Nature：分析了近80万次经费申请，他们说这样的失败才能通往成功
什么样的失败才是真正的成功之母？一项研究对经费申请等领域进行分析，发现最终成功的人和最终失败的人，为实现自己的目标尝试了相同的次数。研究总结，为了实现成功，重要的是应当从失败中吸取教训，并且连续两次失败尝试之间的间隔时间应该稳步减少。
图片来源：Pixabay
来源 Scientific American
撰文 David Noonan
翻译 张元一
编辑 戚译引
在任何特定领域取得成功的秘诀几乎人人所知：好的想法，工作勤奋，自律，想象力，毅力和运气。噢，别忘了还有失败。美国西北大学的 Dashun Wang 及其同事在一份新论文中称其为“成功的必要前提”，论文主要分析了 1985 年至 2015 提交给美国国立健康研究院（NIH）的 776 721 笔拨款申请，还讨论了其他一些数据。
为了建立一个能可靠预测某项事业成败的数学模型，研究人员还分析了 46 年来的初创企业风险投资数据。他们还用 1970 年至 2017 年间发生的 170 350 起恐怖袭击对模型进行了测试，Wang 说这个数据集“最不同寻常”，但仍然很重要。
结论呢？“每一个赢家都是从失败者开始的，” Wang 说。他是西北大学凯洛格商学院（Kellogg School of Management）的管理和组织副教授，构思并领导了这项研究。
但并非每一次失败都会通往成功，他补充说。研究表明，最终将赢家与输家区分开的，并不是能否坚持。该论文于本周发表在《自然》杂志上，研究中一个有趣的发现是，最终成功的人和最终失败的人，为实现自己的目标尝试了相同的次数。
事实证明，要想通过多次尝试得到结果，必须从先前的失败中吸取教训。也就是说干得巧比干得多更重要。“你必须弄清楚什么是有效的，什么是无效的，然后专注于需要改进的地方，而不是反复研究并且更改所有内容，” Wang 说， “失败的人付出的努力不一定（比成功的人）更少。他们本来还可以做更多的工作，但他们只是做了更多不必要的变动。”
当他们探索“控制失败动态的机制”并建立模型时，Wang 的团队找出了他们所描述的先前未知的统计特征，这些特征将成功的人与不成功的人区分开来，并可以预测他们的最终结果。
除了保留做得好的部分并改进不好的部分之外，另一个关键指标是：连续两次失败尝试之间的间隔时间应该稳步减少。换句话说，失败越快，成功的机会就越大；而尝试之间的时间间隔越长，再次失败的可能性就越大。Wang 说：“如果有人申请拨款，并且会遇到三次失败，那么我们只要看两次失败的间隔时间，就能够预测他们最终是否会成功。”
Wang 将 NIH 庞大的数据库称为“充斥着人类失败的坟墓”，但得到 NIH 的资助是美国研究人员的梦想。他解释说：“对于每个项目负责人（PI），我们都确切知道他们何时失败，并且知道失败的严重程度，因为我们知道研究提案得到的分数。而且我们也知道经历一次又一次失败之后，他们最终何时能够成功获得第一笔拨款。”
对于初创企业而言，成功被定义为首次公开募股（IPO）或高价值的并购。对于恐怖主义，成功被定义为至少杀死一个人的袭击，而失败则是没有造成人员伤亡的袭击。那些在成功之前至少失败过一次的人的平均失败次数是：NIH 为 2.03，初创企业为 1.5，恐怖组织为 3.90。
通过处理如此大规模的数据，Wang 和同事们能够识别出他们所分析的数十万次尝试中的临界点，一个或是通往“进步区”或“停滞区”的岔路口。正如论文所解释的那样，“接近临界点的两个人，最初在学习策略或其他特征上可能看起来完全相同，但他们失败后的结果可能会出现巨大差异，取决于他们进入了哪个区域。”
Wang 说，每一次新的尝试之后，两类人之间的表现差异都会增加；不过在某些情况下，早在第二次尝试时就可以明确看到人们在哪个区域。
他指出，临界点的存在有违对失败或成功的传统解释，例如运气或人的工作习惯。 “我们的研究显示，即使没有这些差异，仍然会有非常不同的结果”。成败的关键在于人们如何失败，如何应对失败，以及这些失败接下来导致了什么。
展望未来，该研究的第一作者 Yian Yin 表示除了从过去的失败中学习这一特性之外，团队还计划改进模型，以量化其他的个人和组织特征。
这个模型目前已经在三个不同的领域进行了测试，展现出有望在其他领域发挥作用的潜质。美国东北大学复杂网络研究中心主任（Center for Complex Network Research）、《公式：成功的普遍法则》（The Formula: The Universal Laws of Success）的作者阿尔伯特-拉斯洛·巴拉巴西（Albert-László Barabási）说：“有无数研究试图去了解人和产品如何成功，但是我们对失败的作用了解甚少。王的工作从根本上重写了我们对成功的理解，展示了失败在其中扮演的关键角色，并最终提供了一种方法论和概念框架，将失败置于它本该应属的成功标准之内。”
本文来自微信公众号“科研圈”。如需转载，请在“科研圈”后台回复“转载”，或通过公众号菜单与我们取得联系。原文信息请点击“阅读原文”。
论文信息
【标题】Quantifying the dynamics of failure across science, startups and security
【作者】Yian Yin, Yang Wang, James A. Evans & Dashun Wang
【期刊】Nature
【时间】30 October 2019
【DOI】10.1038/s41586-019-1725-y
【链接】https://www.nature.com/articles/s41586-019-1725-y
【摘要】Human achievements are often preceded by repeated attempts that fail, but little is known about the mechanisms that govern the dynamics of failure. Here, building on previous research relating to innovation, human dynamics and learning, we develop a simple one-parameter model that mimics how successful future attempts build on past efforts. Solving this model analytically suggests that a phase transition separates the dynamics of failure into regions of progression or stagnation and predicts that, near the critical threshold, agents who share similar characteristics and learning strategies may experience fundamentally different outcomes following failures. Above the critical point, agents exploit incremental refinements to systematically advance towards success, whereas below it, they explore disjoint opportunities without a pattern of improvement. The model makes several empirically testable predictions, demonstrating that those who eventually succeed and those who do not may initially appear similar, but can be characterized by fundamentally distinct failure dynamics in terms of the efficiency and quality associated with each subsequent attempt. We collected large-scale data from three disparate domains and traced repeated attempts by investigators to obtain National Institutes of Health (NIH) grants to fund their research, innovators to successfully exit their startup ventures, and terrorist organizations to claim casualties in violent attacks. We find broadly consistent empirical support across all three domains, which systematically verifies each prediction of our model. Together, our findings unveil detectable yet previously unknown early signals that enable us to identify failure dynamics that will lead to ultimate success or failure. Given the ubiquitous nature of failure and the paucity of quantitative approaches to understand it, these results represent an initial step towards the deeper understanding of the complex dynamics underlying failure.