રિગ્રેશનલ ગુડહાર્ટ નિયમ

કોઈ એક આંકડો જોઈને માણસને માપવાની ટેવ જૂની છે. ગુડહાર્ટનો મૂળ નિયમ જાણીતો છે કે જ્યારે કોઈ માપદંડ ટાર્ગેટ બની જાય, ત્યારે તે સારો માપદંડ રહેતો નથી. પણ રિગ્રેશનલ ગુડહાર્ટ આનાથી એક ડગલું આગળનો ખેલ બતાવે છે. આ કોઈ જાણીબૂજીને કરેલી છેતરપિંડી નથી, આંકડાશાસ્ત્રનો સીધો દગો છે. તમે જ્યારે કોઈ એક લક્ષણના આધારે શ્રેષ્ઠ વસ્તુ પસંદ કરો છો, ત્યારે તમે માત્ર સાચી ક્ષમતા નથી પસંદ કરતા, એ લક્ષણ સાથે જોડાયેલો અવાજ અને અકસ્માત પણ સાથે પસંદ કરી લો છો. પરિણામે, જે સૌથી ઉત્તમ દેખાતું હતું, તે વાસ્તવમાં સરેરાશ તરફ પાછું ખેંચાઈ જાય છે.

આ વિચાર આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને નિર્ણય સિદ્ધાંતના વર્તુળોમાંથી આવ્યો છે. ગણિતશાસ્ત્રી સ્કોટ ગેરાબ્રન્ટે ગુડહાર્ટના નિયમના ચાર અલગ ભાગ પાડ્યા, જેમાંનો આ એક છે. સરળ ભાષામાં કહો તો, તમે જે માપો છો અને જે ખરેખર મેળવવા માંગો છો, તે બંને વચ્ચે સો ટકા મેળ ક્યારેય હોતો નથી. તેમની વચ્ચે થોડો ફરક હંમેશાં રહે છે. જ્યારે તમે ફક્ત ટોચના આંકડા પર દાવ લગાવો છો, ત્યારે તમે ભૂલના સૌથી મોટા ખાડામાં પડો છો.

આ વાતનું નુકસાન રોજબરોજના વહીવટમાં મોટું છે. જે માણસ ચોપડે સૌથી વધારે સફળ દેખાય છે, તે કદાચ માત્ર ચોક્કસ સંજોગોનો લાભ ઉઠાવી રહ્યો હોય. તમે એને જોઈને નવી યોજના બનાવો છો અને આખી સિસ્ટમ ઊંધી વળે છે. અતિશય આશા હંમેશાં સામાન્ય વાસ્તવિકતા સામે હારી જાય છે.

સુરતના કાપડ માર્કેટની એક મોટી પેઢીનો વિચાર કરો. શેઠે દુકાનના પાંચ સેલ્સમેનમાંથી સૌથી વધુ વેચાણ કરનાર કાંતિલાલને શોધ્યો. કાંતિલાલે દિવાળીના બે મહિનામાં રેકોર્ડબ્રેક તાકા વેચ્યા હતા. શેઠ ખુશ થઈ ગયા. એમણે કાંતિલાલને આખી દુકાનનો મુખ્ય મેનેજર બનાવી દીધો અને બાકીના કારીગરોને કાંતિલાલની રીત શીખવા કહ્યું. છ મહિના પછી ખબર પડી કે કાંતિલાલના ગ્રાહકો માત્ર ઉધાર માલ લેનારા હતા અને એમાંથી અડધા નાણાં ડૂબી ગયા. કાંતિલાલ ખરેખર ઉત્કૃષ્ટ વેપારી નહોતો, એ ફક્ત ઉધાર વહેંચવાનો મોટો અકસ્માત હતો. શેઠે માત્ર ઊંચો આંકડો જોયો, પાછળનો કચરો ન જોયો.

ટોચનો આંકડો હંમેશાં કાબેલિયત નથી હોતો, ઘણીવાર એ માત્ર કિસ્મતનો કાગળિયા પર પડેલો પડછાયો હોય છે.