वाले या हाशिए पर रहने वाले लोगों द्वारा प्रस्तावित दृष्टिकोण, चेतावनियां और विकल्प व्यवस्थित रूप से कम प्रस्तुत किए जाते हैं।

समाचार उत्तरजीविता: मीडिया उन कहानियों को कवर करता है जो संपादकीय चयन में बच जाती हैं। हज़ारों समान रूप से समाचार योग्य घटनाएं अनरिपोर्टेड रह जाती हैं, जो यह धारणा बनाती हैं कि कौन सी समस्याएं मौजूद हैं और कौन से समाधान काम करते हैं।

राजनीतिक रणनीति "सबक": राजनीतिक विश्लेषक सफलता के कारकों को निकालने के लिए विजयी अभियानों का अध्ययन करते हैं। लेकिन जिन अभियानों ने समान रणनीतियों का उपयोग किया और हार गए, उन पर कम ध्यान दिया जाता है, जिससे संभावित रूप से त्रुटिपूर्ण रणनीतिक सिफारिशें होती हैं।

4.5. स्वास्थ्य सेवा में

डब्ल्यूडब्ल्यूआई हेलमेट विरोधाभास (The WWI Helmet Paradox): जब प्रथम विश्व युद्ध में स्टील के हेलमेट पेश किए गए थे, तो फील्ड अस्पतालों ने सिर की चोटों में नाटकीय वृद्धि की सूचना दी। कुछ लोगों ने सुझाव दिया कि हेलमेट त्रुटिपूर्ण थे। वास्तविकता: हेलमेट से पहले, सिर में छर्रे लगने से सैनिक तुरंत मर जाते थे (केआईए के रूप में दर्ज, कभी अस्पतालों तक नहीं पहुंचते)। हेलमेट ने घातक घटनाओं को इलाज योग्य चोटों में बदल दिया, जिससे सिर के घाव पहली बार डेटा में दृश्यमान हो गए।

बिल्लियों में हाई-राइज़ सिंड्रोम: 1987 के एक पशु चिकित्सा अध्ययन में पाया गया कि >7 मंजिलों से गिरने वाली बिल्लियों में 5-7 मंजिलों से गिरने वालों की तुलना में कम चोटें थीं, यह सुझाव देते हुए कि ऊंची ऊंचाई से गिरना "सुरक्षित" था। पूर्वाग्रह: डेटासेट में केवल पशु चिकित्सकों के पास लाई गई बिल्लियां शामिल थीं। 30 मंजिला इमारतों से गिरकर मरने वाली बिल्लियों को दफनाया गया था, उनका इलाज नहीं किया गया था—जिससे ऊंची-गिरावट सुरक्षा का भ्रम पैदा हुआ।

"स्वस्थ कार्यकर्ता प्रभाव": अध्ययन अक्सर दिखाते हैं कि औद्योगिक श्रमिकों की मृत्यु दर सामान्य आबादी की तुलना में कम है—इसलिए नहीं कि कारखाने का काम स्वस्थ है, बल्कि इसलिए कि कार्यबल विकलांग, बिस्तर पर पड़े और गंभीर रूप से बीमार लोगों को बाहर कर देता है। श्रमिक पूर्व-चयनित उत्तरजीवी हैं।

आघात मृत्यु दर सांख्यिकी: दूरस्थ दुर्घटना पीड़ितों में कभी-कभी शहरी पीड़ितों की तुलना में अस्पताल में मृत्यु दर कम दिखाई देती है। वास्तविकता: गंभीर रूप से घायल दूरस्थ रोगियों की लंबे परिवहन के दौरान मृत्यु हो जाती है, "आगमन पर मृत" पहुंचते हैं और अस्पताल के आंकड़ों से बाहर हो जाते हैं। शहरी अस्पतालों को गंभीर मरीज जीवित मिलते हैं, जो फिर अस्पताल में मर जाते हैं, जिससे शहरी मृत्यु दर बढ़ जाती है।

4.6. वित्त और निवेश में

म्यूचुअल फंड प्रदर्शन: मानक डेटाबेस ने परिसमाप्त फंडों के रिकॉर्ड को हटा दिया। चूंकि फंड खराब प्रदर्शन के कारण परिसमाप्त होते हैं, इसलिए डेटाबेस विफलताओं को हटा रहे थे, जिससे औसत फंड प्रदर्शन वास्तविकता की तुलना में ~0.9% अधिक वार्षिक दिखाई दे रहा था।

हेज फंड डेटा: हेज फंड स्वेच्छा से रिपोर्ट करते हैं, दोहरे पूर्वाग्रह का परिचय देते हैं: उत्तरजीविता (विफल फंड रिपोर्टिंग बंद कर देते हैं) और बैकफिल / तत्काल इतिहास पूर्वाग्रह (सफल फंड रिपोर्टिंग शुरू करते हैं और अपने भाग्यशाली शुरुआती वर्षों को बैकफिल करते हैं; असफल शुरुआती फंड कभी रिपोर्ट नहीं करते हैं और भंग हो जाते हैं)। मल्कील ने इस संयुक्त पूर्वाग्रह का अनुमान ~4.4% वार्षिक रिटर्न मुद्रास्फीति पर लगाया।

एसएंडपी 500 बैकटस्टिंग: दिवालिया कंपनियों को हटाने और बढ़ने वाली कंपनियों को जोड़ने के कारण सूचकांक की संरचना बदल जाती है। वर्तमान एसएंडपी 500 सूची का उपयोग करके बैकटेस्टिंग अनजाने में 100% उत्तरजीविता सुनिश्चित करके अवास्तविक रिटर्न प्राप्त करती है—प्रत्येक कंपनी जो परीक्षण अवधि के दौरान विफल रही, उसे बाहर रखा गया है।

"हॉट हैंड" भ्रम: प्रारंभिक अध्ययनों ने सुझाव दिया कि फंड मैनेजर लगातार बाजार को हरा सकते हैं। जब ब्राउन और गोएट्ज़मैन ने उत्तरजीविता पूर्वाग्रह को ठीक किया, तो इस स्पष्ट कौशल का अधिकांश हिस्सा गायब हो गया—"हॉट हैंड" काफी हद तक एक यादृच्छिक वितरण का अंत था।

5. वास्तविक दुनिया के केस अध्ययन

केस स्टडी 1: बॉम्बर आर्मर निर्णय (WWII)

• संदर्भ: दुश्मन की गोलाबारी में संबद्ध बमवर्षक विमानों के भारी नुकसान ने सेना को कवच प्लेटिंग के साथ विमानों को मजबूत करने का प्रस्ताव देने के लिए प्रेरित किया। हालांकि, कवच वजन जोड़ता है, सीमा, गतिशीलता और बम क्षमता को कम करता है—इसे इष्टतम रूप से रखा जाना था।

• क्या हुआ: सेना ने मिशन से लौटने वाले बमवर्षकों में बुलेट होल पर व्यापक डेटा एकत्र किया। डेटा ने धड़, पंखों और पूंछ पर उच्च क्षति घनत्व दिखाया, लेकिन इंजन और कॉकपिट पर न्यूनतम क्षति दिखाई। सैन्य कमांडरों ने निष्कर्ष निकाला कि कवच वहां जाना चाहिए जहां विमानों को सबसे ज्यादा हिट मिल रहे थे।

• काम पर पूर्वाग्रह: अब्राहम वाल्ड ने पहचाना कि डेटा केवल बचे लोगों का प्रतिनिधित्व करता है। इंजन और कॉकपिट में हिट हुए विमान वापस नहीं आए—वे इंग्लिश चैनल या जर्मन खेतों में दुर्घटनाग्रस्त हो गए। "गायब" बुलेट होल इस बात का सबूत नहीं थे कि इंजनों पर हिट नहीं हुआ था; वे इस बात का सबूत थे कि इंजन पर हिट घातक थे।

• परिणाम: वाल्ड ने इंजन और कॉकपिट को बख्तरबंद करने की सिफारिश की। उनके तरीकों ने अनगिनत जान और विमान बचाए, और कोरियाई और वियतनाम युद्धों में उपयोग किए जाते रहे।

• सीखे गए सबक: परिणामों का विश्लेषण करते समय, हमेशा पूछें: "उन मामलों का क्या हुआ जिन्हें मैं नहीं देख सकता?" सबूत का अभाव स्वयं सबसे महत्वपूर्ण घटना का प्रमाण हो सकता है।

केस स्टडी 2: म्यूचुअल फंड उद्योग का रहस्योद्घाटन (1990 का दशक)

• संदर्भ: दशकों तक, इस बात पर बहस छिड़ी रही कि क्या सक्रिय फंड मैनेजर लगातार बाजार को हरा सकते हैं ("अल्फा उत्पन्न करें")। प्रारंभिक अध्ययनों ने सुझाव दिया कि वे कर सकते हैं।

• क्या हुआ: शोधकर्ताओं ब्राउन, गोएट्ज़मैन, एल्टन, ग्रुबर और ब्लेक ने पाया कि वित्तीय डेटाबेस ने परिसमाप्त या विलय किए गए फंडों के रिकॉर्ड को नियमित रूप से हटा दिया। चूंकि खराब प्रदर्शन के कारण फंड लगभग हमेशा बंद हो जाते हैं, इसलिए डेटाबेस व्यवस्थित रूप से विफलताओं को दूर कर रहे थे।

• काम पर पूर्वाग्रह: इस छंटनी ने एक सांख्यिकीय मृगतृष्णा पैदा की जहां शेष "उत्तरजीवी" फंडों का औसत रिटर्न अधिक दिखाई दिया और अस्थिरता और प्रदर्शन के बीच स्पष्ट संबंध दिखाई दिए जो कौशल की नकल करते थे।

• परिणाम: एक बार 0.9% वार्षिक पूर्वाग्रह को ठीक कर लिया गया, तो कई सक्रिय प्रबंधकों का स्पष्ट बेहतर प्रदर्शन गायब हो गया, कुशल बाजार परिकल्पना के लिए मजबूत समर्थन प्रदान किया और वित्तीय अनुसंधान ऐतिहासिक डेटा को संभालने के तरीके में क्रांतिकारी बदलाव किया।

• सीखे गए सबक: ड्रॉपआउट, बंद या गायब होने वाले किसी भी डेटासेट का उत्तरजीविता पूर्वाग्रह के लिए विश्लेषण किया जाना चाहिए। जो कौशल या बेहतर प्रदर्शन जैसा दिखता है, वह एक सेंसर किए गए नमूने की कलाकृतियाँ हो सकता है।

ऐतिहासिक उदाहरण: डायगोरस और मंदिर की गोलियां

प्राचीन यूनानी कवि मेलो के डायगोरस को एक मंदिर में मन्नत की गोलियां दिखाई गईं—उन नाविकों द्वारा चालू किए गए चित्र जिन्होंने देवताओं से प्रार्थना की थी और जहाज के डूबने से बचे थे। उनके मित्र ने इसे दिव्य संरक्षण के प्रमाण के रूप में प्रस्तुत किया।

डायगोरस की प्रतिक्रिया संभाव्यता के दर्शन में एक मूलभूत पाठ बन गई: "मैं उन लोगों को देखता हूं जिन्हें बचाया गया था, लेकिन वे कहां चित्रित हैं जो जहाज के डूबने से मारे गए?"

डूबने वाले नाविक पेंटिंग चालू नहीं कर सकते थे। केवल मंदिर के साक्ष्य की जांच करने वाला एक पर्यवेक्षक यह निष्कर्ष निकालेगा कि प्रार्थना समुद्र में सुरक्षा की गारंटी देती है—एक ऐसा निष्कर्ष जो पूरी तरह से एक सेंसर किए गए नमूने से लिया गया है जहां साक्ष्य प्रदान करने की क्षमता जीवित रहने के साथ सहसंबद्ध थी।

यह 2,500 साल पुराना किस्सा बताता है कि उत्तरजीविता पूर्वाग्रह इतना घातक क्यों है: जीवित बचे लोग ही एकमात्र ऐसे व्यक्ति हैं जो अपनी कहानी बता सकते हैं।

6. इस पूर्वाग्रह की कीमत

6.1. व्यक्तिगत लागत

विकृत जोखिम मूल्यांकन: केवल सफल जोखिम लेने वालों को देखकर, व्यक्ति विफलता की संभावना को कम आंकते हैं। कॉलेज ड्रॉपआउट जो अरबपति नहीं बना, उद्यमी जो "सब कुछ सही करते हुए" दिवालिया हो गया, निवेशक जिसने "निश्चित चीज़" पर सब कुछ खो दिया—उनके अनुभव अदृश्य हैं, जिससे अन्य लोग खराब कैलिब्रेटेड जोखिम लेते हैं।

गलत तरीके से बताए गए सफलता के कारक: लोग इस बात को पहचाने बिना कि ये समान लक्षण विफलताओं में भी मौजूद थे, उत्तरजीवियों के व्यवहार (दृढ़ता, जोखिम लेने, आत्मविश्वास) को अपनाते हैं। उन रणनीतियों पर साल बिताए जा सकते हैं जो वास्तव में कभी भी विभेदक नहीं थे।

नकल पर बर्बाद संसाधन: उत्तरजीवी-पक्षपाती डेटा से प्राप्त "सफलता के सूत्र" का पालन करने से ऐसे दृष्टिकोणों में निवेश किया जाता है जो वास्तव में सफलता का कारण नहीं बनते हैं—केवल दृश्यमान नमूने में इसके साथ सहसंबद्ध होते हैं।

क्षतिग्रस्त आत्म-छवि: जब उत्तरजीवी-व्युत्पन्न सलाह का पालन करने से सफलता नहीं मिलती है, तो लोग यह पहचानने के बजाय खुद को दोष दे सकते हैं कि सलाह त्रुटिपूर्ण डेटा पर आधारित थी।

6.2. व्यावसायिक लागत

निवेश नुकसान: वित्त में, उत्तरजीविता पूर्वाग्रह को लगभग 0.9-4.4% वार्षिक रिटर्न मुद्रास्फीति पर निर्धारित किया गया है। असंशोधित ऐतिहासिक डेटा के आधार पर निर्णय लेने वाले निवेशक व्यवस्थित रूप से अपेक्षित रिटर्न को अधिक आंकते हैं और जोखिमों को कम आंकते हैं।

रणनीतिक भटकाव: सफल कंपनियों के अध्ययन से प्राप्त व्यावसायिक रणनीतियाँ उन कंपनियों से चूक जाती हैं जिन्होंने समान रणनीतियों का उपयोग किया और विफल रहीं। संसाधन ऐसे दृष्टिकोणों की ओर प्रवाहित होते हैं जो मान्य महसूस करते हैं लेकिन यादृच्छिक हो सकते हैं।

भर्ती और प्रतिभा निर्णय: सफल कर्मचारियों के आधार पर प्रोफाइल उन संभावित उत्कृष्ट उम्मीदवारों को याद करते हैं जो दृश्य पैटर्न से भिन्न होते हैं, जबकि जो मेल खाते हैं उन्हें काम पर रखने से वास्तविक प्रदर्शन से असंबंधित लक्षणों की नकल हो सकती है।

उत्पाद विकास विफलताएं: समान विफल उत्पादों का अध्ययन किए बिना सफल उत्पादों से सीखने से ऐसी सुविधाओं या दृष्टिकोणों में निवेश होता है जो वास्तव में सफलता के कारक नहीं थे।

6.3. सामाजिक लागत

ऐतिहासिक गलतफहमी: जीवित बचे लोगों द्वारा लिखा गया इतिहास विषम दृष्टिकोण प्रस्तुत करता है। हारने वालों के खोए हुए दृष्टिकोण, वैकल्पिक दृष्टिकोण और चेतावनियों को सामूहिक स्मृति से व्यवस्थित रूप से बाहर रखा गया है।

नीति भटकाव: समान विशेषताओं के साथ विफलताओं का लेखा-जोखा किए बिना सफल परिणामों (आर्थिक, सामाजिक, सैन्य) का अध्ययन करने पर आधारित नीतियां त्रुटिपूर्ण हस्तक्षेप की ओर ले जाती हैं।

सांस्कृतिक मिथक-निर्माण: "स्व-निर्मित सफलता" आख्यान, उत्तरजीविता पूर्वाग्रह द्वारा प्रवर्धित, भाग्य, समय और परिस्थिति की भूमिका को अस्पष्ट करता है, असमानता और सामाजिक गतिशीलता के प्रति दृष्टिकोण को आकार देता है।

चिकित्सा प्रोटोकॉल त्रुटियां: उत्तरजीवी-पक्षपाती डेटा के आधार पर उपचार के निर्णय छूट सकते हैं कि कुछ रोगियों को कम इलाज दिया गया था या सफल परिणाम विशिष्ट हस्तक्षेपों के कारण नहीं, बल्कि इसके बावजूद थे।

6.4. सांख्यिकीय प्रभाव

7. छिपे हुए लाभ

उत्तरजीविता पूर्वाग्रह विशुद्ध रूप से नकारात्मक नहीं है—यह अनुकूली कार्य करता है और अभी भी विशिष्ट संदर्भों में मूल्य प्रदान कर सकता है।

कुशल शिक्षण अनुमान: प्रत्यक्ष रूप से देखने योग्य परिणामों वाले स्थिर वातावरण में, जीवित बचे लोगों से सीखना तेज़ और यथोचित रूप से सटीक होता है। यदि अधिकांश आश्रय डिजाइन जो आपके पड़ोसियों के लिए काम करते हैं, आपके लिए काम करेंगे, तो जीवित बचे लोगों की नकल करना कुशल है।

प्रेरक कार्य: सफलता की कहानियों का कुछ जोखिम प्रेरणा और अनुकरण करने के लिए मॉडल प्रदान करता है। सभी विफलताओं की पूरी जागरूकता लकवाग्रस्त हो सकती है। कुंजी जोखिम को कम करना है, इसे समाप्त करना नहीं है।

त्वरित निर्णय लेना: जब सटीकता से अधिक गति मायने रखती है, तो उपलब्ध उदाहरणों (स्वाभाविक रूप से उत्तरजीवी-पक्षपाती) का उपयोग करना विलंबित विश्लेषण से बेहतर हो सकता है। हर निर्णय पूर्ण जांच के लायक नहीं है।

वैध पैटर्न का पता लगाना: कभी-कभी उत्तरजीवी लक्षण वास्तव में कारण होते हैं, न कि केवल सहसंबद्ध। ऐसे डोमेन में जहां विफलता मोड यादृच्छिक हैं और सफलता के कारक व्यवस्थित हैं, बचे हुए लोग वास्तविक जानकारी ले जाते हैं।

अवांछनीय चरम: उत्तरजीविता पूर्वाग्रह को पूरी तरह से समाप्त करने के लिए किसी भी निर्णय से पहले सभी संभावित विफलताओं के विस्तृत विश्लेषण की आवश्यकता होगी। यह संज्ञानात्मक रूप से असंभव और व्यावहारिक रूप से पंगु बनाने वाला है। लक्ष्य जागरूकता और उचित सुधार है, उन्मूलन नहीं।

8. स्व-मूल्यांकन: क्या आपको यह पूर्वाग्रह है?

8.1. चेतावनी संकेत चेकलिस्ट

• आप अक्सर जीवन/कैरियर रणनीतियों के साक्ष्य के रूप में सफल लोगों (जॉब्स, गेट्स, मस्क) का हवाला देते हैं
• आप मानते हैं कि पिछले उत्पाद/संगीत/शिल्प कौशल आमतौर पर आज की तुलना में बेहतर थे
• आपने केवल सफल उदाहरणों का अध्ययन करने के आधार पर महत्वपूर्ण निर्णय लिए हैं
• आप शायद ही कभी पूछते हैं "उन लोगों का क्या हुआ जिन्होंने यह कोशिश की और असफल रहे?"
• आप ऐतिहासिक फंड/निवेश प्रदर्शन डेटा पर अंकित मूल्य पर भरोसा करते हैं
• आप मानते हैं कि "सफलता सुराग छोड़ती है" जिसे विजेताओं से मज़बूती से निकाला जा सकता है
• आप उन सफलता की कहानियों में भाग्य/समय को महत्वपूर्ण कारकों के रूप में खारिज करते हैं जिनकी आप प्रशंसा करते हैं
• आपने दूसरों के लिए काम नहीं करने पर विचार किए बिना आपके लिए क्या काम किया, इस पर आधारित सलाह दी है
• आप "हाउ आई सक्सीडेड" किताबें/पॉडकास्ट को अत्यधिक प्रेरक पाते हैं
• निर्णयों का विश्लेषण करते समय, आप उस प्रक्रिया के बजाय परिणामों पर ध्यान केंद्रित करते हैं जिसके कारण वे हुए

स्कोरिंग:

• 0-2 चेक किए गए: कम संवेदनशीलता
• 3-5 चेक किए गए: मध्यम संवेदनशीलता
• 6-8 चेक किए गए: उच्च संवेदनशीलता
• 9-10 चेक किए गए: बहुत उच्च संवेदनशीलता

8.2. आत्म-प्रतिबिंब प्रश्न

1. पिछली बार जब आपने कोई महत्वपूर्ण निर्णय लेने से पहले सक्रिय रूप से विफलता की कहानियों की खोज की थी?

2. अपनी किसी सफलता के बारे में सोचें—कितने अन्य लोगों ने समान दृष्टिकोण का प्रयास किया और असफल रहे? क्या आप वास्तव में जानते हैं?

3. आप किन "स्पष्ट" सफलता कारकों में विश्वास करते हैं? आप यह कैसे परीक्षण करेंगे कि क्या ये कारक विफलताओं में भी मौजूद हैं?

4. जब आपको सफल लोगों से सलाह मिलती है, तो क्या आप विचार करते हैं कि कितने असफल लोगों ने वही सलाह दी?

5. क्या किसी ने कभी यह बताया है कि आप अधूरे डेटा से निष्कर्ष निकाल रहे थे? आपने कैसे प्रतिक्रिया दी?

8.3. त्वरित नैदानिक परिदृश्य

परिदृश्य: आप व्यवसाय शुरू करने पर विचार कर रहे हैं और पढ़ें कि आपके उद्योग के 60% व्यवसाय जो ग्राहक सेवा पर केंद्रित थे, वे अपने पहले 5 वर्षों में जीवित रहे। यह पुख्ता सबूत लगता है कि ग्राहक सेवा पर ध्यान देना अस्तित्व की कुंजी है।

आप इसकी व्याख्या कैसे करेंगे?

• ए) "बढ़िया! मुझे निश्चित रूप से ग्राहक सेवा को प्राथमिकता देनी चाहिए—डेटा स्पष्ट रूप से दिखाता है कि यह काम करता है।" → उच्च संवेदनशीलता
• बी) "दिलचस्प, लेकिन मुझे आश्चर्य है कि कितने प्रतिशत विफल व्यवसायों ने भी ग्राहक सेवा को प्राथमिकता दी।" → मध्यम संवेदनशीलता
• सी) "यह मुझे विफल व्यवसायों के बीच ग्राहक सेवा दरों को जाने बिना कुछ नहीं बताता है। यदि 60% विफलताएं भी ग्राहक सेवा पर केंद्रित हैं, तो इस कारक का कोई भविष्य कहनेवाला मूल्य नहीं है।" → कम संवेदनशीलता

9. दूसरों में इस पूर्वाग्रह की पहचान करना

9.1. व्यवहार संबंधी संकेतक

भाषण में:

• सार्वभौमिक साक्ष्य के रूप में प्रसिद्ध सफलता की कहानियों का लगातार उपयोग
• दृश्यमान विजेताओं के छोटे नमूनों से सामान्यीकरण
• सफलता के आख्यानों में भाग्य/समय कारकों की बर्खास्तगी
• अदृश्य विफलताओं को स्वीकार किए बिना "क्या काम करता है" से एक्सट्रपलेशन

निर्णय लेने में:

• सफल कंपनियों/लोगों के केस स्टडी पर अत्यधिक निर्भरता
• आधार दरों और विफलता आवृत्तियों को कम करना
• विशेष रूप से सफल प्रतिस्पर्धियों के खिलाफ बेंचमार्किंग
• डेटा संग्रह पर सवाल उठाए बिना ऐतिहासिक प्रदर्शन डेटा पर भरोसा

तर्कों में:

• रणनीति वैधता के प्रमाण के रूप में सफल उदाहरणों के अस्तित्व का उपयोग करना
• उन ज़ेड पर विचार किए बिना "एक्स ने वाई के लिए काम किया" बहस करना जिनके लिए एक्स विफल रहा
• साक्ष्य के अभाव (कोई ज्ञात विफलता नहीं) को अनुपस्थिति के प्रमाण के रूप में व्याख्या करना

9.2. संवादी रेड फ्लैग्स

इस पूर्वाग्रह के तहत लोग क्या कहते हैं:

• "देखो [प्रसिद्ध सफलता]—उन्होंने एक्स किया, और यह काम कर गया!"
• "मेरे जानने वाले सभी सफल लोगों में वाई विशेषता है।"
• "डेटा से पता चलता है कि इस दृष्टिकोण का एक शानदार ट्रैक रिकॉर्ड है।"
• "वे अब चीजें वैसे नहीं बनाते जैसे वे इस्तेमाल करते थे।"
• "हर महान कंपनी की यह विशेषता होती है।"

वे जिस प्रकार के तर्क देते हैं:

• विफलता दर विचार के बिना दृश्यमान सफलता से प्रेरण
• विशेष रूप से जीवित मामलों का उपयोग करके "उदाहरण द्वारा प्रमाण"

वे जो प्रश्न पूछने से बचते हैं:

• "कितनों ने इस तरीके को आजमाया और असफल रहे?"
• "इस रणनीति की सफलता की मूल दर क्या है?"
• "हम इस डेटासेट में विफलताएं क्यों नहीं देख सकते हैं?"

9.3. स्थितिजन्य ट्रिगर

परिस्थितियां जो पूर्वाग्रह को सक्रिय करती हैं:

• क्यूरेट की गई सफलता की कहानियों तक पहुंच (मीडिया, किताबें, सम्मेलन)
• ड्रॉपआउट/क्लोजर/डिलीशन मैकेनिज्म वाले डेटाबेस का विश्लेषण
• कोई भी मूल्यांकन जहां विफलताएं दृष्टि से गायब हो जाती हैं
• वर्तमान बाजार के नेताओं का पूर्वव्यापी विश्लेषण

भावनात्मक अवस्थाएं जो भेद्यता को बढ़ाती हैं:

• पहले ही लिए गए निर्णय के बारे में आशावाद
• किसी दृष्टिकोण को सही ठहराने की इच्छा
• किसी सफल व्यक्ति के प्रति प्रशंसा

समय का दबाव:

• तात्कालिकता पुष्टि न करने वाले (विफलता) डेटा की खोज की संभावना को कम करती है
• समय-सीमाएं संपूर्ण खोज के मुकाबले उपलब्ध उदाहरणों का पक्ष लेती हैं

10. संज्ञानात्मक पूर्वाग्रह हटाने की रणनीतियाँ

10.1. तत्काल तकनीकें

डायगोरस प्रश्न: सफलता के उदाहरणों के आधार पर कोई भी निर्णय लेने से पहले, स्पष्ट रूप से पूछें: "जहाज के डूबने वाले कहां हैं?" किसने यह कोशिश की और असफल रहा? मैं उन्हें क्यों नहीं देख पा रहा हूँ?

डेटा को उल्टा करें: जब जीवित बचे लोगों की विशेषताओं के साथ प्रस्तुत किया जाता है, तो मानसिक रूप से "विफलता कब्रिस्तान" का निर्माण करें। क्या विफल मामलों में भी ये लक्षण होंगे? यदि अज्ञात है, तो डेटा अधूरा है।

आधार दर जांच: सफलताओं से निष्कर्ष निकालने से पहले, भाजक का अनुमान लगाएं। "इस दृष्टिकोण को आजमाने वाले सभी लोगों में से कितने अंश सफल हुए?" यदि अज्ञात है, तो अनिश्चितता को स्वीकार करें।

विफलता मोड इन्वेंटरी: उन सभी तरीकों को सूचीबद्ध करें जिनसे विश्लेषण किए गए उदाहरण विफल हो सकते थे और गायब हो सकते थे। जो कार कंपनियाँ दिवालिया हो गईं, जो रेस्तरां बंद हो गए, जो फंड समाप्त हो गए—वे कहाँ गए?

स्रोत पूछताछ: किसी भी डेटासेट के लिए पूछें: "ड्रॉपआउट/विलोपन/अस्तित्व तंत्र क्या है?" विफलताओं को कैसे दूर किया जाता है? यह पूर्वाग्रह की संरचना को उजागर करता है।

10.2. दीर्घकालिक रणनीतियां

विफलताओं का जानबूझकर अध्ययन करें: पोस्ट-मॉर्टम, दिवालियापन विश्लेषण, विफल स्टार्टअप कहानियों की तलाश करें। सीबी इनसाइट्स का "स्टार्टअप विफलता पोस्ट-मॉर्टम" और इसी तरह के संसाधन आम तौर पर गायब मौन साक्ष्य प्रदान करते हैं।

प्री-मॉर्टम अभ्यास: प्रोजेक्ट शुरू करने से पहले, "प्री-मॉर्टम" आयोजित करें—कल्पना करें कि प्रोजेक्ट विफल हो गया है और कारणों की पहचान करने के लिए पीछे की ओर काम करें। यह विफलताओं की कल्पना करने वाली मानसिक मांसपेशी का अभ्यास करता है।

संभाव्यता अंशांकन (Probability Calibration): डेटा देखने से पहले आधार दरों का अनुमान लगाने का अभ्यास करें। अपनी सटीकता को ट्रैक करें। यह इस बात के लिए अंतर्ज्ञान का निर्माण करता है कि दृश्यमान सफलता दरें कितनी बार वास्तविक सफलता दरों को बढ़ा-चढ़ा कर बताती हैं।

ऐतिहासिक प्रतिवाद (Historical Counterfactuals): इतिहास का अध्ययन करते समय, सक्रिय रूप से वैकल्पिक रास्तों पर विचार करें—क्या लगभग हुआ, कौन लगभग सफल हुआ, क्या अन्य परिणाम संभव थे। नसीम तालेब इन्हें "वैकल्पिक इतिहास" कहते हैं।

10.3. पर्यावरण डिजाइन

डेटा इन्फ्रास्ट्रक्चर: "पॉइंट-इन-टाइम" डेटासेट का उपयोग करें जो विफलता के रिकॉर्ड को उस समय सुरक्षित रखता है जब वे मौजूद थे, बजाय वर्तमान-स्थिति वाले डेटाबेस के जो केवल उत्तरजीवियों को दिखाते हैं।

विफलता पुस्तकालय: संगठनात्मक ज्ञान प्रबंधन को केवल सफल परियोजनाओं को ही नहीं, बल्कि विफल परियोजनाओं को संग्रहित करना चाहिए। पोस्ट-मॉर्टम सफलता के मामले के अध्ययन जितने ही सुलभ होने चाहिए।

डेविल्स एडवोकेट प्रोटोकॉल: उन भूमिकाओं को संस्थागत बनाएं जो विशेष रूप से रणनीतिक निर्णयों में विफलता डेटा और पुष्ट न होने वाले साक्ष्य की खोज करती हैं।

विविध सलाहकार नेटवर्क: अपने सलाहकार सर्कल में उन लोगों को शामिल करें जिन्होंने विफलता का अनुभव किया है। उनका दृष्टिकोण आमतौर पर गायब "मौन साक्ष्य" प्रदान करता है।

10.4. बाहरी इनपुट कब लें

बाहरी सत्यापन की आवश्यकता वाले निर्णय प्रकार:

• ऐतिहासिक प्रदर्शन डेटा के आधार पर प्रमुख निवेश
• प्रतिस्पर्धी विश्लेषण पर आधारित रणनीति निर्णय
• सफलता की कहानियों पर आधारित कैरियर/जीवन निर्णय
• उपचार परिणाम डेटा के आधार पर चिकित्सा निर्णय

किससे परामर्श करें:

• चयन पूर्वाग्रह से परिचित सांख्यिकीविद
• वे लोग जो आपके द्वारा विचार किए जा रहे दृष्टिकोण में विफल रहे हैं
• विशिष्ट डोमेन की विफलता दरों का अध्ययन करने वाले शोधकर्ता
• लापता डेटा खोजने के लिए नियुक्त डेविल्स एडवोकेट्स

अनुरोध कैसे फ्रेम करें:

• "यहाँ भाजक क्या है?"
• "उन लोगों का क्या हुआ जिन्होंने यह कोशिश की और असफल रहे?"
• "यह डेटा कैसे एकत्र किया जाता है, और किन कारणों से मामले गायब हो जाते हैं?"

11. व्यावहारिक अभ्यास

व्यायाम 1: विफलता कब्रिस्तान वॉक

• उद्देश्य: अदृश्य विफलताओं के लिए अंतर्ज्ञान विकसित करना
• आवश्यक समय: 45 मिनट
• आवश्यक सामग्री: इंटरनेट का उपयोग, नोटबुक
• कठिनाई स्तर: शुरुआत
• निर्देश:
  1. एक डोमेन चुनें जिसमें आपकी रुचि है (स्टार्टअप, रेस्तरां, उत्पाद, आदि)
  2. उस डोमेन में 5 प्रसिद्ध सफलताओं की पहचान करें
  3. प्रत्येक सफलता के लिए, ऐसे 3 समकालीनों पर शोध करें जिन्होंने समान दृष्टिकोण का प्रयास किया और असफल रहे
  4. नोट करें कि सफलताओं और विफलताओं में कौन से लक्षण/रणनीतियां साझा की गई थीं
  5. दस्तावेज़ करें कि विफलताएं आम तौर पर अदृश्य क्यों होती हैं (दिवालियापन, अधिग्रहण, विलोपन, आदि)
• प्रतिबिंब प्रश्न:
  • विफलताओं को ढूंढना कितना कठिन था?
  • सफलताओं और विफलताओं दोनों में कौन से "सफलता कारक" दिखाई दिए?
  • यह इस बात को कैसे बदलता है कि सफलता का कारण क्या था?
• आवृत्ति: मासिक, विशेष रूप से बड़े निर्णयों से पहले

व्यायाम 2: डेटासेट शव परीक्षण (Dataset Autopsy)

• उद्देश्य: डेटा स्रोतों में उत्तरजीविता पूर्वाग्रह की पहचान करना सीखें
• आवश्यक समय: 60 मिनट
• आवश्यक सामग्री: एक डेटासेट तक पहुंच जिसका आप उपयोग करते हैं (वित्तीय, व्यावसायिक, प्रदर्शन डेटा)
• कठिनाई स्तर: मध्यवर्ती
• निर्देश:
  1. एक डेटासेट चुनें जिस पर आप निर्णयों के लिए भरोसा करते हैं
  2. डेटा संग्रह पद्धति का दस्तावेजीकरण करें
  3. उन सभी तंत्रों को पहचानें जिनके द्वारा रिकॉर्ड हटाया जा सकता है (बंद करना, विलय, विलोपन, गैर-रिपोर्टिंग)
  4. अनुमान लगाएं कि मूल आबादी का कितना प्रतिशत गायब हो सकता है
  5. विचार करें कि लापता डेटा जीवित डेटा से कैसे भिन्न हो सकता है
• प्रतिबिंब प्रश्न:
  • यदि आप लापता डेटा देख पाते तो क्या बदल जाता?
  • इस डेटा से निकाले गए निष्कर्षों पर आपको कितना भरोसा होना चाहिए?
  • कौन से समायोजन उचित हो सकते हैं?
• आवृत्ति: जब भी निर्णयों के लिए ऐतिहासिक डेटा का उपयोग करते हैं

व्यायाम 3: प्री-मॉर्टम अनुष्ठान

• उद्देश्य: व्यवस्थित रूप से विफलता के अदृश्य होने से पहले उसकी कल्पना करना
• आवश्यक समय: 30 मिनट
• आवश्यक सामग्री: कागज, टाइमर
• कठिनाई स्तर: उन्नत
• निर्देश:
  1. प्रोजेक्ट शुरू करने से पहले टीम को इकट्ठा करें
  2. 20 मिनट का टाइमर सेट करें
  3. कल्पना कीजिए कि यह अब से एक वर्ष है और परियोजना पूरी तरह से विफल हो गई है
  4. प्रत्येक व्यक्ति उन सभी कारणों को लिखता है जिनके कारण यह विफल हुआ (पहले स्वतंत्र रूप से)
  5. विफलता मोड को साझा और समेकित करें
• प्रतिबिंब प्रश्न:
  • कौन से विफलता मोड सबसे अधिक संभावित हैं?
  • कौन सी विफलताएं भविष्य के विश्लेषकों के लिए कोई सबूत नहीं छोड़ेंगी?
  • आप अदृश्य विफल डेटा बनने से कैसे बच सकते हैं?
• आवृत्ति: प्रत्येक महत्वपूर्ण परियोजना की शुरुआत में

दैनिक अभ्यास

शाम की विफलता का प्रश्न: हर शाम, आपके द्वारा लिए गए एक निर्णय की समीक्षा करें और पूछें: "मैं कौन सी विफलताएं नहीं देख रहा हूं जिन्हें इसे सूचित करना चाहिए?"

• सुझावी अवधि: 5 मिनट
• दिन का सबसे अच्छा समय: शाम
• प्रगति को कैसे ट्रैक करें: प्रतिदिन एक "छिपी हुई विफलता" अंतर्दृष्टि को जर्नल करें

साप्ताहिक चुनौती

मौन साक्ष्य शिकार: प्रत्येक सप्ताह, दृश्यमान साक्ष्य के आधार पर अपनी धारणा चुनें और सक्रिय रूप से "मौन साक्ष्य" खोजें जो इसका खंडन कर सकता है।

• 4 सप्ताह के बाद अपेक्षित परिणाम: "क्या गायब है" पूछने के लिए अंतर्ज्ञान में उल्लेखनीय सुधार और केवल-दृश्यमान डेटा से निष्कर्षों में विश्वास में कमी
• चिंतन के लिए जर्नलिंग संकेत:
  • इस सप्ताह मैंने किस विश्वास की जांच की?
  • मैंने कौन सा मौन साक्ष्य खोजा?
  • इसे खोजने से मेरे आत्मविश्वास के स्तर में कैसे बदलाव आया?

12. विशिष्ट दर्शकों के लिए

नेताओं और प्रबंधकों के लिए

रणनीतिक योजना: प्रतिस्पर्धी सफलताओं का विश्लेषण करते समय, यह अनिवार्य करें कि रणनीति दल उन प्रतिस्पर्धियों का भी अध्ययन करें जिन्होंने समान रणनीतियों का उपयोग किया और विफल रहे। विफलताएं प्रकट कर सकती हैं कि देखे गए "सफलता के कारक" कारण नहीं हैं।

परियोजना के बाद का विश्लेषण: विफल परियोजनाओं को सफल परियोजनाओं के समान ही कठोरता से संग्रहित और अध्ययन करें। विफलताओं से सीखना अक्सर अधिक मूल्यवान होता है, और जानबूझकर संरक्षण के बिना, यह गायब हो जाता है।

नियुक्ति संबंधी निर्णय: शीर्ष प्रदर्शन करने वालों से प्राप्त प्रोफाइल के बारे में सतर्क रहें। विचार करें कि किन उम्मीदवारों को खारिज कर दिया गया जो सफल हो सकते थे, और कौन से किराए प्रोफ़ाइल से मेल खाते थे लेकिन विफल रहे और चले गए।

निर्णय दस्तावेज़ीकरण: केवल परिणाम नहीं, बल्कि निर्णय के समय की जानकारी और तर्क भी दर्ज करें। यह ईमानदार मूल्यांकन की अनुमति देता है, तब भी जब विफलताएं प्रस्थान, पुनर्गठन या संशोधन के माध्यम से "गायब" हो जाती हैं।

संस्कृति निर्माण: खुले तौर पर विफलताओं का जश्न मनाएं और उन पर चर्चा करें। यह उन्हें चुप रहने के बजाय संगठनात्मक स्मृति में दृश्यमान रखता है।

माता-पिता और शिक्षकों के लिए

अवधारणा सिखाना: डायगोरस कहानी का उपयोग करें—यह बच्चों के लिए सुलभ है। पूछें: "अगर हम केवल उन्हीं लोगों से सुनते हैं जो जीते, तो हम क्या नहीं सीखते?"

सफलता की कहानी का संतुलन: प्रेरणादायक कहानियाँ साझा करते समय, विफलता की कहानियाँ भी साझा करें। "कई लोगों ने ठीक वैसा ही किया जैसा उसने किया था और यह काम नहीं किया। क्या अंतर हो सकता था?"

विज्ञान शिक्षा: उत्तरजीविता पूर्वाग्रह नमूनाकरण, चयन और प्रायोगिक डिजाइन को समझने के लिए एक उत्कृष्ट प्रवेश द्वार है। WWII बमवर्षक उदाहरण का उपयोग करें—यह विशद और प्रति-सहज (counterintuitive) है।

मॉडलिंग विफलता खुलापन: अपनी खुद की विफलताएं साझा करें और उन्होंने आपको क्या सिखाया। विफलता को अदृश्य की बजाय चर्चा योग्य बनाएं।

स्वास्थ्य देखभाल पेशेवरों के लिए

क्लिनिकल ट्रायल इंटरप्रिटेशन: ड्रॉपआउट पैटर्न के प्रति सतर्क रहें। जो रोगी इलाज बंद कर देते हैं, वे जारी रखने वाले रोगियों से व्यवस्थित रूप से भिन्न हो सकते हैं। इंटेंशन-टू-ट्रीट विश्लेषण आंशिक रूप से इसे संबोधित करता है।

ऐतिहासिक उपचार मूल्यांकन: "पारंपरिक" उपचार जो "समय की कसौटी पर खरे उतरे हैं" बस उत्तरजीवी हो सकते हैं। अप्रभावी उपचार जिन्हें छोड़ दिया गया था, वे कोई सबूत नहीं छोड़ते हैं।

डायग्नोस्टिक पैटर्न मान्यता: यादगार मामले (स्मृति में बचे) आधार दरों का प्रतिनिधित्व नहीं कर सकते हैं। पैटर्न-मिलान करते समय सक्रिय रूप से विभिन्न परिणामों वाले मामलों को याद करें।

मृत्यु दर सांख्यिकी: समझें कि कैसे "डेथ ऑन अराइवल" बहिष्करण, स्थानांतरण पैटर्न और प्रलेखन प्रथाएं परिणाम डेटा में उत्तरजीविता पूर्वाग्रह पैदा करती हैं।

वित्तीय पेशेवरों के लिए

डेटाबेस स्वच्छता: उपलब्ध होने पर हमेशा उत्तरजीविता-पूर्वाग्रह-मुक्त डेटाबेस का उपयोग करें। मानक डेटाबेस के लिए, ज्ञात सुधार कारक लागू करें (उदाहरण के लिए, म्यूचुअल फंड के लिए ~0.9%)।

क्लाइंट संचार: ऐतिहासिक प्रदर्शन दिखाते समय, समझाएं कि क्या गायब है। "यह सूचकांक उन कंपनियों को दिखाता है जो आज मौजूद हैं। जो कंपनियां विफल रहीं उन्हें शामिल नहीं किया गया है, जो पिछले प्रदर्शन को वास्तविक से बेहतर दिखाता है।"

बैकटेस्ट संदेह: पॉइंट-इन-टाइम डेटा आवश्यक है। वर्तमान सूचकांक संरचना का उपयोग करने वाले किसी भी बैकटेस्ट ने प्रभावी रूप से 100% उत्तरजीविता हासिल कर ली है—एक असंभव स्थिति।

हेज फंड ड्यू डिलिजेंस: उत्तरजीविता और बैकफिल पूर्वाग्रह दोनों के लिए खाता। संयुक्त प्रभाव (~4.4% प्रति मल्कील) का अर्थ है कि रिपोर्ट किया गया औसत हेज फंड प्रदर्शन वास्तविकता को बहुत बढ़ा-चढ़ा कर बताता है।

13. अन्य पूर्वाग्रहों के साथ बातचीत

पूर्वाग्रह जो उत्तरजीविता पूर्वाग्रह को बढ़ाते हैं

पूर्वाग्रह जो उत्तरजीविता पूर्वाग्रह का प्रतिकार करते हैं

सामान्य पूर्वाग्रह श्रृंखलाएं (Common Bias Chains)

सफलता अनुकरण झरना: उत्तरजीविता पूर्वाग्रह (केवल विजेताओं को देखें) → उपलब्धता अनुमान (विजेता स्मृति पर हावी हैं) → कथा भ्रांति (विजेता लक्षणों से कारण कहानी का निर्माण करें) → अति आत्मविश्वास (विश्वास करें कि कहानी सफलता की व्याख्या करती है) → पुष्टिकरण पूर्वाग्रह (कहानी का समर्थन करने वाले साक्ष्य की तलाश करें) → जोखिम मिसकैलिब्रेशन (विफलता की संभावना को कम आंकें)

रुकावट बिंदु: कहानी बनने से पहले स्पष्ट रूप से पूछकर "विफलताएं कहां हैं?" श्रृंखला को जल्दी तोड़ा जा सकता है। एक बार एक सम्मोहक कहानी का निर्माण हो जाने के बाद, उसे हटाना बहुत कठिन हो जाता है।

14. सांस्कृतिक दृष्टिकोण

उत्तरजीविता पूर्वाग्रह सभी संस्कृतियों में प्रकट होता है लेकिन सांस्कृतिक संदर्भ से प्रवर्धित या संचालित किया जा सकता है।

व्यक्तिवादी बनाम सामूहिकतावादी संस्कृतियाँ: अत्यधिक व्यक्तिवादी संस्कृतियों (जैसे, संयुक्त राज्य अमेरिका) में, "स्व-निर्मित सफलता" कथा विशेष रूप से प्रमुख है, संभावित रूप से व्यक्तिगत उपलब्धि संदर्भों में उत्तरजीविता पूर्वाग्रह को बढ़ाती है। सामूहिक संस्कृतियों में इन-समूहों के भीतर विफलताओं की अधिक दृश्यता हो सकती है, आंशिक रूप से पूर्वाग्रह को कम करता है।

उच्च शक्ति दूरी संस्कृतियाँ: उच्च शक्ति दूरी वाली संस्कृतियों में, सफलताओं को और भी अधिक मनाया जा सकता है जबकि शर्म से बचने के लिए विफलताओं को छुपाया जाता है, संभावित रूप से परिणामों की उत्तरजीवी-केवल दृश्यता बढ़ जाती है।

जोखिम रवैया: उच्च जोखिम सहनशीलता वाली संस्कृतियों में दृश्यमान जोखिम लेने वालों से सबक लेने की अधिक संभावना हो सकती है, जबकि जोखिम से बचने वाली संस्कृतियां स्वाभाविक रूप से अधिक विफलता डेटा की तलाश कर सकती हैं।

15. मिथक और गलत धारणाएं

16. विशेषज्ञ अंतर्दृष्टि

"मैं उन लोगों को देखता हूं जिन्हें बचाया गया था, लेकिन वे कहां चित्रित हैं जो जहाज के डूबने से मारे गए?" — मेलो के डायगोरस, 5वीं शताब्दी ईसा पूर्व

"विफल रेस्तरां का कब्रिस्तान बहुत शांत है। यहां तक कि सबसे महान विचार प्रयोगों और पुस्तकों ने रेस्तरां व्यवसाय में कैसे असफल नहीं होना चाहिए, इस पर बहुत कम लिखा है क्योंकि जो लोग असफल होते हैं वे किताबें नहीं लिखते हैं।" — नसीम निकोलस तालेब, फूल्ड बाय रैंडमनेस

"मानव बुद्धि नकारात्मक की तुलना में सकारात्मक बातों से अधिक प्रेरित होती है।" — फ्रांसिस बेकन, नोवम ऑर्गनम

"[एसआरजी (SRG)] अब तक आयोजित सांख्यिकीविदों का सबसे असाधारण समूह था।" — डब्लू. एलेन वालिस, सांख्यिकीय अनुसंधान समूह के निदेशक

17. मुख्य निष्कर्ष

1. उत्तरजीविता पूर्वाग्रह सार्वभौमिक और प्राचीन है—2,500 साल पहले डायगोरस द्वारा मान्यता प्राप्त, द्वितीय विश्व युद्ध में वाल्ड द्वारा औपचारिक रूप दिया गया, और आधुनिक वित्त में परिमाणित किया गया।

2. यह पूर्वाग्रह व्यवस्थित रूप से भ्रामक डेटा बनाता है—न केवल अधूरा बल्कि सक्रिय रूप से भ्रामक क्योंकि विफलताओं की अनुपस्थिति दृश्यमान वितरण के आकार को बदल देती है।

3. जो गायब है वह अक्सर सबसे महत्वपूर्ण डेटा होता है—वाल्ड की अंतर्दृष्टि कि "लापता" बुलेट छेद दुर्घटनाग्रस्त विमानों पर थे, सभी उत्तरजीविता पूर्वाग्रह विश्लेषण के लिए प्रतिमान है।

4. वित्तीय प्रभाव मात्रात्मक है—म्यूचुअल फंड के लिए लगभग 0.9% सालाना, हेज फंड के लिए 4.4%, और बैकटेस्टिंग त्रुटियों के लिए अज्ञात लेकिन पर्याप्त।

5. मारक अदृश्य की सक्रिय खोज है—लगातार पूछना कि "जहाज के डूबने वाले कहां हैं?" वह अनुशासन है जो इस पूर्वाग्रह से बचाता है।

6. सुधार विधियां मौजूद हैं—हेकमैन सुधार, व्युत्क्रम संभाव्यता भार (Inverse Probability Weighting), कापलान-मेयर अनुमान, और पॉइंट-इन-टाइम डेटाबेस आंशिक रूप से पूर्वाग्रह को संबोधित कर सकते हैं।

7. दृश्यता वैधता नहीं है—जिस आसानी से हम सफल उदाहरणों को देखते हैं, वह हमें पूरी आबादी के प्रतिनिधि होने के बारे में कुछ नहीं बताता है।

18. अतिरिक्त संसाधन

अकादमिक पेपर

• ब्राउन, एस. जे., गोएट्ज़मैन, डब्ल्यू., इब्बोटसन, आर. जी., और रॉस, एस. ए. (1992)। प्रदर्शन अध्ययन में उत्तरजीविता पूर्वाग्रह। रिव्यू ऑफ फाइनेंशियल स्टडीज, 5(4), 553-580।
• एल्टन, ई. जे., ग्रुबर, एम. जे., और ब्लेक, सी. आर. (1996)। उत्तरजीविता पूर्वाग्रह और म्यूचुअल फंड प्रदर्शन। रिव्यू ऑफ फाइनेंशियल स्टडीज, 9(4), 1097-1120।
• वाल्ड, ए. (1943)। बचे हुए लोगों के नुकसान के आधार पर विमान भेद्यता का अनुमान लगाने की एक विधि। सांख्यिकीय अनुसंधान समूह ज्ञापन।

पुस्तकें

• तालेब, एन. एन. (2001)। फूल्ड बाय रैंडमनेस: द हिडन रोल ऑफ चांस इन लाइफ एंड इन द मार्केट्स। रैंडम हाउस।
• तालेब, एन. एन. (2007)। द ब्लैक स्वान: द इम्पैक्ट ऑफ द हाईली इम्प्रोबेबल। रैंडम हाउस।
• कहनेमन, डी. (2011)। थिंकिंग, फास्ट एंड स्लो। फर्रार, स्ट्रैस और गिरौक्स।

पुस्तक अध्याय

• बेकन, एफ. (1620)। आइडल्स ऑफ द ट्राइब। नोवम ऑर्गनम में।
• सिसरो। (45 ईसा पूर्व)। डी नटूरा डियोरम [देवताओं की प्रकृति पर]। पुस्तक III (इसमें डायगोरस का किस्सा शामिल है)।

19. सारांश कार्ड

20. प्रयुक्त शब्दों की शब्दावली

21. चर्चा प्रश्न

बुक क्लब, कक्षाओं या आत्म-प्रतिबिंब के लिए:

1. क्या आप मुख्य रूप से दृश्यमान सफलता की कहानियों के आधार पर लिए गए किसी बड़े जीवन निर्णय की पहचान कर सकते हैं? आप कौन सी विफलताएं नहीं देख पाए?

2. वाल्ड ने वहां कवच लगाने की सिफारिश की जहां गोलियों के निशान नहीं थे। वर्तमान में कौन सी समस्याओं को यह देखने से लाभ हो सकता है कि क्षति कहां नहीं दिखाई दे रही है?

3. सोशल मीडिया, जो सफलताओं को उजागर करता है और विफलताओं को छुपाता है, करियर और जीवन के फैसलों में उत्तरजीविता पूर्वाग्रह को कैसे बढ़ा सकता है?

4. क्या विफलताओं को सही मायने में "देखने" का कोई तरीका है, या क्या हम हमेशा उत्तरजीवी-पक्षपाती डेटा के साथ काम कर रहे हैं? सुधार विधियों की सीमाएं क्या हैं?

5. तालेब का तर्क है कि सफल लोगों की सलाह विफलताओं की सलाह से अधिक मान्य नहीं हो सकती है। इस पूर्वाग्रह को देखते हुए हमें दूसरों से मेंटरशिप और सीखने के बारे में कैसे सोचना चाहिए?