予測のための正しい参照クラスを選ぶ
決断が属するカテゴリーの統計的な基準率を見つける——鼓舞する事例だけでなく。
Why it works
プロジェクトや決断を計画する時、人々は自然に記憶の中で最も鮮やかな事例を参考にします——それは不均衡に成功に偏っています。「参照クラス」——広く似た取り組みの集合——を明示的に選び、その歴史的な結果分布を調べることは、選ばれた生存者のサンプルではなく、母集団全体との比較を強制します。
How to do it
- あなたのプロジェクトや決断が属するカテゴリーに名前をつける(例:「初めてのレストラン開業」「ソフトウェア製品のローンチ」「コンサルティングへのキャリアチェンジ」)。
- そのカテゴリーにおける歴史的な結果分布を探す:何パーセントが成功するか、中央値の結果は何か、よくある失敗のパターンは何か?
- 自分のケースに特有の要因で調整する前に、その分布を出発点の見積もりとして使う。
- 自分のケースが異なると期待する具体的で明確な理由がない限り、基準率に大きな重みを置く。
エビデンス
ダニエル・カーネマンとエイモス・トヴェルスキーによって形式化された参照クラス予測は、参照クラスの統計的分布を使うことが内部視点の予測を一貫して上回ることを示しています。それは後にベント・フリビヤーグによって大規模インフラ研究における計画ツールへと発展しました。 (observational)
参照クラスのデータはしばしば入手が困難で、参照クラス自体が判断の呼びかけです。この方法は既存の歴史的データがある領域(建設、ソフトウェアプロジェクト)で最も強力であり、それが存在しない場合はより扱いにくくなります。
出典
- Kahneman & Lovallo (1993), "Timid Choices and Bold Forecasts", Management Science — inside vs. outside view
よくある間違い
生存者バイアスを裏口から再導入する、都合の良い参照クラス(「私のようなプロジェクトだが成功したもの」)を選ぶこと——最も広く正確なクラスではなく。