När man arbetar med att formulera förutsägelser finns det flera viktiga principer som man måste fundera över. Rätt använda kan förutsägelser ge ett betydande konkurrensövertag, men det är lika lätt att slösa bort tiden med värdelös spekulation. I den här posten började fundera en del över detta, och här litet fler tankar.
Förutsägelser – eller forecasts – är mest intressanta i närtid, och så fort vi rör oss längre in i framtiden är det bättre att arbeta med scenarier och kartlägga spektrumet av möjliga utfall. Det finns dock ett förutsägelsefönster som är intressant att arbeta med och där en god förmåga att hitta rätt kan vara mycket värdefull.
Det hela påminner i tekniskt avseende om skillnaden mellan klimat och väder. När det gäller klimatet vill vi ha insikt i hela spektrumet möjliga utfall, och när det gäller väder är en 7-dagarsprognos värdefull för vissa företag. Förutsägelsefönstret ser olika ut för olika fenomen — vädret är så pass komplext att det knappast kan förutsägas bortom ett tiotal dagar, till exempel.
Det betyder inte att vi inte kan säga intressanta saker om möjliga utfall för klimatet, emellertid. Oförutsägbarheten är relaterad till upplösningen i förutsägelsen — den som vill ha en högupplöst förutsägelse får acceptera en krympande horisont, och den som är nöjd med en mer grovkornig förutsägelse kan kika längre in i framtiden (i ett exempel med en viss kurva — det går att tänka sig att andra frågor har en helt annan kurva förstås):

Det finns en intressant fråga här, och det är om det är någon artskillnad mellan grovkorniga och finkorniga förutsägelser — eller om den enda skillnaden är skalan i förutsägelserna. När det gäller riktigt grovkorniga förutsägelser – som Keynes berömda “in the long run we are all dead” – så tycks de mindre värdefulla, men att veta hur många dagar man har kvar att leva känns mer relevant.
Betyder det att värdet i finkorniga förutsägelser alltid är högre än det i grovkorniga? Förmodligen stämmer det någorlunda (fast det förstås finns avtagande nytta även här – att känna till temperaturen på regndropparna om det skall regna på torsdag skulle kanske inte förändra särskilt mycket). Här finns dock en intressant insikt – och det är att värdet på grovkorniga förutsägelser inte nödvändigtvis går mot noll ju mer grovkorniga de blir — det är nog så att vi ofta underskattar värdet på grovkorniga förutsägelser just för att de har så låg upplösning. I ett enkelt exempel:

Nå, åter till frågan: hur ser en bra förutsägelse ut? Hur formulerar vi den? Egentligen kan man börja bakifrån. Vi kan anta att vi skall använda förutsägelsen, och det betyder att vi borde kunna ta reda på hur vi skulle använda den — vilket i sin tur betyder att alla intressanta förutsägelser borde kunna skrivas i formen:
(i) Om jag visste att X med viss sannolikhet så skulle jag Y.
Om jag visste med mer än x procents sannolikhet att det kommer att regna på torsdag så packar jag med mig mitt paraply. Notera att X inte behöver vara 50, det kan vara så litet som 10 om kostnaden för att packa med paraplyet är liten.
För ett företag som ägnar sig åt framtidsstudier bör denna formulering kanske se ut såhär:
(ii) Om vi visste X med viss sannolikhet så skulle vi handla så att Y.
Om vi visste att priserna på kaffe går upp om tre månader så skulle vi köpa på oss kaffe för en längre tid nu (och mot detta då eventuella lån för kaffeköp, lagringskostnader mm).
En förutsägelse måste alltså, för att ha ett värde, leda till någon sorts handling för den egna organisationen.
Utöver detta bör den vara precis nog för att vi skall kunna lära oss av den och se till att vi kan bedöma tydligt varför vi hade rätt eller fel. Det betyder att det inte räcker att skriva ned förutsägelsen – utan vi borde också skriva ned skälet för att vi gör just denna förutsägelse. Det är ett sätt att vaccinera sig mot framgångens delirium i vilket turen inte finns.
Vi landar då i något i stil med:
En förutsägelse F är värdefull om den är precis nog, noga motiverad och dessutom vid ett visst tröskelvärde skulle leda till handling i en i förväg specificerad riktning.
En intressant måndagsövning är då att försöka komma fram till tre eller fyra sådana förutsägelser. Min gissning är att det är överraskande svårt i de flesta företag och verksamheter, av flera olika skäl. Mer om detta i en annan post.