Coaching-Übungen für outside Sichtweise forecasting
Beschreibe fast alles, woran du arbeitest, und IX Coach findet die Übungen mit dem nächsten realen Treffer. Für outside Sichtweise forecasting sind das die stärksten Treffer in der aktuellen Übungsbibliothek.
Übungen, die helfen könnten
- Die Außenperspektive
Die Außenperspektive, ein Konzept, das Kahneman mit Amos Tversky entwickelte, bedeutet, von den Einzelheiten deiner Situation zurückzutreten und zu fragen: Wie liefen Dinge wie diese in der Vergangenheit normalerweise? Sie korrigiert zuverlässig die Optimismusverzerrung, die in narrativbasierter (Innenperspektive-)Planung eingebaut ist, und die Forschungsbasis — besonders zu Planungs- und Prognosegenauigkeit — ist umfangreich. - In unerfahrenen Domänen stark auf Basisraten vertrauen
In unbekanntem Terrain sollte die Klassenverteilung die Prognose fast vollständig bestimmen.
Die Außenperspektive - Die Außenperspektive vor der Festlegung auf einen bedeutsamen Plan aufrufen
Frage vor dem Finalisieren eines Plans oder einer Prognose als ersten Checkpoint: Wie liefen ähnliche Dinge?
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 - Die richtige Referenzklasse für die eigene Situation identifizieren
Eine gut definierte Menge vergangener Situationen finden, die strukturell der eigenen ähneln, und deren Ergebnisdaten sammeln.
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 - 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 - Nachbesprechungen für Klassendaten durchführen
Tatsächliche vs. prognostizierte Ergebnisse ehrlich festhalten – das baut die Referenzklasse auf, von der zukünftige Prognosen abhängen.
Referenzklassen-Prognose - 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
Verwandte Anliegen
- Reference Class Forecasting bei Arbeit
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
- Reference Class Forecasting bei ein Budget
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.
- Reference Class Forecasting unter Stress
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.
- domain Erfahrung forecasting
In unbekanntem Terrain sollte die Klassenverteilung die Prognose fast vollständig bestimmen.
In unerfahrenen Domänen stark auf Basisraten vertrauen
- honest forecasting
Erkennen, dass ein Teil der Prognoseaufblähung echter Bias ist und ein Teil bewusste Beschönigung – beides erfordert unterschiedliche Lösungen.
Kognitiven Optimismus-Bias von strategischer Fehldarstellung unterscheiden
- 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.