Research

22 सित॰ 2026Masahiro TaimaBusiness Developmentप्रबंधनवित्त

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

Product

निःशुल्क रूप से शुरू करें (जल्द आ रहा है) एंटरप्राइज परामर्श

Career

mign विशेष AI एजेंट सेवा विकास में सक्रिय रूप से भाग लेने वाले लोगों की तलाश कर रहा है

यह जापानी मूल पाठ से स्वचालित अनुवाद है

Overview

ऐतिहासिक रूप से तीव्र वृद्धि प्राप्त करने वाली कंपनियों और राष्ट्रों ने अधिकांश लोगों द्वारा इसे स्वीकार किए जाने से पहले वृद्धि के क्षेत्रों में निवेश किया है। वृद्धि बाजार कैसे पाए जा सकते हैं? वृद्धि के क्षेत्रों को जन्म देने वाले स्रोतों को राजनीतिक, आर्थिक, सामाजिक और तकनीकी - 4 बाहरी वातावरण के परिवर्तनों में व्यवस्थित किया गया है, और S-वक्र और राइट के नियम से लेकर कमजोर संकेत, डेल्फी पद्धति, लीड यूजर पद्धति, और परिदृश्य योजना तक 5 प्रणालियों और 12 पद्धतियों में पूर्वानुमान तकनीकों को वर्गीकृत किया गया है। निवेशकों, कंपनियों, शोधकर्ताओं, राष्ट्रों के व्यावहारिक उदाहरण, 2020 के बाद के सबसे नए शोध के रुझान, और बाजार पूर्वानुमान की अंतर्निहित सीमाओं तक, नवीनतम शोध के आधार पर व्यापक रूप से व्यवस्थित किया गया है।

परिचय

ऐतिहासिक रूप से तीव्र वृद्धि प्राप्त करने वाली कंपनियों और राष्ट्रों ने, अधिकांश लोगों द्वारा इसे स्वीकार किए जाने से पहले, वृद्धि के क्षेत्रों में बड़े निवेश और चुनौतियां दी हैं। लेकिन ऐसे वृद्धि वाले बाजारों को कैसे खोजा जा सकता है? यहां, ऐसे वृद्धि वाले बाजारों को समझने के तरीकों को व्यवस्थित किया गया है।

इस लेख की नवीनता निम्नलिखित 3 बिंदुओं में है।

  • वृद्धि के क्षेत्रों को जन्म देने वाले स्रोतों को बाहरी वातावरण के 4 परिवर्तनों में व्यवस्थित किया गया है, और यह प्रदर्शित किया गया है कि यह न केवल बाजार को बल्कि शोध विषयों और आविष्कारों की दिशा को भी प्रभावित करता है, इसे प्रायोगिक अनुसंधान में दिखाया गया है।
  • पूर्वानुमान तकनीकों को 5 प्रणालियों में वर्गीकृत किया गया है और स्रोतों के साथ उनके संबंध को दिखाया गया है।
  • 2020 के बाद के शोध के रुझानों को व्यवस्थित किया गया है।

वृद्धि बाजार के कारक

वृद्धि के क्षेत्रों को जन्म देने वाले स्रोतों को, पर्यावरणीय स्कैनिंग अनुसंधान (बाहरी वातावरण (राजनीतिक, आर्थिक, सामाजिक, तकनीकी आदि) का विश्लेषण करना और इसे प्रबंधन में लागू करना - एक शोध क्षेत्र) के क्लासिक्स के बाद से, राजनीतिक, आर्थिक, सामाजिक और तकनीकी 4 परिवर्तनों (PEST) में व्यवस्थित किया गया है (Aguilar, 1967)। निम्नलिखित 4 परिवर्तनों के अनुसार व्यवस्थित किया गया है।

राजनीतिक परिवर्तन

बाजार को कैसे प्रभावित करता है

  • मांग का निर्माण और निषेध: नियम विशिष्ट उत्पादों या तकनीकों को अनिवार्य या निषिद्ध करके सीधे मांग को बनाता और हटाता है। समुचित रूप से डिजाइन किए गए नियम कंपनियों की नवाचार को प्रोत्साहित करते हैं और मौजूदा कंपनियों द्वारा अनदेखी किए गए नए बाजारों को जन्म देते हैं, यह तर्क दिया जाता है (Porter & van der Linde, 1995)। नियमों का पालन करने के लिए आविष्कार नियमों के कड़े होने वाले देशों और अवधियों में केंद्रित होते हैं, यह पेटेंट डेटा से पुष्टि की गई है (Lee, Veloso & Hounshell, 2011)
  • धन आवंटन के माध्यम से अनुसंधान का निर्देशन: निर्दिष्ट उपयोग के साथ सार्वजनिक अनुसंधान निधि शोधकर्ताओं की रुचि को उस विषय की ओर स्थानांतरित करती है। अमेरिकी NIH के डेटा से पता चलता है कि जब किसी विशेष क्षेत्र का धन बढ़ता है तो शोधकर्ता विषय को बदलकर आवेदन करते हैं, शोध की दिशा नीति से चलती है (Myers, 2020)

ठोस उदाहरण

  • जर्मनी का नवीकरणीय ऊर्जा कानून और सौर बाजार: 2000 में लागू किया गया नवीकरणीय ऊर्जा कानून (EEG) ने 20 साल की निश्चित मूल्य खरीद की गारंटी दी, जर्मनी को विश्व का सबसे बड़ा सौर बाजार बना दिया, और पैनल विनिर्माण के बड़े पैमाने पर निवेश को विश्व स्तर पर प्रेरित किया। यह कानून 1990 के दशक से चर्चा में था, इसके लागू होने से पहले ही संकेत देखे जा सकते थे (Jacobsson & Lauber, 2006)
  • कैलिफोर्निया की शून्य उत्सर्जन वाहन नियमन और EV बाजार: 1990 में पेश किया गया ZEV नियमन निर्माताओं को शून्य-उत्सर्जन वाहनों की एक निश्चित दर बेचने के लिए अनिवार्य करता है, और बाद में मजबूत करने के माध्यम से विद्युतीकरण अनुसंधान और विकास को निर्देशित किया। EV बाजार के शुरुआत का एक स्रोत मांग नहीं बल्कि नियमन था (Collantes & Sperling, 2008)
  • उत्सर्जन नियमन और उत्प्रेरक कनवर्टर: अमेरिकी वायु शुद्धिकरण कानून द्वारा उत्सर्जन नियमन में वृद्धि ने ऑटोमेकर और आपूर्तिकर्ताओं के उत्सर्जन नियंत्रण तकनीक के पेटेंट आवेदनों को नियमन की समय सारणी के अनुसार बढ़ाया। नियमन ने आविष्कार के समय और दिशा को निर्धारित किया, यह एक उदाहरण है (Lee, Veloso & Hounshell, 2011)

आर्थिक परिवर्तन

बाजार को कैसे प्रभावित करता है

  • क्रय शक्ति की दहलीज: जब आय का स्तर बढ़ता है और किसी उत्पाद की कीमत घरेलू खर्च योग्य स्तर से नीचे चली जाती है, तो बाजार गैर-सतत रूप से शुरू होता है। उदीयमान देशों में मध्यम वर्ग का विस्तार हर साल दसों लाखों लोगों को इस दहलीज से आगे बढ़ाता रहा है (Kharas, 2017)
  • लागत में गिरावट से उपयोग का विमोचन: जब तकनीक की लागत में गिरावट आती है, तो "तकनीकी रूप से संभव लेकिन बहुत महंगा" उपयोग क्रम से आर्थिक रूप से संभव हो जाते हैं और बाजार में बदल जाते हैं। संचयी उत्पादन मात्रा के दोगुने होने पर लागत एक निश्चित दर से गिरने का अनुभववादी नियम कई तकनीकों में पुष्टि की गई है, लागत में गिरावट की रेखा और उपयोग के लाभप्रदता दहलीज का प्रतिच्छेदन बाजार की शुरुआत के समय का अनुमान है (Nagy et al., 2013; Farmer & Lafond, 2016)
  • सापेक्ष मूल्य से आविष्कार का प्रेरण: जब निवेश संसाधन की कीमत बढ़ती है, तो उस संसाधन को बचाने वाली तकनीक में आविष्कार बढ़ता है। "प्रेरित नवाचार" के रूप में ज्ञात यह तंत्र दिखाता है कि आर्थिक संकेत आविष्कार की दिशा को चलाते हैं (Schmookler, 1966; Popp, 2002)

ठोस उदाहरण

  • उदीयमान देशों का मध्यम वर्ग और मोबाइल भुगतान: विश्व का मध्यम वर्ग जनसंख्या 2010 के दशक में तेजी से विस्तृत हुई, और उसका बहुलांश एशिया द्वारा कब्जा किया गया (Kharas, 2017)। जब बैंक खाते के बिना परत के पास स्मार्टफोन आ गया, तो चीन की मोबाइल भुगतान और दक्षिण-पूर्व एशिया के राइड-शेयरिंग और भुगतान प्लेटफॉर्म - जो विकसित देशों में नहीं थे - जैसे बाजार शुरू हो गए
  • जीनोम अनुक्रमण लागत में गिरावट और व्यक्तिगत जीन परीक्षण: एक व्यक्ति के लिए मानव जीनोम को अनुक्रमित करने की लागत 2001 में लगभग 100 मिलियन डॉलर से 2010 के दशक के मध्य में 1,000 डॉलर प्रति हजार तक गिर गई (Wetterstrand, 2023)। इस गिरावट से व्यक्तिगत जीन परीक्षण, कैंसर के जीनोम चिकित्सा, कृषि और पशुपालन का प्रजनन - जो अनुसंधान संस्थानों के अलावा सफल नहीं हुए - बाजार बन गए
  • ऊर्जा मूल्य और ऊर्जा-दक्ष तकनीक पेटेंट: 1970 के दशक के तेल संकट के बाद से, ऊर्जा मूल्य में वृद्धि ने ऊर्जा-दक्ष तकनीक के पेटेंट आवेदनों को सांख्यिकीय रूप से महत्वपूर्ण रूप से बढ़ाया। मूल्य वृद्धि का प्रभाव कुछ वर्षों के भीतर दिखाई देता है, और जब मूल्य में गिरावट आती है तो आविष्कार भी धीमा हो जाता है (Popp, 2002)। सापेक्ष मूल्य में परिवर्तन आविष्कार की दिशा को चलाता है, यह सबसे स्पष्ट अनुभववादी उदाहरण है

सामाजिक परिवर्तन

बाजार को कैसे प्रभावित करता है

  • जनसंख्या संरचना की निश्चितता: जनसांख्यिकीय "पहले से घटित भविष्य" है। इस वर्ष पैदा हुए लोगों की संख्या 20 साल बाद के 20 साल की जनसंख्या को लगभग निश्चित कर देती है, और प्रत्येक आयु समूह की खपत, स्वास्थ्य सेवा, आवास की मांग को 10-20 साल आगे तक देखा जा सकता है। 4 स्रोतों में सबसे निश्चित पूर्वानुमान सामग्री है (Drucker, 1997)
  • भविष्य की मांग की प्रत्याशा से आविष्कार का प्रेरण: जनसांख्यिकीय से अनुमानित भविष्य के बाजार के आकार कंपनियों के अनुसंधान और विकास की दिशा को चलाते हैं। अनुमानित बाजार जितना बड़ा होता है, नए उत्पादों का विकास उतना अधिक बढ़ता है, यह कारणात्मक रूप से पुष्टि की गई है (Acemoglu & Linn, 2004)
  • मूल्यों और जीवन शैली में परिवर्तन: मूल्य (पर्यावरण, स्वास्थ्य, समय का उपयोग) और घरेलू संरचना में परिवर्तन मौजूदा उत्पाद श्रेणियों की मांग को अलग-अलग श्रेणियों में स्थानांतरित कर देता है। जनसांख्यिकीय के विपरीत, आंकड़ों में दिखने में देरी होती है, इसलिए यह केवल अग्रणी उपयोगकर्ताओं के अवलोकन से जल्दी कब्जा किया जा सकता है (von Hippel, 1986)

ठोस उदाहरण

  • जापान की बढ़ती उम्र और देखभाल, स्वास्थ्य सेवा बाजार: जापान में 65 वर्ष से अधिक आयु वर्ग के लोगों का अनुपात 1990 में 12% से 2020 में 29% तक बढ़ गया, और भविष्य में भी वृद्धि जारी रहने का अनुमान है (राष्ट्रीय संस्थान सामाजिक सुरक्षा और जनसंख्या मुद्दों के लिए, 2023)। इस निश्चित परिवर्तन की पृष्ठभूमि में, 2000 में देखभाल बीमा प्रणाली की शुरुआत के साथ देखभाल सेवा बाजार शुरू हुआ, और अब निगरानी, दवा प्रबंधन, देखभाल रोबोट जैसे तकनीकी अनुप्रयोग के बाजार तक विस्तृत हुआ है
  • जनसांख्यिकीय और नई दवा विकास: अमेरिकी प्रत्येक आयु समूह की जनसंख्या प्रवृत्ति से भविष्य की रोगियों की संख्या का पूर्वानुमान जितनी बीमारी से लगाया जा सकता है, उतनी ही अधिक नई दवाओं का विकास और अनुमोदन बढ़ता है। अनुमानित बाजार का आकार 1% बड़ा होने पर नई दवा के प्रवेश में लगभग 4-6% की वृद्धि होती है, यह भविष्य की मांग का अनुमान आविष्कार की दिशा को निर्धारित करता है, इसे प्रदर्शन करने वाला उदाहरण है (Acemoglu & Linn, 2004)
  • महिला रोजगार का विस्तार और समय-बचत, बाल देखभाल सेवा बाजार: 20वीं सदी के उत्तरार्ध में महिलाओं के रोजगार और कैरियर निर्माण का विस्तार "शांत क्रांति" कहा जाता है (Goldin, 2006), कामकाजी महिलाओं के परिवारों में वृद्धि के माध्यम से बाल देखभाल, अर्ध-तैयार खाद्य पदार्थ, भोजन वितरण, घरेलू सहायता सेवाओं जैसे समय को खरीदने वाली सेवाओं के बाजार को प्रत्येक देश में बढ़ाया। जनसांख्यिकीय और मूल्यों में परिवर्तन एक साथ मिलने वाला एक उदाहरण है

तकनीकी परिवर्तन

4 में से सबसे गैर-सतत परिवर्तन पैदा करने वाला स्रोत है, और सबसे मोटाई से संभाला जाता है।

बाजार को कैसे प्रभावित करता है

  • सामान्य-उद्देश्य तकनीक द्वारा अनुप्रयोग क्षेत्रों की श्रृंखला: भाप इंजन, बिजली, IT जैसी सामान्य-उद्देश्य तकनीकें (General Purpose Technology) स्वयं मूल्य नहीं बनाती हैं, बल्कि पूरक नवाचार की श्रृंखला के माध्यम से असंख्य अनुप्रयोग क्षेत्रों को जन्म देती हैं (Bresnahan & Trajtenberg, 1995)। यह श्रृंखला अवसंरचना → मंच → एप्लिकेशन की परतों में बार-बार देखी जाती है, और सामान्य-उद्देश्य तकनीक की पुष्टि की जा सकती है यदि "अगली वृद्धि इसकी अनुप्रयोग परत में होगी, और अगले में खुले होंगे यह अनुप्रयोग परत के शोध विषय हैं" इस तरह की संरचनात्मक पूर्वानुमान खड़ी की जा सकती है (Andreessen, 2011)
  • लंबा समय संरचना: सामान्य-उद्देश्य तकनीक को उत्पादकता में दिखाई देने के लिए, व्यावसायिक प्रक्रियाएं और संगठन की पुनः डिजाइन जैसे पूरक पुनः आविष्कार आवश्यक है, यह दशकों तक चलता है। आविष्कार से प्रसार तक का अंतराल ऐतिहासिक रूप से औसत 45 साल तक पहुंचता है, और यह अंतराल का अंतर प्रत्येक देश की आय असमानता का लगभग एक-चौथाई समझाता है (Comin & Hobijn, 2010)। तकनीकी क्रांति "परिचय अवधि → उत्साह और बुलबुला → रूपांतरण बिंदु → विस्तार अवधि" जैसे सामान्य पैटर्न का पालन करती है, यह औद्योगिक क्रांति के बाद से 5 लहरों में दिखाया गया है (Perez, 2002)
  • लागत वक्र द्वारा बाजार का अनुक्रमिक विमोचन: "संचयी उत्पादन मात्रा के दोगुने होने पर लागत एक निश्चित दर से गिरती है" यह अनुभववादी नियम (राइट का नियम) 62 तकनीकों की जांच में उच्च पूर्वानुमान शक्ति दिखाई है (Wright, 1936; Nagy et al., 2013)। लागत में गिरावट आने पर हर बार नया उपयोग लाभदायक हो जाता है, बाजार सीढ़ीदार रूप से खुल जाता है

ठोस उदाहरण

  • बिजली और कारखाने की उत्पादकता (लगभग 40 साल का अंतराल): बिजली 1880 के दशक में व्यावहारिक हुई, लेकिन कारखाने की उत्पादकता में इसका प्रतिबिंब 1920 के दशक में हुआ। भाप इंजन को पूर्वापेक्षा मानने वाली कारखाने की संरचना और कार्य डिजाइन को विद्युत मोटर को पूर्वापेक्षा मानकर फिर से बनाने जैसे पूरक पुनः आविष्कार में लगभग 40 साल का समय लगा (David, 1990)। सामान्य-उद्देश्य तकनीक का बाजार तकनीक के आगमन नहीं बल्कि पूरक संपत्तियों की तैयारी के साथ शुरू होता है, यह प्रारंभिक उदाहरण है
  • इंटरनेट, क्लाउड और अनुप्रयोग बाजारों की परतें: इंटरनेट जैसी अवसंरचना पर ई-कॉमर्स, खोज, SaaS, स्मार्टफोन जैसे मंच पर ऐप अर्थव्यवस्था, क्लाउड पर API अर्थव्यवस्था, प्रत्येक लगभग 10 साल की देरी से शुरू हुई। "सॉफ्टवेयर दुनिया को खा जाता है" यह 2011 की टिप्पणी इस परत संरचना को निवेश के प्रस्ताव में अनुवादित करती है (Andreessen, 2011)
  • GPU और गहन शिक्षा से सामान्य AI, विशेषीकृत AI एजेंट तक: 2009 में यह दिखाया गया कि GPU ने गहन शिक्षा के प्रशिक्षण को दसियों गुना तेज किया (Raina, Madhavan & Ng, 2009), और 2012 में GPU द्वारा प्रशिक्षित तंत्रिका नेटवर्क ने छवि पहचान में एक भारी जीत हासिल की जिससे गहन शिक्षा का उछाल शुरू हुआ (Krizhevsky, Sutskever & Hinton, 2012)। समानांतर कंप्यूटिंग की लागत में गिरावट ने आधार मॉडल (सामान्य AI) को संभव बनाया, और इसके अनुप्रयोग परत के रूप में विशेषीकृत AI एजेंट का बाजार खुल रहा है। NVIDIA का 2006 में CUDA में निवेश इस श्रृंखला के सबसे ऊपरी हिस्से पर एक सटीक शर्त थी (Witt, 2025)।
  • सौर ऊर्जा और बैटरी की लागत वक्र: सौर ऊर्जा की लागत लगभग 40 वर्षों तक संचयी उत्पादन मात्रा के दोगुने होने के साथ लगभग 20% गिरती रही है, और 2010 के दशक में कई क्षेत्रों में मौजूदा ऊर्जा स्रोतों से कम हो गई (Farmer & Lafond, 2016)। लिथियम-आयन बैटरी भी एक ही नियम के अनुसार गिरी है, और विद्युत वाहनों की आर्थिक व्यवहार्यता की सीमा को पार कर गई है (Ziegler & Trancik, 2021)। यदि लागत वक्र को बाहर की ओर बढ़ाया जाता, तो दोनों बाजार 10 से अधिक वर्षों पहले अपने उदय के समय का अनुमान लगा सकते थे।

ये चार बाहरी वातावरणीय परिवर्तन स्वतंत्र नहीं बल्कि परस्पर जुड़े हुए हैं। विद्युत वाहन बाजार बैटरी की लागत में गिरावट (प्रौद्योगिकी) × उत्सर्जन विनियम (राजनीति) × कार्बन-तटस्थता के मूल्य (समाज) × उभरते बाजारों की मांग (अर्थव्यवस्था) के गुणन से उदय हुआ। सौर ऊर्जा बाजार भी लागत वक्र (प्रौद्योगिकी और अर्थव्यवस्था), खरीद योजना (राजनीति), और पर्यावरणीय मानदंड (समाज) के एक ही दिशा में इशारा करने का परिणाम है। जब कई स्रोत एक ही दिशा में इशारा करते हैं, तो एक क्षेत्र की वृद्धि सबसे अधिक सटीकता के साथ होती है।

बढ़ते बाजार का पूर्वानुमान लगाने का दृष्टिकोण

बढ़ते बाजार में परिवर्तन का पता लगाने और मात्रा निर्धारित करने के तरीकों को 5 प्रणाली और 12 विधियों में वर्गीकृत किया जा सकता है। नीचे, प्रत्येक विधि को समान दृष्टिकोण, जन्म का पृष्ठभूमि, और ठोस उदाहरणों में समझाया गया है।

एक्सट्रपोलेशन और मॉडलिंग प्रणाली

पिछले डेटा पर कानून लागू करने और भविष्य तक बढ़ाने की प्रणाली। जहां डेटा मौजूद है, यह सबसे मात्रात्मक है, और जहां यह मौजूद नहीं है, समान मामलों से उधार लिया जाता है।

S-वक्र/प्रसार सिद्धांत

  • विवरण: नई तकनीक का प्रसार इस क्रम में होता है: नवोद्योजक (2.5%) → प्रारंभिक अपनाने वाले (13.5%) → प्रारंभिक बहुसंख्यक (34%) → देरी से बहुसंख्यक (34%) → पिछड़े (16%), और जमा होने पर एक S आकार खींचता है। जब प्रसार दर 10-20% तक पहुंच जाती है, तो S-वक्र का ढलान अनुमानित किया जा सकता है, और संतृप्ति स्तर और पहुंचने का समय बाहर की ओर बढ़ाया जा सकता है (Rogers, 1962)।
  • जन्म की पृष्ठभूमि: 1930 के दशक में आयोवा में हाइब्रिड मकई के किसानों के बीच अपनाने की प्रक्रिया का पता लगाने वाला समाजशास्त्रीय अनुसंधान इसका मूल है। अपनाने के समय का वितरण सामान्य वितरण के करीब था, और संचय S-आकार बनाता था (Ryan & Gross, 1943)। अर्थशास्त्रियों ने इसे प्रत्येक राज्य के डेटा से दोहराया और दिखाया कि प्रसार की गति लाभप्रदता के आनुपातिक है (Griliches, 1957)। Rogers ने 500 से अधिक प्रसार अध्ययनों 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 सभी यूएस के घरेलू प्रसार दर में S-आकार खींचते हैं। 1980 के दशक में यूएस के मोबाइल फोन पूर्वानुमान ने वास्तविक परिणामों से 100 गुना अधिक कम अनुमान लगाया, यह प्रारंभिक धीमे उदय के हिस्से को सीधी रेखा से बढ़ाने के कारण हुआ (The Economist, 1999)। इसके विपरीत, यदि प्रसार दर 10% से अधिक हो तो S-वक्र लागू किया जाए, तो संतृप्ति स्तर काफी सटीकता से पढ़ा जा सकता था (Rogers, 1962; The Economist, 1999)।

Bass मॉडल

  • विवरण: S-आकार को "नवीनता गुणांक p (विज्ञापन या बाहरी जानकारी द्वारा स्वतंत्र रूप से अपनाने की शक्ति)" और "अनुकरण गुणांक q (मौजूदा अपनाने वालों से मुंह के शब्द से फैलाने की शक्ति)" के 2 गुणांकों के साथ समीकरण करने वाला एक गणितीय मॉडल। संचय किए गए अपनाने वालों की संख्या से अगली अवधि के अपनाने वालों की संख्या की गणना की जा सकती है, और शीर्ष समय और बाजार का आकार विश्लेषणात्मक रूप से प्राप्त किया जा सकता है। 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)।
  • जन्म की पृष्ठभूमि: 1960 के दशक में, घरेलू उपकरण निर्माताओं को रंगीन टेलीविजन जैसे टिकाऊ उपभोक्ता सामानों के उत्पादन योजना के लिए बिक्री शिखर का अनुमान लगाने की आवश्यकता थी। Bass ने रेफ्रिजरेटर, फ्रीजर, टेलीविजन सहित 11 उत्पादों पर फिट परीक्षण किया और रंगीन टेलीविजन की बिक्री शिखर का समय पहले से अनुमानित करके दिखाया (Bass, 1969)।
  • ठोस उदाहरण: उपग्रह प्रसारण DirecTV ने 1994 में सेवा शुरू करने से पहले, केबल टेलीविजन जैसी समान सेवाओं के गुणांक का उपयोग करके Bass मॉडल से 5 वर्षों के सदस्यता संख्या का पूर्वानुमान लगाया, और वास्तविकता लगभग मेल खाई। इस बात का प्रदर्शन करता है कि लॉन्च से पहले भी मॉडल काम करता है (Bass et al., 2001)।

Wright का कानून (अनुभव वक्र)

  • विवरण: "संचय उत्पादन मात्रा दोगुनी होने पर, प्रति इकाई लागत एक निश्चित दर (तकनीक के आधार पर 10-30%) से गिरती है" यह एक अनुभवसंगत नियम है। यह मांग के बजाय लागत की ओर से बाजार के उदय का पूर्वानुमान लगाता है। लागत में गिरावट की रेखा उस बिंदु पर प्रयोग आर्थिक रूप से व्यवहार्य की सीमा को काटती है, वह बाजार के खुलने के समय का अनुमान बन जाता है (Wright, 1936)।
  • जन्म की पृष्ठभूमि: 1936 में, विमान प्रौद्योगिकीविद Wright ने यह खोज की कि विमान के शरीर की असेंबली का काम संचयी उत्पादित विमानों की संख्या के साथ बढ़ने पर एक निश्चित दर से कम हो जाता है। द्वितीय विश्व युद्ध के दौरान सैन्य विमान उत्पादन योजना में इसका उपयोग किया गया, और 1960 के दशक में बोस्टन कंसल्टिंग ग्रुप ने इसे "अनुभव वक्र" के रूप में प्रबंधन कौशल में लाया (Wright, 1936; Boston Consulting Group, 1968)। 2010 के दशक में, 62 तकनीकों के डेटा पर यह नियम सांख्यिकीय रूप से अन्य पूर्वानुमान विधियों से अधिक पूर्वानुमान शक्ति रखता था, यह सत्यापित किया गया (Nagy et al., 2013)।
  • ठोस उदाहरण: सौर ऊर्जा पैनल 1976 के बाद से संचय उत्पादन मात्रा के दोगुने होने पर लगभग 20% की लागत में गिरावट जारी रख रहा है, और 2010 के दशक में कई क्षेत्रों में कोयला विद्युत संयंत्र की लागत को कम कर दिया। लिथियम-आयन बैटरी भी एक समान नियम के अनुसार गिरी है, और विद्युत वाहनों की आर्थिक व्यवहार्यता की सीमा को पार कर गई है (Farmer & Lafond, 2016; Ziegler & Trancik, 2021)। 1980 में इस नियम को बाहर की ओर बढ़ाया होता तो सौर ऊर्जा बाजार 2010 के दशक में खुलेगा यह अनुमान लगाया जा सकता था।

संदर्भ वर्ग पूर्वानुमान

  • विवरण: पूर्वानुमान के विषय को "अंदर से" जोड़ने के बजाय, समान पूर्ववर्ती मामलों (संदर्भ वर्ग) के वास्तविक वितरण की जांच करें, और विषय को उस वितरण में स्थिति दें। नए बाजार के पूर्वानुमान में, समान तकनीक के प्रसार गुणांक या शीर्ष पहुंचने के वर्षों का उपयोग किया जाता है (Kahneman & Tversky, 1979; Flyvbjerg, 2006)।
  • जन्म की पृष्ठभूमि: मनोवैज्ञानिक Kahneman और Tversky ने दिखाया कि मानव अपनी योजना को अंदर से देखने पर व्यवस्थित रूप से आशावादी होते हैं (योजना त्रुटि), और बाहरी दृष्टिकोण से संशोधन प्रक्रिया का प्रस्ताव दिया (Kahneman & Tversky, 1979)। Flyvbjerg ने 258 परिवहन अवसंरचना परियोजनाओं के डेटा को दिखाया कि 9 दसवां हिस्सा लागत अधिक हो गई है (Flyvbjerg, Holm & Buhl, 2002), और संदर्भ वर्ग के वितरण से सुधार दर निकालने की विधि को व्यावहारिक बना दिया। यूके के वित्त विभाग ने 2004 में इसे सार्वजनिक परियोजना मूल्यांकन के आधिकारिक मार्गदर्शन में अपनाया (Flyvbjerg, 2006)।
  • ठोस उदाहरण: नए घरेलू उपकरणों की बिक्री के पूर्वानुमान में, समान उत्पादों के प्रसार वक्र का संदर्भ देकर अनुमान लगाना प्रबंधन निर्णय के अकेले पूर्वानुमान की तुलना में अधिक सटीक दिखाया गया है (Goodwin, Dyussekeneva & Meeran, 2013)। DirecTV का लॉन्च-पूर्व पूर्वानुमान भी समान सेवाओं के गुणांक का उपयोग करके किया गया संदर्भ वर्ग पूर्वानुमान का एक प्रकार है (Bass et al., 2001)। विशेषीकृत AI एजेंट के प्रसार का अनुमान लगाने के लिए, SaaS और क्लाउड की कंपनी अपनाने की दर में बदलाव संदर्भ वर्ग के उम्मीदवार हो सकते हैं।

संकेत पहचान प्रणाली

डेटा संख्या बनने से पहले, खंडित पूर्वसूचना एकत्र करने की प्रणाली है।

कमजोर संकेत (weak signals)

  • विवरण: बड़े परिवर्तन से पहले आने वाली, खंडित और अस्पष्ट पूर्वसूचना (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 जोड़ा जाता है (Ansoff, 1975)।
  • जन्म की पृष्ठभूमि: 1973 के तेल संकट में, तब के मुख्यधारा की दीर्घकालीन व्यावसायिक योजना अविच्छिन्न परिवर्तन के लिए बिल्कुल प्रतिक्रिया नहीं कर सकी। कौशल प्रबंधन के संस्थापक Ansoff ने तर्क दिया कि जानकारी पूरी तरह इकट्ठा होने का इंतजार करने से बहुत देर हो जाएगी, कमजोर संकेत के चरण में ही कार्य शुरू करने की जरूरत है (Ansoff, 1975)। 2000 के दशक में "परिधीय दृष्टि" के अनुसंधान के रूप में व्यवस्थित किया गया, और संगठन किस कारण से संकेत को नजरअंदाज करता है और इसका समाधान कैसे किया जाए यह समझाया गया (Day & Schoemaker, 2006; Schoemaker & Day, 2009)।
  • ठोस उदाहरण: खिलौना निर्माता Mattel ने अपने मुख्य बार्बी गुड़िया की बिक्री के प्रतिद्वंद्वी Bratz द्वारा क्षरण की पूर्वसूचना (लड़कियों की पसंद में परिवर्तन, खुदरा दुकानों में प्रदर्शन में बदलाव) को कई वर्षों तक नजरअंदाज कर दिया, और बाजार की हिस्सेदारी को बड़ी हानि हुई। संकेत मौजूद थे लेकिन संगठन के पास उन्हें एकत्र करने की प्रणाली नहीं थी, यह उदाहरण के रूप में विश्लेषण किया गया है (Day & Schoemaker, 2006)। इसके विपरीत, विनियम के क्षेत्र में विधेयक का प्रस्ताव, परीक्षा, और जनता की टिप्पणी कमजोर संकेतों का विशिष्ट उदाहरण है, जिसे पारित होने से कई वर्ष पहले देखा जा सकता है।

पेटेंट और पेपर के मात्रात्मक विश्लेषण

  • विवरण: पेटेंट आवेदन में त्वरण, कागजात संख्या में वृद्धि दर, उद्धरण नेटवर्क की संरचना में परिवर्तन, विभिन्न क्षेत्रों के संलयन जैसे संकेतकों से नई तकनीक को व्यावसायीकरण से कई वर्ष पहले पहचाना जाता है। हाल ही में कई सूचकांकों को मशीन लर्निंग में रखा जाता है और स्वचालित वर्गीकरण किया जाता है (Lee et al., 2018)।
  • जन्म की पृष्ठभूमि: 1955 में कागजात का उद्धरण सूचकांक प्रस्तावित किया गया (Garfield, 1955), और 1960 के दशक में Science Citation Index के रूप में व्यावहारिक बनाया गया, जिससे विज्ञान के रुझानों को मात्रात्मक रूप से ट्रैक किया जा सकता था। पेटेंट के संबंध में, अधिक उद्धृत पेटेंट का आर्थिक मूल्य अधिक होता है, यह साक्ष्य दिया गया (Hall, Jaffe & Trajtenberg, 2005), और पेटेंट डेटा तकनीक के मूल्य और दिशा मापने का उपकरण बन गया।
  • ठोस उदाहरण: जीन संपादन तकनीक CRISPR-Cas9 2012 में कागज प्रकाशन के बाद, संबंधित कागजात संख्या और पेटेंट आवेदन कुछ वर्षों में तेजी से बढ़ गए, 2020 के नोबेल रसायन विज्ञान पुरस्कार और कई कंपनी की स्थापना से पहले थे। यदि कागजात मात्रा को ट्रैक किया जाता, तो अनुप्रयोग बाजार के उदय को कुछ वर्षों पहले पहचाना जा सकता था। एक समान विधि शोधकर्ताओं के लिए भी प्रभावी है, और अभी तक भीड़ न होने वाले नए क्षेत्र खोजने का एक उपकरण बन जाता है (Foster, Rzhetsky & Evans, 2015)।

सामूहिक ज्ञान और निर्णय प्रणाली

डेटा मौजूद नहीं है और मानव निर्णय पर निर्भर रहना पड़ता है, इस समय निर्णय संग्रह करने और प्रशिक्षण से सटीकता बढ़ाने की प्रणाली है।

डेल्फी विधि

  • अवलोकन: विशेषज्ञों से गुमनाम रूप से पूर्वानुमान लगवाने, एकत्रित परिणामों और कारणों को प्रतिक्रिया के रूप में देने और कई बार पुनः उत्तर देने का तरीका है, जो विचारों को एकत्रित करता है। गुमनामी से मुखर व्यक्तियों के साथ सहमति को रोका जाता है, और पुनरावृत्ति से जानकारी साझा की जाती है (Dalkey & Helmer, 1963)। प्राचीन ग्रीस में अपोलो मंदिर वाले तीर्थ स्थान "डेल्फी" के नाम पर, जहां राष्ट्रीय निर्णयों के समय लोग डेल्फी के दैवज्ञ (भविष्यवाणी) का अनुरोध करते थे, यह कई विशेषज्ञों के ज्ञान और पूर्वानुमानों को एकीकृत करके भविष्य का पूर्वानुमान और निर्णय लेने की विधि है।
  • उत्पत्ति की पृष्ठभूमि: 1950 के दशक के शीत युद्ध के दौरान, RAND संस्थान ने अमेरिकी वायु सेना के लिए, जहां डेटा मौजूद नहीं थे, ऐसे सैन्य प्रश्नों (उदाहरण के लिए: सोवियत हमले में अमेरिकी सैन्य उत्पादन को एक निश्चित मात्रा तक कम करने के लिए आवश्यक परमाणु बम की संख्या) के बारे में विशेषज्ञों के판断को एकत्रित करने की आवश्यकता से विकसित किया। सम्मेलन प्रारूप में प्राधिकार और वाचाल प्रतिभागियों के प्रभाव की समस्या को गुमनाम पुनरावृत्ति से हल किया गया (Dalkey & Helmer, 1963)। बाद के साक्ष्य-आधारित अनुसंधान समीक्षा में, डेल्फी विधि ने 16 अध्ययनों में 12 में सांख्यिकीय रूप से एकत्रित समूह को, और 5 अध्ययनों में 5 में सामान्य आमने-सामने समूह को पार किया (Rowe & Wright, 1999)।
  • ठोस उदाहरण: जापान का विज्ञान और प्रौद्योगिकी पूर्वानुमान सर्वेक्षण 1971 से लगभग हर 5 साल में डेल्फी विधि से हजारों विशेषज्ञों से भविष्य की विज्ञान और प्रौद्योगिकी की प्राप्ति के समय के बारे में पूछता रहा है, और 11वें सर्वेक्षण में लगभग 700 विज्ञान और प्रौद्योगिकी विषयों को संभाला गया था। यह विश्व का सबसे लंबा चलने वाला डेल्फी सर्वेक्षण है जो आधी सदी से अधिक समय से चल रहा है (विज्ञान प्रौद्योगिकी और शिक्षा नीति अनुसंधान संस्थान, 2019)।

पूर्वानुमान बाजार

  • अवलोकन: "X साल तक X घटित होगा" जैसे पूर्वानुमानों को प्रतिभूतियों के रूप में खरीदा और बेचा जाता है, और उनकी कीमत को संभावना के अनुमान के रूप में पढ़ा जाता है। बाजार की वह कार्यप्रणाली जो विकेंद्रीकृत जानकारी को कीमत में एकीकृत करती है, को पूर्वानुमान में लागू किया जाता है (Wolfers & Zitzewitz, 2004)।
  • उत्पत्ति की पृष्ठभूमि: कीमतें विकेंद्रीकृत ज्ञान को एकीकृत करती हैं, यह अंतर्दृष्टि अर्थशास्त्र के शास्त्रीय ग्रंथों में है (Hayek, 1945)। 1988 में आयोवा विश्वविद्यालय ने राष्ट्रपति चुनाव के पूर्वानुमान बाजार की शुरुआत की, जिसने जनमत सर्वेक्षण की तुलना में मतदान में अधिक सटीक पूर्वानुमान लगाया और ध्यान आकर्षित किया (Forsythe et al., 1992)। 2000 के दशक में कंपनियों के भीतर अनुप्रयोग शुरू हुए, और अर्थशास्त्रियों ने नीति में इसके उपयोग का प्रस्ताव दिया (Arrow et al., 2008)।
  • ठोस उदाहरण: Hewlett-Packard कंपनी ने आंतरिक रूप से कर्मचारियों को प्रिंटर बिक्री का पूर्वानुमान लगाने का बाजार संचालित किया, और 8 मामलों में 6 मामलों में आधिकारिक बिक्री पूर्वानुमान की तुलना में अधिक सटीक परिणाम प्राप्त किए (Chen & Plott, 2002)। Google और Ford के आंतरिक पूर्वानुमान बाजार के विश्लेषण में भी, कीमतें मोटे तौर पर अंशांकित संभाव्यता के रूप में कार्य करती हैं, और कंपनी के आधिकारिक पूर्वानुमान में निहित आशावादी पूर्वाग्रह को सुधारने का प्रभाव पुष्टि किया गया है (Cowgill & Zitzewitz, 2015)।

अति-पूर्वानुमान (Superforecasting)

  • अवलोकन: पूर्वानुमान को एक प्रशिक्षण योग्य कौशल के रूप में माना जाता है, (1) बड़े प्रश्न को उत्तरदायी छोटे प्रश्नों में विभाजित करना, (2) आधार दर (समान मामलों का पिछला घटित होने की दर) से शुरू करना और व्यक्तिगत परिस्थितियों से सुधार करना, (3) संभावना को सूक्ष्म विभाजनों में व्यक्त करना और नई जानकारी से छोटी वृद्धि में अपडेट करना, (4) टीम में चर्चा करना, (5) प्रदर्शन रिकॉर्ड करना और प्रतिफलन करना, इन चरणों द्वारा सटीकता बढ़ाने की विधि है (Tetlock & Gardner, 2015)।
  • उत्पत्ति की पृष्ठभूमि: विशेषज्ञों के पूर्वानुमान चिंपांजी के समान हैं, यह 20 साल के अनुसंधान के परिणाम के कारण (Tetlock, 2005), अमेरिकी सूचना एजेंसी IARPA ने 2011 से 4 साल तक, कई अनुसंधान टीमों को प्रतिस्पर्धा करने के लिए भू-राजनीतिक पूर्वानुमान टूर्नामेंट आयोजित किया। Tetlock और उनकी टीम ने आम स्वयंसेवकों को प्रशिक्षित किया, शीर्ष 2% के "अति-पूर्वानुमानकारों" को चुना और उन्हें टीम में विभाजित किया, जिससे वे अन्य टीमों को बहुत बड़े अंतर से पार कर गए (Mellers et al., 2014)।
  • ठोस उदाहरण: "5 साल बाद विशेषीकृत AI एजेंट मध्यम आकार की कंपनियों के ◯% में तैनात होंगे" यह प्रश्न सीधे उत्तर नहीं दिया जा सकता। अति-पूर्वानुमान के चरणों में, (a) समान प्रौद्योगिकी (SaaS, RPA) की कंपनी ग्रहण दर 5 साल में क्या % तक पहुंचेगी (आधार दर), (b) ग्रहण की पूर्वशर्तें (API की तैयारी, नियम, मूल्य) कितने साल में पूरी हो जाएंगी, (c) अग्रणी संकेतक (पायलट ग्रहण की घोषणा, नौकरी की पोस्टिंग) कैसे आगे बढ़ रहे हैं, में विभाजित किया जाता है, और प्रत्येक में संभावना रखी जाती है और सम्मिलित की जाती है। केवल आधार दर से शुरू करने से भी विशेषज्ञ की सहजज्ञान से अधिक सटीकता दिखाई गई है (Tetlock & Gardner, 2015)।

मांग पक्ष अन्वेषण प्रणाली

अभी तक बाजार अनुसंधान में दिखाई न देने वाली मांग को, मानव अवलोकन से खोजने की प्रणाली है।

लीड यूजर विधि

  • अवलोकन: औसत उपयोगकर्ता की तुलना में कई साल पहले समस्या का सामना करने वाले, और मौजूदा उत्पादों से हल न हो सकने वाले कारण से स्वयं समाधान बनाने वाले अग्रणी उपयोगकर्ता (लीड यूजर) को खोजना, और उनके समाधान से भविष्य के बाजार को पढ़ना है। अपनी कंपनी के बाजार के बाहर, समान समस्या को अधिक चरम रूप में रखने वाले आसन्न क्षेत्रों में लीड यूजर को खोजना मुख्य बिंदु है (von Hippel, 1986)।
  • उत्पत्ति की पृष्ठभूमि: वैज्ञानिक उपकरणों के क्षेत्र में, महत्वपूर्ण नवाचारों के 77% निर्माताओं द्वारा नहीं बल्कि उपयोगकर्ताओं (शोधकर्ताओं) द्वारा बनाए गए थे, यह खोज मूल बिंदु है (von Hippel, 1976)। निर्माता जब बाजार सर्वेक्षण में औसत उपयोगकर्ता से पूछते हैं तो नई मांग दिखाई नहीं देती क्योंकि वे अभी तक समस्या का सामना नहीं कर रहे होते हैं, इसी कारण से अग्रणी उपयोगकर्ताओं से सीधे सीखने की विधि को 1986 में परिभाषित किया गया (von Hippel, 1986)।
  • ठोस उदाहरण: 3M का चिकित्सा व्यवसाय विभाग, शल्य चिकित्सा के दौरान संक्रमण रोकथाम की समस्या के लिए, अपने ग्राहकों (सर्जन) के बजाय, अधिक चरम परिस्थितियों में समान समस्या रखने वाले लीड यूजर को खोजा, अर्थात् पशु चिकित्सक (बालों वाले रोगी), हॉलीवुड के मेकअप कलाकार (त्वचा की फिल्म का दीर्घकालीन घनिष्ठता), विकसित देशों के बाहर के सर्जन (उपकरण रहित वातावरण में संक्रमण नियंत्रण), और नई संक्रमण रोकथाम उत्पाद की अवधारणा प्राप्त की (von Hippel, Thomke & Sonnack, 1999)। लीड यूजर विधि से पैदा किए गए विचार सामान्य विधि की तुलना में लगभग 8 गुना अधिक बिक्री संभावना दिखाते हैं (Lilien et al., 2002)।

जॉब थ्योरी

  • अवलोकन: ग्राहक उत्पाद नहीं खरीदते बल्कि "पूरा किया जाने वाला काम (जॉब)" को पूरा करने के लिए उत्पाद को "नियुक्त" करते हैं, यह मानते हुए, मौजूदा उत्पाद श्रेणी या ग्राहक विशेषताओं के बजाय जॉब की इकाई में बाजार को फिर से परिभाषित करने की विधि है। जॉब की इकाई से देखने से बाजार का आकार और प्रतिद्वंद्विता भी बदल जाती है (Christensen et al., 2016)।
  • उत्पत्ति की पृष्ठभूमि: "ग्राहक ड्रिल नहीं चाहते, वे छेद चाहते हैं" यह विपणन की पुरानी अंतर्दृष्टि (Levitt, 1983) को, Christensen ने विनाशकारी नवाचार अनुसंधान में सिद्धांतीकृत किया। मौजूदा कंपनियां ग्राहक विशेषताओं (आयु, आय) से बाजार को विभाजित करने के कारण नई मांग को नजरअंदाज करती हैं, यह विफलता विश्लेषण से उत्पन्न हुआ है (Christensen, 1997; Christensen et al., 2016)।
  • ठोस उदाहरण: एक फास्ट फूड चेन में दूध हिलाने की बिक्री बढ़ाने के लिए स्वाद और मूल्य में सुधार करने के बावजूद कोई प्रभाव नहीं पड़ा, जहां अवलोकन से पता चला कि सुबह के कई खरीदार "लंबी यात्रा के दौरान ऊब को दूर करने और दोपहर तक भूख को दबाने" इसी जॉब के लिए खरीद रहे थे। इस जॉब का प्रतिद्वंद्विता केला और डोनट है, और दूध हिलाने का बाजार "डेजर्ट बाजार" में नहीं बल्कि "यात्रा समय बाजार" में मापा जाना चाहिए, यह समझा गया उदाहरण है (Christensen et al., 2016)।

संरचना और परिदृश्य-आधारित

जब अनिश्चितता इतनी अधिक हो कि एक ही पूर्वानुमान का कोई अर्थ न हो, कई भविष्य को वर्णित करके तैयारी करने की प्रणाली है।

परिदृश्य योजना

  • अवलोकन: पूर्वानुमान को एक ही रास्ते पर नहीं रखते बल्कि, निश्चित कारकों (जनसांख्यिकी आदि) और महत्वपूर्ण अनिश्चितताओं (नियम, प्रौद्योगिकी की सफलता आदि) को अलग रखते हैं, अनिश्चितताओं के संयोजन से 2-4 सुसंगत भविष्य चित्र बनाते हैं, और प्रत्येक परिदृश्य के अग्रणी संकेतकों की निगरानी करते हैं। उद्देश्य सही अनुमान लगाना नहीं बल्कि, किसी भी परिदृश्य के आने पर प्रतिक्रिया के लिए निर्णय तैयार करना 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 विधि विकसित की (Kahn & Wiener, 1967)। इसे कॉर्पोरेट प्रबंधन में लाने वाली Shell कंपनी थी, जिसने 1970 के दशक की शुरुआत में "तेल की कीमत में तेजी से वृद्धि और तेल निर्यातक देश नेतृत्व ग्रहण करते हैं" यह परिदृश्य प्रबंधन को दिखाया, और 1973 के तेल संकट में प्रतिद्वंद्वियों से पहले प्रतिक्रिया दी। इस कार्य के प्रभारी Wack ने अपने अनुभव को 1985 में पत्र के रूप में प्रकाशित किया (Wack, 1985)।
  • ठोस उदाहरण: Shell ने 1980 के दशक में भी, सोवियत संघ के व्यवस्थागत परिवर्तन और तेल की कीमत में भारी गिरावट के परिदृश्य को चित्रित किया, और 1986 के कच्चे तेल की कीमत में भारी गिरावट के लिए तैयार था (Schwartz, 1991)। वृद्धि बाजार के पूर्वानुमान में लागू करते समय, उदाहरण के लिए विशेषीकृत AI एजेंट में "AI नियमन की तीव्रता (मजबूत/कमजोर)" और "आधार मॉडल की लागत में कमी (तेज/धीमी)" के 2 अक्षों पर 4 परिदृश्य बनाते हैं, और प्रत्येक में शुरू होने वाली अनुप्रयोग क्षेत्र और समय भिन्न होते हैं, यह स्पष्ट करते हुए, नियम प्रस्तावों की चर्चा स्थिति और अनुमान लागत के परिवर्तन को अग्रणी संकेतकों के रूप में निगरानी करते हैं (Schoemaker, 1995)।

स्रोत और विधि का पत्राचार

5 प्रणालियां, पिछले अध्याय के 4 स्रोतों से जुड़ने पर उपयोग की जगह स्पष्ट हो जाती है।

  • राजनीति में परिवर्तन: संरचना और परिदृश्य प्रणाली (नियम और बजट के विभाजन के लिए परिदृश्य बनाएं, अग्रणी संकेतकों की निगरानी करें)
  • आर्थिकी में परिवर्तन: बहिर्वेशन और मॉडल प्रणाली (लागत वक्र, सापेक्ष मूल्य, व्यापक संकेतक)
  • समाज में परिवर्तन: बहिर्वेशन और मॉडल प्रणाली (जनसांख्यिकी) + मांग पक्ष अन्वेषण प्रणाली (मूल्यों में परिवर्तन)
  • प्रौद्योगिकी में परिवर्तन: संकेत पहचान प्रणाली + बहिर्वेशन और मॉडल प्रणाली (पेटेंट, पत्र → S-वक्र, लागत वक्र)

व्यावहारिक विशेषज्ञों के ठोस उदाहरण

शिक्षा के बाहर भी, उत्कृष्ट शोधकर्ता, निवेशक, कंपनियां और राष्ट्र, उपरोक्त दृष्टिकोण और समान प्रकार की विधियों का अभ्यास करते हैं। यहां प्रत्येक श्रेणी में किस विधि और व्यवहार से वृद्धि बाजार का पूर्वानुमान लगाया जाता है, यह व्यवस्थित किया गया है।

निवेशक

निवेशक वृद्धि बाजार की भविष्यवाणी को सबसे प्रत्यक्ष रूप से लाभ में परिवर्तित करने वाली इकाई है। हालांकि, VC, वृद्धि स्टॉक निवेशक, हेज फंड और संस्थागत निवेशक में समय क्षितिज और विधि में बहुत अंतर है।

  • वेंचर कैपिटल (Sequoia Capital): Apple, Cisco, Google में प्रारंभिक निवेश करने वाले Don Valentine, निवेश निर्णय का पहला मानदंड "बाजार का आकार" रखते थे। "मैं लोगों में नहीं, बड़े बाजार में निवेश करता हूं" ऐसा कहते थे, और बार-बार कहते थे कि भले ही उत्कृष्ट प्रबंधक हों, छोटे बाजार में बड़ी कंपनी नहीं बन सकती (Valentine, 2010)।
  • वेंचर कैपिटल (Y Combinator, Andreessen Horowitz, Founders Fund): Y Combinator के Paul Graham ने कहा है कि "भविष्य में रहो और जो कुछ गायब है उसे बना" — जो लोग अत्याधुनिक वातावरण में हैं, वे जो असुविधाएं महसूस करते हैं, वे भविष्य के बाजार हैं। यह लीड यूजर पद्धति का व्यावहारिक संस्करण है (Graham, 2012)। Andreessen Horowitz की थीसिस "सॉफ्टवेयर दुनिया को खा रहा है" सामान्य प्रौद्योगिकी सिद्धांत को निवेश थीसिस में अनुवाद करती है, और वह कंपनी पहले विशिष्ट थीसिस (क्लाउड, मोबाइल, AI) स्थापित करती है और उन्हें सार्वजनिक रूप से घोषित करती है, फिर उसी के अनुसार निवेश करती है — संरचना और परिदृश्य आधारित व्यावहारिकता (Andreessen, 2011)। Founders Fund के Peter Thiel का प्रश्न "वह कौन सा महत्वपूर्ण सत्य है जिससे लगभग कोई सहमत नहीं है" दर्शाता है कि अतिरिक्त रिटर्न केवल सर्वसम्मति से भिन्न भविष्यवाणियों से ही आता है (Thiel & Masters, 2014)।
  • विकास शेयरों के दीर्घकालीन निवेशक (Baillie Gifford): स्कॉटलैंड की प्रबंधन कंपनी Baillie Gifford ने Amazon और Tesla जैसी कंपनियों में सूचीबद्धता के तुरंत बाद निवेश किया और 10 साल से अधिक समय तक उन्हें रखा। इसका आधार यह प्रमाणित शोध है कि स्टॉक रिटर्न अत्यंत विषम हैं। 1926 के बाद से अमेरिकी शेयरों का विश्लेषण दर्शाता है कि सभी धन सृजन शीर्ष 4% के स्टॉक द्वारा उत्पन्न होता है, और शेष 96% को अल्पकालिक ट्रेजरी बिल के बराबर या उससे कम रिटर्न मिलता है (Bessembinder, 2018)। पूरे बाजार की भविष्यवाणी करने के बजाय, विकास बाजारों में अभिभूत विजेता बनने वाली कुछ कंपनियों की पहचान कर, उनमें सांद्रता से निवेश करना और लंबे समय तक रखना — यह रणनीति इस वितरण से उत्पन्न होती है।
  • थीमेटिक सक्रिय प्रबंधन (ARK Invest): ARK Invest Wright's Law (संचयी उत्पादन के दोगुने होने पर लागत में गिरावट) को स्पष्ट रूप से उपयोग करता है, बैटरी, जीनोम सीक्वेंसिंग, AI जैसी तकनीकों के लागत वक्र को बाहर की ओर बढ़ाता है, और अनुप्रयोग बाजारों के शुरुआत समय की भविष्यवाणी करके निवेश करता है (ARK Invest, 2024)। यह इस लेख की एक्सट्रपोलेशन और मॉडल पद्धति का प्रत्यक्ष प्रबंधन में अनुप्रयोग है, लेकिन 2021 में प्रबंधित संपत्ति में बड़ी गिरावट यह सीमा भी दर्शाती है कि तकनीक की दिशा की भविष्यवाणी सही हो सकती है लेकिन प्रवेश मूल्य और समय गलत होने से नुकसान होता है (Perez, 2002; Siegel, 2005)।
  • मैक्रो-स्तरीय हेज फंड (Bridgewater Associates): Ray Dalio द्वारा संचालित Bridgewater ने सैकड़ों वर्षों के ऋण संकट, मुद्रा संकट और वर्चस्व परिवर्तन के मामलों को व्यवस्थित रूप से संगठित किया है, और वर्तमान स्थिति को इससे पहले की कौन सी स्थिति से मिलता-जुलता है, इसके आधार पर निर्णय लेता है (Dalio, 2018)। यह संदर्भ वर्ग भविष्यवाणी को वित्तीय बाजारों में लागू करने का व्यावहारिक संस्करण है। दूसरी ओर, George Soros ने "पुनरावर्तनशीलता" का सिद्धांत दिया — बाजार भागीदारों की भविष्यवाणियां कीमतों को गतिमान करती हैं, और कीमतें वास्तविकता को गतिमान करती हैं — और भविष्यवाणी कि जो कुछ भविष्यवाणी किया जाता है वह वस्तु को बदल देती है, इस आत्मनिर्भर सीमा को अपनी निवेश रणनीति का केंद्र में रखा (Soros, 1987)। भविष्यवाणी की सीमा को ही राजस्व स्रोत बनाने का उदाहरण।
  • क्वांट हेज फंड (Renaissance Technologies): गणितज्ञ James Simons द्वारा स्थापित Renaissance Technologies बाजार की वृद्धि या कंपनी के भविष्य की बिल्कुल भविष्यवाणी नहीं करता। वह कीमत डेटा में सांख्यिकीय पैटर्न को अल्पकालीन (कुछ दिनों के अंदर) में पकड़ने वाले ट्रेडिंग तक सीमित है, दीर्घकालीन भविष्यवाणी को छोड़ देता है, और उच्च प्रदर्शन बनाए रखा है (Zuckerman, 2019)। यह "जो कुछ भविष्यसूचक है (अल्पकालीन सांख्यिकीय नियमितता) और जो भविष्यसूचक नहीं है (दीर्घकालीन बाजार की दिशा) उसे अलग करना, और केवल पहले पर दांव लगाना" — इस लेख के विपरीत दिशा से सीमा की समझ कहा जा सकता है।
  • वैल्यू निवेशक (Berkshire Hathaway): Warren Buffett विकास बाजारों की भविष्यवाणी करके निवेश करने से स्पष्ट रूप से बचता रहा है। 2007 के शेयरधारक पत्र में उसने कहा: "सबसे बुरा व्यवसाय वह है जो तेजी से बढ़ता है, वृद्धि के लिए बड़ी पूंजी की जरूरत होती है, और फिर भी शायद ही कोई लाभ देता है। विमानन उद्योग को देखो" (Buffett, 2008)। वह बाजार की वृद्धि और निवेश रिटर्न को अलग करता है, और केवल उन कंपनियों को चुनता है जो वह समझ सकता है (क्षमता के वृत्त) में प्रतिस्पर्धात्मक लाभ बनाए रखती हैं। विकास बाजार को सही सिद्ध करना कितना मुश्किल है और वृद्धि कि लाभ से नहीं जुड़ती है, यह सीमा को निवेश दर्शन के आधार में रखा गया उदाहरण है।
  • संस्थागत निवेशक (Temasek, Yale विश्वविद्यालय निधि): सिंगापुर की सरकारी निवेश कंपनी Temasek ने चार संरचनात्मक प्रवृत्तियों की घोषणा की: "डिजिटलीकरण" "टिकाऊ जीवन" "खपत का भविष्य" और "दीर्घायु" — और इन थीम के अनुसार पोर्टफोलियो को पुनर्गठित करता है (Temasek, 2023)। यह इस लेख के चार स्रोतों (तकनीक, समाज, अर्थव्यवस्था, जनसांख्यिकी) को संस्थागत निवेशक के संपत्ति आवंटन में अनुवाद करने का उदाहरण है। Yale विश्वविद्यालय निधि का नेतृत्व करने वाले David Swensen ने 1980 के दशक से पूंजी आवंटन को वेंचर कैपिटल और निजी इक्विटी जैसी संपत्ति वर्गों की ओर स्थानांतरित किया, जहां सूचना असमरूपता बड़ी है और भविष्यवाणी की तकनीक अतिरिक्त रिटर्न देती है, और विश्वविद्यालय निधि के प्रबंधन मॉडल को पूरी तरह बदला (Swensen, 2009)। "कौन सा बाजार बढ़ेगा" के अलावा "कौन सा बाजार ऐसा है जहां विवेक की तकनीक अतिरिक्त रिटर्न बन सकती है" यह चुनने का उदाहरण है।
  • अनुभवजन्य शोध जो निवेशकों के निर्णय दिखाता है: 885 VC को किए गए सर्वेक्षण में, निवेश सूची चयन में सबसे अधिक महत्वपूर्ण कारक प्रबंधन टीम था, बाजार और व्यवसाय मॉडल उसके बाद आए (Gompers et al., 2020)। दूसरी ओर, 200 से अधिक कंपनियों के बाद के विश्लेषण में समय ने सफलता को सबसे अधिक समझाया (Gross, 2015)। VC रिटर्न अत्यंत विषम वितरण रखता है जहां कुछ बहुत बड़ी सफलताएं पूरी चीज का समर्थन करती हैं (Kerr, Nanda & Rhodes-Kropf, 2014), और सार्वजनिक शेयर भी समान विषमता रखते हैं (Bessembinder, 2018), इसलिए बाजार की समझ केवल "किस परियोजना में निवेश करें" नहीं बल्कि "किस क्षेत्र में कई छोटे दांव को वितरित करें और विजेताओं को कैसे केंद्रित करें" यह पोर्टफोलियो डिजाइन का प्रश्न है। सार्वजनिक शेयरों में सक्रिय प्रबंधन में, फीस के बाद बाजार औसत से अधिक रिटर्न वाले प्रबंधक बहुत कम हैं (Fama & French, 2010), और प्रत्येक देश के आर्थिक विकास दर और शेयर रिटर्न का संबंध लगभग शून्य या नकारात्मक है (Ritter, 2005)। विकास बाजार की भविष्यवाणी कर सकना और वह भविष्यवाणी निवेश रिटर्न बन सकना, ये अनुभवजन्य रूप से भी अलग प्रश्न हैं।

कंपनियां

  • Amazon (Working Backwards, AWS): भविष्य की प्रेस रिलीज पहले लिखना और ग्राहक मूल्य से पीछे की ओर विकास करना — "Working Backwards" मांग की ओर से अन्वेषण को संस्थागत करना है। कंपनी ने इस पद्धति से 2000 के दशक की शुरुआत में अपने स्वयं के बुनियादी ढांचे के संचालन की समस्या से "दूसरी कंपनियों के भी यही समस्या है" मांग को पढ़ा, और 2006 में क्लाउड सेवा AWS शुरू की। आंतरिक लीड यूजर (अपनी विकास टीम) की समस्या से बाहरी बाजार खोजने का उदाहरण (Bryar & Carr, 2021)।
  • NVIDIA (CUDA): 2006 में, गहन सीखने के बूम से कई साल पहले, GPU के सामान्य उद्देश्य के कंप्यूटिंग प्लेटफॉर्म CUDA में निवेश करना शुरू किया। शुरुआत में कोई बाजार नहीं था और निवेशकों ने आलोचना की, लेकिन समानांतर गणना की लागत गिरावट तकनीकी परिवर्तन पर दांव लगाया, शोधकर्ताओं द्वारा GPU का उपयोग करने के संकेत (Raina, Madhavan & Ng, 2009; Krizhevsky, Sutskever & Hinton, 2012) की पुष्टि करते हुए निवेश जारी रखा, और अनुप्रयोग क्षेत्र के उदय की प्रतीक्षा की (Witt, 2025)। तकनीक-उत्पत्ति भविष्यवाणी और चरणबद्ध अपडेट का प्रतिनिधि उदाहरण।
  • Intel (रणनीतिक बदलाव बिंदु): 1985 में, CEO Andy Grove ने जापानी निर्माताओं के प्रवेश से मुख्य मेमोरी व्यवसाय के लाभ के गायब होने का संकेत पढ़ा, संस्थापक व्यवसाय को छोड़ दिया और माइक्रोप्रोसेसर पर ध्यान केंद्रित किया। Grove ने इस अनुभव से उद्योग संरचना परिवर्तन के पूर्वानुमान को "रणनीतिक बदलाव बिंदु" कहा, और इसे पहचानने की विधि को व्यवस्थित किया (Grove, 1996)। वापसी का निर्णय भी बाजार पूर्वानुमान का आउटपुट है यह दिखाने वाला उदाहरण।
  • Netflix (स्ट्रीमिंग): 1997 के सृजन समय, DVD मेल किराया से शुरुआत करते हुए, कंपनी के नाम में "Net" डाल कर, ब्रॉडबैंड प्रसार और संचार लागत गिरावट (लागत वक्र) के माध्यम से भविष्य वितरण में जाएगा यह पूर्वानुमान किया। 2007 में स्ट्रीमिंग शुरू किया और अपने स्वयं के मुख्य व्यवसाय को स्वयं ने प्रतिस्थापित किया (Keating, 2012)। लागत वक्र का एक्सट्रपोलेशन और विघ्नकारी नवाचार में पहले स्वयं को सवारने का निर्णय।
  • Shell (परिदृश्य योजना): पहले उल्लेख किए गए अनुसार, 1970 के दशक की शुरुआत में तेल संकट के परिदृश्य की तैयारी की, और 1973 के तेल संकट में प्रतिस्पर्धियों से पहले प्रतिक्रिया दी (Wack, 1985)। आधी सदी तक परिदृश्य विभाग को बनाए रखने वाली कंपनी कॉर्पोरेट दूरदर्शिता का मूल प्रकार है।
  • अनुभवजन्य शोध जो कंपनी दूरदर्शिता के प्रभाव को दिखाता है: 83 यूरोपीय कंपनियों के 7 वर्षीय अनुवर्तन शोध में, भविष्य के लिए तैयारी (दूरदर्शिता कार्य) वाली कंपनियां, बिना इसके कंपनियों की तुलना में 33% अधिक लाभ मार्जिन और लगभग 2 गुना बेहतर बाजार पूंजीकरण वृद्धि दर दिखाई (Rohrbeck & Kum, 2018)। यह साक्ष्य है कि एकल भविष्यवाणी नहीं बल्कि स्थायी अन्वेषण कार्य प्रदर्शन से जुड़ता है।

शोधकर्ता

  • Richard Hamming (बेल प्रयोगशाला): बड़ी सफलता वाले शोधकर्ताओं की सामान्य विशेषता के रूप में "महत्वपूर्ण प्रश्न चुनना" और "खुले दरवाजे के साथ काम करना (आसपास की जानकारी के लिए खुलापन)" का उल्लेख किया। Hamming प्रत्येक शुक्रवार दोपहर को "महत्वपूर्ण प्रश्न क्या हैं, मैं इसमें काम क्यों नहीं कर रहा हूं" सोचने का समय बिताता है, और खुलते हुए क्षेत्र में जल्दी प्रवेश करने की सलाह देता है (Hamming, 1986)। यह संकेत पहचान का निरंतर संचालन और जल्दी प्रवेश का व्यावहारिक संस्करण है।
  • Katalin Karikó (mRNA अनुसंधान): 1990 के दशक से, जब बहुत कम धन उपलब्ध था, mRNA के चिकित्सकीय अनुप्रयोग में काम करना जारी रखा। संबद्ध विश्वविद्यालय में पदावनति और शोध निधि के अस्वीकार के माध्यम से, 2005 में mRNA की प्रतिरक्षा प्रतिक्रियाशीलता को दबाने के संशोधित न्यूक्लिओटाइड विधि प्रकाशित किए, जो 2020 में mRNA टीकों का आधार बन गए, और 2023 में नोबेल फिजियोलॉजी या मेडिसिन पुरस्कार का नेतृत्व किया (Karikó et al., 2005)। यह दिखाता है कि शोध क्षेत्र का "बहुत जल्दी प्रवेश" व्यवसाय का "बहुत जल्दी प्रवेश" से अलग समय अक्ष है, और आविष्कार से प्रसार तक की विलंबता दशकों तक चलती है (Comin & Hobijn, 2010)।
  • GPU और गहन सीखने के शोधकर्ता: 2009 में, Stanford विश्वविद्यालय के समूह ने दिखाया कि GPU का उपयोग करने से गहन सीखने का प्रशिक्षण दसों गुना तेजी से हो सकता है (Raina, Madhavan & Ng, 2009)। 2012 में Toronto विश्वविद्यालय के समूह ने 2 GPUs के साथ प्रशिक्षित न्यूरल नेटवर्क से चित्र पहचान प्रतियोगिता में जबरदस्ती जीत हासिल की, गहन सीखने के बूम का बिंदु बन गई (Krizhevsky, Sutskever & Hinton, 2012)। यह समानांतर गणना की लागत गिरावट तकनीकी संकेत को तब अनुसंधान विषय में परिवर्तित करने का उदाहरण है जब अधिकांश शोधकर्ता अभी भी ध्यान नहीं दे रहे थे।
  • प्रायोगिक अनुसंधान द्वारा दिखाई गई पसंद का तरीका:17.9 मिलियन पेपरों का विश्लेषण करने वाले अनुसंधान में पाया गया कि सबसे अधिक प्रभावशाली पेपर "अधिकतर पारंपरिक ज्ञान का संयोजन होते हैं, केवल एक बिंदु पर असामान्य संयोजन रखते हैं" की संरचना रखते हैं (Uzzi et al., 2013)। नए क्षेत्रों में दांव उच्च प्रभाव पैदा करते हैं लेकिन विफलता की दर भी अधिक होती है (Foster, Rzhetsky & Evans, 2015) इस ज्ञान के साथ, हम यह कह सकते हैं कि उत्कृष्ट शोधकर्ता "अपने संचय को आधार मानकर, बढ़ते आसन्न क्षेत्र में एक कदम आगे बढ़ाते हैं" इस तरीके से प्रारंभिक प्रवेश कर रहे हैं।

राष्ट्र

  • सिंगापुर (RAHS):2004 से RAHS (जोखिम मूल्यांकन · क्षितिज स्कैनिंग) को सरकार के स्थायी कार्य के रूप में स्थापित किया गया है, और कमजोर संकेतों की खोज को संस्थागत बनाया गया है। इसके अलावा 2009 में प्रधानमंत्री के कार्यालय में रणनीतिक भविष्य केंद्र स्थापित किया गया, जो विभिन्न विभागों की परिदृश्य योजना का समन्वय करता है (Habegger, 2010)। यह राष्ट्रीय स्तर पर संकेतों की खोज को लगातार चलाने का एक उदाहरण है।
  • जापान (विज्ञान और प्रौद्योगिकी पूर्वानुमान सर्वेक्षण):1971 से लगभग 5 साल के अंतराल पर जारी डेल्फ़ाई सर्वेक्षण का संचय है, और 11वां सर्वेक्षण लगभग 700 विज्ञान और प्रौद्योगिकी विषयों पर हजारों विशेषज्ञों द्वारा साकार होने के समय का पूर्वानुमान लगाया गया। यह आधी शताब्दी तक जारी विश्व का सबसे लंबा डेल्फ़ाई सर्वेक्षण है (विज्ञान, प्रौद्योगिकी और शैक्षणिक नीति अनुसंधान संस्थान, 2019)।
  • ब्रिटेन (Foresight कार्यक्रम):1994 में सरकारी विज्ञान विभाग के तहत शुरू किया गया, अंतःविषय विशेषज्ञों का पैनल 10-20 साल आगे की प्रौद्योगिकी और सामाजिक परिवर्तन की जांच करता है, और नीति में परिलक्षित होता है (Habegger, 2010)।
  • संयुक्त राज्य अमेरिका (DARPA):1958 में, सोवियत संघ के कृत्रिम उपग्रह स्पुतनिक के जवाब में स्थापित, रक्षा उन्नत अनुसंधान परियोजना एजेंसी ने इंटरनेट के प्रोटोटाइप (ARPANET), GPS, स्वायत्त चालित वाहन (2004 की ग्रैंड चैलेंज) आदि को उस चरण में निधि दी जहां बाजार मौजूद नहीं था, और बाद के विशाल बाजारों की नींव बनाई (Fuchs, 2010)। iPhone को बनाने वाली अधिकांश प्रमुख प्रौद्योगिकियों के सार्वजनिक अनुसंधान निधि से आने का भी संकेत दिया गया है (Mazzucato, 2013)। यह राष्ट्र द्वारा "बहुत जल्दी प्रवेश" की समय सीमा को संभालने का उदाहरण है।
  • ताइवान (ITRI और TSMC):1970 के दशक में, सरकार द्वारा समर्थित औद्योगिक प्रौद्योगिकी अनुसंधान संस्थान (ITRI) ने संयुक्त राज्य अमेरिका से अर्धचालक प्रौद्योगिकी को आयात किया, और 1987 में ITRI से अलग होकर TSMC की स्थापना की गई। अर्धचालक बाजार की दीर्घकालिक वृद्धि और डिजाइन तथा निर्माण के विभाजन में औद्योगिक संरचना के परिवर्तन को पढ़कर, निर्माण विशेषज्ञता (फाउंड्री) में, जो तब मौजूद नहीं था, राष्ट्र द्वारा दांव लगाने का उदाहरण है (Mathews, 1997)।

उपरोक्त 4 श्रेणियों को पार करते हुए सामान्य बातें निम्नलिखित हैं।

  • एकल भविष्यवाणी नहीं कर रहे हैं:Hamming की शुक्रवार दोपहर, Sequoia का बाजार मानदंड, Shell का परिदृश्य विभाग, सिंगापुर का RAHS सभी संकेतों को लगातार लेने की प्रणाली को स्थायी रूप से स्थापित किए हुए हैं।
  • प्रौद्योगिकी और नियामक संकेतों पर जल्दी प्रतिक्रिया कर रहे हैं:NVIDIA, Netflix, DARPA, ताइवान सभी लागत वक्र या औद्योगिक संरचना में परिवर्तन के अंकों में दिखने से पहले कार्य कर रहे हैं।
  • दांव लगाने के बाद भी निगरानी और अपडेट जारी रखते हैं:NVIDIA द्वारा शोधकर्ताओं द्वारा GPU के उपयोग की पुष्टि करते हुए निवेश जारी रखना, Intel द्वारा撤退का फैसला लेना, दोनों ही पूर्वानुमान देने के बाद सत्यापन और अपडेट के अभ्यास हैं।
  • भूमिका के अनुसार समय सीमा का उपयोग अलग-अलग तरीकों से कर रहे हैं:शोधकर्ता और राष्ट्र दशकों, VC दस साल, कंपनियां 5-10 साल की समय सीमा में एक ही संकेत पर प्रतिक्रिया करती हैं, और जो जल्दी प्रवेश करते हैं वे लंबे अंतराल को स्वीकार करते हैं (Comin & Hobijn, 2010)।

वृद्धि बाजार के पूर्वानुमान पर नवीनतम अनुसंधान की प्रवृत्ति

मुख्य रूप से 2010 के दशक के उत्तरार्ध से 2026 तक प्रकाशित अनुसंधान को व्यवस्थित किया जाता है। वृद्धि बाजार के पूर्वानुमान पर अनुसंधान का दृष्टिकोण इस दशक में निम्नानुसार बदल गया है।

दृष्टिकोण को बदलने वाली 3 पृष्ठभूमियां

  • डेटा और कम्प्यूटेशनल विधियों में प्रगति:पेपर, पेटेंट, नौकरी की जानकारी, निर्णय व्याख्यान के प्रतिलेख जैसे पाठ मशीन-पठनीय बन गए हैं, और गहन शिक्षा द्वारा बड़े पैमाने पर संसाधित किए जा सकते हैं। जहां पहले विशेषज्ञ के निर्णय या कुछ मामले के अध्ययन पर निर्भर था "नया क्षेत्र कहां खुलता है" यह प्रश्न, लाखों डेटा से सत्यापित प्रयोगात्मक विज्ञान में स्थानांतरित हुआ है (Bloom et al., 2021; Ebadi, Auger & Gauthier, 2022)।
  • पूर्वानुमान टूर्नामेंट एक प्रयोगात्मक आधार के रूप में:संयुक्त राज्य अमेरिका की सूचना एजेंसी IARPA द्वारा 2011 से आयोजित भू-राजनीतिक पूर्वानुमान टूर्नामेंट हजारों पूर्वानुमानकारों की सटीकता को समान प्रश्न पर मापने और तुलना करने का पहला बड़ा डेटा उत्पन्न करता है, और "कौन, कौन सी विधि से, कितनी सटीकता से पूर्वानुमान दे सकता है" को सांख्यिकीय रूप से सत्यापित करने का आधार बन गया (Mellers et al., 2014; Tetlock, Mellers & Scoblic, 2017)।
  • ऊर्जा रूपांतरण और सामान्य AI के रूप में 2 प्रौद्योगिकी रूपांतरण:सौर और बैटरी की लागत प्रमुख संस्थानों के पूर्वानुमान से लगातार तेजी से गिरी है, जिसने पूर्वानुमान विधि के पश्चदृष्टि सत्यापन के लिए बड़ी मात्रा में सामग्री प्रदान की है (Meng et al., 2021)। इसी समय, बड़े भाषा मॉडल के आगमन से "यह सामान्य प्रौद्योगिकी किस उद्योग में कब फैलती है" यह प्रसार पूर्वानुमान की मांग तेजी से बढ़ी है, और यह स्वयं अनुसंधान विषय बन गया है (Eloundou et al., 2024)।

निम्नलिखित में, प्रत्येक विषय पर अनुसंधान की प्रवृत्ति का सर्वेक्षण किया जाता है।

तकनीकी भविष्यवाणी

  • अनुभव वक्र द्वारा संभाव्यता पूर्वानुमान की स्थापना:प्रौद्योगिकी की लागत और कार्यक्षमता में सुधार की गति का पूर्वानुमान नहीं लगाया जा सकता, यह दीर्घकाल से प्रचलित दृष्टिकोण था। 2010 के दशक के मध्य से, 50 से अधिक प्रौद्योगिकियों के लागत इतिहास का उपयोग करके अनुभव वक्र (Wright का नियम) के आधार पर संभाव्यता पूर्वानुमान को पश्चदृष्टि से सत्यापित करने वाला अनुसंधान जमा होता गया है, और पूर्वानुमान त्रुटि के वितरण सहित विश्वास अंतराल निकालने के स्तर पर दिखाया जाता है (Farmer & Lafond, 2016; Lafond et al., 2018)। निर्णायक था ऊर्जा प्रौद्योगिकी पर विशेषज्ञ के अनुमान और सांख्यिकीय मॉडल के पूर्वानुमान की तुलना पश्चदृष्टि से करने वाला अनुसंधान, जहां सांख्यिकीय मॉडल विशेषज्ञ से अधिक सटीक था, और विशेषज्ञ लागत में कमी को व्यवस्थित रूप से कम आंका करते थे (Meng et al., 2021)। इस ज्ञान का उपयोग करके सौर, पवन, बैटरी की लागत में गिरावट को संभाव्यता के साथ पूर्वानुमान लगाते हुए, ऊर्जा रूपांतरण को तेजी से आगे बढ़ाने से कुल लागत सस्ती होती है यह निष्कर्ष निकाला जा रहा है (Way et al., 2022)।
  • बाजार के बिना प्रौद्योगिकी के लिए विस्तार:पूर्वानुमान का विषय लागत इतिहास वाली प्रौद्योगिकियों से, अभी भी बाजार के बिना प्रौद्योगिकी तक विस्तारित हो गया है। पेटेंट डेटा से तकनीकी क्षेत्र के अनुसार सुधार दर का अनुमान लगाने की विधि विकसित की गई है, और 1,757 तकनीकी क्षेत्रों के लिए वार्षिक सुधार दर का पूर्वानुमास लगाया गया है (Singh, Triulzi & Magee, 2021)। नई तकनीकों के लिए, कट्टरपंथी नवीनता, अपेक्षाकृत तेजी से विकास, स्थिरता, उल्लेखनीय प्रभाव, अनिश्चितता, इन 5 गुणों से परिभाषित एक ढांचा प्रस्तावित किया गया है (Rotolo, Hicks & Martin, 2015), इस ढांचे के आधार पर पेटेंट के कई संकेतकों को मशीन लर्निंग के माध्यम से चलाया जा सकता है, और बाद में विकसित हुई तकनीकों को प्रारंभिक चरण में वर्गीकृत किया जा सकता है (Lee et al., 2018)। पेपर, पेटेंट, समाचार के पाठ से गहन शिक्षा द्वारा कमजोर संकेतों की खोज की विधि भी विकसित हुई है (Zhou et al., 2020; Ebadi, Auger & Gauthier, 2022), और EU की संयुक्त अनुसंधान केंद्र इसे हर साल संचालन में डाल रही है (European Commission Joint Research Centre, 2024)।
  • पहुंच बिंदु:पहुंच बिंदु के रूप में, "वह प्रौद्योगिकी आर्थिक रूप से कब स्थापित होती है" "अगली कौन सी प्रौद्योगिकी उठती है" इन प्रश्नों का उत्तर विशेषज्ञ की प्रवृत्ति के बजाय सांख्यिकीय आधार पर दिया जा सकता है। बाद में वर्णित बाजार पूर्वानुमान की सीमाओं में से, सीधी एक्सट्रापोलेशन का जाल और विशेषज्ञ द्वारा कम आंकलन, दोनों ही इस विधि से सुधारे जा सकते हैं। डेटा और विधि सार्वजनिक हैं, और व्यक्तिगत शोधकर्ता और छोटे व्यवसाय भी समान स्तर की खोज कर सकते हैं।

प्रसार और मांग

  • पाठ डेटा द्वारा प्रसार का ट्रैकिंग:नई प्रौद्योगिकी का प्रसार बिक्री या प्रसार दर को आंकड़ों में दिखने के बाद मापा जाता था। 2020 के दशक में आते हुए, कंपनी के निर्णय व्याख्यान के प्रतिलेख, पेटेंट, नौकरी की जानकारी के पाठ को संयोजित करके, क्लाउड, स्मार्टफोन आदि 29 विघ्नकारी प्रौद्योगिकियों पर यह ट्रैक करने की विधि विकसित की गई है कि वे किस कंपनी, किस शहर में, कब फैली। नई प्रौद्योगिकी में रोजगार शुरुआत में कुछ अग्रणी शहरों में केंद्रित होता है, और समय के साथ फैलता है यह दिखाया गया है (Bloom et al., 2021)। नौकरी की जानकारी का उपयोग करके मशीन लर्निंग द्वारा जांचा गया कि "सामान्य प्रौद्योगिकी" की शर्तें पूरी होती हैं (तेजी से सुधार, विभिन्न उद्योगों में व्यापक प्रवेश, पूरक नवाचार को प्रेरित करना), इस अनुसंधान में दूसरी नई प्रौद्योगिकियों की तुलना में सामान्य प्रौद्योगिकी के रूप में गुण मजबूत होना पुष्ट किया गया (Goldfarb, Taska & Teodoridis, 2023)। बड़े भाषा मॉडल के लिए भी, पेशे के अनुसार कार्य संरचना से प्रभावित श्रम बाजार की सीमा का अनुमान लगाया गया है, और लगभग 80% श्रमिकों के कामकाज के एक हिस्से पर प्रभाव पड़ने का अनुमान लगाया गया है (Eloundou et al., 2024)। नौकरी की जानकारी और निर्णय व्याख्यान यह सार्वजनिक डेटा बाजार आंकड़ों से कई साल पहले अग्रणी संकेतक के रूप में कार्य करना प्रायोगिक रूप से सिद्ध किया गया है।
  • मांग आविष्कार को चलाती है इसका कारण प्रमाण:मांग के पक्ष से, "भविष्य के बाजार आकार का अनुमान वास्तव में आविष्कार की दिशा को चलाता है या नहीं" यह कारणात्मक रूप से सत्यापित किया गया। फार्मास्यूटिकल उद्योग में, जनसांख्यिकी से अनुमानित भविष्य के बाजार आकार जितना बड़ा होता है उतनी ही ज्यादा नई दवाओं का विकास होता है (Acemoglu & Linn, 2004), और बाजार आकार में 1% विस्तार होने से नई दवाओं की संख्या लगभग 0.2% बढ़ती है यह लोच अनुमानित किया गया है (Dubois et al., 2015)। मोटर वाहन उद्योग में, ईंधन की कीमत बढ़ने वाले देश की निर्माता आंतरिक दहन इंजन के बजाय विद्युतीकरण आदि स्वच्छ प्रौद्योगिकी के पेटेंट बढ़ाती हैं (Aghion et al., 2016), और बीमारी का बोझ जितना अधिक होता है देश उतना ही उसके उपचार दवा का उत्पादन और निर्यात बढ़ाता है, यह साक्ष्य भी प्राप्त किया गया है कि मांग उत्पादन स्थान तक को चलाती है (Costinot et al., 2019)। बाजार अनुमान "सही होगा या नहीं" ही नहीं, बल्कि "क्या अन्य भी समान अनुमान लगाकर प्रवेश करेंगे" यह प्रतिस्पर्धा 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। 4.8 मिलियन पेटेंट और 3.2 करोड़ पेपरों के उद्धरण नेटवर्क का विश्लेषण करने वाले अनुसंधान ने दिखाया है कि बाजार मूल्य वाले पेटेंट जितना अधिक आधारभूत विज्ञान के करीब होते हैं, प्रभावशाली पेपर जितना अधिक तकनीकी अनुप्रयोग के करीब होते हैं (Ahmadpoor & Jones, 2017), और पेटेंट द्वारा उद्धृत पेपर का डेटाबेस तैयार किया जाता है कि 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 प्रौद्योगिकी में निवेश को उत्पादकता में परिलक्षित होने तक, व्यापार प्रक्रिया, मानव संसाधन, डेटा जैसी पूरक अमूर्त संपत्तियों में निवेश आवश्यक होता है, और वह अवधि आंकड़ों पर, उत्पादकता में अस्थायी गिरावट दिखती है "J वक्र" को दर्शाता है यह दिखाया गया है (Brynjolfsson, Rock & Syverson, 2021)। सामान्य AI के लिए भी, आधार मॉडल की कार्यक्षमता में सुधार के बजाय, व्यावसायिक प्रक्रिया और डेटा की तैयारी प्रसार का सीमित चरण बन जाता है, यह अनुसंधान परिवार से अनुमानित किया जाता है।

अनुसंधान सीमांत

  • विघ्नकारी परिणामों में गिरावट और परिपक्व क्षेत्रों की कठोरता: नए अनुसंधान क्षेत्र कहां खुलते हैं और शोधकर्ताओं को कहां दांव लगाना चाहिए, इस सवाल का जवाब बड़े डेटा से मिलने लगा है। 45 मिलियन पेपर और 3.9 मिलियन पेटेंट के विश्लेषण से पता चलता है कि मौजूदा ज्ञान को नवीनीकृत करने वाले "विघ्नकारी" परिणामों का अनुपात सभी क्षेत्रों में लगातार गिर रहा है (Park, Leahey & Funk, 2023), और यह भी पुष्टि हुई है कि जितना अधिक परिपक्व कोई क्षेत्र है, उतना ही नई अवधारणाओं को स्थापित होना मुश्किल हो जाता है (Chu & Evans, 2021)। शोधकर्ताओं की ओर से, पहले से ही स्थापित लोकप्रिय क्षेत्रों पर ध्यान केंद्रित करने की रूढ़िवादी रणनीति प्रभावशाली है, जबकि नए क्षेत्रों में दांव लगाना उच्च प्रभाव पैदा करता है जो लाखों पेपर द्वारा दिखाया गया है (Foster, Rzhetsky & Evans, 2015)
  • नवीनता के मूल्यांकन में समय अंतराल: नवीनता के मूल्यांकन में समय अंतराल होता है। असाधारण संयोजन वाले उच्च नवीनता वाले पेपर अल्पकालिक रूप से कम उद्धृत होते हैं लेकिन दीर्घकालिक रूप से उच्च प्रभाव रखते हैं, जो "देर से मान्यता पाने वाली" पैटर्न प्रदर्शित करते हैं (Wang, Veugelers & Stephan, 2017), और सबसे प्रभावशाली पेपर में परंपरागत ज्ञान के संयोजन में केवल एक असाधारण संयोजन शामिल था (Uzzi et al., 2013)। हालांकि, जब शोधकर्ता अपने विशेषज्ञता से दूर विषयों में परिवर्तन करते हैं तो परिणामों का प्रभाव कम हो जाता है, "पिवट-पेनल्टी" को बड़े पैमाने पर पुष्टि की गई है (Hill et al., 2025), और नए क्षेत्र में प्रवेश अपने संचय के आसन्न रूप में करना तर्कसंगत है
  • निष्कर्ष: संक्षेप में, नए क्षेत्र परिपक्व बड़े क्षेत्रों के केंद्र में नहीं बल्कि क्षेत्रों की सीमाओं या छोटे क्षेत्रों में खुलते हैं। शोधकर्ताओं और आविष्कारकों के लिए "वृद्धि बाजार" अपनी विशेषज्ञता के आसन्न और अभी भी भीड़ रहित सीमा क्षेत्र हैं, यह वर्तमान निष्कर्ष है

मानव और AI निर्णय

  • एकत्रीकरण विधियों की तुलना: जब मानवीय निर्णय को एकत्र करके भविष्यवाणी की जाती है, तो कौन सी एकत्रीकरण विधि और एकत्रीकरण पद्धति सबसे सटीक है, इसे भविष्यवाणी प्रतियोगिता के डेटा से सत्यापित किया गया है। प्रतिभागियों से सीधे संभाविकता का उत्तर देने और सांख्यिकीय रूप से एकत्र करने वाली "भविष्यवाणी सर्वेक्षण" भविष्यवाणी बाजार के बराबर या उससे बेहतर सटीकता दिखाती है (Atanasov et al., 2017), और एकत्रीकरण में औसत संभाविकता को 0 या 1 की ओर ले जाने वाली "चरमपंथ" को जोड़ने से सटीकता बढ़ती है (Satopää et al., 2014)। डेल्फी विधि के लिए भी, सटीकता बढ़ाने की शर्तें (प्रतिभागियों की विविधता, प्रतिक्रिया की गुणवत्ता, पुनरावृत्ति की संख्या) समीक्षा में व्यवस्थित की गई हैं (Rowe & Wright, 1999)। सम्मेलन में सहमति बनाने की तुलना में गुमनाम रूप से संभाविकता को एकत्र करना और सांख्यिकीय रूप से एकत्र करना अधिक सटीक है, और भविष्यवाणी बाजार के परिचालन लागत के बिना भी समान सटीकता प्राप्त की जा सकती है
  • LLM का आगमन और सीमाएं: 2023 के बाद से, बड़े भाषा मॉडल (LLM) भविष्यवक्ता के रूप में सामने आए हैं। 12 प्रकार के LLM के पहनावे द्वारा भविष्यवाणी 925 मानव सामूहिक बुद्धिमत्ता के साथ सांख्यिकीय रूप से अप्रभेद्य सटीकता दिखाती है (Schoenegger et al., 2024a), और खोज के साथ नवीनतम जानकारी को मजबूत करने और तर्क प्रक्रिया को अनुकूलित करने वाले LLM मानव भविष्यवाणी समूह के करीब पहुंच रहे हैं (Halawi et al., 2024)। मानव भविष्यवक्ताओं को LLM सहायक के साथ देने वाले प्रयोगों में, सहायक की मौजूदगी में सटीकता में महत्वपूर्ण सुधार हुआ (Schoenegger et al., 2024b)। दूसरी ओर, लगातार अपडेट किए जाने वाले बेंचमार्क में तुलना से, अत्याधुनिक LLM अभी भी प्रशिक्षित सुपर पूर्वानुमानकर्ताओं तक नहीं पहुंचे हैं (Karger et al., 2024), और पूर्ण स्वचालन में दूरी है
  • निष्कर्ष: निष्कर्ष के रूप में, AI अन्वेषण, आधार दर प्रस्तुति, परिदृश्य के मसौदे निर्माण जैसे भविष्यवाणी के पूर्व प्रक्रियाओं की लागत में नाटकीय रूप से कमी करता है, जबकि अंतिम संभाविकता निर्णय और अपडेट निर्णय, अभी के लिए प्रशिक्षित मानव द्वारा करना अधिक सटीक है। "AI अन्वेषण करता है, मानव फैसला करता है, AI निगरानी करता है, मानव अपडेट करता है" यह श्रम विभाजन वर्तमान समय में अनुसंधान द्वारा दिखाई गई सबसे सटीक संरचना है। कभी केवल राज्य या VC के लिए संभव होने वाले स्तर की स्कैनिंग, इस श्रम विभाजन से अब व्यक्तिगत शोधकर्ताओं और सामान्य व्यावसायिक कंपनियों की भी पहुंच में है

वृद्धि बाजार पूर्वानुमान की सीमाएं

यहां तक कि, हम वृद्धि बाजार की पहचान के स्रोतों, तरीकों, अभ्यास और नवीनतम अनुसंधान को व्यवस्थित करते आए हैं। अंत में, बाजार पूर्वानुमान की विशेष सीमाओं को व्यवस्थित करते हैं। सीमाएं मानव धारणा, बाजार संरचना, पूर्वानुमान का आत्मनिर्देश, डेटा और पद्धति, इन चारों में विभाजित की जा सकती हैं।

धारणा की सीमाएं

  • विशेषज्ञ पूर्वानुमान सटीकता: विशेषज्ञ पूर्वानुमान, लंबी अवधि के व्यापक सत्यापन में, अनुमान लगाने के लगभग समान स्तर पर दिखाई देता है। 284 विशेषज्ञों द्वारा लगभग 28,000 पूर्वानुमानों का 20 वर्षों तक अनुसरण किए गए अनुसंधान में, विशेषज्ञों की सटीकता "डार्ट फेंकने वाले चिंपांजी" के समान थी, एक बड़े सिद्धांत से सबकुछ समझाने वाले प्रकार (हेजहॉग प्रकार) का प्रदर्शन सबसे खराब था, और विविध जानकारी को लचीले से अवशोषित करने वाले प्रकार (लोमड़ी प्रकार) अपेक्षाकृत बेहतर थे (Tetlock, 2005)। बाजार पूर्वानुमान में भी, 1980 के दशक की शुरुआत में AT&T के अनुरोध पर किए गए सर्वेक्षण में 2000 में अमेरिकी मोबाइल फोन अनुबंधों की संख्या लगभग 900,000 का अनुमान लगाया गया था, जो वास्तविक 109 मिलियन से 100 गुना से अधिक कम था (The Economist, 1999)। सौर ऊर्जा के बारे में भी, मुख्य संस्थानों के अपनाने का पूर्वानुमान हर साल वास्तविकता से कम रहा है, और वास्तविकता अनुमान से आगे निकले भी अगले वर्ष का अनुमान पर्याप्त रूप से नहीं बढ़ा (Creutzig et al., 2017)
  • विकृति की नियमितता: विकृति की दिशा में नियमितता है। प्रथम, प्रौद्योगिकी का प्रसार S-वक्र या घातीय रूप से आगे बढ़ता है, लेकिन मानव हाल की प्रवृत्ति को सीधी रेखा से बढ़ाता है, इसलिए "2 साल बाद के परिवर्तन को अधिक आंकना और 10 साल बाद के परिवर्तन को कम आंकना" की त्रुटि होती है (Gates, 1996; Rogers, 1962)। विशेषज्ञों द्वारा ऊर्जा प्रौद्योगिकी लागत में कमी को व्यवस्थित रूप से कम आंकना सांख्यिकीय मॉडल के साथ पश्चिमोत्तर तुलना द्वारा पुष्टि की गई है (Meng et al., 2021)। दूसरे, विघ्नकारी नवाचार प्रारंभिक बिंदु पर कम प्रदर्शन और छोटे बाजार के साथ आता है, इसलिए मौजूदा ग्राहकों की आवाज और मौजूदा बाजार के डेटा पर आधारित विश्लेषण इसे "नगण्य" के रूप में रेट करते हैं (Christensen, 1997)। तीसरे, अपनी परियोजना को "अंदर से" संचित करके पूर्वानुमान लगाने से, योजना भ्रम के कारण व्यवस्थित रूप से आशावादी विकृति होती है। 258 सार्वजनिक परियोजनाओं के विश्लेषण में 90 प्रतिशत ने लागत को कम आंका था (Kahneman & Tversky, 1979; Flyvbjerg, Holm & Buhl, 2002)
  • शोधकर्ताओं की रूढ़िवादिता: शोधकर्ताओं में समान प्रकार की विकृति है। शोधकर्ता पहले से स्थापित लोकप्रिय क्षेत्रों पर ध्यान केंद्रित करने की रूढ़िवादी रणनीति अपनाते हैं, लेकिन नए क्षेत्रों में दांव लगाने में उच्च विफलता दर होती है जबकि सफलता की स्थिति में प्रभाव बड़ा होता है, और समूह के रूप में रूढ़िवादी पसंद अधिक है यह लाखों पेपर द्वारा दिखाया गया है (Foster, Rzhetsky & Evans, 2015)। जहां वृद्धि पहले से ही किसी की आंखों में स्पष्ट है, प्रतियोगिता तीव्र है और प्रारंभिक प्रवेश का लाभ खो जाता है, आम सहमति से अलग पूर्वानुमान में ही अतिरिक्त लाभ है (Thiel & Masters, 2014)

संरचना की सीमाएं

  • जोखिम और अनिश्चितता का अंतर: अनुमानित "जोखिम" और अनुमान न किए जा सकने वाली "अनिश्चितता" को अलग किया गया है। अतीत की आवृत्ति से संभाविकता की गणना की जा सकने वाली जोखिम के विपरीत, अनिश्चितता जहां संदर्भ योग्य अतीत मौजूद नहीं है (Knight की अनिश्चितता) में संभाविकता ही परिभाषित नहीं की जा सकती, और नए बाजार की स्थापना अक्सर बाद वाली श्रेणी में आती है (Knight, 1921)। अगले, परिणाम का वितरण सामान्य वितरण से काफी हद तक विचलित होने वाले क्षेत्रों में, दुर्लभ घटनाएं परिणाम के अधिकांश को निर्धारित करती हैं, इसलिए औसत पूर्वानुमान व्यवस्थित रूप से विचलित होता है। वेंचर निवेश और आविष्कार का मूल्य बिल्कुल इस वितरण को रखता है, यह आनुभविक रूप से पुष्टि की गई है (Taleb, 2007; Scherer & Harhoff, 2000; Kerr, Nanda & Rhodes-Kropf, 2014)
  • वर्धमान रिटर्न और पथ निर्भरता: वर्धमान रिटर्न और पथ निर्भरता काम करने वाले बाजारों में, शुरुआती छोटी संभावनाएं विजेता को तय करती हैं, और पूर्वानुमान पहले से नहीं किया जा सकता। नेटवर्क प्रभाव या शिक्षा प्रभाव से पहले प्रसारित प्रौद्योगिकी अपनी स्थिति को मजबूत करती है, इसलिए तकनीकी रूप से हीन मानक बाजार को भी नियंत्रित कर सकते हैं। यह प्रक्रिया सैद्धांतिक रूप से मॉडल की गई है (Arthur, 1989), और कीबोर्ड लेआउट QWERTY का इतिहास जो तकनीकी रूप से इष्टतम नहीं होने के बावजूद स्थापित रहा, इसका उदाहरण है (David, 1985)। "कौन सा बाजार बढ़ता है" का अनुमान लगाया जा सकता है, लेकिन "उस बाजार में कौन जीतता है" संरचनात्मक रूप से पूर्वानुमास करना मुश्किल है
  • बुलबुले की संरचनात्मक एम्बेडिंग: सामान्य-प्रयोजन प्रौद्योगिकी के विस्तार में, उत्साह और बुलबुले के चरण संरचनात्मक रूप से एम्बेड किए गए हैं। औद्योगिक क्रांति के बाद के पांच तकनीकी क्रांति, सभी ने प्रारंभिक चरण में वित्तीय पूंजी के अतिप्रवाह से बुलबुले का निर्माण किया और पतन के बाद विकास चरण में प्रवेश किया (Perez, 2002)। बाजार की वृद्धि का सही अनुमान लगा भी, बुलबुले के चरण में प्रवेश और निवेश करने से नुकसान हो सकता है। पूर्वानुमान की शुद्धता और प्रवेश समय और मूल्य की शुद्धता को अलग से सत्यापित करने की आवश्यकता है

आत्मनिर्देश की सीमाएं

  • आत्मपूर्ण भविष्यवाणी: सामाजिक घटनाओं का पूर्वानुमान, पूर्वानुमान स्वयं लक्ष्य के व्यवहार को बदलता है। यह "आत्मपूर्ण भविष्यवाणी" संरचना समाजशास्त्र की शास्त्रीय टिप्पणी है (Merton, 1948), और बाजार पूर्वानुमान पर सीधे लागू होती है। "यह बाजार बढ़ेगा" अनुमान व्यापक रूप से साझा हो जाने से प्रवेश भीड़ करता है, और वृद्धि वास्तविकता है जबकि प्रवेशकर्ता एक के लाभ गायब हो जाते हैं। भविष्य बाजार का अनुमान वास्तव में आविष्कार और प्रवेश को चलाता है, यह फार्मा और ऑटोमोटिव उद्योग में कारणात्मक रूप से पुष्टि की गई है (Acemoglu & Linn, 2004; Dubois et al., 2015; Aghion et al., 2016)
  • पहले से कीमत में शामिल की समस्या: निवेश के संदर्भ में, यह सीमा "पहले से कीमत में शामिल" समस्या के रूप में प्रकट होती है। सार्वजनिक सूचना पर आधारित अनुमान पहले से ही कीमत में परिलक्षित है, इसलिए सभी जानते हैं वृद्धि अतिरिक्त लाभ नहीं देती (Fama, 1970)। वृद्धि उद्योग और वृद्धि कंपनियों में निवेश अपेक्षा के विपरीत निम्न लाभ में समाप्त होता है "वृद्धि का जाल", वृद्धि की अपेक्षा कीमत में एम्बेड की जाती है, और महंगी कीमत अदा की जाती है इस कारण होता है (Siegel, 2005)। वृद्धि को समझना और वह वृद्धि से लाभ प्राप्त करना अलग समस्याएं हैं
  • गुडहार्ट का नियम: जब संकेतक लक्ष्य बन जाता है, तो संकेतक संकेतक के रूप में अपना मूल्य खो देता है। "जब कोई सांख्यिकीय मात्रा नीति लक्ष्य बन जाती है, तो सांख्यिकीय मात्रा के रूप में विश्वसनीयता खो देती है" यह नियम (Goodhart, 1984), प्रारंभिक संकेतकों पर भी लागू होता है। पेटेंट आवेदन संख्या या नौकरी की संख्या जब "वृद्धि बाजार के संकेत" के रूप से व्यापक रूप से ज्ञात हो जाती है, तो इसे ध्यान में रखकर आवेदन या नौकरी बढ़ती है, और संकेतक शोर में बदल जाता है। प्रारंभिक संकेतक केवल इस अवधि में उच्चतम पूर्वानुमान शक्ति रखते हैं जब वह संकेतक के रूप में स्वीकृत नहीं होता

डेटा और पद्धति की सीमाएं

  • नए बाजारों में डेटा नहीं होता:मात्रात्मक तरीके अतीत के डेटा की आवश्यकता रखते हैं, लेकिन नए बाजारों में परिभाषा के अनुसार अतीत नहीं होता। प्रसार मॉडल के गुणांकों को तब तक स्थिर रूप से अनुमानित नहीं किया जा सकता जब तक प्रसार दर 10-20% तक नहीं पहुंच जाती (Bass, 1969; Sultan, Farley & Lehmann, 1990), और इससे पहले हम समान मामलों के गुणांकों को उधार लेने वाली संदर्भ वर्ग पूर्वानुमान पर निर्भर रहते हैं (Kahneman & Tversky, 1979)। हालांकि, जो "समान" माना जाता है उसका चयन परिणामों को प्रभावित करता है, और यह चयन स्वयं पूर्वानुमानकर्ता के निर्णय पर निर्भर करता है। सांख्यिकीय मॉडल विशेषज्ञों को पार कर जाते हैं यह खोज (Meng et al., 2021) दशकों के लागत इतिहास वाली तकनीकों के बारे में निष्कर्ष है, और इसे बिना इतिहास वाली तकनीकों पर सीधे लागू नहीं किया जा सकता।
  • मशीन लर्निंग की शासन परिवर्तन के प्रति कमजोरी:मशीन लर्निंग केवल अतीत के पैटर्न से सीख सकता है, और संरचना बदलने के समय (शासन परिवर्तन) में कमजोर है। 100,000 समय श्रृंखला का उपयोग करके बड़े पैमाने पर पूर्वानुमान प्रतियोगिता में, शुद्ध मशीन लर्निंग तरीके सरल सांख्यिकीय तरीकों से कम प्रदर्शन करते हैं, और कई तरीकों का संयोजन सबसे सटीक था (Makridakis, Spiliotis & Assimakopoulos, 2018; Makridakis et al., 2020)। बड़े भाषा मॉडलों के बारे में भी, मानव सामूहिक बुद्धिमत्ता के बराबर होने की रिपोर्ट के साथ-साथ, लगातार अपडेट होने वाले बेंचमार्क पर प्रशिक्षित अल्पसंख्यक पूर्वानुमानकर्ताओं तक अभी नहीं पहुंचने की पुष्टि की गई है (Schoenegger et al., 2024a; Karger et al., 2024)।
  • संकेत पहचान में झूठी सकारात्मकता:संकेत पहचान में झूठी सकारात्मकता की समस्या हमेशा रहती है। उदीयमान तकनीक की परिभाषा स्वयं अनिश्चितता रखती है (Rotolo, Hicks & Martin, 2015), और ध्यान आकर्षित करने वाली तकनीकें बाद में विफल हो जाती हैं - "हाइप" असामान्य नहीं है। प्रौद्योगिकी की अपेक्षाओं के संक्रमण को चित्रित करने वाला "हाइप साइकल" व्यावहारिक रूप से व्यापक रूप से उपयोग किया जाता है, लेकिन इसका आकार अनुभवजन्य रूप से सामान्य किया जा सकता है या नहीं, इस बारे में अनुसंधान समर्थन कमजोर है (Dedehayir & Steinert, 2016)। कमजोर संकेतों का अधिकांश हिस्सा, पश्चदृष्टि में, शोर है जो कुछ भी नहीं लाया।

सीमाओं को ध्यान में रखते हुए प्राप्त परिणाम

  • संभावना · अपडेट · संयोजन:उपरोक्त सीमाएं पूर्वानुमान को त्यागने का कारण नहीं हैं, बल्कि पूर्वानुमान के उपयोग के तरीके को बदलने का कारण हैं। प्रथमतः, पूर्वानुमान का आउटपुट बिंदु नहीं बल्कि संभाव्यता वितरण है, और इसे चौड़ाई के साथ संभाला जाना चाहिए। दूसरा, संभावना नई जानकारी आने पर हर बार अपडेट होती है, और एक बार दिया गया पूर्वानुमान का पालन करना सबसे बड़ी विफलता का कारण है। प्रशिक्षित पूर्वानुमानकर्ताओं ने सूचना विश्लेषकों को लगभग 30% अधिक प्रदर्शन किया यह अंतर मुख्य रूप से इस अपडेट की आदत से आता है (Mellers et al., 2014; Tetlock & Gardner, 2015)। तीसरा, एक एकल तरीके पर निर्भर न रहकर कई को संयोजित करना, आधी सदी के पूर्वानुमान अनुसंधान और नवीनतम प्रतियोगिता दोनों द्वारा लगातार समर्थित निष्कर्ष है (Armstrong, 2001; Makridakis et al., 2020)।
  • दूरदर्शिता द्वारा पूरकता:पूर्वानुमान (forecasting) में जो अनिश्चितता नहीं संभाली जा सकती, उसे दूरदर्शिता (foresight) से तैयारी करते हैं। जो भविष्य नहीं बताया जा सकता, उसके लिए कई परिदृश्यों को तैयार करना और अग्रणी संकेतकों की निगरानी करना, और किसी भी परिदृश्य के लिए तैयार निर्णय लेना, एक पूर्वानुमान पर दांव लगाने से अधिक तर्कसंगत है (Schoemaker, 1995; Wack, 1985)। पूर्वानुमान गलत होता है क्योंकि विधि खराब है, और विधि में सुधार किया जा सकता है। हालांकि, सुधारी गई विधि की भी सीमाएं हैं, और इन सीमाओं को मानते हुए निर्णय लेने का डिजाइन पूर्वानुमान का अगला चरण बन जाता है।

निष्कर्ष

इस प्रकार हमने विकास बाजार खोजने के लिए दृष्टिकोणों को व्यवस्थित किया। यहां व्यवस्थित विधि निश्चित रूप से विकास बाजार की भविष्यवाणी नहीं कर सकते हैं, लेकिन वैज्ञानिक दृष्टिकोण के माध्यम से, संभव के रूप में उच्च संभावना के साथ भविष्यवाणी कर सकते हैं। आने वाले AI युग में, बाजार किस तरह से विकसित होगा यह भविष्यवाणी करने के लिए एक दृष्टिकोण के रूप में लागू किया जा सकता है।

संदर्भ ग्रंथ

  • 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 के विकास की दिशा तय करता है, यह सिद्ध करने वाला पेपर)
  • 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 कीमत में वृद्धि स्वचालित निर्माताओं के स्वच्छ प्रौद्योगिकी पेटेंट को बढ़ाती है, यह सिद्ध करने वाला पेपर)
  • Aguilar, F. J. (1967). Scanning the business environment. Macmillan.(कंपनी के बाहरी पर्यावरण स्कैनिंग को व्यवस्थित किया और PEST विश्लेषण का मूल बन गया, ऐसा काम)
  • Ahmadpoor, M., & Jones, B. F. (2017). The dual frontier: Patented inventions and prior scientific advance. Science, 357(6351), 583–587.(पेटेंट और पेपर के उद्धरण नेटवर्क से विज्ञान और तकनीक की दूरी को मापा, बाजार मूल्य वाले पेटेंट मौलिक विज्ञान के करीब हैं यह दिखाने वाला पेपर)
  • Andreessen, M. (2011, August 20). Why software is eating the world. The Wall Street Journal.(सॉफ्टवेयर सभी उद्योगों को पुनर्गठित करता है, ऐसा निवेश सिद्धांत दिखाने वाला निबंध)
  • 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 पेपर।
  • Armstrong, J. S. (Ed.). (2001). Principles of forecasting: A handbook for researchers and practitioners. Kluwer Academic Publishers.(पूर्वानुमान अनुसंधान के सिद्धांतों को एकत्रित करना, कई तरीकों का संयोजन सटीकता बढ़ाता है यह दिखाने वाली हैंडबुक)
  • 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 बाजार की प्रभावशीलता और नीति संबंधी संभावनाओं पर विचार करने वाला पेपर)
  • Arthur, W. B. (1989). Competing technologies, increasing returns, and lock-in by historical events. Economic Journal, 99(394), 116–131.(बढ़ते हुए प्रतिफल के तहत प्रारंभिक संयोग विजेता को तय करता है, पूर्व पूर्वानुमान मुश्किल हो जाता है, यह सिद्धांतित करने वाला पेपर)
  • 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 एकीकृत पूर्वानुमान सर्वेक्षण पूर्वानुमान बाजार के समान या बेहतर सटीकता दिखाता है, यह साबित करने वाला पेपर)
  • Bass, F. M. (1969). A new product growth for model consumer durables. Management Science, 15(5), 215–227.।नए उत्पाद के प्रसार को नवाचार गुणांक और नकल गुणांक से परिभाषित करने वाला Bass मॉडल का मूल पेपर।
  • 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.(लॉन्च से पहले Bass मॉडल से उपग्रह प्रसारण की सदस्यता संख्या का पूर्वानुमान किया, वास्तविक परिणाम लगभग मेल खाया यह रिपोर्ट करने वाला पेपर)
  • 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.।कंपनी की अर्निंग कॉल, पेटेंट, नौकरी खोज के टेक्स्ट से 29 विघटनकारी तकनीकों का कंपनियों के बीच और क्षेत्रों के बीच प्रसार का पीछा किया, ऐसा पेपर।
  • Boston Consulting Group. (1968). Perspectives on experience. Boston Consulting Group.।Wright के नियम को "अनुभव वक्र" के रूप में प्रबंधन रणनीति में लाया, ऐसी रिपोर्ट।
  • Bresnahan, T. F., & Trajtenberg, M. (1995). General purpose technologies: 'Engines of growth'? Journal of Econometrics, 65(1), 83–108.།सामान्य प्रयोजन की तकनीकें पूरक नवाचार की श्रृंखला के माध्यम से विकास लाती हैं, यह दिखाने वाला पेपर।
  • Bryar, C., & Carr, B. (2021). Working backwards: Insights, stories, and secrets from inside Amazon. St. Martin's Press.।Amazon के ग्राहक-केंद्रित रिवर्स प्रक्रिया को आंतरिक व्यक्ति द्वारा समझाया, ऐसा 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.(यह पेपर दिखाता है कि कैसे सामान्य-उद्देश्य तकनीकों में निवेश पूरक अमूर्त संपत्तियों के विकास के माध्यम से उत्पादकता में परिलक्षित होता है, जिससे J-वक्र बनता है)
  • 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.(यह पेपर HP के आंतरिक पूर्वानुमान बाजार द्वारा आधिकारिक बिक्री पूर्वानुमान को बेहतर करने की रिपोर्ट करता है)
  • Christensen, C. M. (1997). The innovator's dilemma: When new technologies cause great firms to fail. Harvard Business School Press.(यह कृति दिखाता है कि विघ्नकारी नवाचार क्यों मौजूदा कंपनियों के बाजार विश्लेषण से अदृश्य रहते हैं)
  • 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.(यह पेपर जॉब्स थ्योरी को समझाता है जो ग्राहकों के "निपटाए जाने वाले कार्यों" से बाजार को पुनः परिभाषित करता है)
  • 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 पेपर दिखाता है कि जितना अधिक परिपक्व कोई क्षेत्र होता है, उतना कम नई विचारधाराएं स्थापित होती हैं)
  • 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.(यह पेपर 1990 के कैलिफोर्निया ZEV विनियमन की स्थापना प्रक्रिया का विश्लेषण करता है और दिखाता है कि नीति 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 पेपर दिखाता है कि आविष्कार से प्रसार तक की देरी औसतन 45 वर्ष तक होती है, और यह अंतर देशों के बीच 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 पेपर प्रदर्शित करता है कि जिन देशों में रोग के बोझ अधिक होते हैं, वहां उन उपचारों का उत्पादन और निर्यात अधिक होता है, जिससे साबित होता है कि मांग उत्पादन स्थानों 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 पेपर दिखाता है कि Google और Ford के आंतरिक पूर्वानुमान बाजार कैलिब्रेटेड संभावनाओं के रूप में कार्य करते हैं और आधिकारिक पूर्वानुमान की आशावादी पूर्वाग्रह को सुधारते 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.(यह पेपर विश्लेषण करता है कि प्रमुख संस्थाओं के सौर ऊर्जा अपनाने के पूर्वानुमान क्यों निरंतर कम आंके जाते रहे हैं)
  • Dalkey, N., & Helmer, O. (1963). An experimental application of the Delphi method to the use of experts. Management Science, 9(3), 458–467.(यह पेपर डेल्फी पद्धति के प्रारंभिक प्रायोगिक अनुप्रयोग की रिपोर्ट करता है)
  • David, P. A. (1985). Clio and the economics of QWERTY. American Economic Review, 75(2), 332–337.(यह पेपर QWERTY लेआउट के उदाहरण से दिखाता है कि कैसे पथ-निर्भरता से तकनीकी रूप से इष्टतम नहीं होने वाले मानक बाजार पर प्रभुत्व 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.(यह पेपर दिखाता है कि विद्युत की उत्पादकता प्रभाव लगभग 40 वर्ष देरी से आया, जिससे सामान्य-उद्देश्य तकनीकों की समय संरचना प्रकट होती है)
  • 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.(एक संगठन कमजोर संकेतों को कैसे नजरअंदाज करता है और परिधीय दृष्टि को कैसे बेहतर बनाया जा सकता है इसे दिखाने वाला कार्य)
  • Dedehayir, O., & Steinert, M. (2016). The hype cycle model: A review and future directions. Technological Forecasting and Social Change, 108, 28–41.(हाइप चक्र मॉडल के आकार को अनुभवजन्य रूप से सामान्य बनाया जा सकता है या नहीं इस पर अनुसंधान में कमजोर समर्थन को स्पष्ट करने वाली समीक्षा)
  • Drucker, P. F. (1997). The future that has already happened. Harvard Business Review, 75(5), 20–24.(जनसांख्यिकी को "पहले से हुआ भविष्य" के रूप में पूर्वानुमान में उपयोग करने का दृष्टिकोण दिखाने वाला पत्र)
  • 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 के आकार में 1% वृद्धि नई दवाओं की संख्या को लगभग 0.2% बढ़ाती है इसका अनुमान लगाने वाला पत्र)
  • 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 उभरती प्रौद्योगिकियों का पता लगाने की विधि दिखाने वाला पत्र)
  • The Economist. (1999, October 7). Cutting the cord.(1980 के दशक में मोबाइल फोन बाजार के पूर्वानुमान वास्तविक प्रदर्शन से 100 गुना अधिक कम थे इस मामले 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 जो श्रम बाजार के दायरे को प्रभावित करते हैं उसे व्यावसायिक कार्य संरचना से अनुमानित करने वाला पत्र)
  • European Commission Joint Research Centre. (2024). Weak signals in science and technologies 2024. Publications Office of the European Union.(यूरोपीय संघ द्वारा वार्षिक रूप से संचालित कमजोर संकेतों का पता लगाने की 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 प्रतिबिंबित होती है यह मानने वाली दक्ष बाजार परिकल्पना को व्यवस्थित करने वाला पत्र)
  • Farmer, J. D., & Lafond, F. (2016). How predictable is technological progress? Research Policy, 45(3), 647–665.(अनुभव वक्र के आधार पर प्रौद्योगिकी लागत का संभाव्य पूर्वानुमान व्यावहारिक सटीकता रखता है यह दिखाने वाला पत्र)
  • Felin, T., & Zenger, T. R. (2017). The theory-based view: Economic actors as theorists. Strategy Science, 2(4), 258–271.(बाजार की संभावना कंपनी के अनूठे सिद्धांत के माध्यम से ही दिखाई देती है यह प्रस्तुत करने वाला सिद्धांत-आधारित रणनीति दृष्टिकोण पत्र)
  • 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 से लागू करके योजना त्रुटि से निपटने की विधि दिखाने वाला पत्र)
  • 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 हुई है यह दिखाकर संदर्भ वर्ग पूर्वानुमान की आवश्यकता को समर्थित करने वाला पत्र)
  • Forsythe, R., Nelson, F., Neumann, G. R., & Wright, J. (1992). Anatomy of an experimental political stock market. American Economic Review, 82(5), 1142–1161.(आयोवा इलेक्ट्रॉनिक बाजार ने जनमत सर्वेक्षण से अधिक सटीकता से चुनाव परिणामों की भविष्यवाणी की, यह बताने वाला शोधपत्र)
  • Foster, J. G., Rzhetsky, A., & Evans, J. A. (2015). Tradition and innovation in scientists' research strategies. American Sociological Review, 80(5), 875–908.(शोधकर्ताओं की रूढ़िवादी विषय चयन प्रभावशाली होने के बावजूद, नए क्षेत्रों में दांव उच्च प्रभाव उत्पन्न करता है, यह लाखों शोधपत्रों में दिखाने वाला शोधपत्र)
  • 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 किस तरह बाजार के अस्तित्व के बिना चरण में प्रौद्योगिकी क्षेत्रों में निवेश करता है, इसकी व्यवस्था का विश्लेषण करने वाला शोधपत्र)
  • Garfield, E. (1955). Citation indexes for science: A new dimension in documentation through association of ideas. Science, 122(3159), 108–111.(शोधपत्र उद्धरण सूचकांक का प्रस्ताव रखा और वैज्ञानिक मेट्रिक्स की नींव बनाने वाला शोधपत्र)
  • Gates, B. (1996). The road ahead (Rev. ed.). Penguin Books.(अल्पकालीन परिवर्तन को अधिक आंकना और दीर्घकालीन परिवर्तन को कम आंकने की मानवीय प्रवृत्ति की ओर ध्यान दिलाने वाला ग्रंथ)
  • 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 विज्ञप्तियों का उपयोग करके यह सत्यापित करने वाला शोधपत्र कि मशीन लर्निंग सामान्य प्रयोजन तकनीक की शर्तें पूरी करती है या नहीं)
  • 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 निर्माण के विस्तार को "शांत क्रांति" के रूप में विश्लेषण करने वाला शोधपत्र)
  • 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 उद्यम पूंजीपतियों के सर्वेक्षण से निवेश निर्णय के कारकों और भारांकन को स्पष्ट करने वाला शोधपत्र)
  • Goodhart, C. A. E. (1984). Monetary theory and practice: The UK experience. Macmillan.(सांख्यिकीय मात्रा जब नीति लक्ष्य बन जाती है तो संकेतक के रूप में विश्वसनीयता खो देती है, यह "गुडहार्ट का नियम" दिखाने वाला ग्रंथ)
  • 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 के सादृश्य का उपयोग करके नए उत्पाद की बिक्री पूर्वानुमान निर्णय-केवल पूर्वानुमान से अधिक सटीक है, यह दिखाने वाला शोधपत्र)
  • Graham, P. (2012). How to get startup ideas. Y Combinator.("भविष्य में रहो और जो कुछ खो गया है उसे बनाओ" यह स्टार्टअप विचार खोज की विधि दिखाने वाली निबंध)
  • Griliches, Z. (1957). Hybrid corn: An exploration in the economics of technological change. Econometrica, 25(4), 501–522.(संकर मकई के प्रसार की एस-आकार वक्र का मात्रात्मक विश्लेषण और प्रसार गति लाभप्रदता के अनुपात में है यह दिखाने वाला शोधपत्र)
  • Gross, B. (2015). The single biggest reason why start-ups succeed [Video]. TED Conferences.(200 से अधिक कंपनियों के विश्लेषण से टाइमिंग सफलता का सबसे बड़ा कारक है यह दिखाने वाली प्रस्तुति)
  • Grove, A. S. (1996). Only the paranoid survive: How to exploit the crisis points that challenge every company. Currency Doubleday.(PC उद्योग के लंबवत एकीकरण से क्षैतिज विभाजन में रूपांतरण के समय लाभ के हस्तांतरण का प्रतिभागी द्वारा विश्लेषण करने वाला ग्रंथ)
  • 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 प्रणाली की तुलना करने वाला शोधपत्र)
  • Halawi, D., Zhang, F., Yueh-Han, C., & Steinhardt, J. (2024). Approaching human-level forecasting with language models. arXiv preprint arXiv:2402.18563.(खोज से सूचना को बढ़ाया गया LLM मानव पूर्वानुमान समूह के करीब पहुंचने वाली सटीकता प्रदर्शित करने वाला शोधपत्र)
  • 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 बड़ा योगदान देते हैं, यह सिद्ध करने वाला शोधपत्र)
  • Hamming, R. W. (1986). You and your research [Lecture]. Bell Communications Research Colloquium Seminar.(बड़ी सफलता उत्पन्न करने वाले शोधकर्ता महत्वपूर्ण समस्याओं को चुनते हैं और खुलते हुए क्षेत्रों में जल्दी प्रवेश करते हैं, यह तर्क देने वाला व्याख्यान)
  • Hayek, F. A. (1945). The use of knowledge in society. American Economic Review, 35(4), 519–530.(मूल्य विकेंद्रीकृत ज्ञान को एकत्रित करने का कार्य करता है, यह तर्क देने वाला, पूर्वानुमान बाजारों के सैद्धांतिक आधार वाला शोधपत्र)
  • Hill, R., Yin, Y., Stein, C., Wang, X., Wang, D., & Jones, B. F. (2025). The pivot penalty in research. Nature, 642, 999–1006.(शोधकर्ता जब अपने विशेषज्ञता से विषय स्थानांतरण करते हैं तो प्रभाव घटता है, यह बड़े डेटा से दिखाने वाला शोधपत्र)
  • 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 का नवीकरणीय ऊर्जा कानून के अधिनियमन प्रक्रिया और यह कैसे सौर बाजार को स्थापित किया, इसका विश्लेषण करने वाला शोधपत्र)
  • Kahn, H., & Wiener, A. J. (1967). The year 2000: A framework for speculation on the next thirty-three years. Macmillan.(RAND संस्थान से परिदृश्य पद्धति को व्यवस्थित करने वाला, परिदृश्य योजना का मूल ग्रंथ)
  • Kahneman, D., & Tversky, A. (1979). Intuitive prediction: Biases and corrective procedures. TIMS Studies in Management Science, 12, 313–327.(योजना भ्रम और बाहरी दृष्टिकोण (संदर्भ वर्ग) द्वारा सुधार प्रक्रिया प्रस्तुत करने वाला शोधपत्र)
  • 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 होने वाली बेंचमार्क से अत्याधुनिक LLM अभी भी सुपर पूर्वानुमानकार तक नहीं पहुंचते, यह दिखाने वाला शोधपत्र)
  • 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.(mRNA वैक्सीन की नींव बनी संशोधित न्यूक्लिओसाइड की विधि को दिखाने वाला, 2023 नोबेल पुरस्कार का विषय बना शोधपत्र)
  • Keating, G. (2012). Netflixed: The epic battle for America's eyeballs. Portfolio/Penguin.(Netflix ने स्थापना समय से ही स्ट्रीमिंग में स्थानांतरण को देखा और अपने प्रमुख व्यवसाय को प्रतिस्थापित किया, इसका वर्णन करने वाला ग्रंथ)
  • Kerr, W. R., Nanda, R., & Rhodes-Kropf, M. (2014). Entrepreneurship as experimentation. Journal of Economic Perspectives, 28(3), 25–48.(उद्यम पूंजीकार की रिटर्न कुछ बड़ी सफलताओं पर निर्भर विषम वितरण रखती है और निवेश प्रयोग के रूप में कार्य करता है, यह दिखाने वाला शोधपत्र)
  • Kharas, H. (2017). The unprecedented expansion of the global middle class: An update (Global Economy & Development Working Paper No. 100). Brookings Institution.(विश्व की मध्यम वर्गीय जनसंख्या के तीव्र विस्तार और एशिया में इसकी एकाग्रता का अनुमान लगाने वाला पेपर)
  • Knight, F. H. (1921). Risk, uncertainty and profit. Houghton Mifflin.(संभावना की गणना की जा सकने वाली जोखिम और गणना न की जा सकने वाली अनिश्चितता के बीच अंतर बताने वाली अर्थशास्त्र की क्लासिक 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 गहन तंत्रिका नेटवर्क ने छवि पहचान में निर्णायक जीत दिलाई और गहन शिक्षा के विस्फोट 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 पर आधारित संभाव्यता वितरण पूर्वानुमान की पद्धति प्रस्तावित करने और 50 से अधिक तकनीकों के साथ इसे सत्यापित 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.(बहुविध पेटेंट संकेतकों और मशीन लर्निंग का उपयोग करके नई तकनीकों की प्रारंभिक पहचान की पद्धति 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.(अमेरिकी उत्सर्जन नियमों ने ऑटोमोटिव उद्योग में प्रदूषण नियंत्रण तकनीकों के पेटेंट आवेदन को प्रेरित किया यह प्रमाणित करने वाला पेपर)
  • Levitt, T. (1983). The marketing imagination. Free Press.("ग्राहक ड्रिल नहीं बल्कि छेद चाहते हैं" यह अंतर्दृष्टि फैलाने वाली रचना)
  • 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 पद्धति से लगभग 8 गुना अधिक बिक्री संभावना उत्पन्न की यह दिखाने वाला पेपर)
  • Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2018). Statistical and machine learning forecasting methods: Concerns and ways forward. PLoS ONE, 13(3), e0194889.(शुद्ध मशीन लर्निंग पद्धति सरल सांख्यिकीय पद्धति से कम प्रभावी साबित होने और पूर्वानुमान में मशीन लर्निंग की सीमाएं 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.(दस लाख समय श्रृंखला की पूर्वानुमान प्रतियोगिता में बहुविध पद्धतियों के संयोजन के सबसे सटीक होने की घोषणा करने 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 पत्रों का डेटाबेस बनाकर विज्ञान और उद्योग के संबंध का बड़े पैमाने पर ट्रैकिंग 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 सरकार द्वारा ITRI और TSMC के माध्यम से अर्धचालक उद्योग के निर्माण की प्रक्रिया का विश्लेषण करने वाला पेपर)
  • Mazzucato, M. (2013). The entrepreneurial state: Debunking public vs. private sector myths. Anthem Press.(iPhone को बनाने वाली अधिकांश मुख्य तकनीकें सार्वजनिक अनुसंधान निधि से आई हैं यह दिखाकर राज्य के अग्रिम निवेश की भूमिका पर विचार करने वाली रचना)
  • 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, दलीय समन्वय और संभाव्यता अद्यतन से पूर्वानुमान सटीकता में उल्लेखनीय सुधार पूर्वानुमान टूर्नामेंट में प्रमाणित 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 विशेषज्ञों के आकलन से आगे निकले और विशेषज्ञों ने लागत में कमी को कम आंका यह दिखाने वाला पेपर)
  • Merton, R. K. (1948). The self-fulfilling prophecy. Antioch Review, 8(2), 193–210.(पूर्वानुमान लक्ष्य के व्यवहार को बदलकर स्वयं को सत्य करता है "आत्म-पूर्ण भविष्यवाणी" को परिभाषित करने वाला पेपर)
  • Myers, K. (2020). The elasticity of science. American Economic Journal: Applied Economics, 12(4), 103–134.(निर्दिष्ट उद्देश्य की अनुसंधान निधि के अनुसार शोधकर्ता विषय बदलते हैं NIH डेटा से यह प्रमाणित 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 का नियम पूर्वानुमान क्षमता को सत्यापित करने वाला पेपर)
  • Park, M., Leahey, E., & Funk, R. J. (2023). Papers and patents are becoming less disruptive over time. Nature, 613, 138–144.(4,500 लाख पत्रों और 390 लाख पेटेंट में विघ्नकारी उपलब्धियों का अनुपात लगातार गिर रहा है यह दिखाने वाला पेपर)
  • Perez, C. (2002). Technological revolutions and financial capital: The dynamics of bubbles and golden ages. Edward Elgar.(तकनीकी क्रांतियां परिचय, बुलबुला, परिवर्तन बिंदु, विस्तार अवधि से गुजरती हैं यह पांच तरंगों में दिखाने वाली रचना)
  • Popp, D. (2002). Induced innovation and energy prices. American Economic Review, 92(1), 160–180.(ऊर्जा मूल्य में वृद्धि ऊर्जा-बचत तकनीकों के पेटेंट आवेदन को प्रेरित करती है यह प्रमाणित 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 किया गया विनियमन नवाचार और नए बाजार को बढ़ावा देता 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 शिक्षा के प्रशिक्षण में तेजी ला सकता है दिखाने वाला और GPU कंप्यूटिंग की मांग का अग्रिम संकेत बनने वाला पेपर)
  • Rogers, E. M. (1962). Diffusion of innovations. Free Press.(नवाचार का प्रसार S-आकार का वक्र खींचता है यह दिखाने वाली नवाचार विसरण सिद्धांत की मौलिक कृति)
  • 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.(एक अध्ययन जो प्रदर्शित करता है कि फोरसाइट क्षमता वाली कंपनियां सात साल बाद उच्च लाभ दर और वृद्धि दर दिखाती हैं)
  • Rohrbeck, R., Battistella, C., & Huizingh, E. (2015). Corporate foresight: An emerging field with a rich tradition. Technological Forecasting and Social Change, 101, 1–9.(एक अध्ययन जो कॉर्पोरेट फोरसाइट के अनुसंधान क्षेत्र को व्यवस्थित करता है और पूर्वानुमान के साथ इसका संबंध स्थापित करता है)
  • Rotolo, D., Hicks, D., & Martin, B. R. (2015). What is an emerging technology? Research Policy, 44(10), 1827–1843.(एक अध्ययन जो उभरती हुई तकनीकों को पांच विशेषताओं द्वारा परिभाषित करता है और बाद के अनुसंधान के लिए एक सामान्य ढांचा प्रदान करता है)
  • Rowe, G., & Wright, G. (1999). The Delphi technique as a forecasting tool: Issues and analysis. International Journal of Forecasting, 15(4), 353–375.(एक अध्ययन जो डेल्फी विधि की पूर्वानुमान सटीकता को अनुभवजन्य अनुसंधान समीक्षा के माध्यम से सत्यापित करता है)
  • Ryan, B., & Gross, N. C. (1943). The diffusion of hybrid seed corn in two Iowa communities. Rural Sociology, 8(1), 15–24.(एक प्रसार अनुसंधान का मूल अध्ययन जो पहली बार खोज करता है कि नवाचार अपनाना एस-वक्र का अनुसरण करता है)
  • 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.(एक अध्ययन जो दिखाता है कि समूह की संभाव्यता पूर्वानुमानों को चरमपंथी बनाकर एकत्रित करने से सटीकता बढ़ जाती है)
  • Scherer, F. M., & Harhoff, D. (2000). Technology policy for a world of skew-distributed outcomes. Research Policy, 29(4–5), 559–566.(एक अध्ययन जो दिखाता है कि आविष्कारों का आर्थिक मूल्य अत्यंत विषम वितरण रखता है, कुछ मूल्य का बहुमत धारण करते हैं)
  • Schmookler, J. (1966). Invention and economic growth. Harvard University Press.(मांग-चालित सिद्धांत का एक शास्त्रीय कार्य जो दिखाता है कि आविष्कार की दिशा मांग के आकार के अनुसार प्रतिक्रिया करती है)
  • Schoemaker, P. J. H. (1995). Scenario planning: A tool for strategic thinking. Sloan Management Review, 36(2), 25–40.(एक अध्ययन जो परिदृश्य योजना की प्रक्रिया और रणनीतिक महत्व को व्यवस्थित करता है)
  • Schoemaker, P. J. H., & Day, G. S. (2009). How to make sense of weak signals. MIT Sloan Management Review, 50(3), 81–89.(एक अध्ययन जो संगठनात्मक रूप से कमजोर संकेतों का पता लगाने और व्याख्या करने के तरीकों को दिखाता है)
  • 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.(एक अध्ययन जो दिखाता है कि एलएलएम सहायक प्रदान किए गए मनुष्यों की पूर्वानुमान सटीकता में महत्वपूर्ण सुधार होता है)
  • 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.(एक अध्ययन जो दिखाता है कि एलएलएम का समूह मानव सामूहिक ज्ञान के बराबर पूर्वानुमान सटीकता प्रदान करता है)
  • 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 व्यवस्थित करने वाला एक कार्य, जो 1986 के कच्चे तेल की कीमत में गिरावट के लिए तैयारी को दर्शाता है)
  • Siegel, J. J. (2005). The future for investors: Why the tried and the true triumph over the bold and the new. Crown Business.(एक कार्य जो दीर्घकालीन डेटा के साथ "वृद्धि का जाल" दिखाता है, जहां विकास उद्योगों में निवेश कम रिटर्न में समाप्त होता है)
  • 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.(एक अध्ययन जो पेटेंट डेटा से 1,757 तकनीकी क्षेत्रों की वार्षिक सुधार दर की भविष्यवाणी करता है)
  • 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.(Bass मॉडल के 213 अनुप्रयोग अध्ययनों का एक मेटा-विश्लेषण जो नवीनता और अनुकरण गुणांक के विशिष्ट मानों को दिखाता है)
  • Taleb, N. N. (2007). The black swan: The impact of the highly improbable. Random House.(एक कार्य जो तर्क देता है कि परिणामों का वितरण सामान्य वितरण से विचलित हो जाता है, दुर्लभ घटनाएं परिणाम पर प्रभुत्व रखती हैं और औसत पूर्वानुमान विफल होता है)
  • Tetlock, P. E. (2005). Expert political judgment: How good is it? How can we know? Princeton University Press.(एक कार्य जो 20 वर्षों तक विशेषज्ञ पूर्वानुमान सटीकता को ट्रैक करता है और इसकी सीमाओं और सुधार संभावना को दिखाता है)
  • Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The art and science of prediction. Crown.(एक कार्य जो पूर्वानुमान को एक प्रशिक्षण योग्य कौशल के रूप में व्यवस्थित करता है)
  • Tetlock, P. E., Mellers, B. A., & Scoblic, J. P. (2017). Bringing probability judgments into policy debates via forecasting tournaments. Science, 355(6324), 481–483.(एक अध्ययन जो नीति बहस में संभाव्य सोच लाने के साधन के रूप में पूर्वानुमान टूर्नामेंट का प्रस्ताव करता है)
  • Thiel, P., & Masters, B. (2014). Zero to one: Notes on startups, or how to build the future. Crown Business.(एक कार्य जो सर्वसम्मति से परे "छिपे हुए सत्य" में निवेश पर चर्चा करता है)
  • Uzzi, B., Mukherjee, S., Stringer, M., & Jones, B. (2013). Atypical combinations and scientific impact. Science, 342(6157), 468–472.(एक अध्ययन जो दिखाता है कि उच्च प्रभाव वाले पत्र मानक ज्ञान में एक बिंदु के असामान्य संयोजन को जोड़ते हुए गठित होते हैं)
  • Valentine, D. (2010). View from the top [Lecture]. Stanford Graduate School of Business.(Sequoia Capital के संस्थापक द्वारा दिया गया एक व्याख्यान जो बाजार के आकार को निवेश निर्णय का प्रथम मानदंड मानने के विचार को प्रस्तुत करता है)
  • von Hippel, E. (1976). The dominant role of users in the scientific instrument innovation process. Research Policy, 5(3), 212–239.(एक अध्ययन जो दिखाता है कि वैज्ञानिक उपकरणों की 77% नवाचार उपयोगकर्ताओं द्वारा आती हैं और लीड उपयोगकर्ता विधि की उत्पत्ति है)
  • von Hippel, E. (1986). Lead users: A source of novel product concepts. Management Science, 32(7), 791–805.(लीड उपयोगकर्ता विधि का मूल पत्र जो दिखाता है कि अग्रणी उपयोगकर्ता भविष्य की मांग को आगे बढ़ाते हैं)
  • von Hippel, E., Thomke, S., & Sonnack, M. (1999). Creating breakthroughs at 3M. Harvard Business Review, 77(5), 47–57.(एक पत्र जो 3M के चिकित्सा व्यवसाय विभाग द्वारा लीड उपयोगकर्ता विधि से नई उत्पाद अवधारणा प्राप्त करने की प्रक्रिया की रिपोर्ट करता है)
  • Wack, P. (1985). Scenarios: Uncharted waters ahead. Harvard Business Review, 63(5), 72–89.(Shell कंपनी की परिदृश्य योजना के व्यवहार की रिपोर्ट जो प्रत्यक्षदर्शी द्वारा दी गई है)
  • 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.(एक अध्ययन जो दिखाता है कि उच्च नवीनता वाले पत्र अल्पकालिक में कम मूल्यांकन किए जाते हैं लेकिन दीर्घकालिक 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-आधारित संभाव्य पूर्वानुमान से, ऊर्जा संक्रमण को तेजी से आगे बढ़ाने से कुल लागत कम होती है यह दर्शाने वाला शोधपत्र)
  • Wetterstrand, K. A. (2023). DNA sequencing costs: Data. National Human Genome Research Institute.(मानव जीनोम अनुक्रमण लागत के परिवर्तन को दर्शाते हुए सार्वजनिक डेटा)
  • Witt, S. (2025). The thinking machine: Jensen Huang, Nvidia, and the world's most coveted microchip. Viking.(NVIDIA द्वारा CUDA में अग्रिम निवेश के माध्यम से अनुप्रयोग बाजार के उदय की प्रतीक्षा करने का विवरण प्रस्तुत करने वाली रचना)
  • Wolfers, J., & Zitzewitz, E. (2004). Prediction markets. Journal of Economic Perspectives, 18(2), 107–126.(पूर्वानुमान बाजार के सिद्धांत और प्रायोगिक साक्ष्य की समीक्षा करने वाला शोधपत्र)
  • 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 का नियम का मूल शोधपत्र)
  • 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 संवर्द्धन और गहन शिक्षा के माध्यम से उदीयमान प्रौद्योगिकियों का पूर्वानुमान करने की विधि को प्रदर्शित करने वाला शोधपत्र)
  • 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 अनुभवजन्य वक्र के अनुसार कमी आई है यह दर्शाने वाला शोधपत्र)
  • 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 के परिवर्तन और भविष्य अनुमान को दर्शाने वाली सार्वजनिक सामग्री)

    ⟦325⟦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 से लगभग पांच साल के अंतराल पर जारी रहने वाली जापान की डेल्फी सर्वेक्षण की नवीनतम रिपोर्ट)

  • विज्ञान, प्रौद्योगिकी और शैक्षणिक नीति अनुसंधान संस्थान। (2019)। ग्यारहवीं विज्ञान और प्रौद्योगिकी पूर्वानुमान सर्वेक्षण। NISTEP REPORT No. 183.(1971 से लगभग हर 5 साल में जारी रहने वाले जापान के डेल्फी सर्वेक्षण की नवीनतम रिपोर्ट)

इस लेख को साझा करें