Coaching-Übungen für honest forecasting
Beschreibe fast alles, woran du arbeitest, und IX Coach findet die Übungen mit dem nächsten realen Treffer. Für honest forecasting sind das die stärksten Treffer in der aktuellen Übungsbibliothek.
Übungen, die helfen könnten
- Kognitiven Optimismus-Bias von strategischer Fehldarstellung unterscheiden
Erkennen, dass ein Teil der Prognoseaufblähung echter Bias ist und ein Teil bewusste Beschönigung – beides erfordert unterschiedliche Lösungen.
Referenzklassen-Prognose - Nachbesprechungen für Klassendaten durchführen
Tatsächliche vs. prognostizierte Ergebnisse ehrlich festhalten – das baut die Referenzklasse auf, von der zukünftige Prognosen abhängen.
Referenzklassen-Prognose - Eine Verteilung prognostizieren, keine Punktschätzung
Die Prognose als Spanne wahrscheinlicher Ergebnisse darstellen, nicht als eine einzelne vorhergesagte Zahl.
Referenzklassen-Prognose - Die Prognose schrittweise mit neuer Evidenz aktualisieren
Die Prognose als Wahrscheinlichkeit behandeln, die sich mit jedem neuen Beweisstück verschieben sollte, nicht als Verpflichtung, die einen Widerspruch übersteht.
Referenzklassen-Prognose - Zuerst an der Basisrate verankern, dann Innensicht-Details hinzufügen
Die Prognose beim Klassen-Median beginnen und dann anpassen – nicht bei der eigenen Erzählung beginnen und zur Basisrate hin anpassen.
Referenzklassen-Prognose - Motivationalen Optimismus von deiner Prognose trennen
Lass deinen Ehrgeiz ehrlich sein über das, was er ist — ein gewünschtes Ergebnis — ohne deine Wahrscheinlichkeitsschätzung zu kontaminieren.
Die Außenperspektive - Referenzklassen-Prognose
Die Referenzklassen-Prognose, entwickelt von Daniel Kahneman und Amos Tversky und von Bent Flyvbjerg formalisiert, verbessert die Prognosegenauigkeit, indem sie sich an der statistischen Verteilung der Ergebnisse ähnlicher vergangener Projekte orientiert – statt an den Details des aktuellen. Die Methode korrigiert zuverlässig den Optimismus-Bias, der Kosten-, Zeit- und Nutzenschätzungen in der Planung aufbläht – die Evidenzbasis dafür ist real und konkret. - Nutze Referenzklassen, um persönliche Schätzungen auf Basisraten zu gründen
Bevor du schätzt, wie sich deine Situation entwickeln wird, finde ähnliche vergangene Situationen und prüfe, was geschah.
Bayesianisches Denken: Wie man Überzeugungen rational aktualisiert - Komplexe Fragen in Unterfragen zerlegen
Zerlegen Sie eine schwierige Vorhersagefrage in kleinere, einschätzbare Teile und aggregieren Sie sie.
Superforecasting - Deine eigenen vergangenen Vorhersagen bewerten, um deine Außenperspektive-Nutzung zu kalibrieren
Führe ein Prognoseprotokoll und bewerte es — du kannst Kalibrierung nicht verbessern ohne Feedback darüber, wo du über- oder unterzuversichtlich warst.
Die Außenperspektive
Verwandte Anliegen
- Ziel vs. forecast
Die Prognose als Spanne wahrscheinlicher Ergebnisse darstellen, nicht als eine einzelne vorhergesagte Zahl.
Eine Verteilung prognostizieren, keine Punktschätzung
- Wie man bessere Prognosen erstellt
Die Referenzklassen-Prognose, entwickelt von Daniel Kahneman und Amos Tversky und von Bent Flyvbjerg formalisiert, verbessert die Prognosegenauigkeit, indem sie sich an der statistischen Verteilung der Ergebnisse ähnlicher vergangener Projekte orientiert – statt an den Details des aktuellen. Die Methode korrigiert zuverlässig den Optimismus-Bias, der Kosten-, Zeit- und Nutzenschätzungen in der Planung aufbläht – die Evidenzbasis dafür ist real und konkret.
Referenzklassen-Prognose
- Wie man übt: forecasting
Tatsächliche vs. prognostizierte Ergebnisse ehrlich festhalten – das baut die Referenzklasse auf, von der zukünftige Prognosen abhängen.
Nachbesprechungen für Klassendaten durchführen
- decompose forecasting hinterfragen
Zerlegen Sie eine schwierige Vorhersagefrage in kleinere, einschätzbare Teile und aggregieren Sie sie.
Komplexe Fragen in Unterfragen zerlegen
- Wie man machen besser forecasts
Tatsächliche vs. prognostizierte Ergebnisse ehrlich festhalten – das baut die Referenzklasse auf, von der zukünftige Prognosen abhängen.
- Bereich Based Forecasting
Die Referenzklassen-Prognose, entwickelt von Daniel Kahneman und Amos Tversky und von Bent Flyvbjerg formalisiert, verbessert die Prognosegenauigkeit, indem sie sich an der statistischen Verteilung der Ergebnisse ähnlicher vergangener Projekte orientiert – statt an den Details des aktuellen. Die Methode korrigiert zuverlässig den Optimismus-Bias, der Kosten-, Zeit- und Nutzenschätzungen in der Planung aufbläht – die Evidenzbasis dafür ist real und konkret.
Beschreibe deine Situation mit eigenen Worten um die vollständige Übungsbibliothek zu durchsuchen.