Kellogg Insight - 为什么有些人失败后会成功,有些人却一直无法翻身?
Skip to content
Innovation 12月 2, 2020

为什么有些人失败后会成功,有些人却一直无法翻身?

一项新研究揭开突破性成功背后的神秘面纱。

Play Pause
Listen to this article 0:00 Minutes
Scientists build a staircase from paper

Riley Mann

Based on the research of

Yian Yin

Yang Wang

James Evans

Dashun Wang

许多著名的成功故事是从失败开始的:亨利·福特在创立福特汽车公司之前破产过托马斯·爱迪生和他的同事在创造出碳丝灯泡之前测试过数千种材料J·K·罗琳第一本《哈利·波特》则是被拒绝过12次才得以出版。

的确,这些都是激励人心的例子,不过王达舜(Dashun Wang,音译)认为它们并未说出故事的全部真相。为什么这些人最终成功了,而其他许多人却从未跨过失败阶段?

“如果我们理解这个过程,是否就能预测一个目前仍处于失败状态的人日后会不会成功?”凯洛格学院管理与组织学副教授兼科学与创新科学中心(CSSI)主任王达舜问道。

《自然》期刊150周年版发表的一篇新论文中,王和同事们发展出一个数学模型,来准确找出让有些人成功、而有些人一直在尝试阶段徘徊的原因。在这项与博士生尹燕(Yian Yin,音译)、CSSI博士后研究员王阳(Yang Wang,音译)以及芝加哥大学詹姆斯·A·埃文斯(James A. Evans)共同进行的研究中,王教授发现成功归结于从以往的错误中学习。例如,对一个发明不成功的部分进行不断改进而不是放弃它们,或是确定一个被拒绝的申请中哪些部分要保留,哪些部分要重写。

但是,并不是吸取教训越多的人成功的可能性就越大,而是有一个关键临界点。如果你在先前尝试的基础上不断累积教训的能力高于某个门槛,你最终就可能成功;但如果低于这个门槛,即使只低一点点,你都可能会在不断的失败中徘徊。

“在门槛上下两边的人,可能是完全同样的人,但他们得到的结果却有天壤之别。”王说道。

利用这个见解,研究人员能够仅仅以一个人最初尝试的少量相关信息,成功地预测出此人长远成功的可能性。

从三个不同方面衡量成功

越来越多的研究支持“失败可能最终对你更有利”的观点。事实上,在另一项近期研究中,王教授自己发现早期职涯挫折往往是奠定科学家日后成功的基石

然而,正如福特、爱迪生和罗琳的故事明白显示的那样,成功道路上的挫折往往不止一次。“你不会只失败一次;你会一次又一次地失败。”王说道。尽管一再失败可能让世界上的爱迪生们越挫越勇,但它也似乎消磨了很多其他人的意志。

为了理解原因,王和他的同事们需要大量关于跌倒、重新站起以及继续尝试这个过程的信息。

于是他们着手研究三个海量数据集,每一个都包含非常不同的失败与成功类型的信息,一个是从1985年到2015年提交到美国国立卫生研究院(NIH)的776,721个研究资金申请,一个是全国风险投资协会(National Venture Capital Association)数据库中从1970年到2016年所有获得创投资金的58,111家创业公司,还有一个是包含从1970年到2016年170,350起袭击事件的全球恐怖主义数据库。

这些数据集让研究人员能够跟踪群体与个人在一段时间做出重复尝试以达成其目标的情况,例如获得研究资金,带领公司被高价收购或实现首次公开募股,或是恐怖组织执行一次至少有一人丧生的袭击,这毫无疑问是残忍的成功衡量方式。

王教授说,这三个方面“南辕北辙,虽然看起来差异甚大,但有趣的是它们全都显示出非常相似而且可以预料的规律。”

让你成功的原因:运气还是学习?

有了这些数据后,研究团队开始从最简单的层面思考成功和失败。他们对成功建立的理论是,成功必定是运气或学习这两个基本现象之一的产物。在某个领域成功的人,要么是随着时间稳定进步,要么就是运气眷顾。于是研究人员对这两种理论进行了测试。

研究小组认为,如果成功主要是运气的结果,那么所有尝试成功或失败的可能性是一样的,就像掷硬币一样,之前发生过的事对以后发生的事影响不大。这意味着由于人不是在持续改进,因此一个人的第一百次尝试不会比第一次尝试更成功。

于是,研究人员查看了数据集中每一个奋发的科学家、企业家和恐怖分子的第一次尝试与倒数第二次尝试(成功之前的那一次尝试)。为了衡量一段时间中的进步(或缺乏进步)情况,研究人员研究了科学家研究资金申请的评价方式、创业公司获得的风险投资金额,以及在恐怖袭击中受伤人数的变化情况。

分析显示,运气理论并不成立。在所有三个数据集中,个人倒数第二次尝试的成功可能性确实倾向于比第一次尝试更高。

然而人的学习方式与研究人员预期的不同。学习曲线的传统概念是“熟能生巧”。因此如果数据集中的每个人都能从他们先前的失败中可靠地学习,那么每一次新尝试成功的可能性会大幅提高,使得成功前的连续失败非常短暂。

然而数据显示的连续失败比研究人员预期长得多。

“虽然你的表现随着时间有所改进,但你的失败仍然比我们预期的多。”王解释道。“这意味着你陷在某个地方,你试图摆脱但没有进展。”

换句话说,这两种理论都无法解释失败会一再重复背后的原因。于是,研究人员决定建立一个可以解释这种现象的模型。

万全的成功预测器

这个模型假设每一次尝试都有几个组成部分,例如研究资金申请的引言和预算部分,或是恐怖袭击使用的地点和策略。重点在于,即使尝试总的来说是失败的,但它其中某些组成部分可能是有效的。当一个人要展开新的尝试时,就必须针对每个组成部分做出选择,即完全重新开始或是在先前的(失败)尝试基础上进行改良。

一个人会根据其他各方的反馈来评估自己以往尝试的组成部分(在王教授分析的对象中,反馈可能来自国家卫生研究院、风险投资家,或是恐怖组织高层人士)。

但是模型承认,有些人能够从失败的尝试中学到更多,这些“学到更多”的人将失败尝试的更多组成部分整合到自己后来的尝试中。

一个极端情况是最差的学习者从他们之前的尝试中整合的信息量是零,每次对于每个组成部分都要从头开始。另一个极端情况是完美的学习者,进行每一次新尝试时都会考虑他们过去所有的失败经验。大多数人则介于这两种极端情况之间。

这个模型预测完美的学习者可能会很快取得成功,最差的学习者成功的可能性很低。后者由于从未学到任何事物,因此他们只好“建立新版本”,一遍一遍地从头开始,浪费宝贵的时间,王教授说道。

研究人员用他们的数据对这个模型进行了检验,用两次尝试之间的平均时间来代表个人学习能力(由于较佳学习者从头开始的组成部分数量较少,因此他们能够很快产生新版本)。

检测结果发现,学习和最终的成功之间存在着一个令人惊讶的关系。并不是每增加一个学习单元就会等量提高一个人的成功几率,而是有一个独特的学习门槛,将最终的“成功者”与其他人分开。

王教授将这个门槛比作水和冰之间的形态变化。“想象一下从 -5变成 -4摄氏度。”他解释说,“一切都没有改变,冰仍然是冰。”然而就在温度上升到某一点时,它就开始融化了。

同样,如果一个人的学习能力低于这个门槛,仿佛就什么也学不到。王教授说,他们可能会随着时间稍有进步,但他们永远不会保留足够的优秀组成部分来产生一个突破性成功。

那些高出门槛的人,则应该保留足够的经验教训以确保成功。他们产生新版本的速度越来越快,直到最终做出一个成功的版本。

在现实中,这意味着你不需要从过去所有的经验中学习才能取得最终的成功,王解释道,但有一个需要从失败中学习的最低次数。虽然不是每一个案例都容易进行量化,但研究人员确定国家卫生研究院研究资金的门槛值在3左右。

你的失败方式决定你日后能否成功

这项研究推翻了“成功纯属偶然”这样一个普遍存在的看法,同时对于门外汉要成功需要具备哪些条件提供了新观点。

例如,仅仅“尝试、再尝试”是不够的。数据显示,在学习门槛之下的人尝试的次数和在门槛之上的人一样多,而且可能更努力,因为他们坚持要对之前的完美尝试做出改变。然而这种工作却是徒劳无功,因为它并未将过去的尝试进行整合。

王教授认为,这个教训清楚地显示人们应该高度重视反馈和从失败中学到的教训。“这是你开始另一次的尝试所拥有的两种非常宝贵的资产。”他说道。不过研究显示,只有在你能将它们整合到新尝试中时,这些才是宝贵的资产,这印证了硅谷名言“失败得更好”是成功的关键。

这项研究还揭示出哪些人成功以及哪些人不成功背后的一些谜团。研究人员发现,企业家、科学家或恐怖分子的学习能力,可以通过测量他们最初几次尝试的间隔时间来判定。于是,他们的模型能够早在显露任何成功外在迹象之前,就能准确预测出哪些企业家、科学家和恐怖分子最终会成功。

“托马斯·爱迪生说过:‘人们放弃,因为他们不晓得他们距离成功有多近。’”王教授解释道。“这篇论文的贡献是现在我们知道了。因为如果我们有关于你如何失败的数据,我们就能更加清楚地知道你未来的走向。”

Featured Faculty

Previously a Postdoctoral Fellow at Kellogg

Professor of Management & Organizations; Professor of Industrial Engineering & Management Sciences (Courtesy), Director, Center for Science of Science and Innovation (CSSI)

About the Writer
Susie Allen is a freelance writer in Chicago.
About the Research
Yin, Yian, Yang Wang, James A. Evans, and Dashun Wang. 2019. “Quantifying the Dynamics of Failure across Science, Startups and Security." Nature. 575: 190–194.

Read the original

Add Insight to your inbox.
This website uses cookies and similar technologies to analyze and optimize site usage. By continuing to use our websites, you consent to this. For more information, please read our Privacy Statement.
More in Innovation