Coaching-Übungen für Wie man übt: forecasting
Beschreibe fast alles, woran du arbeitest, und IX Coach findet die Übungen mit dem nächsten realen Treffer. Für Wie man übt: forecasting sind das die stärksten Treffer in der aktuellen Übungsbibliothek.
Übungen, die helfen könnten
- Nachbesprechungen für Klassendaten durchführen
Tatsächliche vs. prognostizierte Ergebnisse ehrlich festhalten – das baut die Referenzklasse auf, von der zukünftige Prognosen abhängen.
Referenzklassen-Prognose - Vorhersagegenauigkeit als Fähigkeit behandeln, die sich mit Übung verbessert
Vorhersagefehler als Leistungsfeedback nehmen, nicht als Beweis, dass Vorhersagen sinnlos ist.
Superforecasting - Eine Verteilung prognostizieren, keine Punktschätzung
Die Prognose als Spanne wahrscheinlicher Ergebnisse darstellen, nicht als eine einzelne vorhergesagte Zahl.
Referenzklassen-Prognose - 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. - 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 - 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 - 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 - Komplexe Fragen in Unterfragen zerlegen
Zerlegen Sie eine schwierige Vorhersagefrage in kleinere, einschätzbare Teile und aggregieren Sie sie.
Superforecasting - 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 - Superforecasting
Philip Tetlocks Forschung zu Vorhersageturnieren fand, dass eine Untergruppe gewöhnlicher Menschen — „Superforecaster“ — Fachexperten und Geheimdienstanalysten bei probabilistischer Vorhersage konsequent übertrifft. Sie teilen messbare kognitive und Verhaltensgewohnheiten: Sie denken in Wahrscheinlichkeiten, aktualisieren häufig aufgrund von Evidenz und suchen aktiv nach widerlegenden Informationen. Diese Gewohnheiten sind erlernbar.
Verwandte Anliegen
- 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
- Ziel vs. forecast
Die Prognose als Spanne wahrscheinlicher Ergebnisse darstellen, nicht als eine einzelne vorhergesagte Zahl.
Eine Verteilung prognostizieren, keine Punktschätzung
- Wie man machen besser forecasts
Tatsächliche vs. prognostizierte Ergebnisse ehrlich festhalten – das baut die Referenzklasse auf, von der zukünftige Prognosen abhängen.
Nachbesprechungen für Klassendaten durchführen
- Superforecasting bei ein Budget
Philip Tetlocks Forschung zu Vorhersageturnieren fand, dass eine Untergruppe gewöhnlicher Menschen — „Superforecaster“ — Fachexperten und Geheimdienstanalysten bei probabilistischer Vorhersage konsequent übertrifft. Sie teilen messbare kognitive und Verhaltensgewohnheiten: Sie denken in Wahrscheinlichkeiten, aktualisieren häufig aufgrund von Evidenz und suchen aktiv nach widerlegenden Informationen. Diese Gewohnheiten sind erlernbar.
Superforecasting
- decompose forecasting hinterfragen
Zerlegen Sie eine schwierige Vorhersagefrage in kleinere, einschätzbare Teile und aggregieren Sie sie.
Komplexe Fragen in Unterfragen zerlegen
- forecasting accuracy
Die Prognose als Spanne wahrscheinlicher Ergebnisse darstellen, nicht als eine einzelne vorhergesagte Zahl.
Beschreibe deine Situation mit eigenen Worten um die vollständige Übungsbibliothek zu durchsuchen.