Pratiques de coaching pour forecast accuracy mesure

Décrivez presque n'importe quoi sur lequel vous travaillez et IX Coach trouve les pratiques dont l'adéquation avec la réalité est la plus proche. Pour forecast accuracy mesure, voici les correspondances les plus solides dans la bibliothèque de pratiques actuelle.

Pratiques qui peuvent aider

1. Noter ses propres prédictions passées pour calibrer son usage de la vue extérieure
   Tenez un journal de prévisions et notez-le — vous ne pouvez pas améliorer votre calibration sans retour sur où vous avez été trop ou pas assez confiant.
   La vue extérieure
2. Pratiquez la calibration probabiliste en suivant vos prédictions
   Attribuez des estimations de probabilité explicites à vos prédictions et suivez si elles se réalisent au bon taux.
   La négligence du taux de base : pourquoi nous ignorons les probabilités
3. Maintenir un journal de prédictions noté
   Enregistrez les prédictions avec des probabilités explicites et notez-les quand elles se résolvent.
   L'entraînement à la calibration
4. Traiter la précision de prévision comme une compétence qui s'améliore avec la pratique
   Prenez les erreurs de prédiction comme un retour de performance, pas comme la preuve que la prévision est vaine.
   La superprévision
5. Suivre vos estimations et vous calibrer
   Comparez vos estimations de Fermi aux chiffres réels quand vous le pouvez, et utilisez l'écart pour améliorer les estimations futures.
   L'estimation de Fermi
6. Réaliser des bilans post-projet pour alimenter les données de la classe
   Consignez honnêtement les résultats réels par rapport aux prévisions — cela construit la classe de référence dont dépendent les futures prévisions.
   La prévision par classe de référence
7. La prévision par classe de référence
   La prévision par classe de référence, développée par Daniel Kahneman et Amos Tversky puis formalisée par Bent Flyvbjerg, améliore la précision des prévisions en s’ancrant sur la distribution statistique des résultats de projets passés similaires plutôt que sur les détails du projet actuel. La méthode corrige de façon fiable le biais d’optimisme qui gonfle les estimations de coût, de temps et de bénéfice en planification — la base de preuves ici est réelle et précise.
8. Prévoir une distribution, pas une estimation ponctuelle
   Représentez votre prévision comme une fourchette de résultats probables, pas un seul nombre prédit.
   La prévision par classe de référence
9. Actualiser votre prévision de façon incrémentale à mesure que de nouvelles preuves arrivent
   Traitez votre prévision comme une probabilité qui devrait bouger avec chaque nouvelle preuve, pas comme un engagement qui survit à la contradiction.
   La prévision par classe de référence
10. Pratiquer le calibrage de probabilité
    Faites régulièrement des prédictions probabilistes et suivez votre précision à travers un grand nombre d'entre elles.
    Le biais rétrospectif : pourquoi tout semble évident après coup

Décrivez votre situation avec vos propres mots pour rechercher dans la bibliothèque complète de pratiques.