بقا کا تعصب (Survivorship Bias)
ایک نظر میں
| زمرہ | تفصیلات |
|---|---|
| تعریف | ایک منظم منطقی خامی جس میں ان لوگوں، چیزوں، یا ڈیٹا پوائنٹس پر توجہ مرکوز کی جاتی ہے جو کسی انتخابی عمل میں "بچ گئے" جبکہ ان کو نظر انداز کر دیا جاتا ہے جو اپنی عدم دستیابی یا پوشیدگی کی وجہ سے بچ نہیں سکے۔ |
| زمرہ | ناکافی مفہوم (ہم جب بھی خلا پاتے ہیں، دقیانوسی تصورات، عمومیات اور پچھلی تاریخوں سے خصوصیات بھر لیتے ہیں) |
| قابو پانے میں مشکل | بہت مشکل |
| پھیلاؤ | عالمگیر |
| متعلقہ تعصبات | دستیابی کا ہیورسٹک (Availability Heuristic)، رجائیت پسندی کا تعصب (Optimism Bias)، انتخاب کا تعصب (Selection Bias)، تصدیقی تعصب (Confirmation Bias)، ادراکِ مابعد کا تعصب (Hindsight Bias) |
1. فوری خلاصہ
جب ہم کامیابی کا تجزیہ کرتے ہیں، تو ہم صرف جیتنے والوں کو دیکھتے ہیں—وہ کمپنیاں جو ترقی کر گئیں، وہ عمارتیں جو اب بھی کھڑی ہیں، وہ لوگ جو کامیاب ہو گئے۔ ہم کبھی ناکامیوں کو نہیں دیکھتے کیونکہ وہ غائب ہو چکی ہیں۔ یہ حقیقت کی ایک خطرناک حد تک مسخ شدہ تصویر بناتا ہے جہاں ہم اپنی کامیابی کے امکانات کا زیادہ اندازہ لگاتے ہیں، کامیابی کی وجوہات کی غلط نشاندہی کرتے ہیں، اور نامکمل ڈیٹا سے نتائج اخذ کرتے ہیں۔ سب سے اہم معلومات تقریباً ہمیشہ وہی معلومات ہوتی ہے جو غائب ہو۔
2. اس کے پیچھے کی سائنس
2.1. دریافت اور تاریخ
بقا کے تعصب کی فکری پہچان جدید اعداد و شمار سے دو ہزار سال سے زیادہ پرانی ہے، حالانکہ دوسری جنگ عظیم کے دوران اس کا باقاعدہ ریاضیاتی علاج سامنے آیا۔
قدیم ابتداء (5ویں صدی قبل مسیح): قدیم ترین دستاویزی مشاہدہ میلوس کے ڈیاگوراس (Diagoras of Melos) سے ملتا ہے، جو ایک یونانی شاعر اور معروف ملحد تھے۔ جب انہیں خدائی مداخلت کے ثبوت کے طور پر جہاز کے ڈوبنے سے بچ جانے والے نمازیوں کی پینٹ شدہ تختیاں دکھائی گئیں، تو ڈیاگوراس نے مشہور جواب دیا: "میں انہیں دیکھ رہا ہوں جو بچ گئے ہیں، لیکن وہ پینٹ کیے گئے کہاں ہیں جو جہاز ڈوبنے سے ہلاک ہوئے؟" یہ قصہ، جو سسیرو (Cicero) نے De Natura Deorum میں محفوظ کیا ہے، تعصب کے پورے میکانزم کا احاطہ کرتا ہے—بچ جانے والے نمایاں اور مخر ہوتے ہیں؛ مرنے والے خاموش۔
نشاۃ الثانیہ کی تشکیل (17ویں صدی): فرانسس بیکن نے اس مشاہدے کو اپنے "آئیڈلز آف دی مائنڈ" کے نظریے، خاص طور پر قبیلے کے آئیڈلز (Idols of the Tribe) میں شامل کیا۔ اس نے نوٹ کیا کہ انسانی عقل منفی کے مقابلے میں مثبت سے زیادہ متحرک ہوتی ہے—کامیابیاں رجسٹر ہوتی ہیں جبکہ ناکامیاں ریکارڈ سے غائب ہو جاتی ہیں۔
دوسری جنگ عظیم کا ریاضیاتی علاج (1943): کولمبیا یونیورسٹی کے شماریاتی ریسرچ گروپ کے ساتھ ابراہم والڈ (Abraham Wald) کے کام نے بقا کے تعصب سے نمٹنے کے لیے پہلا سخت ریاضیاتی فریم ورک فراہم کیا، جس نے آپریشنل ریسرچ اور فوجی حکمت عملی کو ہمیشہ کے لیے بدل دیا۔
مالیاتی معاشیات کا انقلاب (1990 کی دہائی): محققین بشمول براؤن، گوئٹزمین، ایلٹن، گروبر، اور بلیک نے میوچل فنڈ اور ہیج فنڈ کی کارکردگی کے ڈیٹا پر تعصب کے اثرات کا تخمینہ لگایا، جس نے سرمایہ کاری کے تجزیے پر اس کے گہرے اثرات کا مظاہرہ کیا۔
مقبول فلسفہ (2000 کی دہائی): نسیم نکولس طالب (Nassim Nicholas Taleb) نے بقا کے تعصب کو ایک شماریاتی تصور سے ایک فلسفیانہ عالمی نظریہ میں Fooled by Randomness (2001) اور The Black Swan (2007) میں بلند کیا۔
2.2. کلیدی محققین
| محقق | حصہ | سال |
|---|---|---|
| میلوس کا ڈیاگوراس (Diagoras of Melos) | تعصب کا پہلا دستاویزی مشاہدہ (جہاز کے ڈوبنے سے بچنے والے) | ~450 قبل مسیح |
| فرانسس بیکن (Francis Bacon) | "آئیڈلز آف دی مائنڈ" کے نظریے میں انضمام | 1620 |
| ابراہم والڈ (Abraham Wald) | طیاروں کے خطرے کے تجزیے کے لیے ریاضیاتی علاج | 1943 |
| اسٹیفن براؤن اور ولیم گوئٹزمین | میوچل فنڈ کی کارکردگی کے مطالعے میں تعصب کی مقدار کا تعین | 1992 |
| ایڈون ایلٹن، مارٹن گروبر اور کرسٹوفر بلیک | میوچل فنڈز میں سالانہ تعصب کی شدت کا تخمینہ (~0.9%) | 1996 |
| برٹن مالکیل (Burton Malkiel) | ہیج فنڈ میں بقا کے تعصب کا تخمینہ (~4.4% سالانہ) | 1995 |
| نسیم نکولس طالب (Nassim Nicholas Taleb) | "خاموش ثبوت" (silent evidence) کے تصور کے ذریعے فلسفیانہ مقبولیت | 2001-2007 |
| جیمز ہیکمین (James Heckman) | انتخاب کے تعصب کے لیے ہیکمین اصلاح (Heckman Correction) پر نوبل انعام یافتہ کام | 2000 |
2.3. تاریخی مطالعات
طیاروں کا خطرے کا تجزیہ (والڈ، 1943)
دوسری جنگ عظیم کے دوران، شماریاتی ریسرچ گروپ سے کہا گیا کہ وہ بمبار طیاروں پر آرمر لگانے کی جگہ کا تعین کریں۔ فوج نے واپس آنے والے طیاروں پر گولیوں کے سوراخوں کا ڈیٹا پیش کیا: دھڑ، پروں اور دم پر بھاری نقصان، لیکن انجنوں اور کاک پٹ پر کم سے کم نقصان۔
فوج کا بدیہی نتیجہ یہ تھا کہ ان حصوں کو آرمر کیا جائے جہاں سب سے زیادہ حملے ہو رہے ہیں۔ والڈ کی غیر بدیہی بصیرت نے اس سفارش کو مکمل طور پر الٹ دیا: انجنوں اور کاک پٹس کو آرمر کریں—وہ حصے جن میں کوئی نقصان نہیں دیکھا گیا۔
ان کا استدلال: دشمن کی فائرنگ طیاروں پر ممکنہ طور پر تصادفی طور پر بکھری ہوئی تھی۔ انجنوں میں "غائب" گولیوں کے سوراخ اس بات کا ثبوت نہیں تھے کہ انجنوں کو نشانہ نہیں بنایا جا رہا تھا—وہ اس بات کا ثبوت تھے کہ جن طیاروں کے انجنوں میں گولیاں لگیں، وہ واپس نہیں آئے۔ فوج بقا پانے والے نقصان کا معائنہ کر رہی تھی، مہلک نقصان کا نہیں۔
والڈ نے اسے اپنے میمورنڈم "بچ جانے والوں کے نقصان کی بنیاد پر ہوائی جہاز کے خطرے کا اندازہ لگانے کا ایک طریقہ" میں باضابطہ شکل دی، جس نے یہ قائم کیا کہ بچ جانے والوں پر مشاہدہ شدہ ہٹ کی کثافت اس علاقے میں ہٹ کی مہلکیت کے متضاد متناسب ہے۔
میوچل فنڈ کا بقا کا تعصب (براؤن، گوئٹزمین، وغیرہ، 1992)
Review of Financial Studies میں شائع ہونے والے اس مقالے نے یہ ظاہر کیا کہ معیاری مالیاتی ڈیٹا بیسز منظم طریقے سے ختم کیے گئے یا ضم کیے گئے فنڈز کے ریکارڈ کو حذف کر دیتے ہیں۔ چونکہ فنڈز تقریباً ہمیشہ خراب کارکردگی کی وجہ سے ختم کر دیے جاتے ہیں، اس لیے اس کٹوتی نے ایک شماریاتی سراب پیدا کر دیا—جس سے اوسط فنڈ کی کارکردگی حقیقت سے بہتر نظر آنے لگی اور اتار چڑھاؤ اور منافع کے درمیان فرضی روابط پیدا ہوئے جو اس "مہارت" کی نقل کرتے ہیں جو وجود نہیں رکھتی تھی۔
بقا کا تعصب اور میوچل فنڈ کی کارکردگی (ایلٹن، گروبر اور بلیک، 1996)
اس تاریخی مطالعے نے 1976 کے آخر میں موجود ہر میوچل فنڈ کا سراغ لگایا۔ کلیدی نتائج:
- بقا کے تعصب نے سالانہ منافع میں تقریباً 0.9% (90 بیسز پوائنٹس) کا اضافہ کیا۔
- بڑے فنڈز کی نسبت چھوٹے فنڈز کے لیے تعصب نمایاں طور پر بڑا تھا۔
- وہ فنڈز جو ضم ہو گئے (اکثر خراب ریکارڈز کو بڑے فنڈز میں چھپاتے ہوئے) اور جو ختم ہو گئے، دونوں نے تعصب میں حصہ لیا۔
ان نتائج نے تعصب کو درست کرنے کے بعد موثر مارکیٹ مفروضے (Efficient Market Hypothesis) کے لیے مضبوط تجرباتی تعاون فراہم کیا۔
2.4. اعصابی بنیاد
بقا کا تعصب انسانی ادراک کی بنیادی خصوصیات سے ابھرتا ہے:
سسٹم 1 سوچنگ: ڈینیئل کاہن مین (Daniel Kahneman) کا "تیز سوچنے والا" سسٹم "یاد کرنے میں آسانی" کو "وقوع کی کثرت" کے ساتھ خلط ملط کر دیتا ہے۔ چونکہ کامیاب مثالیں (اسٹیو جابز، بل گیٹس) آسانی سے یاد آ جاتی ہیں، اس لیے ہم بدیہی طور پر اسی طرح کے نتائج کو بیس ریٹ کی ضمانت سے زیادہ امکان تفویض کرتے ہیں۔
دستیابی کا ہیورسٹک: دماغ فیصلوں کا جائزہ لیتے وقت فوری طور پر دستیاب مثالوں پر انحصار کرتا ہے۔ کامیابیاں فطری طور پر زیادہ "دستیاب" ہوتی ہیں—کامیاب کمپنیاں اسٹاک ایکسچینجز میں درج ہوتی ہیں جبکہ ناکام کمپنیاں فہرست سے نکال دی جاتی ہیں؛ کامیاب عمارتیں کھڑی رہتی ہیں جبکہ گرنے والی عمارتیں تبدیل کر دی جاتی ہیں۔
پیٹرن کی شناخت کی حدود: انسانی دماغ سمجھوتہ شدہ ڈیٹا سے کارآمد بیانیے نکالنے کے لیے تیار ہوا ہے لیکن اس ڈیٹا پر کارروائی نہیں کر سکتا جو غائب ہے۔ یہ بنیادی حد—ہم صرف اس چیز کا تجزیہ کر سکتے ہیں جو ہم دیکھ سکتے ہیں—بقا کے تعصب کی اعصابی بنیاد ہے۔
رجائیت پسندی کا تعصب کا تعامل: خود تشخیص سے وابستہ اعصابی سرکٹس رجائیت پسندی کی طرف مائل ہوتے ہیں۔ بچ جانے والے جانبدار ڈیٹا کو دیکھتے وقت، یہ سرکٹس ناکامیوں کی خاموش اکثریت کے بجائے جیتنے والوں کے ساتھ شناخت کی حوصلہ افزائی کرتے ہیں، جو خطرناک رویے کو تقویت دیتے ہیں۔
3. ارتقائی ماخذ
بقا کا تعصب ہماری ارتقائی وراثت میں گہرائیوں میں سرایت کر چکا ہے، جہاں تیز رفتاری اکثر درستگی پر فوقیت پاتی تھی۔
آبائی ماحول میں موافقت پذیر قیمت: ہمارے آباؤ اجداد کے لیے، کامیاب حکمت عملیوں پر توجہ مرکوز کرنا سمجھ میں آتا تھا۔ اگر شکار کی تکنیک، ہجرت کا راستہ، یا خوراک کا ذریعہ بچ جانے والوں کو پیدا کرتا ہے، تو یہ نقل کرنے کے قابل تھا۔ ناکامیاں—جنہوں نے مختلف طریقے آزمائے اور مر گئے—مشاورت کے لیے دستیاب نہیں تھیں۔ نظر آنے والی کامیابی سے سیکھنا ایک تیز، موثر طریقہ تھا۔
توانائی کا تحفظ: دماغ ہماری میٹابولک توانائی کا تقریباً 20% استعمال کرتا ہے۔ غائب ڈیٹا کا تجزیہ کرنا—ان تمام ناکامیوں کا تصور کرنا جو ہم نہیں دیکھ سکتے—ادراکی طور پر مہنگا ہے۔ ارتقاء نے ان دماغوں کی حمایت کی جو نہ نظر آنے والے متبادلات کی جامع ماڈلنگ کے بجائے دستیاب معلومات پر مؤثر طریقے سے کارروائی کرتے تھے۔
خصوصیت، خامی نہیں: نسبتاً مستحکم حالات اور فوری طور پر نظر آنے والے نتائج والے آبائی ماحول میں، بقا کے لحاظ سے سیکھنا اکثر کافی اچھا تھا۔ اگر آپ کا پڑوسی کسی خاص پناہ گاہ کے ڈیزائن کا استعمال کرتے ہوئے سردیوں میں بچ گیا، تو اس کی نقل کرنا مناسب تھا۔ یہ تعصب صرف پیچیدہ، جدید ماحول میں مسائل پیدا کرتا ہے جہاں ناکامیاں منظم طور پر چھپائی جاتی ہیں اور "بچ جانے والوں" کا نمونہ بڑے پیمانے پر غیر نمائندہ ہوتا ہے۔
دستیابی کا عدم توازن: ہمارے دماغ چھوٹے گروہوں میں تیار ہوئے جہاں زیادہ تر متعلقہ واقعات کا براہ راست مشاہدہ کیا جا سکتا تھا۔ جدید معاشرے میں، ہم ایسی معلومات کا سامنا کرتے ہیں جو انتخاب کی متعدد تہوں (میڈیا، بازاروں، تاریخ) کے ذریعے چھان کر آتی ہے، جو ہماری دستیابی پر مبنی بصیرت کو منظم طریقے سے گمراہ کن بنا دیتی ہے۔
4. یہ تعصب کیسے ظاہر ہوتا ہے
4.1. روزمرہ کی زندگی میں
"وہ اب ان کو ویسا نہیں بناتے جیسا وہ پہلے بناتے تھے": رومن پینتھون (Pantheon)، وکٹورین مہوگنی کا فرنیچر، اور 1950 کی دہائی کے آلات جو "اب بھی کام کرتے ہیں" وہ شماریاتی استثناء ہیں جو تباہی کی صدیوں میں بچ گئے۔ ناقص تعمیر شدہ رومن عمارتیں جو گر گئیں، سستا وکٹورین فرنیچر جو سڑ گیا، اور 1950 کی دہائی کے ٹوٹے ہوئے آلات جو کوڑے دان میں پڑے ہیں پوشیدہ ہیں۔ ہم ماضی کی بہترین چیزوں کا موازنہ حال کے اوسط سے کرتے ہیں۔
"کلاسک" موسیقی کا مغالطہ: لوگ دعویٰ کرتے ہیں کہ 1960-70 کی دہائی کی موسیقی بہتر تھی کیونکہ "اس دور کے تمام گانے کلاسک ہیں۔" یہ اس بات کو نظر انداز کرتا ہے کہ ہزاروں ناقص تیار کردہ گانے جاری کیے گئے تھے—ریڈیو اسٹیشنز صرف بچ جانے والے 1% ہٹ بجاتے ہیں۔ ہم ماضی کی بہترین فلٹر شدہ موسیقی کا آج کی 100% پیداوار سے موازنہ کرتے ہیں۔
خوشگوار جوڑوں سے رشتے کا مشورہ: جب رشتے کے بارے میں مشورہ لیا جاتا ہے، تو ہم عام طور پر ان جوڑوں سے رجوع کرتے ہیں جو اب بھی ایک ساتھ ہیں۔ ہم شاید ہی کبھی ان لوگوں سے سنتے ہیں جنہوں نے وہی طریقے آزمائے اور طلاق پر ختم ہوئے، ممکنہ طور پر اسی مشورے پر عمل کرتے ہوئے جس نے ان کی ناکامی میں حصہ لیا۔
ریستوراں کی سفارشات: ایک شہر میں مقبول ریستوراں، تعریف کے لحاظ سے، بچ جانے والے ہیں۔ وہ ہزاروں ریستوراں جو ناکام ہوئے—ممکنہ طور پر یکساں حکمت عملی کے ساتھ—بند ہو چکے ہیں اور ہمیں اس بارے میں متنبہ نہیں کر سکتے کہ کیا کام نہیں کرتا۔
4.2. کام کی جگہ پر
کالج چھوڑنے کا افسانہ: میڈیا بلینئرز جیسے گیٹس، جابز، اور زکربرگ کو اس بات کے ثبوت کے طور پر نمایاں کرتا ہے کہ کالج چھوڑنا کامیابی کی طرف لے جاتا ہے۔ یہ قرض میں ڈوبے ہوئے دسیوں ہزار ان لوگوں کو نظر انداز کرتا ہے جنہوں نے کالج چھوڑا اور کم عمر بھر کی کمائی حاصل کی۔ چھوڑنے والوں کی کامیابی کی شرح شماریاتی طور پر گریجویٹس کی نسبت کم ہے؛ مشہور مثالیں انتہائی غیر معمولی استثناء ہیں۔
"میں کیسے کامیاب ہوا" کا ادب: جیسا کہ نسیم طالب نوٹ کرتے ہیں، ناکام کاروباری حضرات "میں نے اپنے اسٹارٹ اپ کو کیسے دیوالیہ کیا" کے عنوان سے کتابیں نہیں لکھتے ہیں۔ کامیاب کاروباری حضرات "میں نے یہ کیسے کیا" لکھتے ہیں، اور ان کا مشورہ (بڑے خطرات مول لو، ناقدین کو نظر انداز کرو) بالکل وہی رویہ ہو سکتا ہے جس نے ناکام ہونے والوں کو ناکام کر دیا۔
"کامیاب" پروفائلز کی بنیاد پر بھرتی: کمپنیاں اکثر اپنے اعلیٰ اداکاروں کی خصوصیات کی بنیاد پر ہائرنگ پروفائلز بناتی ہیں۔ لیکن ان کے پاس مسترد شدہ امیدواروں کا ڈیٹا نہیں ہوتا جو شاید یکساں کارکردگی کا مظاہرہ کر سکتے تھے، یا ان لوگوں کا جو اسی طرح کی خصوصیات کے ساتھ ہائر ہوئے اور ناکام ہو کر چلے گئے۔
کارکردگی کے انتساب کی غلطیاں: جب تجزیہ کیا جاتا ہے کہ کچھ منصوبے کیوں کامیاب ہوئے، تو تنظیمیں کامیاب ٹیموں کا مطالعہ کرتی ہیں۔ وہ ان ناکامیوں کا مطالعہ نہیں کر سکتیں جنہیں چھوڑ دیا گیا، دوبارہ ترتیب دیا گیا، یا جن کے ممبران چلے گئے—ممکنہ طور پر یہ پتہ چلتا ہے کہ وہی "کامیابی کے عوامل" دونوں میں موجود تھے۔
4.3. کاروبار اور مارکیٹنگ میں
انٹرپرینیورشپ کے "کامیابی کے فارمولے": مشورے کی صنعت پر بچ جانے والوں کی اجارہ داری ہے۔ "سخت محنت"، "استقامت"، اور "معیار کے ساتھ جنون" کامیاب کاروباری افراد کی کہانیوں میں نظر آتے ہیں، لیکن ناکام کاروباری حضرات کے قبرستانوں کے سروے ممکنہ طور پر ایک جیسی خصوصیات پائیں گے۔ تفریق کرنے والا عنصر اکثر قسمت، وقت، یا بیرونی واقعات ہوتا ہے۔
مصنوعات کی تعریفیں: مارکیٹنگ مطمئن گاہکوں کو ظاہر کرتی ہے۔ وہ غیر مطمئن گاہک جنہوں نے چھوڑ دیا، رقم کی واپسی کی درخواست کی، یا صرف غائب ہو گئے، بیانیے سے غائب ہوتے ہیں، جو کہ مصنوعات کی سمجھی جانے والی تاثیر کو مسخ کرتے ہیں۔
مسابقتی بینچ مارکنگ: کمپنیاں کامیاب حریفوں کے خلاف بینچ مارک کرتی ہیں، اور ان کی حکمت عملیوں کو سیکھتی ہیں۔ لیکن جن کمپنیوں نے اسی طرح کی حکمت عملیاں آزمائیں اور ناکام ہوئیں وہ ایکوائر کر لی گئیں، ختم ہو گئیں یا اپنا راستہ بدل لیا—ان کی ناکام حکمت عملیاں تجزیے کے لیے پوشیدہ رہیں۔
4.4. سیاست اور میڈیا میں
تاریخی بیانیے کی تشکیل: بقا پانے والوں کے ذریعے لکھی گئی تاریخ ان کے نقطہ نظر کو حتمی کے طور پر پیش کرتی ہے۔ ہارنے، مرنے، یا حاشیے پر رہنے والوں کے نقطہ نظر، انتباہات، اور تجویز کردہ متبادلات کی منظم طور پر کم نمائندگی کی جاتی ہے۔
خبروں کی بقا: میڈیا ان کہانیوں کا احاطہ کرتا ہے جو ادارتی انتخاب سے بچ جاتی ہیں۔ ہزاروں اتنے ہی خبروں کے قابل واقعات رپورٹ نہیں ہوتے، جس سے یہ عوامی تاثر بنتا ہے کہ کون سے مسائل موجود ہیں اور کون سے حل کام کرتے ہیں۔
سیاسی حکمت عملی کے "اسباق": سیاسی تجزیہ کار کامیابی کے عوامل نکالنے کے لیے جیتنے والی مہموں کا مطالعہ کرتے ہیں۔ لیکن وہ مہمات جنہوں نے بالکل ویسی ہی حکمت عملیاں استعمال کیں اور ہار گئیں ان پر کم توجہ دی جاتی ہے، جو ممکنہ طور پر غلط اسٹریٹجک سفارشات کا باعث بنتی ہے۔
4.5. صحت کی دیکھ بھال میں
پہلی جنگ عظیم کے ہیلمٹ کا تضاد: جب پہلی جنگ عظیم میں اسٹیل کے ہیلمٹ متعارف کرائے گئے، تو فیلڈ ہسپتالوں نے سر کی چوٹوں میں ڈرامائی اضافہ رپورٹ کیا۔ کچھ نے مشورہ دیا کہ ہیلمٹ ناقص تھے۔ حقیقت: ہیلمٹ سے پہلے، سر پر لگنے والے چھرے فوجیوں کو فوری طور پر مار دیتے تھے (جنہیں KIA کے طور پر ریکارڈ کیا جاتا تھا، وہ کبھی ہسپتال نہیں پہنچتے تھے)۔ ہیلمٹ نے ہلاکتوں کو قابل علاج چوٹوں میں بدل دیا، جس نے اعداد و شمار میں پہلی بار سر کے زخموں کو نظر آنے کے قابل بنا دیا۔
بلیوں میں ہائی رائز سنڈروم: 1987 کے ایک ویٹرنری مطالعے سے پتا چلا کہ 7 سے زیادہ منزلوں سے گرنے والی بلیوں کو 5 سے 7 منزلوں سے گرنے والی بلیوں کی نسبت کم چوٹیں آئیں، جس سے یہ ظاہر ہوتا ہے کہ اونچائی سے گرنا "زیادہ محفوظ" تھا۔ تعصب: ڈیٹا سیٹ میں صرف وہ بلیاں شامل تھیں جنہیں جانوروں کے ڈاکٹر کے پاس لایا گیا تھا۔ 30 منزلہ عمارت سے گر کر فوراً مر جانے والی بلیوں کو دفن کر دیا گیا تھا، ان کا علاج نہیں ہوا تھا—جس نے اونچائی سے گرنے پر محفوظ ہونے کا وہم پیدا کیا۔
"صحت مند کارکن کا اثر" (The "Healthy Worker Effect"): مطالعات اکثر ظاہر کرتے ہیں کہ صنعتی کارکنوں کی موت کی شرح عام آبادی کے مقابلے میں کم ہوتی ہے—اس لیے نہیں کہ فیکٹری کا کام صحت مند ہوتا ہے، بلکہ اس لیے کہ ورک فورس معذور، بستر مرگ پر پڑے، اور لاعلاج مریضوں کو شامل نہیں کرتی۔ کارکن پہلے سے منتخب شدہ بچ جانے والے ہوتے ہیں۔
صدمے کی شرح اموات کے اعداد و شمار: دور دراز حادثات کے متاثرین بعض اوقات شہری متاثرین کی نسبت ہسپتال میں موت کی شرح کم دکھاتے ہیں۔ حقیقت: شدید زخمی ہونے والے دور دراز کے مریض طویل نقل و حمل کے دوران مر جاتے ہیں، پہنچنے پر مردہ قرار دیے جاتے ہیں (Dead on Arrival) اور ہسپتال کے اعداد و شمار سے نکال دیے جاتے ہیں۔ شہری ہسپتالوں میں تشویشناک مریض زندہ آتے ہیں، جو بعد میں ہسپتال میں مر جاتے ہیں، جس سے شہری اموات کی شرح بڑھ جاتی ہے۔
4.6. فنانس اور سرمایہ کاری میں
میوچل فنڈ کی کارکردگی: معیاری ڈیٹا بیسز ختم کیے گئے فنڈز کے ریکارڈ کو حذف کر دیتے تھے۔ چونکہ فنڈز خراب کارکردگی کی وجہ سے ختم ہوتے ہیں، ڈیٹا بیسز ناکامیوں کو مٹا رہے تھے، جس سے اوسط فنڈ کی کارکردگی حقیقت سے سالانہ تقریباً 0.9% زیادہ نظر آتی تھی۔
ہیج فنڈ کا ڈیٹا: ہیج فنڈز رضاکارانہ طور پر رپورٹ کرتے ہیں، جو دوہرا تعصب پیدا کرتا ہے: بقا (ناکام فنڈز رپورٹ کرنا بند کر دیتے ہیں) اور بیک فل/فوری ہسٹری کا تعصب (کامیاب فنڈز رپورٹنگ شروع کرتے ہیں اور اپنے ابتدائی کامیاب سالوں کو شامل کرتے ہیں؛ ناکام ابتدائی فنڈز کبھی رپورٹ نہیں کرتے اور تحلیل ہو جاتے ہیں)۔ مالکیل (Malkiel) نے اس مشترکہ تعصب کا تخمینہ ~4.4% سالانہ منافع کے اضافے کے طور پر لگایا۔
S&P 500 بیک ٹیسٹنگ: انڈیکس کی تشکیل تبدیل ہوتی ہے کیونکہ دیوالیہ کمپنیوں کو ہٹا دیا جاتا ہے اور بڑھنے والی کمپنیوں کو شامل کیا جاتا ہے۔ موجودہ S&P 500 فہرست کا استعمال کرتے ہوئے بیک ٹیسٹنگ غیر حقیقی منافع حاصل کرتی ہے کیونکہ یہ نادانستہ طور پر 100% بقا کو یقینی بناتی ہے—ٹیسٹ کی مدت کے دوران ناکام ہونے والی ہر کمپنی کو خارج کر دیا جاتا ہے۔
"ہاٹ ہینڈ" وہم: ابتدائی مطالعات نے تجویز کیا کہ فنڈ مینیجرز مسلسل مارکیٹ کو مات دے سکتے ہیں۔ جب براؤن اور گوئٹزمین نے بقا کے تعصب کو درست کیا تو اس بظاہر مہارت کا زیادہ تر حصہ غائب ہو گیا—"ہاٹ ہینڈ" بڑی حد تک ایک بے ترتیب تقسیم کا آخری حصہ تھا۔
5. حقیقی دنیا کے کیس اسٹڈیز
کیس اسٹڈی 1: بمبار طیاروں کے آرمر کا فیصلہ (دوسری جنگ عظیم)
-
پس منظر: دشمن کی فائرنگ سے اتحادی بمبار طیاروں کے بھاری نقصان نے فوج کو طیاروں کو آرمر پلیٹنگ کے ساتھ مضبوط کرنے کی تجویز دینے پر مجبور کیا۔ تاہم، آرمر وزن میں اضافہ کرتا ہے، رینج، تدبیر، اور بموں کی صلاحیت کو کم کرتا ہے—اسے بہترین جگہ پر رکھنا ضروری تھا۔
-
کیا ہوا: فوج نے مشنوں سے واپس آنے والے بمباروں میں گولیوں کے سوراخوں کا وسیع ڈیٹا اکٹھا کیا۔ اعداد و شمار نے دھڑ، پروں اور دم پر نقصان کی زیادہ کثافت دکھائی، لیکن انجنوں اور کاک پٹ پر کم سے کم نقصان۔ فوجی کمانڈروں نے یہ نتیجہ اخذ کیا کہ آرمر وہاں لگایا جانا چاہیے جہاں طیاروں کو سب سے زیادہ نشانہ بنایا جا رہا تھا۔
-
تعصب کا عمل: ابراہم والڈ نے تسلیم کیا کہ اعداد و شمار صرف بچ جانے والوں کی نمائندگی کرتے ہیں۔ انجنوں اور کاک پٹس پر نشانہ بننے والے طیارے واپس نہیں آئے—وہ انگلش چینل یا جرمن کھیتوں میں گر کر تباہ ہو گئے۔ "غائب" گولیوں کے سوراخ اس بات کا ثبوت نہیں تھے کہ انجنوں پر حملہ نہیں ہوا تھا؛ وہ اس بات کا ثبوت تھے کہ انجنوں پر حملہ مہلک تھا۔
-
نتائج: والڈ نے انجنوں اور کاک پٹس کو آرمر کرنے کی سفارش کی۔ اس کے طریقوں نے لاتعداد جانیں اور ہوائی جہاز بچائے، اور کورین اور ویتنام جنگوں میں استعمال ہوتے رہے۔
-
سیکھے گئے اسباق: نتائج کا تجزیہ کرتے وقت، ہمیشہ پوچھیں: "ان معاملات کا کیا ہوا جو میں نہیں دیکھ سکتا؟" ثبوت کی عدم موجودگی خود سب سے اہم رجحان کا ثبوت ہو سکتی ہے۔
کیس اسٹڈی 2: میوچل فنڈ انڈسٹری کا انکشاف (1990 کی دہائی)
-
پس منظر: دہائیوں تک، اس بات پر بحث چھڑی رہی کہ آیا فعال فنڈ مینیجرز مسلسل مارکیٹ کو شکست دے سکتے ہیں ("الفا پیدا کرنا")۔ ابتدائی مطالعات نے تجویز کیا کہ وہ ایسا کر سکتے ہیں۔
-
کیا ہوا: محققین براؤن، گوئٹزمین، ایلٹن، گروبر، اور بلیک نے دریافت کیا کہ مالیاتی ڈیٹا بیسز معمول کے مطابق ختم کیے گئے یا ضم کیے گئے فنڈز کے ریکارڈ حذف کر دیتے ہیں۔ چونکہ فنڈز تقریباً ہمیشہ خراب کارکردگی کی وجہ سے بند ہو جاتے ہیں، اس لیے ڈیٹا بیسز منظم طریقے سے ناکامیوں کو دور کر رہے تھے۔
-
تعصب کا عمل: اس کٹوتی نے ایک شماریاتی سراب پیدا کیا جہاں باقی بچ جانے والے "سروائیور" فنڈز کا اوسط منافع زیادہ نظر آتا تھا اور اتار چڑھاؤ اور کارکردگی کے درمیان ظاہری تعلق ظاہر کرتا تھا جو مہارت کی نقل کرتا تھا۔
-
نتائج: ایک بار جب 0.9% سالانہ تعصب کو درست کر لیا گیا، تو بہت سے فعال مینیجرز کی بظاہر بہتر کارکردگی ختم ہو گئی، جس سے موثر مارکیٹ مفروضے کو مضبوط حمایت ملی اور اس بات میں انقلاب آ گیا کہ مالیاتی تحقیق تاریخی اعداد و شمار کو کیسے ہینڈل کرتی ہے۔
-
سیکھے گئے اسباق: ڈراپ آؤٹ، بند ہونے، یا غائب ہونے والے کسی بھی ڈیٹاسیٹ کو بقا کے تعصب کے لیے جانچا جانا چاہیے۔ جو چیز مہارت یا بہتر کارکردگی کے طور پر نظر آتی ہے وہ سنسر شدہ نمونے کے نمونے ہو سکتے ہیں۔
تاریخی مثال: ڈیاگوراس اور ہیکل کی تختیاں
میلوس کے قدیم یونانی شاعر ڈیاگوراس کو ایک ہیکل میں منت کی تختیاں دکھائی گئیں—ایسی پینٹنگز جو ان ملاحوں نے بنوائی تھیں جنہوں نے دیوتاؤں سے دعا کی تھی اور جہاز کے ڈوبنے سے بچ گئے تھے۔ اس کے دوست نے اسے خدائی تحفظ کے ثبوت کے طور پر پیش کیا۔
ڈیاگوراس کا جواب امکانات کے فلسفے میں ایک بنیادی متن بن گیا: "میں انہیں دیکھ رہا ہوں جو بچ گئے ہیں، لیکن وہ پینٹ کیے گئے کہاں ہیں جو جہاز ڈوبنے سے ہلاک ہوئے؟"
ڈوبے ہوئے ملاح پینٹنگز نہیں بنوا سکتے تھے۔ صرف مندر کے شواہد کا معائنہ کرنے والا ایک مبصر یہ نتیجہ اخذ کرے گا کہ دعا سمندر میں حفاظت کی ضمانت دیتی ہے—ایک ایسا نتیجہ جو مکمل طور پر ایک سنسر شدہ نمونے سے اخذ کیا گیا ہے جہاں ثبوت فراہم کرنے کی صلاحیت بقا سے وابستہ تھی۔
یہ 2,500 سال پرانی کہانی اس بات کا خلاصہ کرتی ہے کہ بقا کا تعصب اتنا خطرناک کیوں ہے: بچ جانے والے ہی وہ واحد لوگ ہوتے ہیں جو اپنی کہانی سنا سکتے ہیں۔
6. اس تعصب کی قیمت
6.1. ذاتی قیمتیں
خطرے کا مسخ شدہ اندازہ: خطرہ مول لینے والے صرف کامیاب لوگوں کو دیکھ کر، افراد ناکامی کے امکانات کو کم سمجھتے ہیں۔ کالج ڈراپ آؤٹ جو ارب پتی نہیں بن سکا، کاروباری شخص جو "سب کچھ صحیح کرنے" کے باوجود دیوالیہ ہو گیا، وہ سرمایہ کار جس نے کسی "یقینی چیز" پر سب کچھ کھو دیا—ان کے تجربات پوشیدہ ہیں، جو دوسروں کو ناقص کیلیبریٹڈ خطرات مول لینے پر مجبور کرتے ہیں۔
کامیابی کے عوامل کو غلط قرار دینا: لوگ یہ تسلیم کیے بغیر بچ جانے والوں کے طرز عمل (استقامت، خطرہ مول لینا، اعتماد) کو اپناتے ہیں کہ یہی خصائص ناکامیوں میں بھی موجود تھے۔ سال ان حکمت عملیوں پر ضائع ہو سکتے ہیں جو کبھی بھی اصل فرق پیدا کرنے والے عوامل نہیں تھے۔
نقل پر وسائل کا ضیاع: بقا پانے والے متعصب ڈیٹا سے حاصل کردہ "کامیابی کے فارمولوں" پر عمل کرنے کی وجہ سے ان طریقوں پر محنت کی سرمایہ کاری ہوتی ہے جو درحقیقت کامیابی کا سبب نہیں بنتے—صرف نظر آنے والے نمونے میں اس کے ساتھ جڑے ہوتے ہیں۔
خود کی تصویر کو نقصان: جب بقا پانے والوں کے مشورے پر عمل کرنے سے کامیابی نہیں ملتی ہے، تو افراد یہ تسلیم کرنے کے بجائے خود کو مورد الزام ٹھہرا سکتے ہیں کہ مشورہ ناقص ڈیٹا پر مبنی تھا۔
6.2. پیشہ ورانہ قیمتیں
سرمایہ کاری کے نقصانات: فنانس میں، بقا کے تعصب کو تقریباً 0.9-4.4% سالانہ منافع افراط زر کے حساب سے ماپا گیا ہے۔ بغیر تصحیح شدہ تاریخی ڈیٹا کی بنیاد پر فیصلے کرنے والے سرمایہ کار منظم طریقے سے متوقع منافع کا زیادہ اور خطرات کا کم اندازہ لگاتے ہیں۔
اسٹریٹجک غلط سمت: کامیاب کمپنیوں کا مطالعہ کرنے سے اخذ کی گئی کاروباری حکمت عملیاں ان کمپنیوں سے محروم رہتی ہیں جنہوں نے بالکل ویسی ہی حکمت عملیاں استعمال کیں اور ناکام ہو گئیں۔ وسائل ایسے طریقوں کی طرف بہتے ہیں جو درست معلوم ہوتے ہیں لیکن بے ترتیب ہو سکتے ہیں۔
بھرتی اور ٹیلنٹ کے فیصلے: کامیاب ملازمین پر مبنی پروفائلز ان ممکنہ بہترین امیدواروں سے محروم رہ جاتے ہیں جو نظر آنے والے پیٹرن سے مختلف ہوتے ہیں، جبکہ ان لوگوں کو بھرتی کرنا جو مماثل ہیں ایسی خصوصیات کو دہرا سکتا ہے جن کا اصل کارکردگی سے کوئی تعلق نہیں ہے۔
پروڈکٹ ڈویلپمنٹ کی ناکامیاں: اسی طرح کی ناکام پروڈکٹس کا مطالعہ کیے بغیر کامیاب پروڈکٹس سے سیکھنا ایسی خصوصیات یا طریقوں میں سرمایہ کاری کا باعث بنتا ہے جو درحقیقت کامیابی کے عوامل نہیں تھے۔
6.3. سماجی قیمتیں
تاریخی غلط فہمی: بقا پانے والوں کے ذریعے لکھی گئی تاریخ مسخ شدہ زاویے پیش کرتی ہے۔ کھوئے ہوئے نقطہ نظر، متبادل نقطہ نظر، اور شکست خوردہ لوگوں کی وارننگز کو اجتماعی یادداشت سے منظم طریقے سے خارج کر دیا جاتا ہے۔
پالیسی کی غلط سمت: اسی طرح کی خصوصیات والی ناکامیوں کو مدنظر رکھے بغیر کامیاب نتائج (معاشی، سماجی، عسکری) کے مطالعے پر مبنی پالیسیاں ناقص مداخلت کا باعث بنتی ہیں۔
ثقافتی افسانوی تخلیق: بقا کے تعصب کے ذریعے وسیع ہونے والا "خود ساختہ کامیابی" کا بیانیہ، قسمت، وقت اور حالات کے کردار کو دھندلا کر دیتا ہے، عدم مساوات اور سماجی نقل و حرکت کے بارے میں رویوں کو تشکیل دیتا ہے۔
طبی پروٹوکول کی غلطیاں: بقا پانے والے متعصب اعداد و شمار پر مبنی علاج کے فیصلوں سے یہ بات چھپ سکتی ہے کہ کچھ مریضوں کا علاج کم کیا گیا تھا یا یہ کہ کامیاب نتائج کچھ مخصوص مداخلتوں کے باوجود، نہ کہ ان کی وجہ سے تھے۔
6.4. شماریاتی اثر
| ڈومین | تخمینہ شدہ تعصب کا اثر | ماخذ |
|---|---|---|
| میوچل فنڈز | ~0.9% سالانہ منافع کا افراط زر | ایلٹن، گروبر، بلیک (1996) |
| ہیج فنڈز | ~4.4% سالانہ منافع کا افراط زر | مالکیل (1995) |
| پہلی جنگ عظیم کے ہیلمٹ میں "زخم" | ریکارڈ شدہ سر کی چوٹوں میں 100%+ اضافہ (دراصل جانیں بچائی گئیں) | فوجی طبی ریکارڈز |
| ایکٹو فنڈ کی "مہارت" | خاطر خواہ—تصحیح کے بعد بہت زیادہ ظاہری الفا ختم ہو گیا | براؤن، گوئٹزمین وغیرہ۔ (1992) |
7. پوشیدہ فوائد
بقا کا تعصب خالصتاً منفی نہیں ہے—اس نے موافقت پذیر افعال انجام دیے اور اب بھی مخصوص سیاق و سباق میں قدر فراہم کر سکتا ہے۔
موثر سیکھنے کا ہیورسٹک: براہ راست مشاہدہ کرنے والے نتائج کے ساتھ مستحکم ماحول میں، بقا پانے والوں سے سیکھنا تیز اور معقول حد تک درست ہے۔ اگر زیادہ تر پناہ گاہوں کے ڈیزائن جو آپ کے پڑوسیوں کے لیے کام کرتے ہیں آپ کے لیے بھی کام کریں گے، تو بقا پانے والوں کی نقل کرنا موثر ہے۔
حوصلہ افزائی کا فعل: کامیابی کی کہانیوں کا کچھ حد تک سامنا حوصلہ افزائی اور نقل کرنے کے لیے ماڈل فراہم کرتا ہے۔ تمام ناکامیوں کی مکمل آگاہی مفلوج کر دینے والی ہو سکتی ہے۔ کلید نمائش کو کیلیبریٹ کرنا ہے، اسے ختم کرنا نہیں۔
تیز رفتار فیصلہ سازی: جب رفتار درستگی سے زیادہ اہم ہوتی ہے، تو دستیاب مثالوں کا استعمال (فطری طور پر بقا پانے والے پر مبنی) تاخیر والے تجزیے سے بہتر ہو سکتا ہے۔ ہر فیصلہ مکمل تفتیش کی ضمانت نہیں دیتا۔
پیٹرن کی جائز تشخیص: بعض اوقات بقا پانے والوں کی خصوصیات حقیقی طور پر کارگر ہوتی ہیں، نہ کہ محض باہمی تعلق والی۔ ان ڈومینز میں جہاں ناکامی کے طریقے بے ترتیب ہوتے ہیں اور کامیابی کے عوامل منظم ہوتے ہیں، وہاں بقا پانے والے واقعی معلومات رکھتے ہیں۔
ناپسندیدہ انتہا: بقا کے تعصب کے مکمل خاتمے کے لیے کسی بھی فیصلے سے پہلے تمام ممکنہ ناکامیوں کے جامع تجزیے کی ضرورت ہوگی۔ یہ علمی طور پر ناممکن اور عملی طور پر مفلوج کرنے والا ہے۔ مقصد آگاہی اور مناسب اصلاح ہے، خاتمہ نہیں۔
8. خود کی تشخیص: کیا آپ میں یہ تعصب ہے؟
8.1. انتباہی علامات کی چیک لسٹ
- آپ اکثر زندگی/کیریئر کی حکمت عملیوں کے ثبوت کے طور پر کامیاب لوگوں (جابز، گیٹس، مسک) کا حوالہ دیتے ہیں
- آپ کا ماننا ہے کہ ماضی کی مصنوعات/موسیقی/کرافٹ مین شپ آج کے مقابلے میں عام طور پر برتر تھے
- آپ نے صرف کامیاب مثالوں کا مطالعہ کرنے کی بنیاد پر اہم فیصلے کیے ہیں
- آپ شاذ و نادر ہی پوچھتے ہیں کہ "ان لوگوں کا کیا ہوا جنہوں نے یہ آزمایا اور ناکام رہے؟"
- آپ تاریخی فنڈ/سرمایہ کاری کی کارکردگی کے ڈیٹا پر ظاہری قدر کے ساتھ بھروسہ کرتے ہیں
- آپ کا ماننا ہے کہ "کامیابی ایسے اشارے چھوڑتی ہے" جنہیں جیتنے والوں سے معتبر طریقے سے نکالا جا سکتا ہے
- آپ کامیابی کی ان کہانیوں میں جن کی آپ تعریف کرتے ہیں قسمت/وقت کو اہم عوامل کے طور پر مسترد کرتے ہیں
- آپ نے یہ سوچے بغیر کہ یہ دوسروں کے لیے کام نہیں کیا، اس بنیاد پر مشورہ دیا ہے کہ آپ کے لیے کیا کام کیا
- آپ کو "میں کیسے کامیاب ہوا" کی کتابیں/پوڈکاسٹ انتہائی قائل کرنے والی لگتی ہیں
- فیصلوں کا تجزیہ کرتے وقت، آپ ان تک لے جانے والے عمل کی بجائے نتائج پر توجہ مرکوز کرتے ہیں
اسکورنگ:
- 0-2 نشان زد: کم حساسیت
- 3-5 نشان زد: اعتدال پسند حساسیت
- 6-8 نشان زد: زیادہ حساسیت
- 9-10 نشان زد: بہت زیادہ حساسیت
8.2. خود کی عکاسی کے سوالات
-
آخری بار کب آپ نے کوئی اہم فیصلہ کرنے سے پہلے ناکامی کی کہانیاں فعال طور پر تلاش کی تھیں؟
-
کسی ایسی کامیابی کے بارے میں سوچیں جو آپ نے حاصل کی ہو—کتنے لوگوں نے یکساں طریقے آزمائے اور ناکام رہے؟ کیا آپ واقعی جانتے ہیں؟
-
آپ کن "واضح" کامیابی کے عوامل پر یقین رکھتے ہیں؟ آپ کیسے جانچیں گے کہ آیا یہ عوامل ناکامیوں میں بھی موجود ہیں؟
-
جب آپ کو کامیاب لوگوں سے مشورہ ملتا ہے، تو کیا آپ اس بات پر غور کرتے ہیں کہ کتنے ناکام لوگوں نے وہی مشورہ دیا؟
-
کیا کبھی کسی نے نشاندہی کی ہے کہ آپ نامکمل ڈیٹا سے نتائج نکال رہے تھے؟ آپ نے کیا ردعمل ظاہر کیا؟
8.3. فوری تشخیصی منظر نامہ
منظر نامہ: آپ ایک کاروبار شروع کرنے پر غور کر رہے ہیں اور پڑھتے ہیں کہ آپ کی صنعت کے 60% کاروبار جنہوں نے کسٹمر سروس پر توجہ مرکوز کی وہ اپنے پہلے 5 سالوں تک بچ گئے۔ یہ اس بات کا مضبوط ثبوت معلوم ہوتا ہے کہ کسٹمر سروس پر توجہ بقا کے لیے کلیدی ہے۔
آپ اس کی تشریح کیسے کریں گے؟
- A) "بہترین! مجھے یقینی طور پر کسٹمر سروس کو ترجیح دینی چاہیے—اعداد و شمار واضح طور پر ظاہر کرتے ہیں کہ یہ کام کرتا ہے۔" → زیادہ حساسیت
- B) "دلچسپ، لیکن میں حیران ہوں کہ کتنے فیصد ناکام کاروباروں نے کسٹمر سروس پر بھی توجہ دی۔" → اعتدال پسند حساسیت
- C) "ناکام کاروباروں کے درمیان کسٹمر سروس کی شرحوں کو جانے بغیر مجھے یہ کچھ نہیں بتاتا۔ اگر 60 فیصد ناکام ہونے والوں نے بھی کسٹمر سروس پر توجہ مرکوز کی، تو اس عنصر کی کوئی پیشین گوئی کی قدر نہیں ہے۔" → کم حساسیت
9. دوسروں میں اس تعصب کی نشاندہی کرنا
9.1. طرز عمل کے اشارے
بات چیت میں:
- مشہور کامیابی کی کہانیوں کا آفاقی ثبوت کے طور پر بار بار استعمال
- مرئی جیتنے والوں کے چھوٹے نمونوں سے عمومیات پیدا کرنا
- کامیابی کے بیانیے میں قسمت/وقت کے عوامل کو مسترد کرنا
- نہ نظر آنے والی ناکامیوں کو تسلیم کیے بغیر "کیا کام کرتا ہے" سے تخمینہ لگانا
فیصلہ سازی میں:
- کامیاب کمپنیوں/لوگوں کی کیس اسٹڈیز پر حد سے زیادہ انحصار
- بیس ریٹس اور ناکامی کی تعدد کو کم اہمیت دینا
- خصوصی طور پر کامیاب حریفوں کے خلاف بینچ مارکنگ
- ڈیٹا اکٹھا کرنے پر سوال کیے بغیر تاریخی کارکردگی کے ڈیٹا پر بھروسہ
دلائل میں:
- حکمت عملی کی درستگی کے ثبوت کے طور پر کامیاب مثالوں کے وجود کا استعمال
- ان Zs پر غور کیے بغیر جن کے لیے X ناکام رہا، یہ استدلال کرنا کہ "X نے Y کے لیے کام کیا"
- ثبوت کی عدم موجودگی (کوئی معروف ناکامی نہیں) کو غیر موجودگی کے ثبوت کے طور پر سمجھنا
9.2. بات چیت کے ریڈ فلیگز
وہ جملے جو لوگ اس تعصب کے تحت کہتے ہیں:
- "اس [مشہور کامیابی] کو دیکھیں—انہوں نے X کیا، اور اس نے کام کیا!"
- "میں جن کامیاب لوگوں کو جانتا ہوں ان سب میں خصلت Y موجود ہے۔"
- "ڈیٹا بتاتا ہے کہ اس نقطہ نظر کا ایک بہترین ٹریک ریکارڈ ہے۔"
- "وہ اب ایسی چیزیں نہیں بناتے جیسی وہ پہلے بناتے تھے۔"
- "ہر عظیم کمپنی میں یہ خصوصیت ہوتی ہے۔"
کس قسم کے دلائل وہ پیش کرتے ہیں:
- ناکامی کی شرح پر غور کیے بغیر نظر آنے والی کامیابی سے استخراج
- مکمل طور پر بچ جانے والے کیسز کا استعمال کرتے ہوئے "مثال کے ذریعے ثبوت"
جن سوالات سے وہ گریز کرتے ہیں:
- "کتنوں نے یہ طریقہ آزمایا اور ناکام رہے؟"
- "اس حکمت عملی کی کامیابی کا بیس ریٹ کیا ہے؟"
- "ہمیں اس ڈیٹا سیٹ میں ناکامیاں کیوں نظر نہیں آتیں؟"
9.3. حالات کے محرکات
وہ حالات جو تعصب کو فعال کرتے ہیں:
- کیوریٹ شدہ کامیابی کی کہانیوں تک رسائی (میڈیا، کتابیں، کانفرنسز)
- ڈراپ آؤٹ/بندش/حذف کرنے کے طریقہ کار کے ساتھ ڈیٹا بیسز کا تجزیہ
- کوئی بھی تشخیص جہاں ناکامیاں نظروں سے اوجھل ہو جاتی ہیں
- موجودہ مارکیٹ لیڈروں کا سابقہ تجزیہ
جذباتی حالتیں جو خطرے کو بڑھاتی ہیں:
- پہلے سے کیے گئے فیصلے کے بارے میں رجائیت پسندی
- نقطہ نظر کو درست ثابت کرنے کی خواہش
- ایک کامیاب شخصیت کے لیے تعریف
وقت کا دباؤ:
- فوری طور پر غیر تصدیق شدہ (ناکامی) ڈیٹا تلاش کرنے کے امکان کو کم کرتی ہے
- آخری تاریخیں مکمل تلاش کے مقابلے میں دستیاب مثالوں کے حق میں ہوتی ہیں
10. علمی ڈی بائسنگ کی حکمت عملیاں
10.1. فوری تکنیکیں
ڈیاگوراس کا سوال: کامیابی کی مثالوں پر مبنی کوئی بھی فیصلہ کرنے سے پہلے واضح طور پر پوچھیں: "جہاز ڈوبنے والے کہاں ہیں؟" کس نے اسے آزمایا اور ناکام رہا؟ میں انہیں کیوں نہیں دیکھ سکتا؟
ڈیٹا کو الٹ دیں: جب آپ کو بقا پانے والوں کی خصوصیات پیش کی جائیں، تو ذہنی طور پر ایک "ناکامیوں کا قبرستان" بنائیں۔ کیا ناکام معاملات میں بھی یہ خصلتیں ہوں گی؟ اگر معلوم نہیں ہے، تو ڈیٹا نامکمل ہے۔
بیس ریٹ چیک کریں: کامیابیوں سے تخمینہ لگانے سے پہلے، ڈینومینیٹر (مجموعی تعداد) کا اندازہ لگائیں۔ "جن لوگوں نے بھی اس نقطہ نظر کو آزمایا، ان میں سے کتنے فیصد کامیاب ہوئے؟" اگر معلوم نہیں ہے، تو غیر یقینی صورتحال کو تسلیم کریں۔
فیلیئر موڈ کی انوینٹری (Failure Mode Inventory): ان تمام طریقوں کی فہرست بنائیں جن میں تجزیہ کی گئی مثالیں ناکام ہو سکتی تھیں اور غائب ہو سکتی تھیں۔ وہ کار کمپنیاں جو دیوالیہ ہو گئیں، ریستوراں جو بند ہو گئے، وہ فنڈز جو ختم ہو گئے—وہ کہاں گئے؟
ماخذ سے سوال کرنا: کسی بھی ڈیٹا سیٹ کے لیے پوچھیں: "ڈراپ آؤٹ/ڈیلیشن/بقا کا طریقہ کار کیا ہے؟" ناکامیوں کو کیسے ہٹایا جاتا ہے؟ اس سے تعصب کی ساخت کا پتہ چلتا ہے۔
10.2. طویل مدتی حکمت عملیاں
ناکامیوں کا جان بوجھ کر مطالعہ کریں: پوسٹ مارٹمز، دیوالیہ پن کے تجزیات، اور ناکام اسٹارٹ اپ کی کہانیاں تلاش کریں۔ CB Insights کے "Startup Failure Post-Mortems" اور اسی طرح کے وسائل وہ خاموش ثبوت فراہم کرتے ہیں جو عام طور پر غائب ہوتے ہیں۔
پری مارٹم پریکٹس: پروجیکٹس شروع کرنے سے پہلے، "پری مارٹمز" کریں—تصور کریں کہ پروجیکٹ ناکام ہو گیا ہے اور اسباب کی نشاندہی کرنے کے لیے پیچھے کی طرف سوچیں۔ یہ ناکامیوں کا تصور کرنے کی ذہنی ورزش ہے۔
امکانات کی کیلیبریشن: ڈیٹا دیکھنے سے پہلے بیس ریٹس کا اندازہ لگانے کی مشق کریں۔ اپنی درستگی پر نظر رکھیں۔ اس سے یہ اندازہ لگانے میں مدد ملتی ہے کہ مرئی کامیابی کی شرح کتنی بار حقیقی کامیابی کی شرح کو بڑھا چڑھا کر پیش کرتی ہے۔
تاریخی انسداد حقیقت (Historical Counterfactuals): تاریخ کا مطالعہ کرتے وقت، متبادل راستوں پر فعال طور پر غور کریں—کیا ہونے والا تھا، کون کامیاب ہونے کے قریب تھا، اور کون سے دوسرے نتائج ممکن تھے۔ نسیم طالب انہیں "متبادل تاریخیں" کہتے ہیں۔
10.3. ماحولیاتی ڈیزائن
ڈیٹا کا بنیادی ڈھانچہ: ایسے "وقت پر نقطہ" (point-in-time) ڈیٹاسیٹس کا استعمال کریں جو ناکامیوں کے ریکارڈز کو اس وقت محفوظ کرتے ہیں جب وہ موجود تھے، بجائے اس کے کہ موجودہ دور کے ڈیٹا بیسز جو صرف بقا پانے والوں کو ظاہر کرتے ہیں۔
ناکامی کی لائبریریاں: تنظیمی علم کے انتظام کو ناکام پروجیکٹس کو محفوظ کرنا چاہیے، نہ کہ صرف کامیاب پروجیکٹس کو۔ پوسٹ مارٹمز اتنے ہی قابل رسائی ہونے چاہئیں جتنے کہ کامیابی کی کیس اسٹڈیز۔
ڈیول کے ایڈووکیٹ پروٹوکول (Devil's Advocate Protocols): ان کرداروں کو ادارہ جاتی شکل دیں جو خاص طور پر اسٹریٹجک فیصلوں میں غیر تصدیق شدہ ثبوت اور غائب ناکامی کے اعداد و شمار تلاش کرتے ہیں۔
متنوع مشاورتی نیٹ ورکس: اپنے مشاورتی حلقے میں ان لوگوں کو شامل کریں جنہوں نے ناکامی کا تجربہ کیا ہو۔ ان کا نقطہ نظر وہ "خاموش ثبوت" فراہم کرتا ہے جو عام طور پر غائب ہوتا ہے۔
10.4. بیرونی ان پٹ کب تلاش کریں
فیصلے کی قسمیں جنہیں بیرونی توثیق کی ضرورت ہوتی ہے:
- تاریخی کارکردگی کے ڈیٹا پر مبنی بڑی سرمایہ کاریاں
- حریفوں کے تجزیے پر مبنی حکمت عملی کے فیصلے
- کامیابی کی کہانیوں پر مبنی کیریئر/زندگی کے فیصلے
- علاج کے نتائج کے ڈیٹا پر مبنی طبی فیصلے
کس سے مشورہ کریں:
- وہ ماہرین شماریات جو انتخاب کے تعصب (selection bias) سے واقف ہوں
- وہ لوگ جو آپ کے زیر غور طریقے میں ناکام ہو چکے ہیں
- وہ محققین جو مخصوص ڈومین کی ناکامی کی شرح کا مطالعہ کرتے ہیں
- غائب ڈیٹا تلاش کرنے کے لیے مقرر کیے گئے ڈیول ایڈووکیٹس
درخواستوں کو کیسے فریم کریں:
- "یہاں ڈینومینیٹر (مجموعی تعداد) کیا ہے؟"
- "ان کا کیا ہوا جنہوں نے یہ آزمایا اور ناکام رہے؟"
- "یہ اعداد و شمار کیسے جمع کیے گئے ہیں، اور کیسز کے غائب ہونے کی وجہ کیا ہے؟"
11. عملی مشقیں
مشق 1: ناکامیوں کے قبرستان کی سیر
- مقصد: غیر مرئی ناکامیوں کے لیے بصیرت پیدا کرنا
- درکار وقت: 45 منٹ
- ضروری اشیاء: انٹرنیٹ تک رسائی، نوٹ بک
- مشکل کی سطح: ابتدائی
- ہدایات:
- کوئی ایسا ڈومین منتخب کریں جس میں آپ کی دلچسپی ہو (اسٹارٹ اپس، ریستوراں، پروڈکٹس وغیرہ)
- اس ڈومین میں 5 مشہور کامیابیاں تلاش کریں
- ہر کامیابی کے لیے، 3 ہم عصروں کی تحقیق کریں جنہوں نے اسی طرح کے طریقے آزمائے اور ناکام رہے
- نوٹ کریں کہ ناکام ہونے والوں میں کامیابیوں کے ساتھ کون سی خصوصیات/حکمت عملی مشترک تھیں
- دستاویز بنائیں کہ ناکامیاں عام طور پر کیوں پوشیدہ ہوتی ہیں (دیوالیہ پن، حصول، حذف ہونا، وغیرہ)
- عکاسی کے سوالات:
- ناکامیوں کو تلاش کرنا کتنا مشکل تھا؟
- کون سے "کامیابی کے عوامل" کامیابیوں اور ناکامیوں دونوں میں ظاہر ہوئے؟
- کامیابی کا سبب بننے والی چیزوں کے بارے میں یہ آپ کا نظریہ کیسے بدلتا ہے؟
- تواتر: ماہانہ، خاص طور پر اہم فیصلوں سے پہلے
مشق 2: ڈیٹاسیٹ کا پوسٹ مارٹم
- مقصد: ڈیٹا کے ذرائع میں بقا کے تعصب کی نشاندہی کرنا سیکھنا
- درکار وقت: 60 منٹ
- ضروری اشیاء: ایک ڈیٹاسیٹ تک رسائی جسے آپ استعمال کرتے ہیں (مالی، کاروباری، کارکردگی کا ڈیٹا)
- مشکل کی سطح: انٹرمیڈیٹ
- ہدایات:
- ایک ڈیٹاسیٹ منتخب کریں جس پر آپ فیصلوں کے لیے انحصار کرتے ہیں
- ڈیٹا اکٹھا کرنے کے طریقہ کار کو دستاویز کریں
- وہ تمام میکانزم شناخت کریں جن کے ذریعے ریکارڈ ہٹائے جا سکتے ہیں (بند ہونا، انضمام، حذف، نان رپورٹنگ)
- اندازہ لگائیں کہ اصل آبادی کا کتنے فیصد حصہ غائب ہو سکتا ہے
- غور کریں کہ گمشدہ ڈیٹا کس طرح زندہ بچ جانے والے ڈیٹا سے مختلف ہو سکتا ہے
- عکاسی کے سوالات:
- اگر آپ گمشدہ ڈیٹا دیکھ سکتے تو کیا تبدیل ہوتا؟
- اس ڈیٹا سے اخذ کردہ نتائج پر آپ کو کتنا یقین ہونا چاہیے؟
- کون سی تبدیلیاں مناسب ہو سکتی ہیں؟
- تواتر: جب بھی فیصلوں کے لیے تاریخی ڈیٹا استعمال کریں
مشق 3: پری مارٹم کی رسم
- مقصد: ناکامی کے پوشیدہ ہونے سے پہلے اسے منظم طریقے سے تصور کرنا
- درکار وقت: 30 منٹ
- ضروری اشیاء: کاغذ، ٹائمر
- مشکل کی سطح: اعلیٰ
- ہدایات:
- پروجیکٹ شروع کرنے سے پہلے ٹیم کو جمع کریں
- 20 منٹ کا ٹائمر لگائیں
- تصور کریں کہ اب سے ایک سال گزر چکا ہے اور منصوبہ مکمل طور پر ناکام ہو چکا ہے
- ہر شخص اس کے ناکام ہونے کی تمام وجوہات لکھتا ہے (پہلے آزادانہ طور پر)
- ناکامی کے طریقوں کو شیئر اور مستحکم کریں
- عکاسی کے سوالات:
- ناکامی کے کون سے موڈ سب سے زیادہ ممکن ہیں؟
- کون سی ناکامیاں مستقبل کے تجزیہ کاروں کے لیے کوئی ثبوت نہیں چھوڑیں گی؟
- آپ پوشیدہ ناکام ڈیٹا بننے سے کیسے بچ سکتے ہیں؟
- تواتر: ہر اہم پروجیکٹ کے آغاز پر
روزانہ کی مشق
شام کی ناکامی کا سوال: ہر شام، اپنے کیے گئے ایک فیصلے کا جائزہ لیں اور پوچھیں: "میں کون سی ناکامیوں کو نہیں دیکھ رہا ہوں جو اسے مطلع کرنی چاہئیں؟"
- تجویز کردہ دورانیہ: 5 منٹ
- دن کا بہترین وقت: شام
- پیشرفت کو کیسے ٹریک کریں: روزانہ ایک "پوشیدہ ناکامی" کی بصیرت کو جرنل میں لکھیں
ہفتہ وار چیلنج
خاموش ثبوت کی تلاش: ہر ہفتے، ایک ایسا عقیدہ چنیں جو آپ نظر آنے والے ثبوتوں کی بنیاد پر رکھتے ہیں اور فعال طور پر "خاموش ثبوت" تلاش کریں جو اس سے متصادم ہو سکتا ہے۔
- 4 ہفتوں کے بعد متوقع نتائج: "کیا غائب ہے" پوچھنے کے لیے بصیرت میں نمایاں بہتری اور صرف نظر آنے والے ڈیٹا سے نتائج اخذ کرنے میں اعتماد کی کمی
- عکاسی کے لیے جرنلنگ پرامپٹس:
- اس ہفتے میں نے کس عقیدے کا جائزہ لیا؟
- میں نے کون سے خاموش ثبوت دریافت کیے؟
- اسے تلاش کرنے سے میرے اعتماد کی سطح میں کیا تبدیلی آئی؟
12. مخصوص سامعین کے لیے
رہنماؤں اور مینیجرز کے لیے
اسٹریٹجک پلاننگ: حریفوں کی کامیابیوں کا تجزیہ کرتے وقت، یہ لازمی قرار دیں کہ اسٹریٹجی ٹیمیں ان حریفوں کا بھی مطالعہ کریں جنہوں نے اسی طرح کی حکمت عملیاں استعمال کیں اور ناکام رہے۔ ناکامیاں یہ ظاہر کر سکتی ہیں کہ مشاہدہ کردہ "کامیابی کے عوامل" کارگر نہیں ہیں۔
منصوبے کے بعد کا تجزیہ: ناکام پروجیکٹس کو اتنی ہی سختی سے آرکائیو کریں اور ان کا مطالعہ کریں جتنا کہ کامیاب پروجیکٹس کا۔ ناکامیوں سے سیکھنا اکثر زیادہ قیمتی ہوتا ہے، اور جان بوجھ کر محفوظ کیے بغیر، یہ غائب ہو جاتا ہے۔
ہائرنگ کے فیصلے: ٹاپ پرفارمرز سے اخذ کردہ پروفائلز کے بارے میں محتاط رہیں۔ غور کریں کہ کون سے امیدواروں کو مسترد کر دیا گیا جو کامیاب ہو سکتے تھے، اور کن کو پروفائل سے ملنے کے باوجود ناکام ہو کر چھوڑنا پڑا۔
فیصلوں کی دستاویز کاری: نہ صرف نتائج کو ریکارڈ کریں بلکہ فیصلے کے وقت کی معلومات اور استدلال کو بھی۔ یہ اس وقت بھی ایماندارانہ تشخیص کی اجازت دیتا ہے جب ناکامیاں رخصتی، تنظیم نو، یا نظرثانی کے ذریعے "غائب" ہو جاتی ہیں۔
کلچر بنانا: ناکامیوں کا کھلے عام جشن منائیں اور ان پر تبادلہ خیال کریں۔ یہ انہیں خاموش کرنے کے بجائے تنظیمی یادداشت میں نظر آنے کے قابل رکھتا ہے۔
والدین اور اساتذہ کے لیے
تصور کی تدریس: ڈیاگوراس کی کہانی کا استعمال کریں—یہ بچوں کے لیے قابل فہم ہے۔ پوچھیں: "اگر ہم صرف ان لوگوں سے سنتے ہیں جو جیتے ہیں، تو ہم کیا نہیں سیکھتے؟"
کامیابی کی کہانی کا توازن: جب متاثر کن کہانیاں بانٹیں، تو ناکامی کی کہانیاں بھی شیئر کریں۔ "بہت سے لوگوں نے بالکل وہی آزمایا جو اس نے کیا اور یہ کام نہیں کیا۔ کیا فرق ہو سکتا ہے؟"
سائنس کی تعلیم: بقا کا تعصب نمونے لینے، انتخاب اور تجرباتی ڈیزائن کو سمجھنے کا ایک بہترین گیٹ وے ہے۔ دوسری جنگ عظیم کے بمبار کی مثال استعمال کریں—یہ واضح اور غیر بدیہی ہے۔
ناکامی کا ماڈلنگ: اپنی ناکامیاں شیئر کریں اور آپ نے ان سے کیا سیکھا۔ ناکامی کو غیر مرئی کے بجائے زیر بحث بنائیں۔
ہیلتھ کیئر پروفیشنلز کے لیے
کلینکل ٹرائل کی تشریح: ڈراپ آؤٹ پیٹرن پر نظر رکھیں۔ جو مریض علاج بند کر دیتے ہیں وہ علاج جاری رکھنے والوں سے منظم طریقے سے مختلف ہو سکتے ہیں۔ انٹینشن ٹو ٹریٹ (Intention-to-treat) تجزیہ جزوی طور پر اس کو حل کرتا ہے۔
علاج کی تاریخی تشخیص: "روایتی" علاج جو "وقت کی کسوٹی پر پورا اترے ہیں" محض بچ جانے والے ہو سکتے ہیں۔ غیر موثر علاج جنہیں چھوڑ دیا گیا کوئی ثبوت نہیں چھوڑتے۔
تشخیصی پیٹرن کی شناخت: یادگار کیسز (یادداشت میں بچ جانے والے) بیس ریٹس کی نمائندگی نہیں کر سکتے ہیں۔ پیٹرن میچنگ کے وقت فعال طور پر مختلف نتائج والے کیسز کو یاد کریں۔
موت کے اعداد و شمار: سمجھیں کہ کس طرح "ڈیڈ آن ارائیول" کے اخراج، ٹرانسفر پیٹرن، اور دستاویزات کے طریقے نتائج کے اعداد و شمار میں بقا کا تعصب پیدا کرتے ہیں۔
مالیاتی پیشہ ور افراد کے لیے
ڈیٹا بیس ہائیجین: جب بھی دستیاب ہوں ہمیشہ بقا کے تعصب سے پاک ڈیٹا بیسز کا استعمال کریں۔ معیاری ڈیٹا بیسز کے لیے، معلوم اصلاحی عوامل کو لاگو کریں (مثلاً، میوچل فنڈز کے لیے ~0.9%)۔
مؤکل سے رابطہ: تاریخی کارکردگی دکھاتے وقت، وضاحت کریں کہ کیا غائب ہے۔ "یہ انڈیکس ان کمپنیوں کو دکھاتا ہے جو آج موجود ہیں۔ ناکام ہونے والی کمپنیاں شامل نہیں ہیں، جو ماضی کی کارکردگی کو اس سے بہتر دکھاتی ہے جتنی وہ تھی۔"
بیک ٹیسٹ پر شکوک: پوائنٹ اِن ٹائم ڈیٹا ضروری ہے۔ موجودہ انڈیکس ترکیب کا استعمال کرتے ہوئے کسی بھی بیک ٹیسٹ نے مؤثر طریقے سے 100% بقا حاصل کر لی ہے—ایک ناممکن شرط۔
ہیج فنڈ کی جانچ پڑتال: بقا اور بیک فل دونوں تعصبات کا حساب رکھیں۔ مشترکہ اثر (~4.4% فی مالکیل) کا مطلب ہے کہ ہیج فنڈ کی رپورٹ کردہ اوسط کارکردگی حقیقت کو کافی حد تک بڑھا چڑھا کر پیش کرتی ہے۔
13. دیگر تعصبات کے ساتھ تعامل
تعصبات جو بقا کے تعصب کو بڑھاتے ہیں
| تعصب | یہ کیسے تعامل کرتا ہے |
|---|---|
| دستیابی کا ہیورسٹک (Availability Heuristic) | بقا پانے والوں کو یادداشت میں اور بھی نمایاں بناتا ہے؛ ناکامیاں دوہرا غیر مرئی ہوتی ہیں (ڈیٹا سے ہٹا دی گئیں اور آسان یادداشت سے بھی) |
| رجائیت پسندی کا تعصب (Optimism Bias) | ناکامی کے امکان کی حقیقت پسندانہ تشخیص کے بجائے بچ جانے والوں کے ساتھ شناخت کی حوصلہ افزائی کرتا ہے |
| تصدیقی تعصب (Confirmation Bias) | کامیابی کی ایسی کہانیاں تلاش کرنے کی طرف لے جاتا ہے جو موجودہ عقائد کی تصدیق کرتی ہیں جبکہ غیر تصدیق شدہ ناکامی کے شواہد کو نظر انداز کرتی ہیں |
| ادراکِ مابعد کا تعصب (Hindsight Bias) | ماضی کو دیکھتے ہوئے بچ جانے والے کی کامیابی کو "واضح" بناتا ہے، قسمت کے کردار اور ناکامی کے معقول ہونے کو دھندلا دیتا ہے |
| بیانیہ کا مغالطہ (Narrative Fallacy) | بقا پانے والے کے اعداد و شمار سے زبردست کہانیاں بناتا ہے جو وضاحتی محسوس ہوتی ہیں لیکن اصل (غیر مرئی) کارگر عوامل سے محروم رہتی ہیں |
تعصبات جو بقا کے تعصب کا مقابلہ کرتے ہیں
| تعصب | یہ کیسے مدد کرتا ہے |
|---|---|
| قنوطیت پسندی کا تعصب (Pessimism Bias) | منفی نتائج کی توقع کرنے کا فطری رجحان نظر آنے والی کامیابیوں پر ضرورت سے زیادہ توجہ کو متوازن کر سکتا ہے |
| نقصان سے گریز (Loss Aversion) | ممکنہ نقصانات پر بڑھتی ہوئی توجہ ناکامی کی مثالوں کی تلاش کو متحرک کر سکتی ہے |
عام تعصب کی زنجیریں
کامیابی کی تقلید کا سلسلہ: بقا کا تعصب (صرف جیتنے والوں کو دیکھیں) → دستیابی کا ہیورسٹک (جیتنے والے یادوں پر حاوی رہتے ہیں) → بیانیہ کا مغالطہ (جیتنے والوں کی خصوصیات سے کارگر کہانی بنانا) → حد سے زیادہ اعتماد (یقین کرنا کہ کہانی کامیابی کی وضاحت کرتی ہے) → تصدیقی تعصب (کہانی کی حمایت کرنے والے ثبوت تلاش کرنا) → خطرے کا غلط اندازہ (ناکامی کے امکان کو کم سمجھنا)
رکاوٹ کا نقطہ: بیانیہ بننے سے پہلے واضح طور پر "ناکامیاں کہاں ہیں؟" پوچھ کر زنجیر کو جلد توڑا جا سکتا ہے۔ ایک بار جب ایک زبردست کہانی بن جاتی ہے، تو اسے ختم کرنا بہت مشکل ہو جاتا ہے۔
14. ثقافتی زاویے
بقا کا تعصب تمام ثقافتوں میں ظاہر ہوتا ہے لیکن ثقافتی سیاق و سباق کی وجہ سے بڑھ یا کم ہو سکتا ہے۔
انفرادیت پسند بمقابلہ اجتماعیت پسند ثقافتیں: انتہائی انفرادیت پسند ثقافتوں (جیسے امریکہ) میں، "خود ساختہ کامیابی" کا بیانیہ خاص طور پر نمایاں ہے، جو ممکنہ طور پر ذاتی کامیابی کے سیاق و سباق میں بقا کے تعصب کو بڑھاتا ہے۔ اجتماعی ثقافتوں میں اپنے گروہ کے اندر ناکامیوں کی زیادہ مرئیت ہو سکتی ہے، جو جزوی طور پر تعصب کو کم کرتی ہے۔
ہائی پاور ڈسٹنس کلچرز: اعلیٰ طاقت کے فاصلے والی ثقافتوں میں، کامیابیوں کا اور بھی زیادہ جشن منایا جا سکتا ہے جبکہ شرمندگی سے بچنے کے لیے ناکامیوں کو چھپایا جاتا ہے، جو ممکنہ طور پر نتائج کی صرف بچ جانے والی مرئیت کو بڑھاتا ہے۔
خطرے کے رویے: زیادہ خطرہ مول لینے والی ثقافتیں ممکنہ طور پر نمایاں خطرہ مول لینے والوں سے سبق سیکھنے کی طرف زیادہ مائل ہو سکتی ہیں، جبکہ خطرے سے بچنے والی ثقافتیں فطری طور پر زیادہ ناکامی کا ڈیٹا تلاش کر سکتی ہیں۔
| ثقافت کی قسم | ظہور |
|---|---|
| انفرادیت پسند ثقافتیں | مضبوط "خود ساختہ کامیابی" کے بیانیے؛ مشہور شخصیت انٹرپرینیور پر توجہ تعصب کو بڑھاتی ہے |
| اجتماعیت پسند ثقافتیں | گروپ کی کامیابی کی کہانیاں نمایاں ہوتی ہیں؛ ناکامیوں کے بارے میں اندرون گروپ کا علم تعصب کو کم کر سکتا ہے |
| ہائی کانٹیکسٹ کلچرز | ناکامیوں کا مضمر علم غیر رسمی طور پر گردش کر سکتا ہے، جو جزوی طور پر مرئی کامیابی کے تعصب کی تلافی کرتا ہے |
| لو کانٹیکسٹ کلچرز | واضح، دستاویزی کامیابی کے معاملات حاوی ہوتے ہیں؛ ناکامیوں کو نظر آنے کے لیے دانستہ دستاویز کی ضرورت ہوتی ہے |
15. خرافات اور غلط فہمیاں
| خرافات | حقیقت |
|---|---|
| "یہ تعصب صرف اعدادوشمار اور فنانس کو متاثر کرتا ہے" | بقا کا تعصب تاریخ، ادویات، پروڈکٹ ڈیزائن، کیریئر کی منصوبہ بندی، تعلقات کے مشورے، اور عملی طور پر ہر اس ڈومین کو متاثر کرتا ہے جہاں نتائج مختلف ہوتے ہیں اور ناکامیاں غائب ہو جاتی ہیں |
| "کامیابیوں کو دیکھنا بے ضرر ہے—زیادہ سے زیادہ، آپ اچھے طریقے سیکھتے ہیں" | خطرناک حد تک غلط۔ کامیاب کیسز ناکامیوں کے ساتھ خصائص کا اشتراک کر سکتے ہیں، جس سے غلط انتساب اور غیر کارگر عوامل کی خطرناک تقلید ہوتی ہے |
| "اگر کوئی چیز طویل عرصے تک قائم رہی ہے، تو وہ اچھی ہونی چاہیے" | دیر تک بچنے والے محض خوش قسمت آؤٹ لائرز ہو سکتے ہیں۔ ہزاروں عصری پراڈکٹس/عمارتیں/طریقے جو ناکام رہے وہ پوشیدہ ہیں |
| "کامیاب لوگ مشورے کا بہترین ذریعہ ہیں" | وہ واحد نظر آنے والے ذریعہ ہیں، بہترین نہیں۔ ان کا مشورہ یہ بتا سکتا ہے کہ ناکامیوں کی خصوصیت کیا تھی، بس مختلف قسمت کے ساتھ |
| "آپ صرف اس کے بارے میں 'آگاہ' ہو کر بقا کے تعصب کو درست کر سکتے ہیں" | آگاہی مدد کرتی ہے لیکن ناکافی ہے۔ درست تجزیہ کے لیے مقداری تصحیحات (Heckman, IPW, Kaplan-Meier) اکثر ضروری ہوتی ہیں |
16. ماہرین کی آراء
"میں انہیں دیکھ رہا ہوں جو بچ گئے ہیں، لیکن وہ پینٹ کیے گئے کہاں ہیں جو جہاز ڈوبنے سے ہلاک ہوئے؟" — میلوس کا ڈیاگوراس، 5ویں صدی قبل مسیح
"ناکام ریستوراں کا قبرستان بہت خاموش ہے۔ یہاں تک کہ عظیم ترین سوچ کے تجربات اور کتابوں میں اس بارے میں بہت کم لکھا گیا ہے کہ ریستوراں کے کاروبار میں کیسے ناکام نہ ہوں کیونکہ جو لوگ ناکام ہوتے ہیں وہ کتابیں نہیں لکھتے۔" — نسیم نکولس طالب، Fooled by Randomness
"انسانی عقل منفی کی نسبت مثبت سے زیادہ متحرک ہوتی ہے۔" — فرانسس بیکن، Novum Organum
"[SRG] اب تک منظم کیے گئے ماہرین شماریات کا سب سے غیر معمولی گروپ تھا۔" — ڈبلیو ایلن والس (W. Allen Wallis)، شماریاتی ریسرچ گروپ کے ڈائریکٹر
17. کلیدی نتائج
-
بقا کا تعصب عالمگیر اور قدیم ہے—2,500 سال پہلے ڈیاگوراس نے اس کی پہچان کی، دوسری جنگ عظیم میں والڈ نے اسے باضابطہ شکل دی، اور جدید فنانس میں اس کی مقدار متعین کی گئی۔
-
تعصب منظم طریقے سے فریب دینے والا ڈیٹا بناتا ہے—نہ صرف نامکمل بلکہ فعال طور پر گمراہ کن کیونکہ ناکامیوں کی عدم موجودگی نظر آنے والی تقسیم کی شکل کو بدل دیتی ہے۔
-
جو غائب ہے وہ اکثر سب سے اہم ڈیٹا ہوتا ہے—والڈ کی بصیرت کہ "غائب" گولیوں کے سوراخ تباہ ہونے والے طیاروں پر تھے تمام بقا کے تعصب کے تجزیہ کے لیے ایک نمونہ ہے۔
-
مالی اثرات قابل پیمائش ہیں—میوچل فنڈز کے لیے تقریباً 0.9% سالانہ، ہیج فنڈز کے لیے 4.4%، اور بیک ٹیسٹنگ کی غلطیوں کے لیے نامعلوم لیکن خاطر خواہ ہے۔
-
اس کا تریاق غیر مرئی کی فعال تلاش ہے—مسلسل یہ پوچھنا کہ "جہاز ڈوبنے والے کہاں ہیں؟" وہ نظم ہے جو اس تعصب کے خلاف تحفظ فراہم کرتا ہے۔
-
تصحیح کے طریقے موجود ہیں—ہیکمین کریکشن (Heckman Correction)، انورس پراببلٹی ویٹنگ (Inverse Probability Weighting)، کپلان-میئر کا تخمینہ (Kaplan-Meier estimation)، اور پوائنٹ ان ٹائم (point-in-time) ڈیٹا بیس جزوی طور پر اس تعصب کو دور کر سکتے ہیں۔
-
مرئیت درستگی نہیں ہے—جس آسانی سے ہم کامیاب مثالیں دیکھتے ہیں وہ ہمیں پوری آبادی میں ان کی نمائندگی کے بارے میں کچھ نہیں بتاتی۔
18. مزید وسائل
اکیڈمک پیپرز
- Brown, S. J., Goetzmann, W., Ibbotson, R. G., & Ross, S. A. (1992). Survivorship Bias in Performance Studies. Review of Financial Studies, 5(4), 553-580.
- Elton, E. J., Gruber, M. J., & Blake, C. R. (1996). Survivorship Bias and Mutual Fund Performance. Review of Financial Studies, 9(4), 1097-1120.
- Wald, A. (1943). A Method of Estimating Plane Vulnerability Based on Damage of Survivors. Statistical Research Group Memorandum.
کتابیں
- Taleb, N. N. (2001). Fooled by Randomness: The Hidden Role of Chance in Life and in the Markets. Random House.
- Taleb, N. N. (2007). The Black Swan: The Impact of the Highly Improbable. Random House.
- Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
کتاب کے ابواب
- Bacon, F. (1620). Idols of the Tribe. In Novum Organum.
- Cicero. (45 BCE). De Natura Deorum [On the Nature of the Gods]. Book III (contains the Diagoras anecdote).
19. آپ کے ہتھیار (آسان حوالہ)
| اگر آپ یہ کر رہے ہیں... | تو یہ سوال پوچھیں | اور اس حکمت عملی کا استعمال کریں |
|---|---|---|
| سرمایہ کاری | کیا یہ ڈیٹا بیس ناکام فنڈز/کمپنیوں کے ریکارڈز کو حذف کرتا ہے؟ | پوائنٹ ان ٹائم (point-in-time) ڈیٹا کا اصرار کریں یا تعصب کی اصلاح کا اطلاق کریں |
| منصوبہ بندی | کیا ہم صرف ان کمپنیوں کو بینچ مارک کر رہے ہیں جو زندہ بچیں؟ | ڈیول کا ایڈووکیٹ تلاش کریں تاکہ معلوم ہو سکے کہ کون سی ناکامیوں نے یہی طریقے آزمائے تھے |
| بھرتی | کیا ہم صرف اپنے ٹاپ پرفارمرز سے خصوصیات لے رہے ہیں؟ | غور کریں کہ کیا مسترد کیے گئے افراد یا ناکام ملازمین میں بھی یہی خصوصیات موجود تھیں |
| سیکھنا | کیا مجھے صرف کامیاب لوگوں کے مشورے مل رہے ہیں؟ | ناکامی کے پوسٹ مارٹمز کو تلاش کریں؛ ناکامیوں کا جان بوجھ کر مطالعہ کریں |
| تشخیص | وہ ڈیٹا کہاں ہے جو میں نہیں دیکھ سکتا؟ | پوشیدہ ڈیٹا کو تلاش کریں جو ناکام ہونے کی وجہ سے غائب ہو گیا ہے |
| تنظیم سازی | کیا ہم نے ناکام منصوبوں کا ریکارڈ رکھا ہے؟ | علم کے انتظام کے نظام بنائیں جو ناکامی کے ڈیٹا کو محفوظ اور ظاہر کریں؛ تعصب سے پاک شماریاتی طریقے استعمال کریں |
| یاد رکھیں | "سب سے اہم ڈیٹا تقریباً ہمیشہ وہی ہوتا ہے جو غائب ہوتا ہے۔" |
20. استعمال شدہ اصطلاحات کی فرہنگ
| اصطلاح | تعریف |
|---|---|
| Truncation (کٹوتی) | جب مشاہدات کو ایک نمونے سے مکمل طور پر خارج کر دیا جاتا ہے اگر وہ کسی خاص حد سے نیچے یا اوپر آتے ہیں |
| Censoring (سنسرنگ) | جب پیمائش کی قیمت صرف جزوی طور پر معلوم ہوتی ہے (مثال کے طور پر، یہ جاننا کہ مریض کی موت ہو گئی لیکن یہ نہیں کہ وہ کتنی دیر تک زندہ رہتا) |
| Silent Evidence (خاموش ثبوت) | ڈیٹا پوائنٹس جن کا مشاہدہ نہیں کیا جا سکتا کیونکہ ان کی عدم موجودگی مطالعہ کیے جانے والے رجحان کی وجہ سے ہوتی ہے |
| Base Rate (بیس ریٹ) | کسی مخصوص معلومات پر غور کرنے سے پہلے آبادی میں کسی واقعے کی بنیادی تعدد |
| Availability Heuristic (دستیابی کا ہیورسٹک) | ذہنی شارٹ کٹ جو کسی موضوع کا جائزہ لیتے وقت فوری طور پر ذہن میں آنے والی مثالوں پر انحصار کرتا ہے |
| Heckman Correction (ہیکمین کریکشن) | غیر تصادفی طور پر منتخب کردہ نمونوں میں انتخاب کے تعصب کو درست کرنے کے لیے دو قدمی شماریاتی طریقہ |
| Inverse Probability Weighting (IPW) (انورس پراببلٹی ویٹنگ) | بقا پانے والے مشاہدات کا ان کی بقا کے امکان کے برعکس وزن کرنا تاکہ کھوئے ہوئے ساتھیوں کی نمائندگی کی جا سکے |
| Kaplan-Meier Estimator (کپلان-میئر کا تخمینہ) | بقا کے امکانات کا اندازہ لگانے کے لیے شماریاتی طریقہ جو سنسر شدہ ڈیٹا کو ہینڈل کرتا ہے |
| Backfill Bias (بیک فل کا تعصب) | جب فنڈز ابتدائی کامیابی حاصل کرنے کے بعد ہی رپورٹ کرتے ہیں، اچھے ڈیٹا کو "بیک فل" کرتے ہیں اور ابتدائی ناکامیوں کو چھپاتے ہیں |
| Ludic Fallacy (لوڈک مغالطہ) | ان ڈومینز میں شماریاتی ماڈلز کا غلط استعمال جہاں حدود کی شرائط نامعلوم ہیں یا تعصب کی وجہ سے دھندلی ہیں |
21. بحث کے سوالات
بک کلبز، کلاس رومز، یا خود کی عکاسی کے لیے:
-
کیا آپ زندگی کے کسی ایسے بڑے فیصلے کی نشاندہی کر سکتے ہیں جو آپ نے بنیادی طور پر نظر آنے والی کامیابی کی کہانیوں کی بنیاد پر کیا ہو؟ آپ کن ناکامیوں کو نہیں دیکھ سکے؟
-
والڈ نے وہاں آرمر لگانے کی سفارش کی جہاں گولیوں کے سوراخ نہیں تھے۔ کن موجودہ مسائل کو یہ دیکھ کر فائدہ ہو سکتا ہے کہ نقصان کہاں نظر نہیں آ رہا ہے؟
-
سوشل میڈیا، جو کامیابیوں کو اجاگر کرتا ہے اور ناکامیوں کو چھپاتا ہے، کس طرح کیریئر اور زندگی کے فیصلوں میں بقا کے تعصب کو بڑھا سکتا ہے؟
-
کیا واقعی ناکامیوں کو "دیکھنے" کا کوئی طریقہ ہے، یا ہم ہمیشہ بقا پانے والے متعصب اعداد و شمار کے ساتھ کام کر رہے ہیں؟ اصلاح کے طریقوں کی حدود کیا ہیں؟
-
طالب کا استدلال ہے کہ کامیاب لوگوں کا مشورہ ناکام لوگوں کے مشورے سے زیادہ درست نہیں ہو سکتا۔ اس تعصب کو دیکھتے ہوئے ہمیں دوسروں سے رہنمائی لینے اور سیکھنے کے بارے میں کیا سوچنا چاہیے؟