Liệu có thể dùng dữ liệu phân tích được thất bại và thành công?

Thảo luận trong 'Tin tức công nghệ' bắt đầu bởi SkylerNew, 14/5/19.

  1. SkylerNew

    SkylerNew Chuyên viên tin tức Thành viên BQT

    Tham gia ngày:
    1/7/08
    Bài viết:
    3,417
    Đã được cảm ơn:
    3,683
    Điểm thành tích:
    113
    Tiền:
    4,947 CR
    Kết quả nghiên cứu của Yian Yin và cộng sự cho rằng thành công hay thất bại tùy thuộc vào cách người ta học hỏi những kinh nghiệm đã trải qua như thế nào.

    Thomas Edison được biết đến như là nhà phát minh vĩ đại nhất của Mỹ. Thành công của ông nổi bật nhất có việc sản xuất ra điện, máy ghi âm và bóng đèn điện.

    Edison cũng không lạ gì với thất bại. Ông nổi tiếng vì việc thử nghiệm 1.000 thiết kế khác nhau trước khi bóng đèn đạt được thành công về mặt thương mại. "Nhiều người thất bại trong cuộc sống là những người không nhận ra rằng họ đã rất gần với thành công khi họ từ bỏ", ông nói.

    Nhiều tổ chức lẫn cá nhân từng cố nghiên cứu bản chất của thành công. Những nghiên cứu này mang lại mức độ hiểu biết khác nhau. Tuy nhiên, bản chất của thất bại lại ít được nghiên cứu mặc dù lại quan trọng hơn.

    Nghiên cứu thất bại bằng kĩ thuật cao
    Nhà nghiên cứu Yian Yin tại Đại học Northwestern, Illinois, Mỹ cùng cộng sự đã dùng kĩ thuật phân tích dữ liệu để tìm ra bản chất của sự thất bại trong ba bộ dữ liệu khổng lồ từ các công ty khởi nghiệp. Công trình cho thấy tính chất của thất bại, và một dấu hiệu tiềm tàng có thể chỉ ra những thất bại sắp xảy đến trước khi thành công xuất hiện ở giai đoạn đầu.


    Trong các bộ dữ liệu được phân tích, đầu tiên là một tập hợp tất cả các đề xuất nghiên cứu liên quan đến sức khỏe được đệ trình lên Viện Y tế Quốc gia Mỹ (NIH) từ năm 1985 đến 2015.

    NIH là nhà tài trợ lớn nhất thế giới về nghiên cứu y sinh, vì vậy bộ dữ liệu này rất lớn, gồm 776.721 ứng dụng của 139.091 nhà nghiên cứu. Nó cũng bao gồm thông tin về việc mỗi đề xuất có được tài trợ hay không, nói cách khác là có thành công hay không.

    [​IMG]

    Data mining - khai phá dữ liệu là quá trình phân loại, sắp xếp các tập hợp dữ liệu lớn để xác định các mẫu và thiết lập các mối liên hệ nhằm giải quyết các vấn đề nhờ phân tích dữ liệu. Ảnh: Towards Data Science.
    Cơ sở dữ liệu thứ hai là các hồ sơ đầu tư vào những công ty khởi nghiệp từ VentureXpert, cơ sở dữ liệu chính thức của Hiệp hội đầu tư mạo hiểm quốc gia. Các hồ sơ này theo dõi sát sao những startup được tài trợ bởi những nhà đầu tư mạo hiểm trong khoảng thời gian từ 1970 đến 2017.

    Một startup được coi là thành công nếu có một đợt chào bán công khai, sáp nhập hoặc được mua lại với giá trị cao trong vòng 5 năm kể từ khi thành lập.

    Bộ dữ liệu cuối cùng được lấy từ Cơ sở dữ liệu khủng bố toàn cầu, ghi lại 170.350 vụ tấn công khủng bố của 3.178 tổ chức khủng bố từ năm 1970 đến 2017. Trong trường hợp này, một cuộc tấn công thành công là cuộc tấn công ít nhất lấy đi một mạng sống, trong khi thất bại là những kẻ không giết được ai.

    Chức năng chính của các bộ dữ liệu này là cho phép Yin và đồng nghiệp theo dõi “vận mệnh” của các nhà nghiên cứu, nhà lập nghiệp và các nhóm khủng bố, những người thực hiện nhiều nỗ lực để đạt được mục tiêu của họ.

    Một câu hỏi quan trọng nhóm sẽ điều tra là liệu những nỗ lực sẽ thay đổi theo thời gian như thế nào, và các yếu tố nào liên quan đến thay đổi này.

    Mô hình toán học của sự thành công
    Yin đặc biệt nghiên cứu hai yếu tố được cho là đóng vai trò quan trọng trong thành công và thất bại: Cơ hội và học hỏi. Đầu tiên khi nhìn vào cơ hội, giả thuyết rằng các sự kiện ngẫu nhiên đóng vai trò quan trọng trong việc cản trở hoặc tăng cơ hội thành công.

    Điều này dẫn đến một mô hình toán xác suất đơn giản. Nếu cơ hội là yếu tố chính quyết định sự thành công, vậy thì mỗi lần cố gắng sẽ có xác suất thành công hữu hạn. Như vậy thành công cuối cùng sẽ xuất hiện nếu đủ nỗ lực được thực hiện.

    Điều này cho thấy số lần thử khởi nghiệp trước khi thành công phải tuân vào quy luật phân phối theo cấp số mũ. Đây hoàn toàn là vấn đề toán học thuần túy.

    [​IMG]

    Không có một tấm bằng trong tay, song Edison nổi tiếng là người không ngại học hỏi. Ảnh: Technologyreview.
    Yin và đồng nghiệp nghiên cứu các chuỗi thất bại của cùng một cá nhân hoặc một nhóm trước khi họ đạt được thành công. Nó chỉ ra rằng các chuỗi này không tuân theo kiểu phân phối được dự đoán bởi một mô hình cơ hội, tức là không phân phối theo cấp số nhân. Nói cách khác, bạn có cố gắng nhiều tới đâu cũng không có chuyện “cần cù bù thông minh”.

    Yin và đồng nghiệp cũng đánh giá nỗ lực đầu tiên và áp chót trong những chuỗi thất bại này, sau đó so sánh để xem chúng đã thay đổi như thế nào. Nếu may mắn là chìa khóa cho thành công, sẽ không có sự khác biệt đáng kể giữa việc bạn nỗ lực tới đâu trước và sau khi thất bại.

    Nhưng hóa ra những nỗ lực áp chót tốt hơn đáng kể so với những nỗ lực đầu tiên, nhóm nghiên cứu cho biết. Điều này cho thấy rằng một cơ chế toán học khác đang đóng vai trò điều khiển ở đây: Những người thành công phải học. Nói cách khác, kinh nghiệm thất bại dạy cho ta những bài học quý giá để cải thiện trong lần tiếp theo.

    Vì việc học sẽ giảm số lần thử cần thiết trước khi đạt được thành công, điều này dẫn đến sự phân bố của thất bại sẽ hẹp hơn so với dạng hàm mũ được dự đoán bởi mô hình cơ hội.

    Nhưng bất ngờ thay, thất bại cũng không theo mô hình mà họ tiên đoán. Trong thực tế, họ có một phân phối rộng hơn nhiều. Các nhà nghiên cứu cho biết những quan sát này chứng minh rằng không có phải chỉ riêng cơ hội (sự may mắn) hay học hỏi (sự cần cù) là đủ để giải thích thành công hay thất bại.

    Vậy có những yếu tố nào khác quan trọng? Để tìm hiểu, Yin và đồng nghiệp đã mô hình hóa cách mà mọi người học hỏi kinh nghiệm sự ảnh hưởng đến nỗ lực tiếp theo của họ. Cụ thể, họ tính xem liệu mọi người có rút kinh nghiệm từ tất cả các bài học trước đây hay chỉ một số mà thôi.

    Mô hình kết quả xem xét một phạm vi hoàn chỉnh việc học tập từ các tác nhân dẫn đến việc học, cho đến các yếu tố buộc hay không buộc người ta phải rút kinh nghiệm để thay đổi.

    Chìa khóa của sự thành công
    Nhóm nghiên cứu cho biết mô hình tiên đoán của họ đã dự đoán sự thay đổi trong hành vi đúng với dữ liệu có được từ 3 bộ trên. Kết quả rút ra là khi mức độ học hỏi từ kinh nghiệm dưới một ngưỡng nào đó, những nỗ lực trong tương lai không bao giờ đủ tốt để thành công.

    Thật vậy, các nỗ lực không đúng hướng có thể sẽ chỉ làm kết quả tệ hơn mà thôi. Nói cách khác, bạn phải có kinh nghiệm trước khi thành công, không thể có chuyện học giỏi là thành công hay may mắn là thành công.

    [​IMG]

    Kết quả nghiên cứu của Yian Yin và cộng sự cho rằng thành công hay thất bại tùy thuộc vào cách người ta học hỏi những kinh nghiệm đã trải qua như thế nào. Ảnh: Multymakerting.
    Khi mức độ học hỏi từ kinh nghiệm vượt quá ngưỡng xác định nào đó, những nỗ lực trong tương lai sẽ ngày càng tốt hơn cho đến khi cuối cùng họ thành công. Như vậy, yếu tố quan trọng cần xem xét để quyết định xem bạn sẽ thành công sớm hay muộn, hay không bao giờ, đó chính là cách học.

    Bước tiếp theo, các nhà nghiên cứu phân tích các động lực học tập dẫn tới thành công để có thể phân biệt với động lực học tập không thành công, cuối cùng đưa ra một phương pháp dạy có hệ thống.

    Như vậy, cuối cùng kết quả học tập chắc chắn có ảnh hưởng tới thành công, nhưng quan trọng hơn cả kết quả chính là cách mà chúng ta học. Edison chắc chắn sẽ rất ấn tượng, vì ông là người học hỏi rất nhiều, nhưng chưa hề có một tấm bằng chính thức nào trong tay. Cuối cùng cũng đã có người giải mã được bí mật thành công của ông.

    Theo Zing​
     
  2. Unlockmobile

    Unlockmobile Member

    Tham gia ngày:
    7/5/19
    Bài viết:
    30
    Đã được cảm ơn:
    0
    Điểm thành tích:
    6
    Giới tính:
    Nam
    Nơi ở:
    245 Phạm Văn Hai - Tân Bình
    Web:
    Tiền:
    35 CR
    Data giờ ai nắm nhiều là giàu có nhất, giống như dầu mỏ mấy năm trước
     

Chia sẻ trang này