- Kombinování více pohledů, hledisek, teorií a způsobů, jak problém analyzovat. Spojování analytických a teoretických přístupů s extrapolací z dat. Kombinování různých teoretických rámců a různých zdrojů dat, včetně protichůdných. Každý z nich má své slabiny a slepá místa, a když je zkombinujete, máte největší šanci, že nepřehlédnete nic důležitého. Je to velmi podobné efektu moudrosti davu při agregaci předpovědí, jen v hlavě jednoho člověka. Nelpět příliš na jedné teorii nebo jednom pohledu na svět (např. posuzovat všechno z ekonomického hlediska, s liberální nebo konzervativní zaujatostí, příliš teoreticky nebo příliš empiricky atd.). Tetlock tomu říká být spíš liškou než ježkem.
- Využití outside view (vnějšího pohledu), často jako výchozího bodu. Když se například snažíte předpovědět, zda v nějakém regionu během určitého období dojde ke konfliktu, začnete tím, že jednoduše extrapolujete historická data o tom, jak často ke konfliktům v této oblasti obvykle dochází – ještě předtím, než začnete zkoumat konkrétní důvody nebo mechanismy, proč by k němu právě v tuto dobu dojít mělo, nebo nemělo. Tomu se často říká reference class forecasting (tj. díváte se na data o jiných událostech nebo subjektech zhruba podobných tomu, na co se otázka ptá) a využívání base rates (základních četností). Dalším příkladem může být předpověď úspěchu konkrétního startupu: nejdřív se jednoduše podíváte na průměrnou úspěšnost startupů v dané oblasti, ještě než začnete zkoumat jejich produkt, strategii, financování atd. Jde hlavně o extrapolaci velmi obecných trendů. Předpověď z outside view pak samozřejmě musíte upravit podle specifik toho, na co se otázka konkrétně ptá.
- Průběžné aktualizování svých očekávání a odhadů, jak narážíte na nové důkazy a data. Dokonce i průběžné zlepšování samotného způsobu, jakým předpovídáte, nástrojů a způsobů uvažování, které používáte – učit se z toho, co funguje a co ne. Flexibilita a aktivní otevřenost mysli, growth mindset a chuť se pořád učit nové věci. Introspekce a sebekritičnost. Uvědomovat si svá vlastní zkreslení a snažit se je korigovat.
- Uvažování v odstínech a v pravděpodobnostech. Nevidět věci černobíle, jako jisté, nebo nemožné. Pracovat s různou mírou nejistoty. Určitá pokora: přijmout, že realita je složitá, že existuje spousta unknown unknowns a že vaše modely nemohou zachytit všechno.
- Rozklad na dílčí odhady, tj. rozdělení problému na menší dílčí problémy, které se snáz analyzují. Vychází z techniky zvané Fermiho odhad. Když máte například odhadnout, zda bude v Africe příští rok víc lvů než letos, můžete si položit tyto otázky: (1) Jak se v posledních letech vyvíjel celkový počet lvů na světě? (2) Kolik lvů žije v Africe? (3) Která země má nejvíc lvů a plánuje se tam jejich počet výrazně snížit? (4) Kolik mláďat má jedna lvice v průměru?
- Poctivá práce. Forecasting někdy vyžaduje prokousat se spoustou dat, přečíst množství článků, zvážit a skloubit mnoho protichůdných argumentů. Hodně pomáhá svědomitost.
Co dělá
dobrého forecastera?
Philip Tetlock se ve svém výzkumu snažil najít společné rysy, návyky a způsoby uvažování, které sdílejí nejlepší forecasteři. Tady jsou některé z nich, v libovolném pořadí.