Alle Prognosen sind falsch: Tipps zur Verbesserung der Genauigkeit

Alle Prognosen sind falsch. Diese berüchtigte Aussage gehört vielleicht zu den ersten Dingen, die Professoren in vielen Universitätskursen über Prognosen predigen. Die meisten von uns kennen die Frustration, wenn wir ein Projekt nicht im geplanten Rahmen abschließen können, das Jahresendgeschäft nicht annähernd den Prognosen vom Januar entspricht, der Sommerurlaub durch Regen aus dem Nichts ruiniert wird und die Ersparnisse an der Börse wenig Gewinn abwerfen.

Wenn Prognosen so fehleranfällig sind, warum verlassen wir uns dann bei wichtigen Entscheidungen weiterhin so sehr auf sie? Eine vernünftige Hypothese ist, dass wir, um mit der Planung der Zukunft beginnen zu können, das Gefühl haben, dass unsere Planungsbemühungen eine Grundlage haben müssen. Man kann mit Fug und Recht behaupten, dass sich die meisten Entscheidungsträger darüber im Klaren sind, dass es unmöglich ist, die Zukunft mit 100-prozentiger Genauigkeit vorherzusagen. Weithin anerkannt ist die Tatsache, dass Prognosen eine gewisse Fehlerspanne enthalten und dass Prognosen mit einer geringeren Fehlerspanne diejenigen sind, die einen Unterschied machen.

Ein gesünderer Ansatz wäre es daher, nicht mehr zu hinterfragen, warum die Prognosen immer daneben liegen, sondern stattdessen zu versuchen, die Fehlermarge zu minimieren. Denn in einer Welt, in der Schimpansen bei den Gehältern die Wall Street-Profis übertreffen, muss es doch noch Spielraum für Verbesserungen geben.

Wie können Sie also die Genauigkeit Ihrer Prognosen maximieren? Hier sind einige nützliche Tipps:

Erkennen und akzeptieren Sie Ihre Fehler
Keiner ist Nostradamus. Fehler sind ein fester Bestandteil Ihrer Prognosen. Minimieren Sie also die Fehlerspanne und bleiben Sie gleichzeitig der Gesamtqualität Ihrer Daten treu – indem Sie Annahmen treffen, Statistiken auf- oder abrunden usw. – entscheidet über den Erfolg Ihrer Fehlerbehandlung. Vielleicht erinnern Sie sich an naturwissenschaftliche Experimente in der Schule, bei denen eine Fehlermarge für eine Variable verwendet wurde, die in direkter Korrelation zu einer anderen stand. Es war sinnvoll, bei voneinander abhängigen Variablen dieselbe Fehlermarge zu verwenden.

Eine weitere nützliche und oft übersehene Faustregel lautet: Je weiter wir versuchen, die Zukunft vorherzusagen, desto größer ist normalerweise die Fehlermarge. Denken Sie an die Wettervorhersage: Die Vorhersage von morgen ist oft genauer als die von nächster Woche.

Verbessern Sie die Qualität Ihrer Daten
Das Sammeln, Verfeinern und Analysieren von Daten für Prognosen ist eine Kunst für sich. In der heutigen Zeit, in der die Nutzung von Big Data rasant zunimmt, können immer mehr Daten auf vielfältige Weise verfolgt, gespeichert und ausgewertet werden. Im Vergleich zu den Prognosen in den 70er und 80er Jahren war es noch nie so wichtig wie heute, die relevantesten Daten – und nicht nur irgendwelche Daten – zu finden, und das ist eine Herausforderung, der sich Prognoseexperten heute stellen müssen.

Eine gute Möglichkeit, die Anzahl der relevanten Daten zu erhöhen, ist das Crowdsourcing. Sports Interactive (SI), die Macher des digitalen Spiels Football Manager, haben vor kurzem eine B2B-Version für Profifußballvereine herausgebracht, die das Crowdsourcing-Modell erfolgreich eingesetzt und populär gemacht hat. Im Gegensatz zum traditionellen Scouting-Modell, bei dem einzelne Scouts in verschiedene nationale Ligen geschickt werden, liefert das Crowdsourcing-Netzwerk von SI mit über 1.300 Scouts (die ständig Feedback von Fans und Football Manager Spielern erhalten) viel aktuellere und zuverlässigere Daten über einzelne Spieler und eliminiert die subjektiven Ansichten einzelner Scouts.

Wenn es Ihnen nicht möglich ist, die Datenerfassung auszulagern, könnte eine ähnliche Strategie darin bestehen, die Datenanalyse auszulagern, d.h. den Prognoseprozess an verschiedene Personen in einem Unternehmen zu übertragen, anstatt ihn nur an einige wenige Personen zu delegieren. Auf diesen Crowdsourcing-Aspekt werde ich in einem späteren Blog ausführlich eingehen.

Häufiger prognostizieren
„Wenn Sie Prognosen machen müssen, dann machen Sie sie oft.“ Dieses Zitat sollte ein Selbstläufer sein. Je häufiger Sie Prognosen erstellen, desto enger wird Ihr Prognosehorizont. Dies wiederum ermöglicht es Ihnen, einen Realitätscheck durchzuführen und Ihre Fehlermarge zu verringern.

Trainieren und/oder rekrutieren Sie „Super-Prognostiker“.
„Der Herdentrieb der Prognostiker lässt Schafe wie unabhängige Denker aussehen“ (Edgar R. Fiedler in The Three Rs of Economic Forecasting-Irrational, Irrelevant and Irreverent, Juni 1977)

Super-Prognostiker sind keine Außerirdischen oder besonders intelligente Menschen. Das Talent, Prognosen zu erstellen, kann gelehrt, gefördert oder, wenn die Ausbildung des vorhandenen Personals unerschwinglich ist, angeworben werden.

In einem kürzlich erschienenen Vorhersage-Blockbuster, Superforecasting: Die Kunst und Wissenschaft der Vorhersagestellt der Autor Philip Tetlock fest, dass die meisten Superprognostiker einen überdurchschnittlichen IQ (nicht unbedingt ein Genie), eine ausgeprägte statistische Denkweise und den Mut haben, sich gegen vorgegebene Entscheidungen oder Vorurteile zu stellen, d.h. die Kraft, Nein zu sagen und ihre Ergebnisse zu präsentieren, obwohl das Topmanagement von ihnen erwartet, dass sie ein bestimmtes Szenario prognostizieren, das ihre eigenen Argumente unterstützt.

Gamification – d.h. die Veranstaltung von Prognoseturnieren und -wettbewerben – ist der Schlüssel zum Crowdsourcing der Prognosen, zur Erhöhung ihrer Genauigkeit sowie zur Motivation und Entwicklung von Super-Prognostikern.

Die richtige Software
Sie haben die Qualität Ihrer Daten verbessert, sind sich der Fehlermarge bewusster geworden, haben die optimale Prognosehäufigkeit festgelegt und das richtige Personal ausgebildet/eingestellt. Was ist das fehlende Glied in der Kette? Es geht darum, in die richtige Software zu investieren, die, wie der Teppich in Big Lebowski, das Element ist , das den Raum zusammenhält. Kurz gesagt, die vier wichtigsten Merkmale einer guten Prognosesoftware sind die folgenden:

• Sie verwendet die richtige Sprache und den richtigen Algorithmus (abhängig von der wissenschaftlichen Expertise des Softwareanbieters)
• Es ist stabil für den Dauereinsatz
• Es bietet eine gute Benutzeroberfläche – wichtig für die Schulung von Personal
• Es bietet gute Tools für die Berichterstattung (zur Visualisierung der Ergebnisse für das Top-Management)

Inhärente Zufälligkeit
Auch wenn Sie alles richtig gemacht haben, müssen Sie sich mit der jeder Vorhersage innewohnenden Zufälligkeit abfinden. Sicherlich ist der Grad der Zufälligkeit von Vorhersage zu Vorhersage unterschiedlich, aber akzeptieren Sie die Tatsache, dass Glück – d.h. Ereignisse höherer Gewalt – bei jeder Vorhersage eine wichtige Rolle spielt. Es ist daher unerlässlich, sich auf das Schlimmste vorzubereiten.