실패는 성공의 어머니라는 속담도 있다. 하지만 모든 실패가 성공을 이끄는 것도 아니다. 성공을 이끄는 실패란 어떤 실패일까. 빅데이터를 이용한 과학 연구를 통해 밝혀지고 있다.
성공에 필요한 조건을 밝히기 위해 노스웨스턴대학 연구팀은 1985∼2015년까지 미국국립보건원 NIH에 제출된 보조금 신청 77만 6,721건을 분석했다. 또 수학적 모델 정확도 향상을 위해 벤처캐피털의 스타트업 출자 46년 데이터와 1970∼2017년까지 벌어진 테러 공격 데이터도 분석했다.
이에 따르면 모든 우승자는 처음엔 패자였다는 걸 보여줬지만 동시에 모든 패자가 승자가 되는 것도 아니라는 게 나타났다. 흥미로운 점은 최종 승자와 패자가 모두 같은 수만큼 목표를 달성하려고 도전을 하고 있었다는 것이다. 하지만 몇 번이나 도전을 하는 행동이 빛을 보는 건 도전자가 실패에서 배웠을 때 뿐이라고 한다.
연구팀은 도전자는 뭐가 잘 작동하는지 이해하고 개선을 위해 필요한 것에 주력해야 한다면서 실패하고 모든 걸 바꾸자는 게 아니라 단지 불필요한 변경을 실시했을 뿐이라고 밝혔다. 연구팀은 성공이나 실패로 끝나는 경우에 대한 예측 인자를 확인하려고 시도했다. 이에 따르면 실패와 실패 간격이 하나의 요인으로 꼽힌다. 일찍 실패를 거듭하면 성공 가능성이 커지고 반대로 시도와 시도의 감각이 클수록 다시 실패할 가능성이 높아진다는 것이다. 보조금을 신청한 사람이 3회 실패할 경우 실패와 실패 간격을 보면 결국 성공할지 예측이 가능해진다는 설명이다.
대규모 데이터를 분석한 결과 성공의 평균 실패 횟수는 보조금을 신청한 사람이 2.03, 스타트업이 1.5, 테러리스트가 3.9였다. 데이터 분석을 통해 3개 그룹에는 진행 영역에 있거나 정체 영역에 있느냐는 임계점이 공통적으로 존재한다는 것도 알게 됐다. 같은 상태에서 2명이 진행 영역인지 정체 영역인지에 따라 결말이 좌우된다는 것이다. 이런 전화점의 존재는 그간 운이나 작업 습관이라는 말로 설명되어 온 분야에 대한 새로운 설명이라고 할 수 있다.
이번 연구에서 성공에 있어 중요한 건 어떻게 실패하고 실패에 대해 어떻게 대처하고 실패를 어떻게 연결할 것인지라는 걸 보여준다. 과학 연구에서 성공과 실패의 역할은 아직 완전히 이해되지 않았지만 이 연구는 성공에 대한 이해를 수학, 개념적 프레임워크를 통해 제공한 것이라고 할 수 있다. 관련 내용은 이곳에서 확인할 수 있다.