बढ़ते बाजारों को कैसे खोजें? नवीनतम शोध द्वारा वृद्धि बाजार पूर्वानुमान दृष्टिकोण

परिचय

ऐतिहासिक तेजी से विकास करने वाली कंपनियों और राष्ट्रों ने, जब तक बहुत से लोगों को इसका एहसास नहीं हुआ, तब तक ही विकास क्षेत्रों में बड़े निवेश और चुनौतियां लीं। लेकिन ऐसे विकास बाजारों को कैसे खोजा जा सकता है? यहां हम ऐसे विकास बाजारों की पहचान करने के तरीकों को संगठित करते हैं।

इस लेख की नवीनता निम्नलिखित 3 बिंदुओं में है।

• विकास के क्षेत्रों के स्रोत को बाहरी वातावरण के 4 परिवर्तनों में वर्गीकृत किया गया है और यह दिखाया गया है कि यह न केवल बाजार को बल्कि अनुसंधान विषयों और आविष्कारों की दिशा को भी चलाता है।
• पूर्वानुमान पद्धतियों को 5 प्रणालियों में वर्गीकृत किया गया है और स्रोतों के साथ उनके संबंध दिखाए गए हैं।
• 2020 के बाद के अनुसंधान प्रवृत्तियों को संगठित किया गया है।

विकास बाजार के कारक

विकास के क्षेत्रों के स्रोत को, पर्यावरणीय स्कैनिंग अनुसंधान (बाहरी वातावरण जैसे राजनीतिक, आर्थिक, सामाजिक, तकनीकी आदि का विश्लेषण करने और प्रबंधन में लागू करने वाले शोध क्षेत्र) के मौलिक कार्यों के बाद से, राजनीतिक, आर्थिक, सामाजिक और तकनीकी 4 परिवर्तनों (PEST) में वर्गीकृत किया गया है (Aguilar, 1967)। नीचे, 4 परिवर्तनों को संगठित किया गया है।

राजनीतिक परिवर्तन

यह बाजार को कैसे प्रभावित करता है

• मांग का निर्माण और प्रतिबंध: नियम विशिष्ट उत्पादों या तकनीकों को अनिवार्य या प्रतिबंधित करके सीधे मांग बनाते और समाप्त करते हैं। उचित रूप से डिज़ाइन किए गए नियम कंपनियों के नवाचार को प्रोत्साहित करते हैं और मौजूदा कंपनियों द्वारा अनदेखे नए बाजारों को जन्म देते हैं (Porter & van der Linde, 1995)। नियम पालन संबंधी आविष्कार उन देशों और समय अवधियों में केंद्रित होते हैं जहां नियम सख्त किए गए हैं, जैसा कि पेटेंट डेटा में पुष्टि होती है (Lee, Veloso & Hounshell, 2011)
• फंडिंग आवंटन द्वारा अनुसंधान का मार्गदर्शन: निर्दिष्ट उपयोग वाली सार्वजनिक अनुसंधान फंडिंग शोधकर्ताओं के हित को उस विषय की ओर स्थानांतरित करती है। अमेरिकी NIH के डेटा में, किसी विशेष क्षेत्र में फंडिंग बढ़ने पर शोधकर्ता विषय बदलकर आवेदन करते हैं, जो दिखाता है कि अनुसंधान की दिशा नीति द्वारा संचालित होती है (Myers, 2020)

ठोस उदाहरण

• जर्मनी का पुनर्नवीकरणीय ऊर्जा कानून और सौर बाजार: 2000 में लागू किया गया पुनर्नवीकरणीय ऊर्जा कानून (EEG) 20 साल की निश्चित मूल्य खरीद गारंटी देता है, और जर्मनी को विश्व का सबसे बड़ा सौर बाजार बना दिया, जिससे विश्व स्तर पर पैनल निर्माण में बड़े पैमाने के निवेश को प्रेरित किया। इस कानून को 1990 के दशक से विचार किया जा रहा था, और कानून पारित होने से पहले संकेत देखे जा सकते थे (Jacobsson & Lauber, 2006)
• कैलिफोर्निया का जीरो इमिशन वाहन विनियम और EV बाजार: 1990 में शुरू किया गया ZEV विनियम निर्माताओं को एक निश्चित अनुपात में शून्य उत्सर्जन वाहनों की बिक्री करने के लिए अनिवार्य करता है, और बाद में इसके मजबूत होने ने विद्युतीकरण के अनुसंधान विकास को निर्देशित किया। EV बाजार के शुरुआत के स्रोतों में से एक मांग नहीं बल्कि विनियम था (Collantes & Sperling, 2008)
• उत्सर्जन विनियमन और उत्प्रेरक कन्वर्टर: अमेरिकी क्लीन एयर एक्ट के कारण उत्सर्जन विनियमन में सख्ती, ऑटोमेटिव निर्माताओं और आपूर्तिकर्ताओं के उत्सर्जन सफाई तकनीक पेटेंट आवेदनों को विनियम की समयावधि के साथ बढ़ाती है। विनियम ने आविष्कार के समय और दिशा को तय किया है (Lee, Veloso & Hounshell, 2011)

आर्थिक परिवर्तन

यह बाजार को कैसे प्रभावित करता है

• क्रय शक्ति की दहलीज: जब आय का स्तर बढ़ता है और किसी उत्पाद की कीमत घरेलू व्यय योग्य स्तर से नीचे आती है, तो बाजार असंतत रूप से शुरू होता है। उभरते बाजारों में मध्यम वर्ग का विस्तार हर साल लाखों लोगों को इस दहलीज को पार करने के लिए जोड़ता रहा है (Kharas, 2017)
• लागत में गिरावट द्वारा अनुप्रयोग की मुक्ति: जब तकनीक की लागत गिरती है, तो "तकनीकी रूप से संभव लेकिन बहुत महंगे" अनुप्रयोग क्रमिक रूप से आर्थिक रूप से व्यावहारिक हो जाते हैं और बाजार में बदल जाते हैं। संचयी उत्पादन मात्रा के दोगुने होने पर लागत एक निश्चित दर से गिरने का अनुभवजन्य नियम कई तकनीकों में पुष्टि होता है, और लागत में गिरावट की रेखा और उपयोग की व्यय व्यावहारिकता दहलीज के बीच का प्रतिच्छेद बाजार की शुरुआत के समय का अनुमान बन जाता है (Nagy et al., 2013; Farmer & Lafond, 2016)
• सापेक्ष मूल्य द्वारा आविष्कार का मार्गदर्शन: जब निविष्ट संसाधन की कीमत बढ़ती है, तो उस संसाधन को बचाने वाली तकनीक में आविष्कार बढ़ते हैं। "प्रेरित नवाचार" के रूप में जाना जाने वाला यह तंत्र दर्शाता है कि आर्थिक संकेत आविष्कार की दिशा को चलाते हैं (Schmookler, 1966; Popp, 2002)

ठोस उदाहरण

• उभरते बाजारों का मध्यम वर्ग और मोबाइल भुगतान: विश्व की मध्यम वर्ग आबादी 2010 के दशक में तेजी से बढ़ी, और इसका बड़ा हिस्सा एशिया में रहता है (Kharas, 2017)। जो लोग बैंक खाते नहीं रखते थे लेकिन स्मार्टफोन रखते थे, उनके कारण चीन की मोबाइल भुगतान और दक्षिण-पूर्व एशिया की राइड-शेयरिंग और भुगतान प्लेटफॉर्म जैसे बाजार उत्पन्न हुए जो विकसित देशों में मौजूद नहीं थे
• जीनोम सीक्वेंसिंग लागत में गिरावट और व्यक्तिगत आनुवंशिक परीक्षण: एक व्यक्ति के लिए मानव जीनोम पढ़ने की लागत 2001 में लगभग 100 मिलियन डॉलर से 2010 के दशक के मध्य में 1,000 डॉलर प्रति व्यक्ति तक गिर गई (Wetterstrand, 2023)। इस गिरावट के कारण, व्यक्तिगत आनुवंशिक परीक्षण, कैंसर जीनोम चिकित्सा, और कृषि और पशुपालन में प्रजनन जैसे अनुप्रयोग, जो अनुसंधान संस्थानों के बाहर व्यावहारिक नहीं थे, बाजार बन गए
• ऊर्जा की कीमत और ऊर्जा बचत प्रौद्योगिकी पेटेंट: 1970 के दशक के तेल संकट के बाद, ऊर्जा की कीमत में वृद्धि ऊर्जा बचत तकनीक के पेटेंट आवेदनों को सांख्यिकीय रूप से महत्वपूर्ण रूप से बढ़ाती है। कीमत वृद्धि का प्रभाव कुछ सालों के भीतर दिखाई देता है, और कीमत गिरने पर आविष्कार भी धीमा हो जाता है (Popp, 2002)। सापेक्ष कीमत परिवर्तन आविष्कार की दिशा को चलाता है, यह सबसे स्पष्ट प्रायोगिक उदाहरण है

सामाजिक परिवर्तन

यह बाजार को कैसे प्रभावित करता है

• जनसंख्या संरचना की निश्चितता: जनसांख्यिकीय "पहले से हुआ भविष्य" है। इस साल जन्में लोगों की संख्या 20 साल बाद 20 साल की उम्र की जनसंख्या को लगभग निश्चित करती है, और प्रत्येक आयु वर्ग की खपत, स्वास्थ्यसेवा और आवास की मांग को 10-20 साल आगे तक देखा जा सकता है। चार स्रोतों में सबसे निश्चित पूर्वानुमान सामग्री है (Drucker, 1997)
• भविष्य की मांग के पूर्वानुमान द्वारा आविष्कार का मार्गदर्शन: जनसांख्यिकीय से अनुमानित भविष्य की बाजार का आकार कंपनियों के अनुसंधान और विकास की दिशा को चलाता है। अनुमानित बाजार जितना बड़ा होता है, उतने ही अधिक नए उत्पाद विकास बढ़ते हैं, यह कारणात्मक रूप से पुष्टि होता है (Acemoglu & Linn, 2004)
• मूल्यों और जीवन शैली में परिवर्तन: मूल्यों (वातावरण, स्वास्थ्य, समय के उपयोग) या घर के ढांचे में परिवर्तन मौजूदा उत्पाद श्रेणियों की मांग को दूसरी श्रेणी में स्थानांतरित करते हैं। जनसांख्यिकीय के विपरीत, यह संख्याओं में देर से दिखाई देता है, इसलिए इसे जल्दी पकड़ा जा सकता है केवल अग्रणी उपयोगकर्ताओं के अवलोकन द्वारा (von Hippel, 1986)

ठोस उदाहरण

• जापान की बुढ़ापा और देखभाल/स्वास्थ्यसेवा बाजार: जापान में 65 वर्ष और उससे अधिक आयु की जनसंख्या का अनुपात 1990 में 12% से 2020 में 29% तक बढ़ा है और आगे बढ़ने का अनुमान है (राष्ट्रीय सामाजिक सुरक्षा और जनसंख्या समस्याओं संबंधी संस्थान, 2023)। इस निश्चित परिवर्तन के पृष्ठभूमि में, 2000 में दीर्घकालीन देखभाल बीमा प्रणाली की शुरुआत के साथ-साथ देखभाल सेवाओं का बाजार खड़ा हुआ, और अब निगरानी, दवा प्रबंधन, और देखभाल रोबोट जैसे तकनीकी अनुप्रयोगों के बाजार में फैल गया है
• जनसांख्यिकीय और नई दवा विकास: अमेरिका के प्रत्येक आयु वर्ग की जनसंख्या प्रवृत्ति से जितना अच्छी तरह भविष्य के रोगियों की संख्या का अनुमान लगाया जा सकता है, नई दवाओं का विकास और अनुमोदन उतना ही बढ़ता है। अनुमानित बाजार का आकार 1% बड़ा होने पर नई दवा में प्रवेश लगभग 4-6% बढ़ता है, यह एक उदाहरण है जो दिखाता है कि भविष्य की मांग का अनुमान आविष्कार की दिशा तय करता है (Acemoglu & Linn, 2004)
• महिलाओं की कार्यशीलता में विस्तार और समय-बचाने वाली सेवाएं और पालन सेवा बाजार: 20वीं शताब्दी के उत्तरार्ध में महिलाओं की कर्मचारिता और कैरियर निर्माण का विस्तार "शांत क्रांति" कहलाता है (Goldin, 2006), और कामकाजी दोहरी आय वाले घरों की वृद्धि के माध्यम से, पालन सेवा, अर्ध-तैयार भोजन और भोजन डिलीवरी, और घर के काम की सेवाएं जो समय खरीदती हैं, प्रत्येक देश में बाजार को बढ़ाती हैं। यह वह उदाहरण है जहां जनसांख्यिकीय और मूल्यों में परिवर्तन अतिव्यापी हैं

तकनीकी परिवर्तन

चारों में से यह सबसे असंतत परिवर्तन का स्रोत है, और सबसे अधिक विस्तार से चर्चा की गई है।

यह बाजार को कैसे प्रभावित करता है

• सामान्य-प्रयोजन तकनीक द्वारा अनुप्रयोग क्षेत्रों की श्रृंखला: भाप का इंजन, विद्युत, और IT जैसी सामान्य-प्रयोजन तकनीकें (General Purpose Technology) अपने आप में मूल्य नहीं पैदा करती हैं, बल्कि पूरक नवाचार की श्रृंखला के माध्यम से अनंत अनुप्रयोग क्षेत्रों को जन्म देती हैं (Bresnahan & Trajtenberg, 1995)। इस श्रृंखला को आधारभूत ढांचा → प्लेटफॉर्म → अनुप्रयोग की परतों में बार-बार देखा जाता है, और यदि सामान्य-प्रयोजन तकनीक की पहचान की जा सकती है, तो "अगला विकास इसके अनुप्रयोग परत में होगा, और अगले शोध विषय अनुप्रयोग परत में खुलेंगे" यह संरचनात्मक पूर्वानुमान खड़ा किया जा सकता है (Andreessen, 2011)
• लंबी समय संरचना: सामान्य-प्रयोजन तकनीक के उत्पादकता में प्रतिबिंबित होने के लिए, व्यावसायिक प्रक्रियाओं और संगठन के पुनः डिज़ाइन जैसे पूरक पुनः आविष्कार की आवश्यकता होती है, और इसमें दशकों का समय लगता है। आविष्कार से प्रसार तक की देरी ऐतिहासिक रूप से औसतन 45 साल है, और इस देरी का अंतर प्रत्येक देश के आय अंतर का लगभग एक-चौथाई समझाता है (Comin & Hobijn, 2010)। तकनीकी क्रांति "परिचय की अवधि → उत्साह और बुलबुले → मोड़ बिंदु → विस्तार की अवधि" जैसी सामान्य पैटर्न का पालन करती है, जैसा कि औद्योगिक क्रांति के बाद से 5 लहरों में दिखाया गया है (Perez, 2002)
• लागत वक्र द्वारा बाजार की क्रमिक मुक्ति: "संचयी उत्पादन मात्रा दोगुनी होने पर लागत एक निश्चित दर से गिरती है" यह अनुभवजन्य नियम (राइट का नियम) 62 तकनीकों की पुष्टि में उच्च पूर्वानुमान शक्ति रखता है (Wright, 1936; Nagy et al., 2013)। जैसे-जैसे लागत गिरती है, नए अनुप्रयोग आर्थिक रूप से व्यावहारिक हो जाते हैं, और बाजार सीढ़ीदार रूप से खुलते हैं

ठोस उदाहरण

• विद्युत और कारखाने की उत्पादकता (लगभग 40 साल की देरी): विद्युत 1880 के दशक में व्यावहारिक हुई, लेकिन कारखाने की उत्पादकता में प्रतिबिंबित होने में 1920 के दशक तक का समय लगा। भाप के इंजन को आधार मानकर बनाए गए कारखाने के लेआउट और कार्य डिज़ाइन को विद्युत मोटरों को आधार मानकर फिर से बनाना पड़ा, जिससे लगभग 40 साल का समय लगा (David, 1990)। यह मूल उदाहरण दिखाता है कि सामान्य-प्रयोजन तकनीक का बाजार तकनीक के आगमन से नहीं बल्कि पूरक संपत्तियों की स्थापना के साथ खुलता है
• इंटरनेट, क्लाउड और अनुप्रयोग बाजार की परतें: इंटरनेट जैसी आधारभूत संरचना के ऊपर ई-कॉमर्स, खोज, और SaaS खुले, स्मार्टफोन जैसे प्लेटफॉर्म के ऊपर ऐप अर्थव्यवस्था खुली, क्लाउड के ऊपर API अर्थव्यवस्था खुली, प्रत्येक में लगभग 10 साल की देरी हुई। "सॉफ्टवेयर दुनिया को खा रहा है" यह 2011 की टिप्पणी इस परत संरचना को निवेश प्रस्तावना में अनुवादित करती है (Andreessen, 2011)
• GPU और गहन अध्ययन से सामान्य AI, विशेष AI एजेंट तक: 2009 में यह दिखाया गया कि GPU गहन अध्ययन के प्रशिक्षण को दसियों गुना तेजी से कर सकता है (Raina, Madhavan & Ng, 2009), और 2012 में GPU से प्रशिक्षित तंत्रिका नेटवर्क ने छवि पहचान में शानदार जीत प्राप्त की और गहन अध्ययन का उछाल शुरू हुआ (Krizhevsky, Sutskever & Hinton, 2012)। समानांतर गणना में लागत में गिरावट मूलभूत मॉडल (सामान्य AI) को व्यावहारिक बनाती है, और इसकी अनुप्रयोग परत के रूप में विशेष AI एजेंट का बाजार खुल रहा है। NVIDIA ने 2006 में CUDA में निवेश किया, यह इस श्रृंखला के सबसे ऊपरी हिस्से पर शर्त लगाने का निर्णय था (Witt, 2025)
• सूर्य और बैटरी की लागत वक्र: सौर ऊर्जा की लागत लगभग 40 वर्षों में, संचयी उत्पादन मात्रा के दोगुने होने पर लगभग 20% तक गिरती रही है, और 2010 के दशक में कई क्षेत्रों में मौजूदा बिजली स्रोतों से कम हो गई (Farmer & Lafond, 2016)। लिथियम-आयन बैटरी भी एक ही नियम के अनुसार गिरी है, और ईवी की आर्थिक व्यवहार्यता की सीमा पार कर गई है (Ziegler & Trancik, 2021)। लागत वक्र को एक्सट्रापोलेट करने से, दोनों बाजारों के 10 साल या उससे अधिक पहले शुरुआती अवधि का अनुमान लगाया जा सकता था।

ये 4 बाहरी पर्यावरणीय परिवर्तन स्वतंत्र नहीं बल्कि समन्वित हैं। ईवी बाजार बैटरी लागत में कमी (प्रौद्योगिकी) × उत्सर्जन नियमन (राजनीति) × कार्बन तटस्थता का मूल्य (समाज) × उभरते बाजारों की मांग (अर्थव्यवस्था) के गुणन से उत्पन्न हुआ। सौर ऊर्जा बाजार भी लागत वक्र (प्रौद्योगिकी और अर्थव्यवस्था), खरीद प्रणाली (राजनीति), और पर्यावरणीय मानदंड (समाज) के समान दिशा में होने का परिणाम है। जब कई स्रोत एक ही दिशा की ओर इशारा करते हैं, तो किसी क्षेत्र की वृद्धि सबसे अधिक सटीक होती है।

विकास बाजार की पूर्वानुमान पद्धति

विकास बाजार के कारकों को संकेत और मात्रा निर्धारण करने की विधि को 5 श्रृंखलाओं और 12 तरीकों में व्यवस्थित किया जा सकता है। नीचे, प्रत्येक विधि की व्याख्या अवलोकन, उत्पन्न पृष्ठभूमि और ठोस उदाहरण के समान दृष्टिकोण से की जाती है।

एक्सट्रापोलेशन और मॉडलिंग प्रणाली

यह डेटा पर एक कानून लागू करने और इसे भविष्य में विस्तारित करने की प्रणाली है। जब डेटा मौजूद है तो यह सबसे अधिक मात्रात्मक है, और जब यह मौजूद नहीं है तो यह समान मामलों से उधार लेता है।

एस-वक्र / प्रसार सिद्धांत

• अवलोकन: नई प्रौद्योगिकी का प्रसार इनोवेटर (2.5%) → अर्ली एडॉप्टर (13.5%) → अर्ली मेजोरिटी (34%) → लेट मेजोरिटी (34%) → लैगार्ड (16%) के क्रम में होता है, और संचयी रूप से एस-वक्र को दर्शाता है। जब प्रसार दर 10-20% तक पहुंचती है, तो एस-वक्र की ढलान का अनुमान लगाया जा सकता है, और संतृप्ति स्तर और पहुंचने का समय एक्सट्रापोलेट किया जा सकता है (Rogers, 1962)।
• उत्पन्न पृष्ठभूमि: 1930 के दशक में आयोवा राज्य में संकर मकई को किसानों के बीच अपनाने की प्रक्रिया को ट्रैक करने वाला समाजशास्त्रीय अनुसंधान इसकी उत्पत्ति है। अपनाने के समय का वितरण सामान्य वितरण के समान था, और संचयी एस-वक्र को दर्शाता था (Ryan & Gross, 1943)। अर्थशास्त्रियों ने इसे प्रत्येक राज्य के डेटा से पुनः बनाया और दिखाया कि प्रसार गति लाभप्रदता के अनुपात में है (Griliches, 1957)। रोजर्स ने 500 से अधिक प्रसार अनुसंधान को एकीकृत किया और इसे एक सामान्य सिद्धांत के रूप में व्यवस्थित किया।
• ठोस उदाहरण: रंगीन टेलीविजन, मोबाइल फोन, स्मार्टफोन और इंटरनेट का प्रसार दर संयुक्त राज्य के घरेलू प्रसार दर में एस-वक्र को दर्शाता है। 1980 के दशक में अमेरिकी मोबाइल फोन का पूर्वानुमान 100 गुना से अधिक वास्तविक परिणामों से कम था, जो प्रारंभिक धीमी शुरुआत अवधि को सीधी रेखा के साथ विस्तारित करने से हुआ था (The Economist, 1999)। इसके विपरीत, यदि प्रसार दर 10% से अधिक होने पर एस-वक्र को लागू किया जाता है, तो संतृप्ति स्तर काफी सटीकता के साथ पढ़ा जा सकता था (Rogers, 1962; The Economist, 1999)।

बास मॉडल

• अवलोकन: एस-वक्र को "नवाचार गुणांक p (विज्ञापन या बाहरी जानकारी से स्वयं अपनाने की शक्ति)" और "अनुकरण गुणांक q (मौजूदा अपनाने वालों से मुंह के शब्द से फैलने की शक्ति)" के 2 गुणांक के साथ औपचारिक रूप से परिभाषित किया गया है। संचयी अपनाने वालों की संख्या से अगली अवधि के अपनाने वालों की संख्या की गणना की जा सकती है, और शिखर समय और बाजार आकार विश्लेषणात्मक रूप से प्राप्त किए जा सकते हैं। 213 अनुप्रयुक्त अनुसंधान के मेटा-विश्लेषण में, p का औसत लगभग 0.03 था, और q का औसत लगभग 0.38 था (Bass, 1969; Sultan, Farley & Lehmann, 1990)।
• उत्पन्न पृष्ठभूमि: 1960 के दशक में, घरेलू उपकरण निर्माताओं को रंगीन टेलीविजन जैसी टिकाऊ उपभोक्ता वस्तुओं के लिए उत्पादन योजना बनाने की आवश्यकता थी, लॉन्च के बाद कुछ वर्षों के डेटा से बिक्री शिखर का पूर्वानुमान लगाने के लिए। बास ने रेफ्रिजरेटर, फ्रीजर, टेलीविजन और 11 अन्य उत्पादों में फिट होने को सत्यापित किया और रंगीन टेलीविजन की बिक्री शिखर के समय का पूर्वानुमान लगाया (Bass, 1969)।
• ठोस उदाहरण: खिलौना निर्माता मटेल ने 1994 में सेवा शुरू करने से पहले डायरेक्टीवी के लिए, केबल टेलीविजन जैसी समान सेवाओं के गुणांक का उपयोग करके बास मॉडल के साथ 5 वर्षों के ग्राहकों की संख्या का पूर्वानुमान लगाया, जो वास्तविकता के साथ लगभग मेल खाता था। यह दर्शाता है कि लॉन्च से पहले भी मॉडल काम करता है (Bass et al., 2001)।

राइट का कानून (अनुभव वक्र)

• अवलोकन: "संचयी उत्पादन मात्रा दोगुनी होने पर, इकाई लागत एक निश्चित दर (प्रौद्योगिकी के अनुसार 10-30%) गिरती है" एक अनुभविक नियम है। यह मांग के बजाय लागत पक्ष से बाजार की शुरुआत का पूर्वानुमान लगाता है। लागत में गिरावट की रेखा जिस बिंदु पर उपयोग आर्थिक रूप से व्यवहार्य है, उससे मिलती है, वह बिंदु बाजार के खुलने का समय अनुमान बन जाता है (Wright, 1936)।
• उत्पन्न पृष्ठभूमि: 1936 में, विमानन इंजीनियर राइट ने पाया कि विमान के एसेंबली कार्य घंटे संचयी उत्पादन विमान संख्या में वृद्धि के साथ एक निश्चित दर से गिरते हैं। इसका उपयोग द्वितीय विश्व युद्ध के दौरान सैन्य विमान उत्पादन योजना में किया गया था, और 1960 के दशक में बोस्टन कंसल्टिंग ग्रुप ने इसे "अनुभव वक्र" के रूप में प्रबंधन रणनीति में लाया (Wright, 1936; Boston Consulting Group, 1968)। 2010 के दशक में, 62 प्रौद्योगिकियों के डेटा में यह कानून अन्य पूर्वानुमान कानूनों की तुलना में उच्च पूर्वानुमान शक्ति रखता है, इसका सांख्यिकीय रूप से सत्यापन किया गया (Nagy et al., 2013)।
• ठोस उदाहरण: सौर ऊर्जा मॉड्यूल 1976 के बाद से, संचयी उत्पादन मात्रा के दोगुने होने पर लगभग 20% की लागत में कमी जारी रहीं, और 2010 के दशक में कई क्षेत्रों में कोयला बिजली संयंत्र की उत्पादन लागत से कम हो गई। लिथियम-आयन बैटरी भी एक समान कानून का पालन करते हुए गिरी है, और ईवी की आर्थिक व्यवहार्यता की सीमा पार कर गई है (Farmer & Lafond, 2016; Ziegler & Trancik, 2021)। 1980 में इस कानून को एक्सट्रापोलेट किया गया होता तो सौर ऊर्जा बाजार के 2010 के दशक में खुलने का पूर्वानुमान लगाया जा सकता था।

संदर्भ वर्ग पूर्वानुमान

• अवलोकन: पूर्वानुमान के लिए वस्तु को "अंदर से" जमा करने के बजाय, समान पूर्वगामी मामलों (संदर्भ वर्ग) का वास्तविक वितरण देखते हैं और उस वितरण में लक्ष्य को रखते हैं। नए बाजार के पूर्वानुमान में, समान प्रौद्योगिकी के प्रसार गुणांक या शिखर तक पहुंचने के वर्षों को उधार लिया जाता है (Kahneman & Tversky, 1979; Flyvbjerg, 2006)।
• उत्पन्न पृष्ठभूमि: मनोवैज्ञानिक कहनेमान और त्वेरस्की ने दिखाया कि मानव अपनी योजना को अंदर से देखते समय व्यवस्थित रूप से अत्यधिक आशावादी होते हैं (योजना त्रुटि), और बाहरी दृष्टिकोण से सुधार प्रक्रिया का प्रस्ताव दिया (Kahneman & Tversky, 1979)। फ्लिवबजर्ग ने 258 परिवहन बुनियादी ढांचा परियोजनाओं के डेटा में दिखाया कि 90% लागत से अधिक थे (Flyvbjerg, Holm & Buhl, 2002), और संदर्भ वर्ग के वितरण से सुधार दर प्राप्त करने की विधि को व्यावहारिक बनाया। ब्रिटिश वित्त मंत्रालय ने 2004 में इसे सार्वजनिक परियोजनाओं के मूल्यांकन की आधिकारिक मार्गदर्शिका में अपनाया (Flyvbjerg, 2006)।
• ठोस उदाहरण: नए घरेलू उपकरणों के बिक्री पूर्वानुमान में, समान उत्पादों के प्रसार वक्र को संदर्भित करके पूर्वानुमान करने से, केवल प्रबंधन निर्णय से अधिक सटीकता दिखाई जाती है (Goodwin, Dyussekeneva & Meeran, 2013)। डायरेक्टीवी का प्री-लॉन्च पूर्वानुमान भी समान सेवाओं के गुणांक उधार लेने वाले संदर्भ वर्ग पूर्वानुमान का एक प्रकार है (Bass et al., 2001)। विशेषीकृत एआई एजेंटों के प्रसार को मापने के लिए, SaaS और क्लाउड के कॉर्पोरेट दत्तक दर का विकास संदर्भ वर्ग के उम्मीदवार हैं।

संकेत पहचान प्रणाली

यह वह प्रणाली है जो डेटा के सांख्यिक रूप में परिणत होने से पहले के टुकड़े-टुकड़े संकेतों को एकत्र करती है।

कमजोर संकेत (weak signals)

• अवलोकन: बड़े परिवर्तन से पहले आने वाले, टुकड़े-टुकड़े और अस्पष्ट संकेत (कमजोर संकेत) को व्यवस्थित रूप से एकत्र और व्याख्या करने का विचार। संकेत की सटीकता के अनुसार प्रतिक्रिया को चरणबद्ध रूप से मजबूत करने वाली "चरणबद्ध प्रतिक्रिया" को संयोजित किया जाता है (Ansoff, 1975)।
• उत्पन्न पृष्ठभूमि: 1973 के तेल संकट में, तब प्रचलित दीर्घकालीन व्यावसायिक योजना असंतुलित परिवर्तन के बिल्कुल अनुकूल नहीं थी यह अनुबंध है। रणनीतिक प्रबंधन सिद्धांत के संस्थापक अनसॉफ ने तर्क दिया कि पर्याप्त जानकारी के लिए इंतजार करना बहुत देर हो जाता है, इसलिए कमजोर संकेत के चरण में कार्रवाई शुरू करने की आवश्यकता है (Ansoff, 1975)। 2000 के दशक में इसे "परिधीय दृष्टि" अनुसंधान के रूप में व्यवस्थित किया गया, और संगठन संकेत को कैसे चूकता है और समाधान को कैसे संभालता है इस पर काम किया गया (Day & Schoemaker, 2006; Schoemaker & Day, 2009)।
• ठोस उदाहरण: खिलौना निर्माता मटेल ने अपने मुख्य बार्बी गुड़िया की बिक्री प्रतिद्वंद्वी ब्रैट्ज द्वारा क्षरण के संकेत (लड़कियों की प्राथमिकताओं में परिवर्तन, खुदरा दुकानों में प्रदर्शन में परिवर्तन) को कई वर्षों तक नजरअंदाज किया, और बाजार हिस्सेदारी में बड़ा नुकसान हुआ। संकेत मौजूद था, लेकिन संगठन के पास इसे एकत्र करने का तंत्र नहीं था, यह उदाहरण के रूप में विश्लेषण किया गया है (Day & Schoemaker, 2006)। इसके विपरीत, विनियामक क्षेत्र में विधेयक प्रस्तुति, विचार-विमर्श, और सार्वजनिक टिप्पणी कमजोर संकेत के विशिष्ट हैं, और इसे कानून बनने के कई वर्ष पहले से देखा जा सकता है।

पेटेंट और पेपर के मेट्रिक विश्लेषण

• अवलोकन: पेटेंट आवेदनों की त्वरण, पत्रों की संख्या में वृद्धि दर, उद्धरण नेटवर्क की संरचनात्मक परिवर्तन, क्रॉस-डिसिप्लिनरी संलयन जैसे संकेतकों से, नई उभरती प्रौद्योगिकी को वाणिज्यीकरण से कई वर्ष पहले पहचानना। हाल ही में, कई संकेतकों को मशीन लर्निंग में डाला जाता है और स्वचालित वर्गीकरण किया जाता है (Lee et al., 2018)।
• उत्पन्न पृष्ठभूमि: 1955 में लेख उद्धरण सूचकांक प्रस्तावित किया गया (Garfield, 1955), और 1960 के दशक में विज्ञान उद्धरण सूचकांक के रूप में व्यावहारिकता हासिल की, जिससे विज्ञान की प्रवृत्ति को मात्रात्मक रूप से ट्रैक किया जा सके। पेटेंट के लिए, अधिक उद्धृत पेटेंट में अधिक आर्थिक मूल्य होता है, इसे सिद्ध किया गया (Hall, Jaffe & Trajtenberg, 2005), और पेटेंट डेटा प्रौद्योगिकी के मूल्य और दिशा को मापने का उपकरण बन गया है।
• ठोस उदाहरण: जीनोम संपादन प्रौद्योगिकी CRISPR-Cas9 2012 के लेख प्रकाशन के बाद, संबंधित लेख संख्या और पेटेंट आवेदन कुछ वर्षों में तेजी से बढ़े, और 2020 के नोबेल रसायन विज्ञान पुरस्कार और कई कंपनी स्थापनाओं से पहले आए। यदि लेख मेट्रिक्स का पालन किया गया होता तो अनुप्रयोग बाजार की शुरुआत को कुछ वर्ष पहले पहचाना जा सकता था। यही विधि शोधकर्ताओं के लिए भी प्रभावी है, और अभी तक भीड़ नहीं लगे नए क्षेत्रों को खोजने का उपकरण बन जाता है (Foster, Rzhetsky & Evans, 2015)।

सामूहिक ज्ञान और निर्णय प्रणाली

जब डेटा मौजूद नहीं है और मानव निर्णय पर निर्भर होना पड़ता है, तो निर्णय को कैसे एकत्र किया जाए और प्रशिक्षण से सटीकता बढ़ाई जाए, यह प्रणाली है।

डेलफाई विधि

• अवलोकन: विशेषज्ञों से गुप्त रूप से पूर्वानुमान लगवाया जाता है, परिणामों और कारणों को प्रतिक्रिया दी जाती है और कई बार पुनः जवाब देने के लिए कहा जाता है, और विचार को एकत्रित किया जाता है। गुप्तता से जोर-शोर से आवाज वाले लोगों के समान विचार को रोका जाता है, और पुनरावृत्ति से जानकारी साझा की जाती है (Dalkey & Helmer, 1963)। प्राचीन ग्रीस के अपोलो मंदिर के साथ एक मंदिर वाली "डेल्फाई" (डेल्फी) पर आधारित, जहां देश के महत्वपूर्ण निर्णय में लोग डेल्फाई की देवी की कही हुई बात (भविष्यवाणी) मांगते थे, वैसे ही कई विशेषज्ञों की अंतर्दृष्टि और पूर्वानुमान को एकत्रित करके भविष्य का पूर्वानुमान और निर्णय लेने की विधि।
• उत्पत्ति की पृष्ठभूमि: 1950 के दशक की शीत युद्ध अवधि में, RAND संस्थान ने अमेरिकी वायु सेना के लिए ऐसे सैन्य प्रश्नों (उदाहरण: सोवियत संघ के हमले से अमेरिकी सैन्य उत्पादन को एक निश्चित मात्रा में कम करने के लिए आवश्यक परमाणु बमों की संख्या) के बारे में विशेषज्ञों की राय एकत्र करने की आवश्यकता से इसका विकास किया, जहाँ डेटा मौजूद नहीं था। सम्मेलन प्रारूप में प्राधिकार और बातूनी प्रतिभागियों की राय से प्रभावित होने की समस्या को गुमनाम पुनरावृत्ति से दूर किया गया था (Dalkey & Helmer, 1963)। बाद के अनुभवजन्य अनुसंधान की समीक्षा में, डेल्फी पद्धति ने सांख्यिकीय रूप से एकत्र किए गए समूह को 16 अध्ययनों में से 12 में, सामान्य आमने-सामने के समूह को 5 अध्ययनों में से 5 में पार कर गया (Rowe & Wright, 1999)।
• ठोस उदाहरण: जापान का विज्ञान और प्रौद्योगिकी पूर्वानुमान सर्वेक्षण 1971 से लगभग हर 5 साल में हजारों विशेषज्ञों से डेल्फी पद्धति के माध्यम से भविष्य की विज्ञान और प्रौद्योगिकी की वास्तविकता के समय के बारे में पूछता आया है, और 11वां सर्वेक्षण लगभग 700 विज्ञान और प्रौद्योगिकी विषयों से निपटा था। यह आधी सदी तक चलने वाला विश्व का सबसे लंबा डेल्फी सर्वेक्षण है (विज्ञान, प्रौद्योगिकी और शैक्षणिक नीति अनुसंधान संस्थान, 2019)।

पूर्वानुमान बाजार

• अवलोकन: "X साल तक X होगा" जैसी भविष्यवाणियों को प्रतिभूतियों के रूप में बेचने और खरीदने का तरीका है, और उनकी कीमत को संभावना के अनुमान मूल्य के रूप में पढ़ा जाता है। यह विचलित जानकारी को कीमत में एकत्रित करने वाले बाजार के कार्य को पूर्वानुमान में स्थानांतरित करता है (Wolfers & Zitzewitz, 2004)।
• उत्पत्ति की पृष्ठभूमि: कीमत विचलित ज्ञान को एकत्रित करने की अंतर्दृष्टि अर्थशास्त्र के शास्त्रीय विचारों में निहित है (Hayek, 1945)। 1988 में आयोवा विश्वविद्यालय ने राष्ट्रपति चुनाव के लिए एक पूर्वानुमान बाजार खोला, और विचार सर्वेक्षण की तुलना में अधिक सटीकता से मतदान अनुपात की भविष्यवाणी की, जिससे इसे ध्यान आकर्षित किया (Forsythe et al., 1992)। 2000 के दशक में कंपनियों के भीतर अनुप्रयोग शुरू हुआ, और अर्थशास्त्रियों ने नीति अनुप्रयोग का प्रस्ताव दिया (Arrow et al., 2008)।
• ठोस उदाहरण: Hewlett-Packard ने कर्मचारियों को प्रिंटर बिक्री की भविष्यवाणी करने का बाजार संचालित किया, और 8 मामलों में से 6 मामलों में औपचारिक बिक्री पूर्वानुमान से अधिक सटीक परिणाम प्राप्त किए (Chen & Plott, 2002)। Google और Ford के आंतरिक पूर्वानुमान बाजारों के विश्लेषण में भी, कीमत मोटे तौर पर अांशांकित संभावनाओं के रूप में कार्य करती है, और कंपनी के औपचारिक पूर्वानुमान में सकारात्मक पूर्वाग्रह को ठीक करने का प्रभाव की पुष्टि की गई है (Cowgill & Zitzewitz, 2015)।

अतिपूर्वानुमान(Superforecasting)

• अवलोकन: पूर्वानुमान को एक प्रशिक्षणयोग्य कौशल के रूप में माना जाता है, (1) बड़े प्रश्नों को उत्तरदायी उप-प्रश्नों में विघ्नित करना, (2) मूल दर (समान मामलों की पिछली घटना दर) से शुरू करके व्यक्तिगत परिस्थितियों से सुधार करना, (3) संभावनाओं को ठीक अंतराल में व्यक्त करना और नई जानकारी के साथ छोटे कदम में अपडेट करना, (4) टीम के साथ चर्चा करना, और (5) परिणाम रिकॉर्ड करना और प्रतिबिंब का प्रयोग, ये सभी कदम सटीकता बढ़ाते हैं (Tetlock & Gardner, 2015)।
• उत्पत्ति की पृष्ठभूमि: विशेषज्ञों की भविष्यवाणी चिंपांजी के बराबर है, इस 20-वर्षीय अनुसंधान के परिणाम के आधार पर (Tetlock, 2005), संयुक्त राज्य के सूचना एजेंसी IARPA ने 2011 से 4 साल तक भू-राजनीतिक पूर्वानुमान टूर्नामेंट आयोजित किया, जिसमें कई अनुसंधान दलों को प्रतिस्पर्धा के लिए रखा। Tetlock और उनकी टीम ने सामान्य स्वेच्छा से आने वाले लोगों को प्रशिक्षित किया, शीर्ष 2% के "अतिपूर्वानुमानकर्ताओं" को चुना और उन्हें टीम में रखा, जिससे वे अन्य दलों को बड़े अंतर से पार कर गए (Mellers et al., 2014)।
• ठोस उदाहरण: "5 साल में क्या विशिष्ट AI एजेंट मध्यम आकार की कंपनियों के ◯% में तैनात होंगे" का प्रश्न सीधे अपने आप से उत्तर नहीं दिया जा सकता। अतिपूर्वानुमान की प्रक्रिया में, (a) समान तकनीकों (SaaS, RPA) की कंपनी अपनाने की दर 5 साल में कितने प्रतिशत तक पहुंची (आधार दर), (b) अपनाने की पूर्वशर्तें (API का विकास, नियम, कीमत) कितने साल में तैयार होंगी, (c) अग्रणी संकेतक (पायलट अपनाने की घोषणा संख्या, नौकरियों की संख्या) कैसे गति कर रहे हैं, इसमें विघ्नित किया जाता है, और प्रत्येक के लिए संभावनाएं रखी जाती हैं और संयुक्त की जाती हैं। आधार दर से शुरू करने से भी विशेषज्ञों के सहज विचार से अधिक सटीकता दिखाई गई है (Tetlock & Gardner, 2015)।

माँग पक्ष खोज प्रणाली

यह बाजार सर्वेक्षण में अभी तक दिखाई न देने वाली माँग को व्यक्तियों के अवलोकन से खोजने का एक प्रणाली है।

लीड यूजर पद्धति

• अवलोकन: औसत उपयोगकर्ता की तुलना में कई साल पहले समस्याओं का सामना करने वाले और मौजूदा उत्पाद से समाधान न कर पाने वाले अग्रणी उपयोगकर्ताओं (लीड यूजर) को खोजना, और उनके समाधान से भविष्य के बाजार को समझना एक तरीका है। अपनी बाजार के बाहर, समान समस्याओं को अधिक चरम रूप में रखने वाले सन्निहित क्षेत्रों में लीड यूजर को खोजना महत्वपूर्ण है (von Hippel, 1986)।
• उत्पत्ति की पृष्ठभूमि: वैज्ञानिक उपकरण क्षेत्र में महत्वपूर्ण नवाचार का 77% निर्माताओं के बजाय उपयोगकर्ताओं (शोधकर्ताओं) द्वारा तैयार किए गए थे, यह खोज मूल बिंदु है (von Hippel, 1976)। निर्माता जब बाजार सर्वेक्षण में औसत उपयोगकर्ताओं से पूछते हैं तो नई माँग नहीं दिखाई देती क्योंकि वे अभी तक समस्या का सामना नहीं कर रहे हैं, यह सोचकर, 1986 में अग्रणी उपयोगकर्ताओं से सीधे सीखने का तरीका तैयार किया (von Hippel, 1986)।
• ठोस उदाहरण: 3M का चिकित्सा व्यवसाय विभाग सर्जरी के दौरान संक्रमण रोकथाम की समस्या के बारे में, स्वयं की ग्राहकों जैसे सर्जनों के बजाय, अधिक चरम परिस्थितियों में समान समस्या का सामना करने वाले लीड यूजर को खोजा - पशु चिकित्सक (बालों वाले रोगी), हॉलीवुड के मेकअप कलाकार (त्वचा की फिल्म की लंबी अवधि की घनिष्ठता), विकासशील देशों के सर्जन (सुविधा रहित वातावरण में संक्रमण नियंत्रण), और संक्रमण रोकथाम उत्पाद की एक नई अवधारणा प्राप्त की (von Hippel, Thomke & Sonnack, 1999)। लीड यूजर पद्धति से जन्मी अवधारणाएं सामान्य तरीकों की तुलना में लगभग 8 गुना अधिक बिक्री संभावना दिखाती हैं (Lilien et al., 2002)।

नौकरी सिद्धांत

• अवलोकन: ग्राहक उत्पाद नहीं खरीद रहे हैं, बल्कि "पूरा किए जाने के लिए काम (नौकरी)" को पूरा करने के लिए उत्पाद को "नियुक्त" कर रहे हैं, यह माना जाता है, और मौजूदा उत्पाद श्रेणी या ग्राहक विशेषताओं के बजाय नौकरी की इकाइयों में बाजार को फिर से परिभाषित किया जाता है। नौकरी की इकाइयों में देखने पर, बाजार का आकार और प्रतियोगी दोनों बदल जाते हैं (Christensen et al., 2016)।
• उत्पत्ति की पृष्ठभूमि: "ग्राहक ड्रिल नहीं चाहते, वे छेद चाहते हैं" यह विपणन की एक पुरानी अंतर्दृष्टि है (Levitt, 1983), जिसे Christensen ने विनाशकारी नवाचार अनुसंधान में सिद्धांतित किया। मौजूदा कंपनियाँ ग्राहक विशेषताओं (आयु, आय) के आधार पर बाजार को विभाजित करती हैं, जिससे नई माँग की अनदेखी करते हैं, यह विफलता विश्लेषण से जन्मा है (Christensen, 1997; Christensen et al., 2016)।
• ठोस उदाहरण: एक फास्ट फूड चेन में दूध शेक बिक्री बढ़ाने के लिए स्वाद या कीमत में सुधार करने के बावजूद कोई प्रभाव नहीं पड़ा, जब तक कि अवलोकन से पता नहीं चला कि सुबह के क्रेताओं के अधिकांश "लंबी यात्रा के दौरान बोरियत दूर करने और दोपहर तक भूख को दबाने" के नाम पर खरीद रहे थे। इस नौकरी के लिए प्रतियोगी केला और डोनट हैं, और दूध शेक का बाजार आकार "मिठाई बाजार" नहीं बल्कि "यात्रा समय बाजार" में मापा जाना चाहिए, यह एक उदाहरण है (Christensen et al., 2016)।

संरचना - परिदृश्य प्रणाली

जब अनिश्चितता इतनी अधिक हो कि एक पूर्वानुमान अर्थपूर्ण न हो, कई भविष्य के विवरण देकर तैयारी करने की प्रणाली है।

परिदृश्य योजना

• अवलोकन: पूर्वानुमान को एक में सीमित न करके, निश्चित कारकों (जनसांख्यिकी आदि) और महत्वपूर्ण अनिश्चितताओं (नियम, तकनीकी सफलता आदि) को अलग करके, अनिश्चितताओं के संयोजनों से 2-4 सुसंगत भविष्य छवियों को चित्रित करके, और प्रत्येक परिदृश्य के अग्रणी संकेतकों को मॉनिटर करने की एक तरीका है। इसका उद्देश्य सही भविष्यवाणी करना नहीं, बल्कि कोई भी परिदृश्य आए तो उसके लिए तैयार निर्णय लेना है (Schoemaker, 1995)।
• उत्पत्ति की पृष्ठभूमि: 1950-60 के दशक में, RAND संस्थान के Herman Kahn ने परमाणु युद्ध की प्रगति को कई परिदृश्यों के रूप में वर्णित करने की तकनीक विकसित की (Kahn & Wiener, 1967)। इसे कॉर्पोरेट प्रबंधन में लाने वाली Shell कंपनी ने 1970 के दशक की शुरुआत में "तेल की कीमत में तेजी से वृद्धि और तेल उत्पादक देशों का नेतृत्व कब्जा" का परिदृश्य प्रबंधन दल को दिखाया, और 1973 के तेल संकट में प्रतियोगियों से पहले प्रतिक्रिया दी। इसके प्रभारी Wack ने अपने अनुभव को 1985 में लेख के रूप में प्रकाशित किया (Wack, 1985)।
• ठोस उदाहरण: Shell ने 1980 के दशक में भी सोवियत संघ के व्यवस्था परिवर्तन और तेल कीमत के तेजी से गिरने का परिदृश्य चित्रित किया, और 1986 में कच्चे तेल की कीमत में अचानक गिरावट के लिए तैयार था (Schwartz, 1991)। विशिष्ट AI एजेंटों की तरह विकास बाजार पूर्वानुमान पर लागू करते समय, उदाहरण के लिए "AI नियम की गहनता (मजबूत/कमजोर)" और "मूल मॉडल की लागत में कमी (तेजी/धीमी)" की 2 अक्षों पर 4 परिदृश्यों को चित्रित करके, प्रत्येक में उभरने वाले अनुप्रयोग क्षेत्र और समय अलग-अलग हैं, यह स्पष्ट करने के बाद, नियम का मसौदा समीक्षा स्थिति और सुझाव लागत को अग्रणी संकेतकों के रूप में मॉनिटर किया जाता है (Schoemaker, 1995)।

स्रोत और विधि का पत्राचार

ये 5 प्रणालियाँ, पिछले अध्याय के 4 स्रोतों के साथ पत्राचार करने से उपयोग स्थान स्पष्ट हो जाते हैं।

• राजनीति का परिवर्तन: संरचना-परिदृश्य प्रणाली (नियम बजट के विभाजन के आधार पर परिदृश्य स्थापित करें, अग्रणी संकेतकों की निगरानी करें)
• अर्थव्यवस्था का परिवर्तन: एक्सट्रपोलेशन-मॉडल प्रणाली (लागत वक्र, सापेक्ष कीमत, व्यापक आर्थिक संकेतक)
• समाज का परिवर्तन: एक्सट्रपोलेशन-मॉडल प्रणाली (जनसांख्यिकी) + माँग पक्ष खोज प्रणाली (मूल्य विचार में परिवर्तन)
• तकनीक का परिवर्तन: संकेत पहचान प्रणाली + एक्सट्रपोलेशन-मॉडल प्रणाली (पेटेंट, पत्र → S-वक्र, लागत वक्र)

व्यावहारिकता के ठोस उदाहरण

शिक्षा के बाहर भी, उत्कृष्ट शोधकर्ता, निवेशक, कंपनियाँ और राष्ट्र, उपर्युक्त दृष्टिकोणों के समान प्रकार की विधियों को व्यावहारिक करते हैं। यहाँ हर श्रेणी में किन विधियों और व्यवहारों के साथ विकास बाजारों की भविष्यवाणी की जाती है, इसे संगठित किया जाता है।

निवेशकों

निवेशक, विकास बाजार की भविष्यवाणी को सबसे प्रत्यक्ष रूप से लाभ में परिवर्तित करने वाली इकाई हैं। परंतु, VC, विकास स्टॉक निवेशक, हेज फंड, संस्थागत निवेशकों में, समय अक्ष और विधि बहुत अलग होते हैं।

• उद्यम पूंजीपति(Sequoia Capital): Apple, Cisco, Google में प्रारंभिक निवेश करने वाले Don Valentine ने निवेश निर्णय का प्रथम मानदंड "बाजार का आकार" रखा। "मैं मनुष्य में नहीं, बड़े बाजार में निवेश करता हूँ" कहा, और बार-बार कहते हैं कि चाहे प्रबंधक कितना ही अच्छा हो, छोटे बाजार में बड़ी कंपनी नहीं बन सकती (Valentine, 2010)।
• उद्यम पूंजीपति(Y Combinator, Andreessen Horowitz, Founders Fund): Y Combinator के Paul Graham ने कहा "भविष्य में रहो और अनुपस्थित चीजों को बनाओ", सबसे अग्रणी वातावरण में रहने वाले व्यक्ति जो असुविधा महसूस करते हैं, वही भविष्य का बाजार है। यह लीड यूजर पद्धति का व्यावहारिक संस्करण है (Graham, 2012)। Andreessen Horowitz की "सॉफ्टवेयर दुनिया को खा गया" यह थीसिस सामान्य तकनीकी सिद्धांत को निवेश थीसिस में अनुवादित किया गया है, और इस कंपनी पहले विशेष थीसिस (क्लाउड, मोबाइल, AI) स्थापित करती है और सार्वजनिक करती है, फिर इसके अनुसार निवेश करती है, यह संरचना-परिदृश्य प्रणाली का व्यावहारिक संस्करण है (Andreessen, 2011)। Founders Fund के Peter Thiel का "जिस बात से अधिकांश लोग सहमत नहीं हैं, महत्वपूर्ण सच्चाई क्या है" यह प्रश्न दिखाता है कि अधिक-सामान्य लाभ केवल सहमति के बाहर की भविष्यवाणियों में ही हो सकता है (Thiel & Masters, 2014)।
• ग्रोथ स्टॉक के दीर्घकालीन निवेशक (Baillie Gifford)：स्कॉटलैंड की संपत्ति प्रबंधन कंपनी Baillie Gifford ने Amazon और Tesla में सूचीबद्ध होने के शुरुआती चरणों से निवेश किया और इन्हें 10 वर्ष से अधिक समय तक रखा। इसका आधार शेयर रिटर्न के अत्यधिक पक्षपाती वितरण पर आधारित प्रमाणिक अनुसंधान है। 1926 के बाद से अमेरिकी स्टॉक के विश्लेषण में, कुल संपत्ति सृजन शीर्ष 4% प्रतिभूतियों द्वारा उत्पन्न होता है, और शेष 96% की रिटर्न अल्पकालिक सरकारी प्रतिभूतियों के समान या उससे कम है (Bessembinder, 2018)। बाजार की समग्रता की भविष्यवाणी करने के बजाय, विकास बाजार में असाधारण विजेता बन सकने वाली कुछ कंपनियों की पहचान करना, उनमें ध्यान केंद्रित करना और उन्हें लंबे समय तक रखना—यह रणनीति इस वितरण से उत्पन्न होती है।
• थीम-आधारित सक्रिय प्रबंधन (ARK Invest)：ARK Invest राइट का नियम (संचयी उत्पादन मात्रा के दोगुने होने पर लागत में कमी) का स्पष्ट रूप से उपयोग करके, बैटरी, जीनोम अनुक्रमण, कृत्रिम बुद्धिमत्ता और अन्य तकनीकों के लागत वक्रों को बाहर की ओर निर्भरित करता है, और अनुप्रयोग बाजार के शुरू होने के समय की भविष्यवाणी करके निवेश करता है (ARK Invest, 2024)। यह लेख के बाहय निर्भरण और मॉडलिंग पद्धति को सीधे प्रबंधन में लागू करने का उदाहरण है, लेकिन 2021 को शिखर मानकर प्रबंधित संपत्ति में भारी गिरावट ने यह भी दर्शाया कि भले ही तकनीक की दिशा की भविष्यवाणी सही हो, यदि प्रवेश मूल्य और समय गलत हो तो नुकसान हो सकता है (Perez, 2002; Siegel, 2005)।
• मैक्रो हेज फंड (Bridgewater Associates)：Ray Dalio द्वारा नेतृत्व किए जाने वाले Bridgewater ने पिछले कुछ सौ वर्षों के ऋण संकट, मुद्रा संकट और वर्चस्व में परिवर्तन के मामलों को व्यवस्थित रूप से व्यवस्थित किया है, और वर्तमान स्थिति को अतीत के किस चरण के समान दिखता है, इससे निर्णय लेता है (Dalio, 2018)। यह संदर्भ वर्ग पूर्वानुमान को वित्तीय बाजार में लागू करने का व्यावहारिक संस्करण है। दूसरी ओर, George Soros ने सिद्धांतीकृत किया कि बाजार प्रतिभागियों की भविष्यवाणी कीमत को प्रभावित करती है, और कीमत वास्तविकता को प्रभावित करती है, जिसे "पुनरावर्ती" कहा जाता है, और भविष्यवाणी जो लक्ष्य को स्वयं बदल देती है, इसी सीमा को निवेश रणनीति के केंद्र में रखा (Soros, 1987)। पूर्वानुमान की सीमा को ही राजस्व स्रोत बनाने का उदाहरण है।
• क्वांटस हेज फंड (Renaissance Technologies)：गणितज्ञ James Simons द्वारा स्थापित Renaissance Technologies, बाजार की वृद्धि या कंपनी के भविष्य की किसी भी भविष्यवाणी नहीं करता। यह कीमत डेटा में सांख्यिकीय पैटर्न को अल्पकालिक (कुछ दिन के अंदर) में पकड़ने वाले व्यापार तक सीमित है, और दीर्घकालिक भविष्यवाणी को त्यागकर उच्च कार्यक्षमता बनाए रखा (Zuckerman, 2019)। यह "भविष्यवाणी योग्य (अल्पकालिक सांख्यिकीय नियमितता) और अप्रत्याशित (बाजार की दीर्घकालिक दिशा) को अलग करना, और केवल पूर्वार्द्ध पर दांव लगाना" - यह इस लेख की विपरीत दिशा से सीमा की स्वीकृति है।
• वैल्यू निवेशक (Berkshire Hathaway)：Warren Buffett ने विकास बाजार की भविष्यवाणी करके निवेश करने से स्पष्ट रूप से बचा है। 2007 के शेयरधारक पत्र में उन्होंने कहा "सबसे बुरा व्यवसाय वह है जो तेजी से बढ़ता है, वृद्धि के लिए बड़ी पूंजी की आवश्यकता है, और फिर भी लगभग कोई लाभ उत्पन्न नहीं करता है। विमान उद्योग को लें" (Buffett, 2008)। बाजार की वृद्धि और निवेश रिटर्न को अलग करते हैं, और केवल उन कंपनियों का चयन करते हैं जो अपनी समझ की सीमा के भीतर हों (क्षमता का वृत्त) और जिनके पास स्थायी प्रतिस्पर्धी लाभ हो। विकास बाजार को समझना मुश्किल है और वृद्धि लाभ से जुड़ी नहीं हो सकती है - इसकी सीमा को निवेश दर्शन के पूर्वधारणा में रखने का उदाहरण है।
• संस्थागत निवेशक (Temasek, Yale University Endowment)：सिंगापुर की सरकारी निवेश कंपनी Temasek ने "डिजिटलकरण" "टिकाऊ जीवन" "खपत का भविष्य" "दीर्घायु" जैसी चार संरचनात्मक प्रवृत्तियां प्रस्तुत की हैं और इन विषयों के अनुरूप पोर्टफोलियो को पुनर्गठित कर रहा है (Temasek, 2023)। यह लेख की चार स्रोतों (तकनीक, समाज, अर्थव्यवस्था, जनसांख्यिकी) को संस्थागत निवेशकों की संपत्ति आवंटन में अनुवादित करने का उदाहरण है। Yale University Endowment का नेतृत्व करने वाले David Swensen ने 1980 के दशक से उद्यम पूंजी और निजी इक्विटी जैसी संपत्ति श्रेणियों में आवंटन स्थानांतरित किया, जहां सूचना का अनिश्चितता बड़ा है और पूर्वानुमान की तकनीक अतिरिक्त रिटर्न देती है, और विश्वविद्यालय के फंड प्रबंधन मॉडल को पूरी तरह बदल दिया (Swensen, 2009)। "कौन सा बाजार बढ़ेगा" केवल यह नहीं, बल्कि "कौन सा बाजार ऐसा है जहां अंतर्दृष्टि की तकनीक अतिरिक्त रिटर्न में बदल जाएगी" को चुनने का उदाहरण है।
• प्रमाणिक अनुसंधान निवेशकों के निर्णय को दर्शाता है：885 उद्यम पूंजीपतियों के सर्वेक्षण में, निवेश लक्ष्य के चयन में सबसे महत्वपूर्ण कारक प्रबंधन टीम थी, और बाजार, व्यावसायिक मॉडल इसके बाद आते थे (Gompers et al., 2020)। दूसरी ओर, 200 से अधिक कंपनियों के बाद विश्लेषण में समय सफलता को सबसे अधिक समझाता है (Gross, 2015)। उद्यम पूंजी की रिटर्न अल्पसंख्यक बड़ी सफलताओं द्वारा समग्र को समर्थन करने वाला अत्यधिक पक्षपाती वितरण है (Kerr, Nanda & Rhodes-Kropf, 2014), और सूचीबद्ध शेयरों में भी यही पूर्वाग्रह है (Bessembinder, 2018), इसलिए बाजार की अंतर्दृष्टि "कौन सी परियोजना में निवेश करें" केवल यह नहीं, बल्कि "कौन सा क्षेत्र कई छोटे दांव वितरित करें और विजेता पर कैसे ध्यान केंद्रित करें" इस पोर्टफोलियो डिजाइन प्रश्न के रूप में कार्य करता है। सूचीबद्ध शेयरों की सक्रिय प्रबंधन में, शुल्क के बाद बाजार औसत से अधिक प्रबंधन करने वाले बहुत कम हैं (Fama & French, 2010), और प्रत्येक देश की आर्थिक विकास दर और शेयर रिटर्न का संबंध लगभग शून्य या नकारात्मक है (Ritter, 2005)। विकास बाजार की भविष्यवाणी कर सकना और यह भविष्यवाणी निवेश रिटर्न बन सकती है, यह प्रमाणिक रूप से अलग समस्या है।

कंपनियां

• Amazon (Working Backwards, AWS)：भविष्य की प्रेस विज्ञप्ति को पहले लिखना, और ग्राहक मूल्य से विपरीत दिशा में विकास करना "Working Backwards", मांग-पक्ष अन्वेषण को संस्थागत रूप है। इस कंपनी ने इस पद्धति से, 2000 के दशक की शुरुआत में अपनी बुनियादी ढांचे संचालन की समस्या से "अन्य कंपनियों को भी एक जैसी समस्या है" मांग को पढ़ा, और 2006 में क्लाउड सेवा AWS लॉन्च की। आंतरिक मुख्य उपयोगकर्ताओं (अपनी विकास टीम) की समस्या से बाहरी बाजार की खोज करने का उदाहरण है (Bryar & Carr, 2021)।
• NVIDIA (CUDA)：2006 में, गहन शिक्षा बूम से कुछ साल पहले, GPU के सामान्य उद्देश्य के कंप्यूटिंग प्लेटफॉर्म CUDA में निवेश करना शुरू किया। शुरुआत में बाजार मौजूद नहीं था और निवेशकों से आलोचना हुई, लेकिन समानांतर कंप्यूटिंग के लागत पतन की तकनीक में दांव लगाया, शोधकर्ताओं के GPU का उपयोग शुरू करने का संकेत (Raina, Madhavan & Ng, 2009; Krizhevsky, Sutskever & Hinton, 2012) की पुष्टि करते हुए निवेश जारी रखा, और अनुप्रयोग क्षेत्र के प्रकट होने की प्रतीक्षा की (Witt, 2025)। तकनीक-मूल पूर्वानुमान और क्रमिक अद्यतन का प्रतिनिधि उदाहरण है।
• Intel (रणनीतिक मोड़ बिंदु)：1985 में, CEO Andy Grove ने जापानी निर्माताओं के प्रवेश से मुख्य मेमोरी व्यवसाय का लाभ गायब होने का संकेत पढ़ा, और संस्थापक व्यवसाय को त्यागकर माइक्रोप्रोसेसर पर ध्यान केंद्रित किया। Grove ने इस अनुभव से, उद्योग संरचना में परिवर्तन के अग्रदूत को "रणनीतिक मोड़ बिंदु" कहा, और इसे खोजने की विधि को प्रणालीबद्ध किया (Grove, 1996)। निकास का निर्णय भी बाजार पूर्वानुमान का आउटपुट है, यह दर्शाने का उदाहरण है।
• Netflix (स्ट्रीमिंग)：1997 की स्थापना में, DVD मेल किराये से शुरुआत करते हुए, अपने नाम में "Net" शामिल किया, और ब्रॉडबैंड के प्रसार और संचार लागत में कमी (लागत वक्र) से भविष्य भविष्य में वितरण में जाएगा की प्रत्याशा रखी। 2007 में स्ट्रीमिंग शुरू की, और अपने मुख्य व्यवसाय को स्वयं प्रतिस्थापित किया (Keating, 2012)। लागत वक्र के बाहय निर्भरण और विनाशकारी नवाचार पर स्वयं पहले सवार होने के निर्णय का उदाहरण है।
• Shell (परिदृश्य योजना)：पहले से उल्लेखित, 1970 के दशक की शुरुआत में तेल संकट के परिदृश्य की तैयारी की, और 1973 के तेल संकट में प्रतिद्वंद्वियों की तुलना में जल्दी प्रतिक्रिया दी (Wack, 1985)। आधी सदी से अधिक समय तक परिदृश्य विभाग को बनाए रखने वाली कंपनी कॉर्पोरेट दूरदर्शिता का आदिरूप है।
• प्रमाणिक अनुसंधान कंपनी दूरदर्शिता के प्रभाव को दर्शाता है：यूरोपीय कंपनियों के 83 के 7 वर्षीय अनुसरण में, भविष्य की तैयारी (दूरदर्शिता कार्य) से युक्त कंपनियों के लाभ दर बिना इसके कंपनियों की तुलना में 33% अधिक थे, और बाजार पूंजीकरण की वृद्धि दर लगभग दोगुनी थी (Rohrbeck & Kum, 2018)। एकबारी पूर्वानुमान नहीं, बल्कि निरंतर अन्वेषण कार्य रखने से व्यावसायिक कार्यक्षमता से जुड़ता है, यह साक्ष्य है।

शोधकर्ता

• Richard Hamming (Bell Labs)：बड़ी सफलता प्राप्त करने वाले शोधकर्ताओं की समानता के रूप में "महत्वपूर्ण समस्या चुनना" और "दरवाजा खुला रखकर काम करना (आसपास की जानकारी के लिए खुला होना)" की ओर इशारा किया। Hamming हर सप्ताह शुक्रवार को दोपहर को "महत्वपूर्ण समस्या क्या है, मैं इसमें क्यों काम नहीं कर रहा हूं" सोचने के समय में खर्च करते थे, और खुल रहे क्षेत्र में जल्दी प्रवेश करने की सलाह देते थे (Hamming, 1986)। यह संकेत पहचान का निरंतर संचालन और प्रारंभिक प्रवेश का व्यावहारिक संस्करण है।
• Katalin Karikó (mRNA अनुसंधान)：1990 के दशक से, तब जब लगभग कोई धन नहीं था, mRNA का चिकित्सीय अनुप्रयोग पर काम जारी रखा। संबद्ध विश्वविद्यालय में पदावनति और अनुसंधान धन की अस्वीकृति का अनुभव करते हुए, 2005 में mRNA की प्रतिरक्षा प्रतिक्रिया को दबाने का संशोधित न्यूक्लिओसाइड विधि प्रकाशित किया, जो 2020 में mRNA वैक्सीन का आधार बना, और 2023 में नोबेल फिजियोलॉजी या मेडिसिन पुरस्कार से जुड़ा (Karikó et al., 2005)। अनुसंधान क्षेत्र का "बहुत जल्दी प्रवेश" और व्यवसाय का "बहुत जल्दी प्रवेश" अलग समय अक्ष रखता है, और आविष्कार से प्रसार तक की अंतराल दशकों तक चलती है (Comin & Hobijn, 2010) इस को मूर्त रूप देने वाला उदाहरण है।
• GPU और गहन शिक्षा के शोधकर्ता：2009 में, Stanford विश्वविद्यालय के समूह ने दिखाया कि GPU का उपयोग करके गहन शिक्षा के प्रशिक्षण को दसियों गुना तेजी से किया जा सकता है (Raina, Madhavan & Ng, 2009)। 2012 में Toronto विश्वविद्यालय के समूह ने दो GPU से प्रशिक्षित तंत्रिका नेटवर्क के साथ छवि पहचान प्रतियोगिता को भारी हाथों से जीता, गहन शिक्षा बूम का शुरुआत बन गया (Krizhevsky, Sutskever & Hinton, 2012)। समानांतर कंप्यूटिंग के लागत पतन का संकेत, जब कई शोधकर्ता अभी इस पर ध्यान नहीं दे रहे हों, अनुसंधान विषय में रूपांतरित किया, इस का उदाहरण है।
• प्रमाणिक अनुसंधान चुनाव दर्शाता है：1,790 मिलियन पत्रों के विश्लेषण में, सबसे बड़े प्रभाव वाले पत्र "अधिकतर परिभाषित ज्ञान के संयोजन, लेकिन एक बिंदु पर असाधारण संयोजन" की संरचना है (Uzzi et al., 2013)। नए क्षेत्र में दांव उच्च प्रभाव उत्पन्न करता है लेकिन विफलता दर भी अधिक है (Foster, Rzhetsky & Evans, 2015) इस ज्ञान के साथ मिलकर, उत्कृष्ट शोधकर्ता "अपने संचय को आधार पर, बढ़ते हुए निकटवर्ती क्षेत्र में एक कदम आगे बढ़ाना" इस रूप में प्रारंभिक प्रवेश करते हैं, ऐसे व्यवस्थित किया जा सकता है।

राष्ट्र

• सिंगापुर (RAHS)：2004 से RAHS (जोखिम मूल्यांकन, क्षितिज स्कैनिंग) को सरकार स्थायी कार्य में स्थापित किया, कमजोर संकेत की खोज को संस्थागत किया। अतिरिक्त 2009 में प्रधानमंत्री कार्यालय में रणनीतिक भविष्य केंद्र स्थापना, सभी विभागों की परिदृश्य योजना की देखरेख किया (Habegger, 2010)। राष्ट्र स्तर पर संकेत अन्वेषण का निरंतर संचालन कर रहा, यह उदाहरण है।
• जापान (वैज्ञानिक और प्रौद्योगिकी पूर्वानुमान सर्वेक्षण): 1971 से लगभग हर पांच साल में जारी डेल्फी सर्वेक्षण का संचय है, और 11वें सर्वेक्षण में लगभग 700 विज्ञान और प्रौद्योगिकी विषयों पर हजारों विशेषज्ञों ने वास्तविकता के समय की भविष्यवाणी की। यह आधी सदी से जारी विश्व की सबसे लंबी डेल्फी सर्वेक्षण है (विज्ञान और प्रौद्योगिकी नीति अनुसंधान संस्थान, 2019)
• यूनाइटेड किंगडम (Foresight कार्यक्रम): 1994 में सरकारी विज्ञान कार्यालय के तहत शुरू किया गया, अंतःविषय विशेषज्ञ पैनल 10-20 साल आगे की प्रौद्योगिकी और सामाजिक परिवर्तन पर विचार करते हैं और इसे नीति में परिलक्षित करते हैं (Habegger, 2010)
• संयुक्त राज्य अमेरिका (DARPA): 1958 में, सोवियत संघ के कृत्रिम उपग्रह स्पुतनिक के प्रतिक्रिया में स्थापित रक्षा उन्नत अनुसंधान परियोजना एजेंसी ने इंटरनेट का मूल प्रोटोटाइप (ARPANET), जीपीएस, स्वायत्त वाहन (2004 ग्रांड चैलेंज) जैसी प्रौद्योगिकियों में निवेश किया, जब बाजार मौजूद नहीं था, और बाद में विशाल बाजार की नींव तैयार की (Fuchs, 2010)। iPhone को बनाने वाली कई मुख्य तकनीकें सार्वजनिक अनुसंधान वित्त पोषण से आई हैं, यह भी इंगित किया गया है (Mazzucato, 2013)। यह एक उदाहरण है जहां राज्य "बहुत जल्दी प्रवेश" के समय अक्ष को स्वीकार करता है
• ताइवान (ITRI और TSMC): 1970 के दशक में, सरकारी संस्थान औद्योगिक प्रौद्योगिकी अनुसंधान संस्थान (ITRI) ने संयुक्त राज्य अमेरिका से अर्धचालक तकनीक का आयात किया, और 1987 में ITRI से अलग होकर TSMC की स्थापना की गई। अर्धचालक बाजार की दीर्घकालीन वृद्धि और डिजाइन और विनिर्माण के विभाजन में औद्योगिक संरचना परिवर्तन को पढ़ते हुए, विनिर्माण विशेषज्ञता (फाउंड्री) में, जो उस समय मौजूद नहीं था, राज्य ने दांव लगाया (Mathews, 1997)

उपरोक्त 4 श्रेणियों के पार सामान्य बिंदु निम्नलिखित हैं।

• एकबारगी भविष्यवाणी नहीं कर रहे हैं: Hamming का शुक्रवार दोपहर, Sequoia की बाजार मानदंड, Shell का परिदृश्य विभाग, सिंगापुर का RAHS सभी संकेतों को लगातार उठाने का तंत्र स्थाई रूप से चालू रखते हैं
• तकनीकी और नियामक संकेतों के प्रति जल्दी प्रतिक्रिया कर रहे हैं: NVIDIA, Netflix, DARPA, ताइवान सभी लागत वक्र और औद्योगिक संरचना परिवर्तन संख्या में प्रदर्शित होने से पहले कार्य करते हैं
• दांव लगाने के बाद भी निगरानी और अद्यतन जारी रखते हैं: NVIDIA ने शोधकर्ताओं के GPU उपयोग की पुष्टि करते हुए निवेश जारी रखा, Intel ने वापसी का निर्णय लिया, ये दोनों भविष्यवाणी के बाद सत्यापन और अद्यतन अभ्यास हैं
• समय अक्ष को भूमिका के अनुसार अलग-अलग उपयोग कर रहे हैं: शोधकर्ता और राज्य दसियों वर्ष, VC 10 वर्ष, व्यवसाय 5-10 वर्ष के समय अक्ष पर एक ही संकेत पर प्रतिक्रिया करते हैं, और जो जल्दी आते हैं वे लंबी देरी को स्वीकार करते हैं (Comin & Hobijn, 2010)

वृद्धि बाजार की भविष्यवाणी पर नवीनतम अनुसंधान प्रवृत्तियां

मुख्य रूप से 2010 के दशक के दूसरे भाग से 2026 तक प्रकाशित अनुसंधान को व्यवस्थित किया जाता है। वृद्धि बाजार की भविष्यवाणी को लेकर अनुसंधान का दृष्टिकोण इस 10 वर्षों में इस प्रकार बदला है।

दृष्टिकोण बदलने के 3 पृष्ठभूमि

• डेटा और कम्प्यूटेशनल विधियों की प्रगति: पेपर, पेटेंट, नौकरी की जानकारी, निर्णय सम्मेलन के प्रतिलेख जैसे पाठ मशीन-पठनीय हो गए हैं, और गहन शिक्षा बड़े पैमाने पर उन्हें संसाधित कर सकती है। एक बार विशेषज्ञ निर्णय या कुछ केस स्टडी पर निर्भर था "नया क्षेत्र कहां खुलता है" यह प्रश्न, अब लाखों डेटा द्वारा सत्यापित प्रायोगिक विज्ञान में बदल गया है (Bloom et al., 2021; Ebadi, Auger & Gauthier, 2022)
• पूर्वानुमान टूर्नामेंट एक प्रायोगिक आधार: अमेरिकी सूचना एजेंसी IARPA द्वारा 2011 से संचालित भूराजनीतिक पूर्वानुमान टूर्नामेंट ने हजारों भविष्यवक्ताओं की सटीकता को एक ही प्रश्न में मापने और तुलना करने का पहला बड़े पैमाने पर डेटा उत्पन्न किया, और "कौन, किस विधि से, कितनी सटीकता से पूर्वानुमान कर सकते हैं" को सांख्यिकीय रूप से सत्यापित करने का आधार बन गया (Mellers et al., 2014; Tetlock, Mellers & Scoblic, 2017)
• ऊर्जा संक्रमण और सामान्य कृत्रिम बुद्धिमत्ता यह 2 तकनीकी संक्रमण: सौर प्रकाश और बैटरी की लागत मुख्य संस्थानों के पूर्वानुमान से लगातार तेजी से गिरी है, जिसने पूर्वानुमान विधि के पश्च-सत्यापन के लिए भारी मात्रा में सामग्री प्रदान की है (Meng et al., 2021)। साथ ही, बड़े भाषा मॉडल के आगमन से "यह सामान्य तकनीक किस उद्योग में कब फैलेगी" यह प्रसार पूर्वानुमान की मांग में तेजी आई है, और यह अपने आप में अनुसंधान का विषय बन गया है (Eloundou et al., 2024)

इसके बाद, हम प्रत्येक विषय में अनुसंधान प्रवृत्तियों का अवलोकन करते हैं।

तकनीकी पूर्वानुमान

• अनुभव वक्र द्वारा संभाव्यता पूर्वानुमान की स्थापना: तकनीक की लागत और कार्यक्षमता सुधार की गति अप्रत्याशित है, यह लंबे समय तक प्रचलित दृष्टिकोण था। 2010 के दशक के दूसरे भाग से, 50 से अधिक तकनीकों के लागत इतिहास का उपयोग करके अनुभव वक्र (राइट का कानून) पर आधारित संभाव्यता पूर्वानुमान को सत्यापित करने का अनुसंधान जमा होता गया, और पूर्वानुमान त्रुटि वितरण सहित आत्मविश्वास अंतराल का उत्पादन किया जा सकता है यह स्तर दिखाया गया है (Farmer & Lafond, 2016; Lafond et al., 2018)। निर्णायक ऊर्जा तकनीक के बारे में विशेषज्ञ अनुमान और सांख्यिकीय मॉडल पूर्वानुमान की सत्यापन तुलना का अनुसंधान था, जहां सांख्यिकीय मॉडल विशेषज्ञ से अधिक सटीक था, और विशेषज्ञ लागत में कमी को व्यवस्थित रूप से कम आंकते थे (Meng et al., 2021)। इस ज्ञान का उपयोग करके सौर प्रकाश, पवन और बैटरी लागत में कमी को संभाव्य रूप से पूर्वानुमान करने से, ऊर्जा संक्रमण को तेजी से आगे बढ़ाने से कुल लागत सस्ती हो जाती है यह निष्कर्ष निकाला जाता है (Way et al., 2022)
• बिना बाजार वाली तकनीकों तक विस्तार: पूर्वानुमान का विषय लागत इतिहास वाली तकनीकों से, अभी भी बाजार रहित तकनीकों तक विस्तारित हो रहा है। पेटेंट डेटा से तकनीकी क्षेत्र के प्रति सुधार दर का अनुमान लगाने की विधि विकसित की गई है, 1,757 तकनीकी क्षेत्रों के लिए वार्षिक सुधार दर की भविष्यवाणी की गई है (Singh, Triulzi & Magee, 2021)। उभरती तकनीकों पर, कट्टरपंथी नई चीजें, अपेक्षाकृत तेजी से वृद्धि, सुसंगतता, उल्लेखनीय प्रभाव, अनिश्चितता ये 5 विशेषताओं से परिभाषित ढांचा प्रस्तावित किया गया है (Rotolo, Hicks & Martin, 2015), इस ढांचे के आधार पर पेटेंट के एकाधिक संकेतकों पर मशीन लर्निंग लागू किया गया है, और बाद में बढ़ी तकनीकों को प्रारंभिक चरण में वर्गीकृत किया जा सकता है यह दिखाया गया है (Lee et al., 2018)। गहन शिक्षा से पेपर, पेटेंट, समाचार के पाठ से कमजोर संकेत का पता लगाने की विधि भी विकसित हुई है (Zhou et al., 2020; Ebadi, Auger & Gauthier, 2022), यूरोपीय संघ का संयुक्त अनुसंधान केंद्र हर वर्ष वास्तविक संचालन पर चढ़ाता है (European Commission Joint Research Centre, 2024)
• पहुंच बिंदु: पहुंच बिंदु के रूप में, "वह तकनीक आर्थिक रूप से कब स्थापित होती है" "अगली कौन सी तकनीक उठेगी" इस प्रश्न का उत्तर विशेषज्ञ के अंतर्ज्ञान से नहीं बल्कि सांख्यिकीय आधार से दिया जा सकता है। इसके बाद वर्णित बाजार पूर्वानुमान की सीमाओं में से, सीधी विदेशीकरण का जाल और विशेषज्ञ द्वारा कम आंकना, दोनों इस विधि से सही किया जा सकता है। डेटा और विधि सार्वजनिक हैं, व्यक्तिगत शोधकर्ताओं और छोटे व्यवसायों के लिए भी समान स्तर की खोज संभव हो गई है

प्रसार और मांग

• पाठ डेटा द्वारा प्रसार का ट्रैकिंग: नई तकनीक का प्रसार, बिक्री और प्रसार दर सांख्यिकी में दिखने के बाद मापा जाता था। 2020 के दशक में प्रवेश करते हुए, निगमों के निर्णय सम्मेलन प्रतिलेख, पेटेंट, नौकरी की जानकारी के पाठ को जोड़ते हुए, क्लाउड, स्मार्टफोन जैसी 29 विघ्नकारी तकनीकों के बारे में कौन से निगम, कौन से शहर में, कब फैली यह ट्रैक करने की विधि विकसित की गई है। नई तकनीक की नियुक्ति शुरुआत में कुछ अग्रणी शहरों में केंद्रित है, समय के साथ प्रसार होता है यह दिखाया गया है (Bloom et al., 2021)। नौकरी की जानकारी का उपयोग करते हुए मशीन लर्निंग "सामान्य तकनीकों" की शर्तें (तेजी से सुधार, विभिन्न उद्योगों में व्यापक घुसपैठ, पूरक नवाचार की प्रेरणा) को सत्यापित करने वाले अनुसंधान में, अन्य उभरती तकनीकों की तुलना में सामान्य तकनीकों की प्रकृति मजबूत है यह सत्यापित किया गया है (Goldfarb, Taska & Teodoridis, 2023)। बड़े भाषा मॉडल के संबंध में भी, व्यवसाय के प्रत्येक कार्य संरचना से प्रभावित श्रम बाजार की सीमा का अनुमान लगाया गया है, लगभग 80% कामगार कार्य के एक भाग से प्रभावित होंगे यह अनुमान लगाया गया है (Eloundou et al., 2024)। नौकरी और निर्णय सम्मेलन यह सार्वजनिक डेटा बाजार सांख्यिकी से कई साल पहले का अग्रणी संकेतक के रूप में कार्य करता है यह सिद्ध किया गया है
• मांग आविष्कार को चलाती है कारणात्मकता का प्रमाण: मांग की ओर से, "भविष्य की बाजार आकार की प्रत्याशा वास्तव में आविष्कार की दिशा को चलाती है" यह प्रश्न कारणात्मक रूप से सत्यापित किया गया है। दवा उद्योग में, जनसांख्यिकी से प्रत्याशित भविष्य की बाजार आकार जितनी बड़ी हो, उस रोग क्षेत्र में नई दवा विकास उतना अधिक बढ़ता है (Acemoglu & Linn, 2004), बाजार का आकार 1% विस्तारित होने से नई दवाओं की संख्या लगभग 0.2% बढ़ती है यह लोच का अनुमान लगाया गया है (Dubois et al., 2015)। ऑटोमोबाइल उद्योग में, जिन देशों में ईंधन मूल्य बढ़ता है, वहां के निर्माता आंतरिक दहन इंजन की बजाय विद्युतीकरण जैसी स्वच्छ तकनीकों के पेटेंट बढ़ाते हैं (Aghion et al., 2016), रोग का बोझ बड़ा होने वाले देश उस उपचार दवा की उत्पादन और निर्यात अधिक है यह मांग उत्पादन स्थान तक चलाती है यह साक्ष्य भी मिला है (Costinot et al., 2019)। बाजार पूर्वानुमान केवल "सही हो या गलत" नहीं बल्कि "क्या दूसरे भी यही पूर्वानुमान कर प्रवेश करेंगे" यह प्रतियोगिता की समस्या भी शामिल है
• विज्ञान से बाजार तक का मार्ग और समय: विज्ञान से बाजार तक का मार्ग और समय भी मापा जाने लगा है। 48 लाख पेटेंट और 3 करोड़ 20 लाख पेपरों के उद्धरण नेटवर्क के विश्लेषण ने, जितना अधिक बाजार मूल्य का पेटेंट है उतना अधिक बुनियादी विज्ञान के पास है, प्रभाव वाले पेपर जितना अधिक तकनीकी अनुप्रयोग के पास है यह दिखाया है (Ahmadpoor & Jones, 2017), पेटेंट द्वारा उद्धृत पेपर का डेटाबेस तैयार किया गया है, विज्ञान का कौन सा क्षेत्र उद्योग में उपयोग होता है यह बड़े पैमाने पर ट्रैक किया जा सकता है (Marx & Fuegi, 2020)। दूसरी ओर, सामान्य तकनीकों में निवेश उत्पादकता में परिलक्षित होने तक, व्यवसाय प्रक्रिया, कर्मचारी, डेटा जैसी पूरक अमूर्त संपत्ति में निवेश की आवश्यकता है, उस समय सांख्यिकीय रूप से, उत्पादकता अस्थायी रूप से गिरती है "J वक्र" को दर्शाती है यह दिखाया गया है (Brynjolfsson, Rock & Syverson, 2021)। सामान्य कृत्रिम बुद्धिमत्ता के संबंध में भी, आधार मॉडल के कार्यक्षमता सुधार से ज्यादा, व्यवसाय प्रक्रिया और डेटा की तैयारी प्रसार की दर निर्धारण चरण बनती है, यह अनुसंधान परंपरा से पूर्वानुमान किया जाता है

अनुसंधान अग्रभाग

• विघ्नकारी परिणामों में कमी और परिपक्व क्षेत्रों का कठोरता: नया अनुसंधान क्षेत्र कहां खुलता है, शोधकर्ताओं को कहां दांव लगाना चाहिए, इस प्रश्न पर भी बड़े डेटा का उत्तर निकलने लगा है। 45 लाख पेपर और 39 लाख पेटेंटों के विश्लेषण ने, मौजूदा ज्ञान को नवीकृत करने वाले "विघ्नकारी" परिणामों का अनुपात सभी क्षेत्रों में निरंतर घट रहे हैं यह दिखाया है (Park, Leahey & Funk, 2023), जो क्षेत्र काफी परिपक्व हुआ है उतना अधिक नई अवधारणा नहीं आती यह भी सत्यापित किया गया है (Chu & Evans, 2021)। शोधकर्ताओं की ओर से, पहले से स्थापित फैशन क्षेत्र में केंद्रित रूढ़िवादी रणनीति प्रचलित है जबकि, नए क्षेत्र में दांव उच्च प्रभाव उत्पन्न करता है यह लाखों पेपरों से दिखाया गया है (Foster, Rzhetsky & Evans, 2015)
• नई खोज के मूल्यांकन में समय अंतराल: नई खोज के मूल्यांकन में समय अंतराल होता है। असामान्य संयोजन वाले उच्च मौलिकता वाले शोधपत्र अल्पकालिक रूप से कम उद्धृत होते हैं लेकिन दीर्घकालिक रूप से "देरी से मान्यता प्राप्त" पैटर्न दिखाते हैं (Wang, Veugelers & Stephan, 2017), और सबसे प्रभावशाली शोधपत्र मानक ज्ञान के संयोजन में केवल एक असामान्य संयोजन वाली संरचना रखते थे (Uzzi et al., 2013)। हालांकि, जब शोधकर्ता अपने विशेषज्ञता से दूर किसी विषय की ओर स्थानांतरित होते हैं तो परिणाम का प्रभाव कम हो जाता है, यह "पिवट पेनल्टी" बड़े पैमाने पर पुष्टि की गई है (Hill et al., 2025), और नए क्षेत्र में प्रवेश अपने संचित ज्ञान के समीपवर्ती रूप में करना तर्कसंगत है।
• निष्कर्ष तक पहुंचना: संक्षेप में, नए क्षेत्र परिपक्व बड़े क्षेत्र के केंद्र में नहीं बल्कि क्षेत्र की सीमाओं या छोटे क्षेत्रों में खुलते हैं। शोधकर्ताओं और आविष्कारकों के लिए "विकास बाजार" अपनी विशेषज्ञता के समीपवर्ती, अभी तक भीड़ भरे न हों सीमांत क्षेत्र हैं, यह वर्तमान निष्कर्ष है।

मानव और AI निर्णय

• एकत्रीकरण विधियों की तुलना: मानव निर्णय को एकत्रित करके भविष्यवाणी करते समय, कौन सी एकत्रीकरण विधि और एकत्रीकरण पद्धति सबसे सटीक है, इसे भविष्यवाणी प्रतियोगिता के डेटा से सत्यापित किया गया। प्रतिभागियों को सीधे संभावनाएं देने दें और सांख्यिकीय रूप से एकत्रित करें "पूर्वानुमान सर्वेक्षण" भविष्यवाणी बाजार के बराबर या उससे बेहतर सटीकता दिखाते हैं (Atanasov et al., 2017), और एकत्रीकरण में औसत संभावना को 0 या 1 की दिशा में धकेलने "ध्रुवीकरण" को जोड़ने से सटीकता में सुधार होता है (Satopää et al., 2014)। डेल्फी विधि के संदर्भ में, सटीकता को बढ़ाने की शर्तें (प्रतिभागियों की विविधता, प्रतिक्रिया की गुणवत्ता, पुनरावृत्ति की संख्या) समीक्षा में व्यवस्थित की गई हैं (Rowe & Wright, 1999)। बैठक में सहमति तक पहुंचने से अधिक, गुमनाम रूप से संभावनाएं एकत्रित करना और सांख्यिकीय रूप से एकत्रित करना अधिक सटीक है, और भविष्यवाणी बाजार के संचालन लागत के बिना समान सटीकता प्राप्त की जा सकती है, यह व्यावहारिक प्रभाव है।
• LLM का आगमन और सीमाएं: 2023 के बाद से, बड़े भाषा मॉडल (LLM) भविष्यवक्ता के रूप में उभरे हैं। 12 प्रकार के LLM की समेकित भविष्यवाणी 925 लोगों की सामूहिक बुद्धिमत्ता के समान सांख्यिकीय सटीकता दिखाती है (Schoenegger et al., 2024a), और खोज द्वारा सर्वश्रेष्ठ जानकारी का समर्थन करने वाला और तर्क प्रक्रिया को अनुकूलित करने वाला LLM व्यक्तिगत प्रश्नों में मानव भविष्यवाणी समूह के करीब पहुंच रहा है (Halawi et al., 2024)। मानव भविष्यवक्ताओं को LLM सहायक देने के प्रयोग में, सहायक की उपस्थिति या अनुपस्थिति में सटीकता में महत्वपूर्ण सुधार हुआ (Schoenegger et al., 2024b)। दूसरी ओर, लगातार अपडेट किए जाने वाले बेंचमार्क में तुलना में, सर्वश्रेष्ठ LLM अभी भी प्रशिक्षित सुपर पूर्वानुमानकर्ताओं तक नहीं पहुंचा है (Karger et al., 2024), और पूर्ण स्वचालन दूर है।
• निष्कर्ष तक पहुंचना: निष्कर्ष के रूप में, AI अन्वेषण, आधार दर प्रस्तुति, परिदृश्य का मसौदा तैयारी जैसी भविष्यवाणी की पूर्व प्रक्रिया की लागत को नाटकीय रूप से कम करता है, जबकि अंतिम संभावना निर्णय और अपडेट निर्णय, निकट भविष्य के लिए प्रशिक्षित मानव द्वारा अधिक सटीक है। "AI अन्वेषण करता है, मानव निर्णय लेता है, AI निगरानी करता है, मानव अपडेट करता है" यह विभाजन वर्तमान शोध द्वारा दिखाया गया सबसे सटीक संरचना है। कभी राष्ट्र या VC ही कर सकते थे उस स्तर की स्कैनिंग, अब यह विभाजन व्यक्तिगत शोधकर्ता और सामान्य व्यावसायिक कंपनियों के लिए भी सुलभ हो गई है।

विकास बाजार पूर्वानुमान की सीमाएं

यहाँ तक, हमने विकास बाजार को समझने के स्रोत, विधि, व्यवहार और नवीनतम शोध को व्यवस्थित किया है। अंत में, बाजार पूर्वानुमान की विशिष्ट सीमाओं को व्यवस्थित करते हैं। सीमाएं मानव को धारणा, बाजार की संरचना, पूर्वानुमान की आत्म-संदर्भता, डेटा और विधि, 4 में विभाजित हैं।

धारणा की सीमाएं

• विशेषज्ञ की पूर्वानुमान सटीकता: विशेषज्ञ की पूर्वानुमान, दीर्घकालिक बड़े पैमाने पर सत्यापन में, अनुमान से लगभग समान स्तर दिखाई गई है। 284 विशेषज्ञों द्वारा लगभग 28,000 भविष्यवाणियों को 20 साल तक ट्रैक करने वाले अध्ययन में, विशेषज्ञ की सटीकता "डार्ट फेंकने वाले चिंपांजी" के समान थी, एक बड़े सिद्धांत से सब कुछ समझाने वाले प्रकार (हेजहोग प्रकार) सबसे खराब प्रदर्शन करते हैं, विविध जानकारी को लचीलेपन से लेने वाले प्रकार (लोमड़ी प्रकार) सापेक्ष रूप से बेहतर हैं (Tetlock, 2005)। बाजार पूर्वानुमान में भी, 1980 के दशक की शुरुआत में AT&T के अनुरोध पर किए गए सर्वेक्षण ने 2000 में अमेरिकी मोबाइल फोन सदस्यता को लगभग 900,000 के रूप में पूर्वानुमान दिया, जो वास्तविकता के लगभग 109 मिलियन से 100 गुना से अधिक कम था (The Economist, 1999)। सौर ऊर्जा के बारे में भी, प्रमुख संस्थाओं का अपनाने का पूर्वानुमान हर साल वास्तविकता से कम रहा है, और वास्तविकता पूर्वानुमान से आगे निकली तब भी अगले साल के पूर्वानुमान को पर्याप्त रूप से नहीं बढ़ाया गया (Creutzig et al., 2017)।
• विकृति की नियमितता: विकृति की दिशा में नियमितता होती है। पहला, प्रौद्योगिकी का प्रसार S-वक्र या घातांकी रूप से होता है, लेकिन मानव हाल ही के रुझान को सीधी रेखा से बढ़ाते हैं, जिससे "2 साल बाद के परिवर्तन को अतिशंसित और 10 साल बाद के परिवर्तन को कम मूल्यांकन" की त्रुटि होती है (Gates, 1996; Rogers, 1962)। विशेषज्ञ ऊर्जा प्रौद्योगिकी की लागत में कमी को व्यवस्थित रूप से कम मूल्यांकन करते हैं, यह सांख्यिकीय मॉडल के साथ बाद की तुलना में पुष्टि की गई है (Meng et al., 2021)। दूसरा, विघ्नकारी नवाचार शुरुआत में कम प्रदर्शन और छोटे बाजार वाले होते हैं, इसलिए मौजूदा ग्राहकों की आवाज और मौजूदा बाजार के डेटा पर आधारित विश्लेषण उन्हें "नगण्य" मानते हैं (Christensen, 1997)। तीसरा, यदि अपनी परियोजना को "भीतर से" इकट्ठा करके पूर्वानुमान दिया जाए, तो योजना त्रुटि (planning fallacy) के कारण व्यवस्थित रूप से आशावादिता की ओर विकृति होती है। 258 सार्वजनिक परियोजनाओं के विश्लेषण में 90% ने लागत को कम आंका था (Kahneman & Tversky, 1979; Flyvbjerg, Holm & Buhl, 2002)।
• शोधकर्ता की संरक्षणशीलता: शोधकर्ताओं में भी समान प्रकार की विकृति होती है। शोधकर्ता पहले से स्थापित लोकप्रिय क्षेत्रों में ध्यान केंद्रित करने की संरक्षणशील रणनीति अपनाते हैं, लेकिन नए क्षेत्र में दांव विफलता दर अधिक है जबकि सफलता की सूचना सटीकता बड़ी है, और समूह के रूप में संरक्षणशील विकल्प अत्यधिक है यह लाखों शोधपत्रों में दिखाया गया है (Foster, Rzhetsky & Evans, 2015)। जहां विकास किसी को भी स्पष्ट है ऐसे क्षेत्रों में प्रतिस्पर्धा तीव्र है और प्रारंभिक प्रवेश का लाभ खो जाता है, सहमति से अलग भविष्यवाणी में ही अतिरिक्त रिटर्न है (Thiel & Masters, 2014)।

संरचना की सीमाएं

• जोखिम और अनिश्चितता का अंतर: भविष्यवाणी योग्य "जोखिम" और भविष्यवाणी योग्य नहीं "अनिश्चितता" को अलग किया गया है। अतीत की आवृत्ति से संभावना की गणना की जा सकने वाली जोखिम के विपरीत, संदर्भ योग्य अतीत न होने वाली अनिश्चितता (नाइट की अनिश्चितता) में संभावना स्वयं परिभाषित नहीं की जा सकती, और नए बाजार का स्थापन अक्सर बाद की श्रेणी में आता है (Knight, 1921)। इसके अलावा, परिणाम का वितरण सामान्य वितरण से बहुत अलग होने वाले क्षेत्रों में, दुर्लभ घटना परिणाम का अधिकांश निर्धारण करती है, इसलिए औसत पूर्वानुमान व्यवस्थित रूप से गलत होता है। उद्यम निवेश और आविष्कार का मूल्य ठीक यह वितरण रखता है यह अनुभवजन्य रूप से पुष्टि की गई है (Taleb, 2007; Scherer & Harhoff, 2000; Kerr, Nanda & Rhodes-Kropf, 2014)।
• बढ़ती हुई रिटर्न और मार्ग निर्भरता: बढ़ती रिटर्न और मार्ग निर्भरता के साथ बाजार में, प्रारंभिक छोटा संयोग विजेता को तय करता है और अग्रिम रूप से भविष्यवाणी योग्य नहीं है। नेटवर्क प्रभाव या सीखने के प्रभाव द्वारा पहले प्रसारित प्रौद्योगिकी अपनी बढ़त को मजबूत करती है, इसलिए तकनीकी रूप से निम्न मानक बाजार पर कब्जा कर सकते हैं। यह प्रक्रिया सैद्धांतिक रूप से मॉडल की गई है (Arthur, 1989), और कीबोर्ड लेआउट QWERTY तकनीकी रूप से सर्वोत्तम न होते हुए स्थिर रही इतिहास द्वारा उदाहरण दिया गया है (David, 1985)। "कौन सा बाजार बढ़ेगा" इसकी भविष्यवाणी की जा सकती है, लेकिन "उस बाजार में कौन जीतेगा" संरचनात्मक रूप से भविष्यवाणी करना मुश्किल है।
• बुलबुले की संरचनात्मक एंबेडिंग: सामान्य प्रयोजन प्रौद्योगिकी के विस्तार में, उत्साह और बुलबुलों का चरण संरचनात्मक रूप से एंबेड किया हुआ है। औद्योगिक क्रांति के बाद के 5 तकनीकी क्रांतियां, सभी प्रारंभिक चरण में वित्तीय पूंजी को अत्यधिक प्रवाहित करती हैं बुलबुले बनाते हैं, और ढहने के माध्यम से विस्तार चरण में प्रवेश करती हैं (Perez, 2002)। यदि बाजार की वृद्धि का सही पूर्वानुमान किया जाए लेकिन बुलबुले के चरण में प्रवेश किया जाए तो नुकसान होगा। पूर्वानुमान की सटीकता और प्रवेश समय, मूल्य की सटीकता अलग से सत्यापित करनी चाहिए।

आत्म-संदर्भ की सीमाएं

• आत्म-पूर्ण भविष्यवाणी: सामाजिक घटनाओं की भविष्यवाणी, भविष्यवाणी किया जाता है यह स्वयं लक्ष्य के व्यवहार को परिवर्तित करता है। इस "आत्म-पूर्ण भविष्यवाणी" की संरचना समाजशास्त्र की शास्त्रीय टिप्पणी है (Merton, 1948), और बाजार पूर्वानुमान पर भी सीधे लागू होती है। "यह बाजार विकसित होगा" यह उम्मीद व्यापक रूप से साझा की जाती है तो प्रवेश बाढ़ की ओर है, विकास वास्तविकता में आता है लेकिन एक प्रवेशकर्ता का लाभ समाप्त हो जाता है। भविष्य के बाजार के आकार की उम्मीद आविष्कार और प्रवेश को वास्तव में चलाती है यह दवा और मोटर वाहन उद्योग में कारणात्मक रूप से पुष्टि की गई है (Acemoglu & Linn, 2004; Dubois et al., 2015; Aghion et al., 2016)।
• पहले से निर्धारित समस्या: निवेश के संदर्भ में, यह सीमा "पहले से निर्धारित" की समस्या के रूप में प्रकट होती है। सार्वजनिक जानकारी पर आधारित पूर्वानुमान पहले से कीमत में परिलक्षित है, इसलिए सभी जानते हैं विकास अतिरिक्त रिटर्न नहीं देता (Fama, 1970)। विकास उद्योग, विकास कंपनियों में निवेश प्रत्याशा के विपरीत कम रिटर्न में समाप्त होते हैं "विकास का जाल" है, विकास की उम्मीद स्टॉक कीमत में निर्धारित है, महंगी कीमत का भुगतान करने से होता है (Siegel, 2005)। विकास को समझना और उस विकास से लाभ प्राप्त करना अलग समस्याएं हैं।
• गुडहार्ट का नियम: जब संकेतक को लक्ष्य बनाया जाता है, तो संकेतक अपना संकेतक मूल्य खो देता है। "कोई सांख्यिकीय मात्रा नीति लक्ष्य बन जाती है, तो सांख्यिकीय मात्रा के रूप में विश्वसनीयता खो देता है" यह नियम (Goodhart, 1984), प्रमुख संकेतकों पर भी लागू होता है। पेटेंट आवेदन संख्या या नौकरी की खोज "विकास बाजार का संकेत" व्यापक रूप से जाना जाता है, तो इसे सचेत आवेदन या खोज बढ़ता है, संकेतक शोर में बदल जाता है। प्रमुख संकेतक, यह केवल उस अवधि में संकेतक के रूप में मान्यता प्राप्त करने से पहले, सर्वोच्च भविष्यवाणी शक्ति रखता है।

डेटा और विधि की सीमाएं

• नए बाजार में डेटा नहीं है: मात्रात्मक विधि पिछली डेटा की आवश्यकता करती है, लेकिन नए बाजार में परिभाषा के अनुसार कोई अतीत नहीं है। प्रसार मॉडल के गुणांक प्रसार दर 10-20% तक पहुंचने तक स्थिर रूप से अनुमानित नहीं किए जा सकते (Bass, 1969; Sultan, Farley & Lehmann, 1990), और उसके पहले समान मामलों के गुणांक उधार लेने वाले संदर्भ वर्ग पूर्वानुमान पर निर्भर करते हैं (Kahneman & Tversky, 1979)। लेकिन क्या "समान" माना जाए इसका चयन परिणाम को प्रभावित करता है, और वह चयन स्वयं भविष्यवक्ता के निर्णय पर निर्भर करता है। सांख्यिकीय मॉडल विशेषज्ञ से बेहतर है यह ज्ञान (Meng et al., 2021), लागत के इतिहास दशकों के आधार पर है ऐसी प्रौद्योगिकी के बारे में निष्कर्ष है, लागत का कोई इतिहास न हो ऐसी प्रौद्योगिकी पर सीधे लागू नहीं किया जा सकता।
• मशीन लर्निंग की रेजीम स्विच के प्रति कमजोरी: मशीन लर्निंग केवल अतीत के पैटर्न से सीख सकता है और उस समय कमजोर होता है जब संरचना बदलती है (रेजीम स्विच)। 100,000 समय श्रृंखलाओं का उपयोग करते हुए एक बड़े पूर्वानुमान प्रतियोगिता में, शुद्ध मशीन लर्निंग विधियां सरल सांख्यिकीय विधियों से कम प्रदर्शन करती हैं, और कई विधियों का संयोजन सबसे सटीक था (Makridakis, Spiliotis & Assimakopoulos, 2018; Makridakis et al., 2020)। बड़े भाषा मॉडल के बारे में भी, मानव सामूहिक बुद्धिमत्ता के बराबर होने की रिपोर्ट के साथ-साथ, लगातार अपडेट किए जाने वाले बेंचमार्क पर प्रशिक्षित सुपर फोरकास्टर को अभी भी हासिल नहीं करने की पुष्टि की गई है (Schoenegger et al., 2024a; Karger et al., 2024)।
• सिग्नल डिटेक्शन में गलत सकारात्मक: सिग्नल डिटेक्शन में गलत सकारात्मक की समस्या निरंतर बनी रहती है। नई प्रौद्योगिकी की परिभाषा ही अनिश्चितता को शामिल करती है (Rotolo, Hicks & Martin, 2015), और जिस प्रौद्योगिकी को ध्यान मिला है, वह बाद में विफल हो जाती है, यह "हाइप" असामान्य नहीं है। प्रौद्योगिकी की अपेक्षाओं के संक्रमण को दर्शाने वाला "हाइप साइकिल" व्यवहार में व्यापक रूप से उपयोग किया जाता है, लेकिन यह कि क्या इसका आकार अनुभवजन्य रूप से सामान्यीकृत किया जा सकता है, इस पर शोध का समर्थन कमजोर है (Dedehayir & Steinert, 2016)। कमजोर संकेतों का अधिकांश भाग बाद में देखने से कोई भी नहीं था, शुद्ध शोर।

सीमाओं को ध्यान में रखते हुए पहुंची हुई जगह

• संभाव्यता, अपडेट और संयोजन: उपरोक्त सीमाएं पूर्वानुमान को त्यागने का कारण नहीं हैं, बल्कि पूर्वानुमान के उपयोग के तरीके को बदलने का कारण हैं। पहला, पूर्वानुमान का आउटपुट एक बिंदु नहीं बल्कि संभाव्यता वितरण है, और इसे चौड़ाई के साथ संभाला जाना चाहिए। दूसरा, संभाव्यता नई जानकारी के आने पर हर बार अपडेट होती है, और एक बार दिए गए पूर्वानुमान पर दृढ़ रहना सबसे बड़ी विफलता का कारण है। प्रशिक्षित पूर्वानुमानकर्ता द्वारा सूचना विश्लेषकों को लगभग 30% बेहतर बनाने का अंतर मुख्य रूप से इसी अपडेट की आदत से आता है (Mellers et al., 2014; Tetlock & Gardner, 2015)। तीसरा, एक एकल विधि पर निर्भर न रहकर कई को जोड़ना, आधी सदी के पूर्वानुमान अनुसंधान और नवीनतम प्रतियोगिताओं दोनों में लगातार समर्थित निष्कर्ष है (Armstrong, 2001; Makridakis et al., 2020)।
• फोरसाइट द्वारा पूरक: पूर्वानुमान (forecasting) जो अनिश्चितता को संभाल नहीं सकता है, उसे फोरसाइट (foresight) से सजाया जाता है। जिस भविष्य का अनुमान नहीं लगाया जा सकता, उसके लिए कई परिदृश्य बनाना और अग्रणी संकेतकों की निगरानी करना, और किसी भी परिदृश्य के आने पर प्रतिक्रिया करने के लिए निर्णय तैयार करना, एक ही पूर्वानुमान पर सट्टा लगाने से अधिक तर्कसंगत है (Schoemaker, 1995; Wack, 1985)। पूर्वानुमान बाहर होता है क्योंकि विधि खराब है, और विधि में सुधार किया जा सकता है। हालांकि, सुधार की गई विधि की भी सीमाएं हैं, और पूर्वानुमान का अगला चरण इन सीमाओं को मान्यता देते हुए निर्णय लेना है।

समापन में

इस तरह मैंने विकास बाजार खोजने के लिए दृष्टिकोण को व्यवस्थित किया। यहां व्यवस्थित विधि निश्चित रूप से विकास बाजार का पूर्वानुमान नहीं कर सकती, लेकिन वैज्ञानिक दृष्टिकोण के माध्यम से सर्वोच्च संभव संभावना के साथ पूर्वानुमान कर सकती है। आने वाले AI युग में बाजार कैसे बनेगा इसका पूर्वानुमान लगाने के लिए दृष्टिकोण के रूप में इसका उपयोग किया जा सकता है।

संदर्भ साहित्य

• Acemoglu, D., & Linn, J. (2004). Market size in innovation: Theory and evidence from the pharmaceutical industry. Quarterly Journal of Economics, 119(3), 1049–1090.（जनसांख्यिकीय रूप से अपेक्षित बाजार आकार नई दवा विकास की दिशा निर्धारित करता है, यह प्रदर्शित करने वाला पत्र）
• Aghion, P., Dechezleprêtre, A., Hémous, D., Martin, R., & Van Reenen, J. (2016). Carbon taxes, path dependency, and directed technical change: Evidence from the auto industry. Journal of Political Economy, 124(1), 1–51.（ईंधन मूल्य में वृद्धि स्वचालित निर्माताओं के स्वच्छ प्रौद्योगिकी पेटेंट को बढ़ाती है, यह प्रदर्शित करने वाला पत्र）
• Aguilar, F. J. (1967). Scanning the business environment. Macmillan.（कंपनी के बाहरी पर्यावरण स्कैनिंग को व्यवस्थित किया और PEST विश्लेषण का मूल बनने वाला काम）
• Ahmadpoor, M., & Jones, B. F. (2017). The dual frontier: Patented inventions and prior scientific advance. Science, 357(6351), 583–587.（पेटेंट और पत्रों के उद्धरण नेटवर्क से विज्ञान और प्रौद्योगिकी की दूरी को मापा, उच्च बाजार मूल्य वाले पेटेंट मौलिक विज्ञान के करीब हैं, यह दिखाने वाला पत्र）
• Andreessen, M. (2011, August 20). Why software is eating the world. The Wall Street Journal.（सॉफ्टवेयर सभी उद्योगों को पुनर्गठित करेगा, यह निवेश सिद्धांत प्रदर्शित करने वाला एक राय लेख）
• Ansoff, H. I. (1975). Managing strategic surprise by response to weak signals. California Management Review, 18(2), 21–33.（बड़े परिवर्तन के पहले आने वाले "कमजोर संकेतों" के प्रति प्रतिक्रिया का प्रस्ताव देने वाला पत्र）
• Armstrong, J. S. (Ed.). (2001). Principles of forecasting: A handbook for researchers and practitioners. Kluwer Academic Publishers.（पूर्वानुमान अनुसंधान के सिद्धांतों को एकत्रित करने वाली पुस्तिका, जो दिखाती है कि विधियों का संयोजन सटीकता में सुधार करता है）
• Arrow, K. J., Forsythe, R., Gorham, M., Hahn, R., Hanson, R., Ledyard, J. O., Levmore, S., Litan, R., Milgrom, P., Nelson, F. D., Neumann, G. R., Ottaviani, M., Schelling, T. C., Shiller, R. J., Smith, V. L., Snowberg, E., Sunstein, C. R., Tetlock, P. C., Tetlock, P. E., … Zitzewitz, E. (2008). The promise of prediction markets. Science, 320(5878), 877–878.（पूर्वानुमान बाजारों की प्रभावशीलता और नीति संभावनाओं पर चर्चा करने वाला पत्र）
• Arthur, W. B. (1989). Competing technologies, increasing returns, and lock-in by historical events. Economic Journal, 99(394), 116–131.（बढ़ती रिटर्न के तहत प्रारंभिक संयोग विजेता का निर्धारण करता है, पूर्व पूर्वानुमान कठिन बनाता है, यह सिद्धांतित करने वाला पत्र）
• Atanasov, P., Rescober, P., Stone, E., Swift, S. A., Servan-Schreiber, E., Tetlock, P., Ungar, L., & Mellers, B. (2017). Distilling the wisdom of crowds: Prediction markets vs. prediction polls. Management Science, 63(3), 691–706.（सांख्यिकीय रूप से एकत्रित पूर्वानुमान सर्वेक्षण पूर्वानुमान बाजारों के बराबर या उससे अधिक सटीकता प्रदर्शित करता है, यह सिद्ध करने वाला पत्र）
• Bass, F. M. (1969). A new product growth for model consumer durables. Management Science, 15(5), 215–227.（नए उत्पाद की नवीनता गुणांक और नकल गुणांक से परिभाषित बास मॉडल का मूल पत्र）
• Bass, F. M., Gordon, K., Ferguson, T. L., & Githens, M. L. (2001). DIRECTV: Forecasting diffusion of a new technology prior to product launch. Interfaces, 31(3), S82–S93.（बास मॉडल से उत्पाद लॉन्च से पहले उपग्रह प्रसारण ग्राहकों की संख्या का पूर्वानुमान लगाया गया, वास्तविक परिणामों के साथ लगभग मेल खाता है, यह रिपोर्ट करने वाला पत्र）
• Bloom, N., Hassan, T. A., Kalyani, A., Lerner, J., & Tahoun, A. (2021). The diffusion of disruptive technologies (NBER Working Paper No. 28999). National Bureau of Economic Research.（आय कॉल, पेटेंट और नौकरी की पोस्टिंग के पाठ से 29 विघटनकारी तकनीकों के कंपनी और क्षेत्रीय प्रसार को ट्रैक किया, यह पत्र）
• Boston Consulting Group. (1968). Perspectives on experience. Boston Consulting Group.（राइट का कानून "अनुभव वक्र" के रूप में प्रबंधन रणनीति में लाया गया, यह रिपोर्ट）
• Bresnahan, T. F., & Trajtenberg, M. (1995). General purpose technologies: 'Engines of growth'? Journal of Econometrics, 65(1), 83–108.（सामान्य प्रयोजन तकनीकें पूरक नवाचारों की श्रृंखला के माध्यम से विकास उत्पन्न करती हैं, यह दिखाने वाला पत्र）
• Bryar, C., & Carr, B. (2021). Working backwards: Insights, stories, and secrets from inside Amazon. St. Martin's Press.（Amazon की ग्राहक-केंद्रित विपरीत प्रक्रिया को अंदर के व्यक्ति द्वारा समझाया गया काम）
• Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333–372.（सामान्य प्रयोजन तकनीकों में निवेश पूरक अमूर्त संपत्तियों की स्थापना के माध्यम से उत्पादकता में परिलक्षित होता है, यह J-वक्र दिखाने वाला पत्र）
• Chen, K.-Y., & Plott, C. R. (2002). Information aggregation mechanisms: Concept, design and implementation for a sales forecasting problem (Social Science Working Paper No. 1131). California Institute of Technology.（HP के आंतरिक पूर्वानुमान बाजार ने आधिकारिक बिक्रय पूर्वानुमान को पार करने की रिपोर्ट करने वाला पेपर）
• Christensen, C. M. (1997). The innovator's dilemma: When new technologies cause great firms to fail. Harvard Business School Press.（यह दिखाने वाली कृति कि विघ्नकारी नवाचार मौजूदा कंपनियों के बाजार विश्लेषण से क्यों नहीं दिखता है）
• Christensen, C. M., Hall, T., Dillon, K., & Duncan, D. S. (2016). Know your customers' "jobs to be done". Harvard Business Review, 94(9), 54–62.（ग्राहकों के "पूरा किए जाने वाले काम" से बाजार को फिर से परिभाषित करने वाली जॉब्स सिद्धांत की व्याख्या करने वाला पेपर）
• Chu, J. S. G., & Evans, J. A. (2021). Slowed canonical progress in large fields of science. Proceedings of the National Academy of Sciences, 118(41), e2021636118.（यह दिखाने वाला पेपर कि विज्ञान के बड़े और परिपक्व क्षेत्रों में नई विचारधाराएं स्थापित होने में अधिक समय लगता है）
• Collantes, G., & Sperling, D. (2008). The origin of California's zero emission vehicle mandate. Transportation Research Part A: Policy and Practice, 42(10), 1302–1313.（1990 के कैलिफोर्निया ZEV विनियमन की स्थापना प्रक्रिया का विश्लेषण करने वाला और यह दिखाने वाला पेपर कि विनियमन ने EV बाजार को कैसे निर्देशित किया）
• Comin, D., & Hobijn, B. (2010). An exploration of technology diffusion. American Economic Review, 100(5), 2031–2059.（यह दिखाने वाला पेपर कि आविष्कार से प्रसार तक की देरी औसतन 45 वर्ष तक है और यह अंतर देशों की आय असमानता को समझाता है）
• Costinot, A., Donaldson, D., Kyle, M., & Williams, H. (2019). The more we die, the more we sell? A simple test of the home-market effect. Quarterly Journal of Economics, 134(2), 843–894.（यह दिखाने वाला पेपर कि रोग बोझ वाले देश उन औषधियों का अधिक उत्पादन और निर्यात करते हैं, जिससे साबित होता है कि मांग उत्पादन स्थान को प्रभावित करती है）
• Cowgill, B., & Zitzewitz, E. (2015). Corporate prediction markets: Evidence from Google, Ford, and Firm X. Review of Economic Studies, 82(4), 1309–1341.（यह दिखाने वाला पेपर कि Google और Ford के आंतरिक पूर्वानुमान बाजार अंशांकित संभावना के रूप में कार्य करते हैं और आधिकारिक पूर्वानुमानों के आशावादी पूर्वाग्रह को सही करते हैं）
• Creutzig, F., Agoston, P., Goldschmidt, J. C., Luderer, G., Nemet, G., & Pietzcker, R. C. (2017). The underestimated potential of solar energy to mitigate climate change. Nature Energy, 2, 17140.（इस बात का विश्लेषण करने वाला पेपर कि प्रमुख संस्थानों के सौर ऊर्जा रोलआउट पूर्वानुमान ने लगातार कम आंकलन क्यों किया）
• Dalkey, N., & Helmer, O. (1963). An experimental application of the Delphi method to the use of experts. Management Science, 9(3), 458–467.（डेल्फी विधि के प्रारंभिक प्रायोगिक अनुप्रयोग की रिपोर्ट करने वाला पेपर）
• David, P. A. (1985). Clio and the economics of QWERTY. American Economic Review, 75(2), 332–337.（QWERTY लेआउट के उदाहरण पर, यह दिखाने वाला पेपर कि पथ निर्भरता के माध्यम से तकनीकी रूप से इष्टतम नहीं प्रारूप बाजार पर कब्जा कर सकते हैं）
• David, P. A. (1990). The dynamo and the computer: An historical perspective on the modern productivity paradox. American Economic Review, 80(2), 355–361.（बिजली की उत्पादकता प्रभाव के लगभग 40 वर्ष की देरी के इतिहास से सामान्य-प्रयोजन तकनीक की समय संरचना दिखाने वाला पेपर）
• Day, G. S., & Schoemaker, P. J. H. (2006). Peripheral vision: Detecting the weak signals that will make or break your company. Harvard Business School Press.（यह दिखाने वाली कृति कि संगठन कमजोर संकेतों को क्यों नजरअंदाज करते हैं और परिधीय दृष्टि को कैसे बढ़ाया जा सकता है）
• Dedehayir, O., & Steinert, M. (2016). The hype cycle model: A review and future directions. Technological Forecasting and Social Change, 108, 28–41.（हाइप साइकल मॉडल के आकार को अनुभवजन्य रूप से सामान्यीकृत किया जा सकता है या नहीं इस बारे में शोध समर्थन कमजोर है यह व्यवस्थित करने वाली समीक्षा）
• Drucker, P. F. (1997). The future that has already happened. Harvard Business Review, 75(5), 20–24.（जनसांख्यिकी को "पहले से ही हुआ हुआ भविष्य" के रूप में पूर्वानुमान में उपयोग करने के विचार को दिखाने वाला पेपर）
• Dubois, P., de Mouzon, O., Scott-Morton, F., & Seabright, P. (2015). Market size and pharmaceutical innovation. RAND Journal of Economics, 46(4), 844–871.（बाजार आकार में 1% की वृद्धि नई दवाओं की संख्या में लगभग 0.2% की वृद्धि करती है यह लोच अनुमानित करने वाला पेपर）
• Ebadi, A., Auger, A., & Gauthier, Y. (2022). Detecting emerging technologies and their evolution using deep learning and weak signal analysis. Journal of Informetrics, 16(4), 101344.（गहन शिक्षा और कमजोर संकेत विश्लेषण का उपयोग करके उदीयमान तकनीकों का पता लगाने की विधि दिखाने वाला पेपर）
• The Economist. (1999, October 7). Cutting the cord.（1980 के दशक के मोबाइल फोन बाजार पूर्वानुमान की वास्तविक उपलब्धि से 100 गुना अधिक कम होने की घटना की रिपोर्ट करने वाला लेख）
• Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2024). GPTs are GPTs: Labor market impact potential of LLMs. Science, 384(6702), 1306–1308.（बड़े भाषा मॉडल द्वारा प्रभावित श्रम बाजार की सीमा का व्यावसायिक कार्य संरचना से अनुमान लगाने वाला पेपर）
• European Commission Joint Research Centre. (2024). Weak signals in science and technologies 2024. Publications Office of the European Union.（EU द्वारा कमजोर संकेत पहचान का प्रत्येक वर्ष व्यावहारिक संचालन करने वाली रिपोर्ट）
• Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. Journal of Finance, 25(2), 383–417.（सार्वजनिक जानकारी पहले से ही कीमत में परिलक्षित होती है यह प्रभावी बाजार परिकल्पना को व्यवस्थित करने वाला पेपर）
• Farmer, J. D., & Lafond, F. (2016). How predictable is technological progress? Research Policy, 45(3), 647–665.（अनुभव वक्र पर आधारित तकनीकी लागत की संभाव्य पूर्वानुमान व्यावहारिक सटीकता रखती है यह दिखाने वाला पेपर）
• Felin, T., & Zenger, T. R. (2017). The theory-based view: Economic actors as theorists. Strategy Science, 2(4), 258–271.（बाजार की संभावनाओं को केवल कंपनी के अपने सिद्धांत से ही देखा जा सकता है यह सिद्धांत आधारित रणनीति दृष्टिकोण प्रस्तुत करने वाला पेपर）
• Flyvbjerg, B. (2006). From Nobel Prize to project management: Getting risks right. Project Management Journal, 37(3), 5–15.（संदर्भ वर्ग पूर्वानुमान को व्यावहारिक रूप में लागू करके योजना त्रुटियों से निपटने का तरीका दिखाने वाला पेपर）
• Flyvbjerg, B., Holm, M. S., & Buhl, S. (2002). Underestimating costs in public works projects: Error or lie? Journal of the American Planning Association, 68(3), 279–295.（258 बुनियादी ढांचा परियोजनाओं में 90% लागत अधिक होने का प्रदर्शन करने वाला और संदर्भ वर्ग पूर्वानुमान की आवश्यकता को समर्थन देने वाला पेपर）
• Forsythe, R., Nelson, F., Neumann, G. R., & Wright, J. (1992). Anatomy of an experimental political stock market. American Economic Review, 82(5), 1142–1161.（आइोवा इलेक्ट्रॉनिक बाजार ने जनमत सर्वेक्षण की तुलना में अधिक सटीकता से चुनाव परिणामों का पूर्वानुमान लगाया यह रिपोर्ट करने वाला पेपर）
• Foster, J. G., Rzhetsky, A., & Evans, J. A. (2015). Tradition and innovation in scientists' research strategies. American Sociological Review, 80(5), 875–908.（लाखों पत्रों में दिखाया गया कि जहां शोधकर्ताओं की रूढ़िवादी विषय चयन प्रभुत्व रखते हैं, वहीं नए क्षेत्रों में दांव उच्च प्रभाव उत्पन्न करते हैं）
• Fuchs, E. R. H. (2010). Rethinking the role of the state in technology development: DARPA and the case for embedded network governance. Research Policy, 39(9), 1133–1147.（DARPA द्वारा बाजार के न होने के चरण में तकनीकी क्षेत्रों में निवेश करने की प्रणाली का विश्लेषण करने वाला पत्र）
• Garfield, E. (1955). Citation indexes for science: A new dimension in documentation through association of ideas. Science, 122(3159), 108–111.（पत्रों के उद्धरण सूचकांक का प्रस्ताव और विज्ञान मापन विज्ञान की नींव तैयार करने वाला पत्र）
• Gates, B. (1996). The road ahead (Rev. ed.). Penguin Books.（अल्पकालीन परिवर्तन को अधिक आंका जाने और दीर्घकालीन परिवर्तन को कम आंका जाने की मानवीय प्रवृत्ति को इंगित करने वाली कृति）
• Goldfarb, A., Taska, B., & Teodoridis, F. (2023). Could machine learning be a general purpose technology? A comparison of emerging technologies using data from online job postings. Research Policy, 52(1), 104653.（ऑनलाइन नौकरी विज्ञापनों के आंकड़े का उपयोग करके यह सत्यापित करने वाला पत्र कि क्या मशीन लर्निंग सामान्य-उद्देश्य प्रौद्योगिकी की शर्तें पूरी करती है）
• Goldin, C. (2006). The quiet revolution that transformed women's employment, education, and family. American Economic Review, 96(2), 1–21.（महिलाओं के रोजगार और कैरियर गठन के विस्तार का "शांत क्रांति" के रूप में विश्लेषण करने वाला पत्र）
• Gompers, P. A., Gornall, W., Kaplan, S. N., & Strebulaev, I. A. (2020). How do venture capitalists make decisions? Journal of Financial Economics, 135(1), 169–190.（885 वीसी से किए गए सर्वेक्षण में निवेश निर्णय के कारकों और वजन का खुलासा करने वाला पत्र）
• Goodhart, C. A. E. (1984). Monetary theory and practice: The UK experience. Macmillan.（जब सांख्यिकीय मात्रा नीति लक्ष्य बन जाती है तो संकेतक के रूप में विश्वसनीयता खो देती है यह "गुडहार्ट का नियम" दिखाने वाली कृति）
• Goodwin, P., Dyussekeneva, K., & Meeran, S. (2013). The use of analogies in forecasting the annual sales of new electronics products. IMA Journal of Management Mathematics, 24(4), 407–423.（समान उत्पादों का उपयोग करके नए पण्यों की बिक्री का पूर्वानुमान केवल निर्णय के आधार पर किए गए पूर्वानुमान से अधिक सटीक है यह दिखाने वाला पत्र）
• Graham, P. (2012). How to get startup ideas. Y Combinator.（"भविष्य में रहो और जो कमी है उसे बना" - यह दिखाने वाली निबंध कि स्टार्टअप विचार कैसे खोजते हैं）
• Griliches, Z. (1957). Hybrid corn: An exploration in the economics of technological change. Econometrica, 25(4), 501–522.（हाइब्रिड मकई के प्रसार के एस-वक्र का मात्रात्मक विश्लेषण और यह दिखाने वाला पत्र कि प्रसार की गति लाभप्रदता के अनुपात में होती है）
• Gross, B. (2015). The single biggest reason why start-ups succeed [Video]. TED Conferences.（200 से अधिक कंपनियों के विश्लेषण से यह दिखाने वाला व्याख्यान कि समय सफलता का सबसे बड़ा कारक है）
• Grove, A. S. (1996). Only the paranoid survive: How to exploit the crisis points that challenge every company. Currency Doubleday.（पीसी उद्योग के ऊर्ध्वाधर एकीकरण से क्षैतिज विभाजन में परिवर्तन के दौरान लाभ के स्थानांतरण का विश्लेषण करने वाली कृति）
• Habegger, B. (2010). Strategic foresight in public policy: Reviewing the experiences of the UK, Singapore, and the Netherlands. Futures, 42(1), 49–58.（सिंगापुर RAHS सहित विभिन्न देशों की सरकारों की दूरदर्शिता प्रणालियों की तुलना करने वाला पत्र）
• Halawi, D., Zhang, F., Yueh-Han, C., & Steinhardt, J. (2024). Approaching human-level forecasting with language models. arXiv preprint arXiv:2402.18563.（खोज द्वारा सूचना को मजबूत किया गया एलएलएम मानव पूर्वानुमान समूह के करीब पहुंचने वाली सटीकता दिखाने वाला पत्र）
• Hall, B. H., Jaffe, A., & Trajtenberg, M. (2005). Market value and patent citations. RAND Journal of Economics, 36(1), 16–38.（अधिक उद्धृत पेटेंट कंपनी मूल्य में अधिक योगदान देते हैं यह साक्ष्य दिखाने वाला पत्र）
• Hamming, R. W. (1986). You and your research [Lecture]. Bell Communications Research Colloquium Seminar.（बड़ी सफलता का निर्माण करने वाले शोधकर्ता महत्वपूर्ण समस्याएं चुनते हैं और खुलते क्षेत्रों में जल्दी प्रवेश करते हैं यह तर्क प्रस्तुत करने वाला व्याख्यान）
• Hayek, F. A. (1945). The use of knowledge in society. American Economic Review, 35(4), 519–530.（कीमत विकेंद्रित ज्ञान को एकत्रित करने का कार्य करती है यह तर्क करने वाला पत्र, जो पूर्वानुमान बाजारों का सैद्धांतिक आधार बना）
• Hill, R., Yin, Y., Stein, C., Wang, X., Wang, D., & Jones, B. F. (2025). The pivot penalty in research. Nature, 642, 999–1006.（बड़े आंकड़ों द्वारा दिखाया गया पत्र कि जब शोधकर्ता अपनी विशेषज्ञता से दूर विषयों पर स्विच करते हैं तो प्रभाव कम हो जाता है）
• Jacobsson, S., & Lauber, V. (2006). The politics and policy of energy system transformation—explaining the German diffusion of renewable energy technology. Energy Policy, 34(3), 256–276.（जर्मनी के पुनर्नवीकरणीय ऊर्जा कानून के अधिनियमन प्रक्रिया और इसने सौर बाजार को कैसे स्थापित किया का विश्लेषण करने वाला पत्र）
• Kahn, H., & Wiener, A. J. (1967). The year 2000: A framework for speculation on the next thirty-three years. Macmillan.（RAND संस्थान द्वारा विकसित परिदृश्य पद्धति को व्यवस्थित करने वाली, परिदृश्य योजना की मूल कृति）
• Kahneman, D., & Tversky, A. (1979). Intuitive prediction: Biases and corrective procedures. TIMS Studies in Management Science, 12, 313–327.（योजना त्रुटि और बाहरी दृष्टिकोण (संदर्भ वर्ग) द्वारा सुधार प्रक्रिया प्रस्तुत करने वाला पत्र）
• Karger, E., Bastani, H., Yueh-Han, C., Jacobs, Z., Halawi, D., Zhang, F., & Tetlock, P. E. (2024). ForecastBench: A dynamic benchmark of AI forecasting capabilities. arXiv preprint arXiv:2409.19839.（निरंतर अपडेट किए जाने वाले बेंचमार्क द्वारा यह दिखाने वाला पत्र कि अत्याधुनिक एलएलएम अभी भी सुपर पूर्वानुमानकर्ताओं के स्तर तक नहीं पहुंचे）
• Karikó, K., Buckstein, M., Ni, H., & Weissman, D. (2005). Suppression of RNA recognition by Toll-like receptors: The impact of nucleoside modification and the evolutionary origin of RNA. Immunity, 23(2), 165–175.（एमआरएनए वैक्सीन की नींव बनी संशोधित न्यूक्लिओसाइड की पद्धति दिखाने वाला पत्र, जो 2023 के नोबेल पुरस्कार का विषय बना）
• Keating, G. (2012). Netflixed: The epic battle for America's eyeballs. Portfolio/Penguin.（Netflix की स्थापना के समय से स्ट्रीमिंग में संक्रमण की दूरदर्शिता और इसने अपने मुख्य व्यवसाय को कैसे बदला का वर्णन करने वाली कृति）
• Kerr, W. R., Nanda, R., & Rhodes-Kropf, M. (2014). Entrepreneurship as experimentation. Journal of Economic Perspectives, 28(3), 25–48.（वीसी के रिटर्न कुछ बड़ी सफलताओं पर निर्भर विकृत वितरण रखते हैं और निवेश प्रयोग के रूप में कार्य करता है यह दिखाने वाला पत्र）
• Kharas, H. (2017). The unprecedented expansion of the global middle class: An update (Global Economy & Development Working Paper No. 100). Brookings Institution.（विश्व की मध्यवर्गीय जनसंख्या के तीव्र विस्तार और एशिया में इसकी सांद्रता का अनुमान लगाने वाला पत्र）
• Knight, F. H. (1921). Risk, uncertainty and profit. Houghton Mifflin.（जिस जोखिम की संभावना की गणना की जा सकती है और जिसकी गणना नहीं की जा सकती ऐसी अनिश्चितता को अलग करने वाली आर्थिक विद्या की प्राचीन कृति）
• Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25, 1097–1105.（GPU पर प्रशिक्षित गहरे न्यूरल नेटवर्क ने छवि पहचान में भारी जीत दर्ज की और गहन शिक्षा उछाल का प्रारंभिक बिंदु बना पेपर）
• Lafond, F., Bailey, A. G., Bakker, J. D., Rebois, D., Zadourian, R., McSharry, P., & Farmer, J. D. (2018). How well do experience curves predict technological progress? A method for making distributional forecasts. Technological Forecasting and Social Change, 128, 104–117.（अनुभव वक्र के आधार पर संभाव्यता वितरण पूर्वानुमान की विधि प्रस्तावित करने और 50 से अधिक तकनीकों में इसका परीक्षण करने वाला पेपर）
• Lee, C., Kwon, O., Kim, M., & Kwon, D. (2018). Early identification of emerging technologies: A machine learning approach using multiple patent indicators. Technological Forecasting and Social Change, 127, 291–303.（कई पेटेंट संकेतकों और मशीन लर्निंग का उपयोग करके उभरती तकनीकों की प्रारंभिक पहचान की विधि दिखाने वाला पेपर）
• Lee, J., Veloso, F. M., & Hounshell, D. A. (2011). Linking induced technological change, and environmental regulation: Evidence from patenting in the U.S. auto industry. Research Policy, 40(9), 1240–1252.（यूएस की उत्सर्जन नियंत्रण नीति ने ऑटोमोटिव उद्योग में उत्सर्जन नियंत्रण तकनीकों के पेटेंट आवेदन को प्रेरित किया यह प्रदर्शित करने वाला पेपर）
• Levitt, T. (1983). The marketing imagination. Free Press.（"ग्राहक ड्रिल नहीं, बल्कि छेद चाहते हैं" - इस अंतर्दृष्टि को व्यापक रूप से प्रचारित करने वाली कृति）
• Lilien, G. L., Morrison, P. D., Searls, K., Sonnack, M., & von Hippel, E. (2002). Performance assessment of the lead user idea-generation process for new product development. Management Science, 48(8), 1042–1059.（3M कंपनी में लीड यूजर पद्धति ने सामान्य विधि की तुलना में लगभग 8 गुना बिक्री क्षमता उत्पन्न की यह प्रदर्शित करने वाला पेपर）
• Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2018). Statistical and machine learning forecasting methods: Concerns and ways forward. PLoS ONE, 13(3), e0194889.（विशुद्ध मशीन लर्निंग विधियां सरल सांख्यिकीय विधियों से कम प्रभावी हैं यह दिखाने और पूर्वानुमान में मशीन लर्निंग की सीमाओं को स्पष्ट करने वाला पेपर）
• Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2020). The M4 Competition: 100,000 time series and 61 forecasting methods. International Journal of Forecasting, 36(1), 54–74.（100,000 समय श्रृंखलाओं की पूर्वानुमान प्रतियोगिता में कई विधियों का संयोजन सबसे सटीक था यह बताने वाला पेपर）
• Marx, M., & Fuegi, A. (2020). Reliance on science: Worldwide front-page patent citations to scientific articles. Strategic Management Journal, 41(9), 1572–1594.（पेटेंट द्वारा उद्धृत किए गए पत्रों का डेटाबेस बनाकर विज्ञान और उद्योग के संबंध को बड़े पैमाने पर ट्रैक करना संभव बनाने वाला पेपर）
• Mathews, J. A. (1997). A Silicon Valley of the East: Creating Taiwan's semiconductor industry. California Management Review, 39(4), 26–54.（ताइवान की सरकार ने ITRI और TSMC के माध्यम से अर्धचालक उद्योग का निर्माण किया इस प्रक्रिया का विश्लेषण करने वाला पेपर）
• Mazzucato, M. (2013). The entrepreneurial state: Debunking public vs. private sector myths. Anthem Press.（iPhone को संघटित करने वाली अधिकांश प्रमुख तकनीकें सार्वजनिक अनुसंधान निधि से आई हैं यह प्रदर्शित करते हुए राज्य के अग्रवर्ती निवेश की भूमिका पर विचार करने वाली कृति）
• Mellers, B., Ungar, L., Baron, J., Ramos, J., Gurcay, B., Fincher, K., Scott, S. E., Moore, D., Atanasov, P., Swift, S. A., Murray, T., Stone, E., & Tetlock, P. E. (2014). Psychological strategies for winning a geopolitical forecasting tournament. Psychological Science, 25(5), 1106–1115.（प्रशिक्षण, टीम निर्माण और संभाव्यता अद्यतन पूर्वानुमान सटीकता में बहुत सुधार लाता है यह पूर्वानुमान प्रतियोगिता में प्रदर्शित करने वाला पेपर）
• Meng, J., Way, R., Verdolini, E., & Diaz Anadon, L. (2021). Comparing expert elicitation and model-based probabilistic technology cost forecasts for the energy transition. Proceedings of the National Academy of Sciences, 118(27), e1917165118.（ऊर्जा तकनीक की लागत पूर्वानुमान में सांख्यिकीय मॉडल विशेषज्ञ अनुमानों से बेहतर प्रदर्शन करता है और विशेषज्ञ लागत में कमी को कम आंकते हैं यह दिखाने वाला पेपर）
• Merton, R. K. (1948). The self-fulfilling prophecy. Antioch Review, 8(2), 193–210.（पूर्वानुमान अपने लक्ष्य के व्यवहार को बदलता है और अपने आप को वास्तविकता देता है यह "आत्मपूरक भविष्यवाणी" को औपचारिक रूप से परिभाषित करने वाला पेपर）
• Myers, K. (2020). The elasticity of science. American Economic Journal: Applied Economics, 12(4), 103–134.（निर्दिष्ट उपयोग वाली अनुसंधान निधि के अनुसार शोधकर्ता विषय बदलते हैं यह NIH डेटा से प्रदर्शित करने वाला पेपर）
• Nagy, B., Farmer, J. D., Bui, Q. M., & Trancik, J. E. (2013). Statistical basis for predicting technological progress. PLoS ONE, 8(2), e52669.（62 तकनीकों के डेटा में राइट के नियम की पूर्वानुमान शक्ति की जांच करने वाला पेपर）
• Park, M., Leahey, E., & Funk, R. J. (2023). Papers and patents are becoming less disruptive over time. Nature, 613, 138–144.（45 मिलियन पत्रों और 3.9 मिलियन पेटेंटों में विघ्नकारी परिणामों का अनुपात निरंतर घट रहा है यह दिखाने वाला पेपर）
• Perez, C. (2002). Technological revolutions and financial capital: The dynamics of bubbles and golden ages. Edward Elgar.（तकनीकी क्रांति परिचय अवधि, बुलबुले, मोड़ और विस्तार अवधि से होकर गुजरती है यह 5 लहरों से दिखाने वाली कृति）
• Popp, D. (2002). Induced innovation and energy prices. American Economic Review, 92(1), 160–180.（ऊर्जा कीमतों में वृद्धि ऊर्जा बचत तकनीकों के पेटेंट आवेदन को प्रेरित करती है यह प्रदर्शित करने वाला पेपर）
• Porter, M. E., & van der Linde, C. (1995). Toward a new conception of the environment-competitiveness relationship. Journal of Economic Perspectives, 9(4), 97–118.（उचित रूप से डिजाइन की गई नीति नवाचार और नए बाजारों को बढ़ावा देती है यह तर्क देने वाला पेपर）
• Raina, R., Madhavan, A., & Ng, A. Y. (2009). Large-scale deep unsupervised learning using graphics processors. Proceedings of the 26th Annual International Conference on Machine Learning, 873–880.（GPU गहन शिक्षण प्रशिक्षण को बहुत तेजी से करता है यह दिखाने वाला पेपर जो GPU कंप्यूटिंग की मांग के लिए प्रारंभिक संकेत बन गया）
• Rogers, E. M. (1962). Diffusion of innovations. Free Press.（नवाचार का प्रसार S-आकार वक्र बनाता है यह दिखाने वाला प्रसार सिद्धांत का मौलिक ग्रंथ）
• Rohrbeck, R., & Kum, M. E. (2018). Corporate foresight and its impact on firm performance: A longitudinal analysis. Technological Forecasting and Social Change, 129, 105–116.（दूरदर्शिता कार्य वाली कंपनियां 7 साल बाद उच्च लाभ दर और विकास दर दिखाती हैं यह प्रदर्शित करने वाला पेपर）
• Rohrbeck, R., Battistella, C., & Huizingh, E. (2015). Corporate foresight: An emerging field with a rich tradition. Technological Forecasting and Social Change, 101, 1–9.（कॉर्पोरेट दूरदर्शिता के अनुसंधान क्षेत्र को व्यवस्थित करने और पूर्वानुमान के साथ इसके संबंध को स्थापित करने वाला पेपर）
• Rotolo, D., Hicks, D., & Martin, B. R. (2015). What is an emerging technology? Research Policy, 44(10), 1827–1843.（उदीयमान प्रौद्योगिकी को 5 विशेषताओं से परिभाषित किया और बाद के अनुसंधान के लिए एक सामान्य ढांचा प्रदान किया गया）
• Rowe, G., & Wright, G. (1999). The Delphi technique as a forecasting tool: Issues and analysis. International Journal of Forecasting, 15(4), 353–375.（डेल्फी पद्धति की पूर्वानुमान सटीकता को प्रायोगिक अनुसंधान की समीक्षा से सत्यापित किया गया）
• Ryan, B., & Gross, N. C. (1943). The diffusion of hybrid seed corn in two Iowa communities. Rural Sociology, 8(1), 15–24.（नवाचार अपनाने में S-वक्र पैटर्न का पहली बार आविष्कार किया गया और प्रसार अनुसंधान की उत्पत्ति）
• Satopää, V. A., Baron, J., Foster, D. P., Mellers, B. A., Tetlock, P. E., & Ungar, L. H. (2014). Combining multiple probability predictions using a simple logit model. International Journal of Forecasting, 30(2), 344–356.（समूह के संभावना पूर्वानुमान को चरमपंथी बनाकर एकत्रित करने से सटीकता में वृद्धि दिखाई गई）
• Scherer, F. M., & Harhoff, D. (2000). Technology policy for a world of skew-distributed outcomes. Research Policy, 29(4–5), 559–566.（आविष्कार का आर्थिक मूल्य अत्यंत विषम वितरण रखता है और कम संख्या में अधिकांश मूल्य केंद्रित है）
• Schmookler, J. (1966). Invention and economic growth. Harvard University Press.（आविष्कार की दिशा मांग के आकार के प्रति प्रतिक्रिया दर्शाता है और मांग-पुल सिद्धांत का शास्त्रीय काम है）
• Schoemaker, P. J. H. (1995). Scenario planning: A tool for strategic thinking. Sloan Management Review, 36(2), 25–40.（परिदृश्य योजना की प्रक्रिया और रणनीतिक महत्व को संगठित किया गया）
• Schoemaker, P. J. H., & Day, G. S. (2009). How to make sense of weak signals. MIT Sloan Management Review, 50(3), 81–89.（कमजोर संकेतों को संगठनात्मक रूप से पहचानने और व्याख्या करने की विधि दिखाई गई）
• Schoenegger, P., Park, P. S., Karger, E., Trott, S., & Tetlock, P. E. (2024b). AI-augmented predictions: LLM assistants improve human forecasting accuracy. arXiv preprint arXiv:2402.07862.（LLM सहायक के साथ दिए गए मानव पूर्वानुमान की सटीकता में महत्वपूर्ण सुधार दिखाया गया）
• Schoenegger, P., Tuminauskaite, I., Park, P. S., & Tetlock, P. E. (2024a). Wisdom of the silicon crowd: LLM ensemble prediction capabilities rival human crowd accuracy. Science Advances, 10(45), eadp1528.（LLM के पहनावे ने मानव सामूहिक बुद्धिमत्ता के अनुरूप पूर्वानुमान सटीकता का प्रदर्शन किया）
• Schwartz, P. (1991). The art of the long view: Planning for the future in an uncertain world. Doubleday.（Shell कंपनी की परिदृश्य योजना के व्यवहार को संगठित किया और 1986 के कच्चे तेल की कीमत में गिरावट के लिए तैयारी का वर्णन किया）
• Siegel, J. J. (2005). The future for investors: Why the tried and the true triumph over the bold and the new. Crown Business.（बढ़ती हुई उद्योगों में निवेश कम रिटर्न देता है, यह "वृद्धि का जाल" दीर्घकालीन डेटा से दिखाया गया）
• Singh, A., Triulzi, G., & Magee, C. L. (2021). Technological improvement rate predictions for all technologies: Use of patent data and an extended domain description. Research Policy, 50(9), 104294.（पेटेंट डेटा से 1,757 तकनीकी क्षेत्रों की वार्षिक सुधार दर का पूर्वानुमान लगाया गया）
• Sultan, F., Farley, J. U., & Lehmann, D. R. (1990). A meta-analysis of applications of diffusion models. Journal of Marketing Research, 27(1), 70–77.（213 Bass मॉडल अनुप्रयोग अनुसंधान का मेटा-विश्लेषण और नवीनता और नकल गुणांक के विशिष्ट मान दिखाए गए）
• Taleb, N. N. (2007). The black swan: The impact of the highly improbable. Random House.（परिणाम का वितरण सामान्य वितरण से विचलित होता है, जहां दुर्लभ घटनाएं परिणामों पर हावी होती हैं और औसत पूर्वानुमान गलत होता है）
• Tetlock, P. E. (2005). Expert political judgment: How good is it? How can we know? Princeton University Press.（विशेषज्ञ की पूर्वानुमान सटीकता को 20 वर्षों तक ट्रैक किया गया और इसकी सीमाओं और सुधार की संभावना दिखाई गई）
• Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The art and science of prediction. Crown.（पूर्वानुमान को प्रशिक्षण योग्य कौशल के रूप में संगठित किया गया）
• Tetlock, P. E., Mellers, B. A., & Scoblic, J. P. (2017). Bringing probability judgments into policy debates via forecasting tournaments. Science, 355(6324), 481–483.（पूर्वानुमान टूर्नामेंट को नीति विवाद में संभाव्य सोच लाने के साधन के रूप में प्रस्तावित किया गया）
• Thiel, P., & Masters, B. (2014). Zero to one: Notes on startups, or how to build the future. Crown Business.（सहमति से परे "छिपे हुए सत्य" में निवेश पर चर्चा की गई）
• Uzzi, B., Mukherjee, S., Stringer, M., & Jones, B. (2013). Atypical combinations and scientific impact. Science, 342(6157), 468–472.（उच्च प्रभाव वाले पत्र पारंपरिक ज्ञान में एक असामान्य संयोजन जोड़ने की संरचना दिखाते हैं）
• Valentine, D. (2010). View from the top [Lecture]. Stanford Graduate School of Business.（Sequoia Capital संस्थापक ने बाजार के आकार को निवेश निर्णय का प्रथम मानदंड मानने के विचार को व्यक्त किया）
• von Hippel, E. (1976). The dominant role of users in the scientific instrument innovation process. Research Policy, 5(3), 212–239.（वैज्ञानिक उपकरण नवाचार का 77% उपयोगकर्ताओं द्वारा होता है और यह लीड यूजर पद्धति की उत्पत्ति है）
• von Hippel, E. (1986). Lead users: A source of novel product concepts. Management Science, 32(7), 791–805.（अग्रणी उपयोगकर्ता भविष्य की मांग से आगे बढ़ते हैं, यह लीड यूजर पद्धति का मूल पत्र है）
• von Hippel, E., Thomke, S., & Sonnack, M. (1999). Creating breakthroughs at 3M. Harvard Business Review, 77(5), 47–57.（3M के चिकित्सा व्यवसाय विभाग ने लीड यूजर पद्धति से नए उत्पाद अवधारणा प्राप्त की प्रक्रिया की रिपोर्ट की गई）
• Wack, P. (1985). Scenarios: Uncharted waters ahead. Harvard Business Review, 63(5), 72–89.（Shell कंपनी की परिदृश्य योजना का व्यवहार हितधारक द्वारा रिपोर्ट किया गया）
• Wang, J., Veugelers, R., & Stephan, P. (2017). Bias against novelty in science: A cautionary tale for users of bibliometric indicators. Research Policy, 46(8), 1416–1436.（नई प्रकृति के पत्र अल्पकाल में कम आंके जाते हैं लेकिन दीर्घकाल में उच्च प्रभाव रखते हैं）
• Way, R., Ives, M. C., Mealy, P., & Farmer, J. D. (2022). Empirically grounded technology forecasts and the energy transition. Joule, 6(9), 2057–2082.（अनुभवजन्य वक्र पर आधारित संभाव्य पूर्वानुमान से ऊर्जा परिवर्तन को तेजी से आगे बढ़ाने से कुल लागत कम होती है）
• Wetterstrand, K. A. (2023). DNA sequencing costs: Data. National Human Genome Research Institute.（मानव जीनोम अनुक्रमण लागत के परिवर्तन को दर्शाने वाला सार्वजनिक डेटा）
• Witt, S. (2025). The thinking machine: Jensen Huang, Nvidia, and the world's most coveted microchip. Viking.（NVIDIA ने CUDA में पूर्व निवेश करके अनुप्रयोग बाजार के उद्भव की प्रतीक्षा की, इस प्रक्रिया का वर्णन किया गया）
• Wolfers, J., & Zitzewitz, E. (2004). Prediction markets. Journal of Economic Perspectives, 18(2), 107–126.（पूर्वानुमान बाजारों के सिद्धांत और अनुभवजन्य प्रमाणों की समीक्षा करने वाला पत्र）
• Wright, T. P. (1936). Factors affecting the cost of airplanes. Journal of the Aeronautical Sciences, 3(4), 122–128.（संचयी उत्पादन मात्रा और लागत में कमी के संबंध की खोज करने वाले राइट के नियम का मूल पत्र）
• Zhou, Y., Dong, F., Liu, Y., Li, Z., Du, J., & Zhang, L. (2020). Forecasting emerging technologies using data augmentation and deep learning. Scientometrics, 123, 1–29.（डेटा संवर्धन और गहन शिक्षण के साथ उभरती हुई तकनीकों का पूर्वानुमान लगाने की विधि को प्रदर्शित करने वाला पत्र）
• Ziegler, M. S., & Trancik, J. E. (2021). Re-examining rates of lithium-ion battery technology improvement and cost decline. Energy & Environmental Science, 14(4), 1635–1651.（लिथियम-आयन बैटरी की लागत में अनुभव वक्र के अनुसार गिरावट को दर्शाने वाला पत्र）
• 国立社会保障・人口問題研究所. (2023). 日本の将来推計人口(令和5年推計). 人口問題研究資料第347号.（जापान की वृद्धावस्था दर में परिवर्तन और भविष्य के अनुमान को दर्शाने वाली सार्वजनिक सामग्री）
• 科学技術・学術政策研究所. (2019). 第11回科学技術予測調査. NISTEP REPORT No. 183.（1971 के बाद से लगभग 5 साल की अवधि में जारी जापान की डेल्फी सर्वेक्षण की नवीनतम रिपोर्ट）