この記事のポイント！
- 成功と失敗両面の視点が重要
- 失敗から学ぶ戦略が肝心
- 批判的思考で判断改善
成功した人の習慣をまねれば、自分も成功できるのでしょうか。長く続いている会社の商品は、過去に作られた商品より品質が高いのでしょうか。目に入る事例だけを並べると、筋の通った答えに見えても、判断に必要な情報が抜け落ちていることがあります。survivorship bias（生存者バイアス）は、ある選別を通過して残った人・企業・商品などに注目し、途中で脱落したものを見ないことで、全体像を取り違える現象です。
成功者や現存する企業の話は、ニュースや書籍、社内の共有資料などで広まりやすい一方、失敗した挑戦や撤退した事業は記録に残りにくいものです。そのため、私たちは気づかないまま「成功例に共通する特徴が、成功の原因だ」「残ったものは、もともと優れていた」と考えてしまうことがあります。survivorship biasは、統計や研究だけの問題ではなく、採用、商品開発、投資、人材育成といった日々の意思決定にも関係します。
ただし、成功例を見ること自体が誤りなのではありません。問題は、その事例がどの集団から選ばれ、何が観察対象から外れたのかを確かめないまま、結果を広く当てはめることです。ここでは、survivorship biasの意味や有名な事例に加え、他の偏りとの違い、ビジネスで起きる影響、データを点検する手順まで順を追って解説します。成功と失敗の両方を手がかりに、判断の確かさを高めるための考え方を整理しましょう。
survivorship biasとは何か：見えている集団だけで全体を判断すること
survivorship biasは、日本語で「生存者バイアス」または「生存バイアス」と呼ばれます。ここでいう「生存」は、人や動物が文字どおり生き残ることだけではありません。倒産せずに残った会社、選考を通過した応募者、調査を最後まで続けた参加者、現在も販売されている商品など、何らかの選別を経て観察できる状態にあることを指します。残った対象だけを調べ、選別から外れた対象を含めないと、結論が偏る可能性があります。
たとえば、現在も営業している会社だけを集めて業績を比べると、調査期間中に倒産した会社や事業を終了した会社が欠けます。残った会社の実績は、その期間を乗り越えた集団の特徴を示しているのであって、同じ業界に参入した全企業の平均的な姿とは限りません。観察できる対象が全体の一部に限られていることを忘れると、「この業界では多くの企業が成長できる」といった誤った見通しにつながります。
survivorship biasは、選択バイアスの一種です。選択バイアスとは、調査や分析の対象が、知りたい集団を適切に代表しないことで生じる偏りです。生存者バイアスでは、とりわけ「結果として残った」という条件によって対象が絞られます。選別の基準が成果や健康状態、継続可能性などと結びついていると、残った集団には特定の特徴が多く含まれます。その集団だけから原因や確率を推定すると、脱落した人々の情報が欠けた分だけ結論が歪みます。
たとえば、ある研修を修了した社員の感想だけを集めて、研修の有効性を評価する場面を考えてみましょう。途中で参加をやめた人や、日程が合わず申し込めなかった人の意見がなければ、修了者にとっての評価は分かっても、対象となる社員全体にとっての効果は分かりません。何を知りたいのかに応じて、誰が観察され、誰が記録から抜けているのかを確認することが、survivorship biasを見つける出発点です。
帰還した航空機の分析が示す、欠けたデータの読み方
survivorship biasを説明するときに知られているのが、第二次世界大戦中の航空機の損傷分析です。帰還した爆撃機を調べ、弾痕が多い場所を補強しようという考えに対し、統計学者エイブラハム・ウォールドは、帰還できなかった機体の存在を考慮する必要を指摘しました。手元にある損傷記録は、攻撃を受けても基地に戻れた機体のものです。つまり、記録されていること自体が「帰還できた」という選別を受けています。
帰還機の翼や胴体に弾痕が多く、エンジンや操縦席の周辺には少ないとします。その分布だけを見れば、弾痕の多い場所こそ弱点だと考えたくなります。しかし、弾痕の多い場所は、損傷を受けても飛行を続けられた箇所かもしれません。反対に、損傷記録が少ない箇所は、そこを撃たれた機体が帰還できず、そもそも調査対象に入らなかった可能性があります。観察できない機体の状態が、解釈を左右するのです。
この事例から得られる教訓は、「見えている少なさ」を安全性や重要度の低さと直結させないことです。ある事象が記録に少ない理由は、発生頻度が低いからとは限りません。発生後に観察される前に対象が消えている、記録を残せない状態になっている、報告の仕組みから外れている、といった理由も考えられます。データの空白は単なる情報不足ではなく、対象がどのように選ばれたかを示す手がかりにもなります。
一方で、この逸話を「帰還機の弾痕が少ない箇所は、常に補強すべき場所だ」と単純化するのも避けたいところです。実際の判断には、攻撃を受ける頻度、機体の構造、被弾箇所同士の関係、損傷の程度などを考える必要があります。survivorship biasという名前を知っていても、目に見えない対象の状態を自動的に正しく推測できるわけではありません。データが生まれた状況を確かめ、どこまで推論できるかを慎重に区切ることが大切です。
日常とビジネスに現れるsurvivorship bias
survivorship biasは、大きな事故や高度な統計分析に限らず、成功談を読むときや社内データを確認するときにも入り込みます。共通するのは、目立つ結果や現在残っている対象が、全体を代表しているように見えることです。以下では、キャリア、企業分析、組織運営に分けて、どのような情報が抜け落ちるのかを見ていきます。
成功者の習慣を、そのまま成功要因と見なす
有名な起業家や一流のアスリートが、特定の習慣や決断を成功談として語ると、その行動が成果を生んだように感じられます。しかし、同じ習慣を取り入れた人のうち、成果につながらなかった人がどれほどいるのかは、成功者の話だけでは分かりません。早朝に働く、進学をやめる、大きなリスクを取るといった行動は、成功例に登場することがありますが、それだけで成功の原因だとは判断できません。
また、成功者は行動を振り返って、経験に一貫した意味を与えて説明する傾向があります。本人にとっては誠実な回想でも、偶然の出会いや時期、資金、支援者、本人が意識していなかった環境の影響が語りから薄れることがあります。結果を知った後に過去を眺めると、当時は不確かだった選択が、成功に向けた必然の一歩だったように見えることもあります。後から作られた物語を、再現可能な手順と混同しない姿勢が必要です。
個人のキャリアに当てはめる場合は、「成功した人の共通点」だけでなく、同じ選択をして成果に結びつかなかった人の経過も調べます。大学を中退して成功した著名人がいるからといって、中退が成功をもたらすとは限りません。学びを続けて成果を上げた人や、同じく中退して別の道を選んだ人も含め、選択肢ごとの条件を比べる必要があります。少数の印象的な人物の話は考える材料になりますが、個人の決断を裏づける確率の代わりにはなりません。
現存企業や現在の商品だけで過去を評価する
企業分析で現在の上場企業や営業中の企業だけを対象にすると、以前は同じ市場で競争していたものの、倒産・売却・撤退した企業が抜ける場合があります。残った企業だけを振り返れば、ある戦略を採用した会社の業績がよく見えることがあります。しかし、その戦略を採用して失敗した企業が分析に含まれていないなら、戦略の有効性は過大に評価されかねません。現在の姿から過去の集団を組み立てるのではなく、当時の対象を確認する必要があります。
商品や道具についても、今まで使われ続けているものだけを見ると、昔の製品は総じて頑丈だったという印象を抱くことがあります。ところが、壊れて処分された製品は、現在の観察対象に残りません。長持ちした品だけが目につくという条件を踏まえずに、現代の商品と比較すれば、過去の製品全体の品質を正しく評価できません。現存する個体の状態は、作られた当時の製品すべての状態を表しているわけではないのです。
投資商品の過去の成績にも注意が必要です。現在運用されている商品だけを比較すると、成績不振などを理由に終了・統合された商品が除外されている可能性があります。過去の運用実績を検討するなら、その時点で存在した商品と、終了した商品の扱いを確認しなければなりません。現在の構成銘柄だけを使って過去の指数成績を再現する場合も、過去には採用されていなかった企業の実績を含めてしまうおそれがあります。比較期間と対象の変化をそろえることが重要です。
組織に残った人の声だけを集める
従業員アンケートや研修後の調査は、回答した人の評価を把握するうえで役立ちます。ただし、在職者だけを対象にすれば、すでに退職した人の経験は反映されません。回答率が低い場合は、回答した人と回答しなかった人の間に、業務負荷や職場への関心などの違いがあるかもしれません。結果を「社員全員の意見」と表現する前に、誰が回答し、誰が回答できなかったのかを明確にする必要があります。
長時間労働や厳しい指導を経験して残った社員が、その経験を「成長に必要な通過点」と評価することがあります。しかし、同じ環境に適応できず休職・退職した人がいるなら、残った人の感想だけでは職場全体の影響を捉えられません。離職者が少ないことを、問題がない証拠と見なすのも危険です。相談しにくい風土があると、問題が記録されないまま人が去り、表面上は安定した組織に見えることもあります。
人事や組織開発では、結果を出して在籍している社員だけを見て、活躍の条件を決めないことが大切です。営業成績の高い人に共通する行動が見つかっても、同じ行動を取りながら成果が伸びなかった人がいるかを確認します。また、評価制度や職場慣行の影響を検討する際は、在職者への聞き取りだけでなく、休職・異動・退職の記録や、退職者から得られる情報も扱います。個人の経験を軽視せず、集団の構成を確かめて解釈しましょう。
放置すると起きること：確率、因果、意思決定への影響
survivorship biasの影響は、単に数字の見積もりがずれることにとどまりません。部分的な情報から成功確率を高く見積もったり、たまたま同時に見られた特徴を原因と考えたりすると、予算や人員の配分、キャリア選択、リスク管理にも影響します。誤った前提が社内の標準として定着すれば、その後の評価や施策も同じ偏りを引き継ぐ可能性があります。
まず、残った事例だけを分母にしてしまうと、成功する見込みを実際より高く見積もることがあります。たとえば、成功した新規事業の数だけを数えても、挑戦した案件全体のうち、どれだけが成果を上げたかは分かりません。試行件数や中止案件の基準が不明なまま成功事例を紹介すれば、「この方法なら成功しやすい」と受け取られかねません。成功数を意味のある確率にするには、何件の挑戦があったかという母数が欠かせません。
次に、成功者に共通する特徴を原因と誤認することがあります。成功した社員が全員、顧客との接点を多く持っていたとしても、接点の多さが成果を生んだのか、成果を出せる社員に多くの顧客が割り当てられたのかは、別途検証が必要です。相関とは、二つの事柄が一緒に変化する関係を指します。因果関係は、一方の変化が他方を生む関係です。観察された共通点だけで因果を断定すると、施策の優先順位を誤ります。
さらに、失敗の情報を見ないまま成功パターンを標準化すると、再現性のない行動が研修や評価制度に組み込まれるおそれがあります。たまたま条件が整ってうまくいった方法を全員に求めれば、異なる顧客や業務環境では負担だけが増えるかもしれません。反対に、失敗した案件の記録があれば、必要な資金や時間、撤退判断の条件を見直し、同じ問題を避ける手がかりになります。失敗の分析は責任追及ではなく、将来の判断に役立つ条件を理解するために行います。
実務でsurvivorship biasを見つけるための確認手順
分析を始める前に、問いと対象の範囲を定めておくことが大切です。何を判断したいのかが曖昧なままだと、手に入りやすいデータだけを集め、分析後に都合のよい解釈を選びがちになります。次の手順は、調査、事業評価、人事施策などで、観察から漏れた対象を見つけるための実務的な考え方です。
問いと母集団、観察時点を定義する
最初に、「誰について、何を、どの期間で知りたいのか」を文章にします。母集団とは、本来結論を当てはめたい対象全体のことです。たとえば「現在の社員が研修をどう評価したか」と「研修の対象者全員にどのような効果があったか」は、似ているようで問いが異なります。前者なら回答者の感想が中心になりますが、後者なら未受講者や途中離脱者も含め、対象となった人の範囲を把握する必要があります。
次に、観察する時点を明示します。「現在在籍している社員」「年度末まで在籍した社員」「施策開始時点で対象だった社員」では、集団の構成が変わります。分析の開始時点と終了時点を決め、途中で退職・異動・閉鎖・販売終了などが起きた対象を、どのように扱うかを事前に決めます。終了時点に残った対象だけを後から集めると、途中で除かれた対象が記録から消え、選別の影響を把握しにくくなります。
対象を決めたら、選別が起きる段階を図や一覧にします。応募、選考、採用、研修参加、修了、昇進といった流れのどこで対象が絞られるかを確認すると、分析に含まれない人が見つかりやすくなります。企業分析なら、設立、資金調達、成長、撤退の各段階を並べます。どの段階の記録が残っているか、どの段階から先のデータしかないかを区別し、結論を適用できる範囲を先に定めます。
脱落・不在の理由と記録の残り方を調べる
データに含まれない対象を見つけたら、なぜ含まれていないのかを調べます。参加を断った、連絡が取れなくなった、途中で退職した、事業を終了した、測定前に状態が変わったなど、理由は一つとは限りません。理由ごとに属性や結果が異なるなら、単純に欠損として扱うだけでは適切でない場合があります。たとえば、負担の大きい施策ほど途中離脱が多いなら、完了者の評価は施策全体の受け止め方を反映しにくくなります。
記録が残らない仕組みも確認します。成功した案件は社内報に載るが、失敗した案件の議事録は保存されない、在職者には定期調査をするが退職者には連絡しない、といった運用があれば、観察できる情報が初めから偏っています。データの保管場所や担当者、記録を作る条件を調べ、数値に現れない対象がどこで失われたのかをたどります。記録がないことを「問題がなかった」と読み替えず、記録されなかった理由を区別することが重要です。
脱落理由が特定できる場合は、件数や時期、分かる範囲の属性を整理します。個人情報や機密情報の扱いには配慮し、必要以上の情報を集めないことも欠かせません。理由が不明な対象が多い場合には、その不確実性を明示し、結論を限定します。欠けた対象の情報を推測だけで埋めるのではなく、「この条件では把握できていない」と示すことで、数字の見かけ以上の確実さを与えずに済みます。
成功例と失敗例を同じ条件で比較する
比較対象を作るときは、成功例だけを選び、失敗例を後から都合よく選ばないようにします。開始時期、対象となる顧客や社員、投入した資源、評価期間など、比較に必要な条件をそろえます。成功事例と似た条件で始めたものの成果が出なかった案件があれば、そちらも含めます。条件が異なる対象を並べるなら、その違いが結果に関係した可能性を説明し、単純な優劣比較を避ける必要があります。
次に、成功・失敗の定義を明確にします。売上が伸びたことを成功とするのか、利益や継続率、顧客満足度まで含めるのかによって、分類は変わります。短期の成果が出ても後に撤退した事業と、初期の伸びは小さくても継続した事業を、同じ基準で評価する必要があります。評価基準を結果を見た後で変更すると、特定の事例だけが成功に見えるよう調整してしまうおそれがあります。
比較しても、成功要因が一つに定まるとは限りません。環境や運、時期、チーム構成など複数の要素が関わるため、見つかった共通点は「次に検証する仮説」として扱います。可能なら小さく試し、別の対象や期間でも同様の結果になるかを確かめます。結論を急がず、「何が分かり、何がまだ分からないか」を分けて共有すれば、成功談を確定的な法則として広めることを防げます。
似た用語との違い：選択バイアス、確証バイアス、出版バイアス
survivorship biasは、いくつかの認知・統計上の偏りと同時に起きます。違いを知っておくと、問題の所在を見誤りにくくなります。選択バイアスは、知りたい集団と分析対象の選ばれ方がずれる広い問題を指します。そのうち、残った対象や選別を通過した対象だけに注目するものが生存者バイアスです。つまり、両者は別々の現象というより、範囲の広さが異なる関係にあります。
確証バイアスは、自分がすでに持っている考えを支持する情報に注意を向け、反する情報を軽く扱いやすい傾向です。たとえば「この営業手法は有効だ」と信じている担当者が、成功した事例だけを探し、失敗した実践を見落とす場合、確証バイアスが生存者バイアスを強めています。一方、調査対象の選び方に偏りがあっても、分析者が特定の意見を支持しているとは限りません。情報が欠ける仕組みと、情報を評価する姿勢を分けて点検しましょう。
出版バイアスは、研究結果が公表される過程で、肯定的な結果や注目されやすい結果が、否定的な結果より公表されやすくなる偏りです。その結果、公開された研究だけを集めると、実際に行われた研究全体とは異なる印象を受ける場合があります。公開情報に現れた成功例に偏る点では、生存者バイアスと似た見え方をしますが、焦点は研究や結果が公表される選別過程にあります。未公表の結果がどう扱われたかも確認が必要です。
また、想起バイアスは、過去の出来事を思い出して回答する際に、記憶の正確さや思い出しやすさに差が生じる問題です。これは対象そのものが残るかどうかではなく、情報を報告する段階の誤差に関わります。実際の調査では、対象からの脱落による生存者バイアスと、回答内容の違いによる想起バイアスが重なることもあります。データのどの段階で偏りが生じたのかを見極め、単一の用語ですべてを説明しないことが大切です。
よくある誤解と、成功事例を役立てるための注意点
survivorship biasを知ると、成功者の話や成功事例は参考にならないと考えてしまうことがあります。しかし、成功事例には、行動の選択肢や仕組みを知る手がかりが含まれています。大切なのは、事例をそのまま法則として受け取らず、どの集団から選ばれた話なのか、どの条件が結果に関わったのかを検討することです。偏りを意識することは、成功を否定することではなく、解釈の範囲を適切にすることです。
よくある誤解の一つは、「失敗例を一つ見つければ、成功法則は否定できる」という考えです。個別の反例は、ある行動が成功に必須ではないことを示す場合がありますが、その行動が平均的に役立つかどうかまでは分かりません。反対に、成功例が一つあるだけで、その行動が有効だとも言えません。複数の事例を比べ、対象の違いや条件、成果の定義を確認し、どの範囲に結論を適用できるかを慎重に考える必要があります。
もう一つの誤解は、失敗した対象の情報を集めれば、偏りが完全になくなるというものです。失敗例にも、記録が残りやすいものと残りにくいものがあります。また、成功・失敗の区分自体が目的や評価期間によって変わるため、すべての対象を同じ質で観察できるとは限りません。データを増やすだけでは不十分で、誰が記録され、どの情報が抜け、測定方法が結果にどう影響するかを合わせて点検します。
成功事例を活用する際は、結果と行動を切り分けて記録すると役立ちます。どのような状況で、何を試し、どの判断を行い、何が起きたのかを時系列で整理します。結果を知った後の解釈だけでなく、当時分かっていた情報や選択肢も確認できれば、後知恵による単純化を抑えられます。成功者の話を出発点にしつつ、類似の失敗例や異なる条件の事例も探し、次の判断で検証できる問いに変えることが重要です。
よくある質問
「survivorship bias」と「survival bias」は、一般に同じ生存者バイアスを指す表現として使われます。日本語では「生存者バイアス」と「生存バイアス」の両方が見られますが、どちらも生き残った対象だけを分析し、選別から外れた対象を見落とすことで生じる偏りを表します。文脈によって用語の表記が異なることはありますが、実務では名称の違いより、どの対象が観察から除かれたかを確かめることが重要です。
「失敗した人や会社の情報が見つからないときは、どうすればよいですか」という疑問もよくあります。まずは、記録が残りやすい公的資料、過去の報告書、撤退理由の記録、関係者への聞き取りなど、複数の情報源を探します。ただし、後からの聞き取りには記憶や立場による偏りが入り得ます。情報が十分に得られない場合は、その限界を明記し、成功率や原因を断定せず、結論の適用範囲を狭めて示します。
「成功事例は意思決定に使えないのでしょうか」という質問への答えは、使えます。ただし、事例は一般的な確率の証明ではなく、仮説を作る材料として扱います。成功の前提条件、実行した手順、必要な資源、外部環境、失敗した類似事例を確認したうえで、自分の状況とどこが同じでどこが違うかを比べます。再現できるかは、小さな実験や別の事例で確かめ、結果に応じて判断を更新します。
「データから失敗例を除外しても問題ない場合はありますか」という点では、除外が常に不適切とは限りません。入力ミスや対象条件に合わない記録など、分析目的に照らして除外する理由が明確な場合は、一定の処理が必要です。ただし、結果が悪い、極端な値である、分析に都合が悪いという理由だけで除くと、重要な情報を失うおそれがあります。除外条件を事前に定め、除いた件数と理由を記録し、除外前後で結論がどう変わるかを確かめましょう。
まとめ：見えていない対象を問い、判断の範囲を定める
survivorship biasは、選別を通過して残った人・企業・商品などだけを見て、全体について結論を出してしまう偏りです。帰還した航空機の損傷分析のように、観察できる対象が限られると、記録に現れた特徴の意味を取り違えることがあります。成功者の習慣、現存企業の業績、在職者の声など、日常的に手にする情報にも同じ問題が潜んでいます。まず「何が見えていて、何が見えていないのか」と問うことが、点検の第一歩です。
実務では、分析したい問いと母集団、対象期間を決め、選別が起きた段階を確認します。脱落した人や終了した事業の記録がないかを調べ、成功例と失敗例を同じ基準で比較します。欠けたデータを想像で補うのではなく、分からないことを明示し、結論の範囲を限定することも欠かせません。相関と因果を混同せず、観察された共通点を検証すべき仮説として扱えば、成功談を過度に一般化する危険を抑えられます。
生存者バイアスを意識する目的は、成功を疑うことでも、失敗を過大に恐れることでもありません。成功と失敗の両方から条件を学び、自分の判断に必要な情報がそろっているかを確かめることです。目に入る事例だけで結論を急がず、記録から抜けた対象や比較の基準を確かめれば、予測や施策の前提をより透明にできます。何かを「成功の法則」と呼びたくなったときこそ、同じことを試して成果につながらなかった人や組織がいないかを探してみましょう。
職種の違う人たちとの学びの時間は、とても良い時間でした。