コーチングプラクティス： 予測を立てる問いを分解する方法

取り組んでいることをほぼ何でも入力すると、IX Coach が現実に最も合うプラクティスを見つけます。「予測を立てる問いを分解する方法」については、現在のプラクティスライブラリからの最適な一致をご覧ください。

役立つかもしれないプラクティス

1. 複雑な問いをサブ問いに分解する
   難しい予測の問いを、より小さく見積もり可能な部分に分解し、それらを集約する。
   スーパーフォーキャスティング
2. プロジェクト終了後にクラスデータへ貢献するための振り返りを行う
   実際の結果と予測を正直に記録する——これが将来の予測が依拠するリファレンスクラスを築く。
   リファレンスクラス予測
3. 新しい証拠が入るたびに予測を段階的に更新する
   予測を、矛盾する証拠にも生き残るコミットメントとしてではなく、新しい証拠ごとに変わるべき確率として扱う。
   リファレンスクラス予測
4. 予測の精度を、練習で向上するスキルとして扱う
   予測の誤りをパフォーマンスのフィードバックとして受け止め、予測が無意味だという証拠としては受け止めない。
   スーパーフォーキャスティング
5. 認知的な楽観バイアスと戦略的な虚偽表示を区別する
   予測の水増しには純粋なバイアスによるものと意図的な操作によるものがあることを認識する——それぞれ異なる対処が必要だ。
   リファレンスクラス予測
6. 一点の見積もりではなく分布として予測する
   予測を単一の予想数値ではなく、起こりうる結果の範囲として表現する。
   リファレンスクラス予測
7. リファレンスクラス予測
   リファレンスクラス予測は、ダニエル・カーネマンとエイモス・トベルスキーが提唱し、ベント・フリウビヤが体系化した手法で、目の前の案件の細部ではなく、類似した過去のプロジェクト群の結果の統計的分布に予測の起点を置くことで精度を高める。計画時にコスト・期間・便益の見積もりを膨らませる楽観バイアスを確実に修正する手法であり、その根拠は具体的で実証されている。
8. 未知のものを既知の下位問題に分解する
   直接には答えられない問いを、答えられる小さな問いに分ける。
   フェルミ推定
9. インサイドビューの詳細を加える前にベースレートにアンカーする
   クラスの中央値から予測を始め、そこから調整する——自分の物語から始めてベースレートに調整するのではない。
   リファレンスクラス予測
10. 判断する前に目標属性を構成要素に分解する
    難しい質問をその構成部分に分解し、ヒューリスティックに全体を答えさせるのではなく、それぞれを直接答える。
    属性代替——脳が別の質問に答えるとき

自分の言葉で状況を説明する でプラクティスライブラリ全体を検索できます。