Aku Hanya Mempelajari Para Penyintas

Untuk waktu yang lama aku terus menarik kesimpulan dengan penuh percaya diri dari data yang ada di hadapanku, dan untuk waktu yang sama lamanya aku gagal menyadari hal terpenting tentang data itu: data itu sudah tersaring. Tersaring oleh kelangsungan hidup. Kasus-kasus yang paling penting telah diam-diam dihapus dari gambaran sebelum aku bahkan datang untuk melihatnya, dan karena mereka sudah lenyap, aku tidak pernah terpikir untuk memperhitungkannya.

Ini adalah salah satu bias yang terkenal, yang semua orang mengangguk setuju saat mendengarnya, dan yang kemudian hampir semua orang — termasuk aku — langsung terjerumus ke dalamnya. Mengetahui tentangnya dan terlindungi darinya ternyata adalah dua hal yang sangat berbeda.

Bentuk klasik dari kesalahan ini

Ilustrasi paling terkenal tentang hal ini berasal dari masa perang, dan layak diingat secara abstrak karena bentuknya begitu jernih. Bayangkan mempelajari pesawat-pesawat yang kembali dari misi untuk memutuskan di mana harus menambahkan pelindung. Kau melihat di mana pesawat-pesawat yang kembali itu penuh dengan kerusakan, dan langkah yang tampak jelas adalah memperkuat tepat di titik-titik tersebut.

Itu justru sepenuhnya keliru. Pesawat yang kau pelajari, menurut definisinya, adalah pesawat yang berhasil kembali. Kerusakan yang kau lihat pada mereka adalah kerusakan yang bisa diterima sebuah pesawat dan tetap selamat. Pesawat yang tertembak di tempat-tempat yang benar-benar fatal tidak ada di hadapanmu untuk diperiksa, karena mereka sama sekali tidak kembali. Kerusakan yang paling perlu kau lindungi justru adalah kerusakan yang tidak pernah kau lihat — karena bukti tentangnya telah menghapus dirinya sendiri dari sampelmu. Para penyintas justru mengarahkanmu ke arah yang sepenuhnya salah.

Versiku dari kesalahan yang sama

Dalam ranah ini, jebakannya mengenakan pakaian yang berbeda tetapi memiliki kerangka yang identik. Hal-hal yang masih ada untuk dipelajari hari ini, mau tak mau, adalah yang berhasil bertahan. Aset yang ada sekarang adalah aset yang tidak jatuh ke nol, tidak lenyap, tidak diam-diam menghilang di suatu titik dalam sejarah. Jika aku hanya mempelajari apa yang sekarang ada di hadapanku, aku sedang mempelajari sebuah populasi yang telah dipraseleksi untuk satu ciri tunggal: tidak mati.

Dan kemudian, berdasarkan sampel terseleksi itu, aku akan menarik kesimpulan tentang dunia yang sangat-sangat mencakup kematian. Pada dasarnya aku sedang mempelajari karakteristik para pemenang dan memperlakukannya sebagai karakteristik para peserta, seolah-olah keduanya adalah kelompok yang sama. Mereka bukan kelompok yang sama. Perbedaan di antara keduanya adalah sebuah kuburan yang tidak aku lihat.

Yang mati tidak muncul dalam data

Bagian yang benar-benar berbahaya adalah mekanismenya. Kegagalan-kegagalan itu menghapus dirinya sendiri dari datasetmu. Hal-hal yang meledak, yang dihapus dari daftar, yang jatuh menjadi tiada lalu dilupakan — mereka hanya saja tidak lagi ada di hadapanmu. Dan karena mereka tidak ada di hadapanmu, mereka sama sekali tidak memberi bobot pada kesimpulanmu, meskipun merekalah satu-satunya kumpulan bukti terpenting tentang bagaimana segala sesuatunya sebenarnya menjadi kacau.

Jadi datamu telah diam-diam dikurasi, dan dikurasi tepat oleh hasil-hasil yang paling perlu kau pahami. Bencana-bencana itu menyunting dirinya sendiri keluar. Yang tersisa adalah koleksi rapi dari hal-hal yang, dengan satu atau lain cara, berhasil selamat — dan koleksi rapi para penyintas adalah objek studi yang sangat menyesatkan jika pertanyaan sesungguhnya adalah tentang risiko, karena risiko justru adalah kisah tentang mereka yang tidak berhasil selamat.

Optimisme adalah keluaran bawaannya

Yang membuat ini sangat berbahaya adalah bahwa bias ini memiliki arah yang konsisten. Ia tidak menyebarkan kesimpulanmu secara acak; ia mendorongnya, setiap kali tanpa kecuali, ke arah yang sama. Bias penyintas (survivorship bias) selalu membuat segala sesuatunya tampak lebih aman, lebih menguntungkan, dan lebih andal daripada kenyataannya, karena bencana-bencananya telah disingkirkan dari pandangan sebelum kau memulai.

Ini berarti setiap analisis yang dibangun di atas para penyintas secara sistematis berwarna merah jambu, dan rona itu nyaris mustahil dideteksi dari dalam, karena kau tidak bisa melihat apa yang hilang. Ketiadaan tidak mengumumkan dirinya sendiri. Sebuah ruang kosong di tempat yang seharusnya berisi seratus kegagalan tampak persis seperti sebuah ruang kosong biasa. Tidak ada apa pun dalam data yang kau miliki yang akan secara spontan memberitahumu tentang data yang tidak kau miliki. Kau harus tahu untuk bertanya.

Kau tidak bisa menganalisis apa yang tidak ada

Inilah sebabnya solusinya begitu berlawanan dengan intuisi, dan sebabnya bersikap cerdas terhadap data yang tersedia tidak menyelamatkanmu. Masalahnya tidak terletak pada data yang kau miliki; masalahnya terletak pada data yang tidak kau miliki. Sebanyak apa pun kecermatan yang diterapkan pada sampel yang bias tidak akan menghilangkan biasnya, karena bias itu tidak hidup di dalam sampel — ia hidup di celah antara sampel dan kenyataan. Kau bisa menganalisis para penyintas dengan sempurna dan tetap sepenuhnya keliru tentang dunia, karena para penyintas tidak pernah merupakan keseluruhan dunia.

Satu-satunya obat yang sesungguhnya adalah secara aktif pergi mencari yang mati. Dengan sengaja mencari kegagalan-kegagalan, hal-hal yang sudah tak ada lagi, kasus-kasus yang menghapus dirinya sendiri, lalu mengembalikannya ke dalam gambaran dengan tangan sendiri. Ini benar-benar lebih sulit, karena mereka bersembunyi — itulah inti dari seluruh masalah ini. Mereka tidak datang kepadamu. Kau harus pergi mencari ketiadaan, dan itu adalah hal yang tidak alami untuk dilakukan.

Menghitung kesunyian

Disiplin praktis yang lahir dari semua ini adalah sebuah pertanyaan yang kini selalu kucoba ajukan: apa yang hilang dari gambaran ini, dan mengapa ia hilang? Setiap kali sebuah dataset tampak bersih dan menjanjikan, refleks yang benar bukanlah merasa terdorong semangat. Refleksnya adalah bertanya apakah ia tampak demikian karena kenyataannya memang menjanjikan, atau karena kasus-kasus yang mengecewakan telah diam-diam disingkirkan sebelum aku tiba untuk melihatnya.

Belajar untuk memperhatikan dan menghitung kesunyian — memberi bobot pada hal-hal yang secara mencolok tidak ada di sana — ternyata menjadi salah satu kebiasaan terpenting yang kubangun. Ini adalah keterampilan yang aneh, memperhatikan ketiadaan, karena ketiadaan menurut sifatnya mudah terlewatkan. Tetapi di dunia yang menyunting keluar kegagalannya sendiri, kemampuan untuk merasakan bentuk dari apa yang telah disingkirkan adalah sebagian besar dari pertempuran ini.

Pelajaran yang lebih dalam: bukti yang absen adalah yang terpenting

Yang akhirnya kuambil dari semua ini adalah bahwa bukti yang paling berharga sangat sering kali adalah bukti yang telah disingkirkan, justru karena ia mewakili kegagalan. Kuburan menyimpan jauh lebih banyak informasi tentang risiko daripada yang akan pernah dimiliki lingkaran para pemenang — tetapi kuburan itu sunyi, dan kau harus memilih untuk melangkah masuk ke dalamnya, karena ia tidak akan pernah memanggilmu.

Jadi sekarang, ketika aku melihat sebuah pola yang menjanjikan, pertanyaan pertamaku bukanlah “seberapa menjanjikan ini?” Pertanyaannya adalah “siapa dan apa yang harus menghilang agar ini tampak sebagus ini?” Gambaran yang berhasil bertahan untuk sampai kepadamu, hampir selalu, telah disunting oleh hasil-hasil yang justru paling perlu kau pelajari. Pekerjaan yang paling sulit dan paling penting adalah merekonstruksi apa yang telah dipotong keluar.

— Tanpa sinyal, tanpa imbal hasil, bukan nasihat investasi.