Der er flere tilgange til at identificere og analysere tendenser. Den ene involverer konstant at scanne efter signaler om mulige ændringer og bruge metoder som interviews til at grave dybere ned i den aktuelle udvikling som pejlemærker mod fremtidige transformationer. Baseret på erfaring med trendforskning identificeres mønstre for at forudse relevante udviklinger, der er specifikke for din kontekst. Hver trend har forklaringer, tilknyttede signaler og nær fremtidssandsynligheder, du skal holde øje med på din radar.

En alternativ metode anvender data, indsigt, rammer og ekspertise fra både i og uden for organisationen for at skabe unikke og betydningsfulde trends. Denne tilgang involverer også scanning af miljøet for elementer, der kan drive forandring, identificering af nye fremtidige muligheder og konstruktion og involvering af potentielle fremtidige scenarier og fortællinger. Denne tilgang hjælper med at forudse og forme positive menneskecentrerede fremtider i en usikker verden.

Der er også forskellige metoder, afhængigt af om du leder efter kuraterede beskrivelser af trends eller spotting ingredienser til trends. For en, der lige er begyndt med fremsyn, masser af værktøjer er tilgængelige til trendidentifikation og -analyse, såsom AI-baserede trendspotting-tjenester eller trendkuratorplatforme. Disse platforme indeholder tusindvis af trends – fra mega- til mikrotrends – og deres beskrivelse.

Her er nogle af de mest brugte metoder til at analysere tendenser:

Trends forskning

Trendforskning involverer at identificere og analysere mønstre i data for at forudsige fremtidige begivenheder. Det er et kritisk værktøj til at forstå forbrugeradfærd, forretningsresultater og den potentielle bane for forskellige industrier.

Der er to vigtige metodiske tilgange til trendforskning:

• Primær forskning: Dette involverer direkte interaktion med forskellige grupper såsom kunder, hovedbrugere, eksperter fra videnskabelige og industrielle områder, almindelige brugere, medarbejdere og leverandører. Teknikker, såsom ekspert- og interessentworkshops eller en Delphi-undersøgelse, kan anvendes effektivt i denne tilgang.

• Sekundær forskning: Denne tilgang udnytter eksisterende information. Der findes talrige trendrapporter for forskellige brancher, som kan tjene som værdifulde ressourcer og grundlag for trendidentifikation.

Trendanalyse

Trendanalyse identificerer fremherskende mønstre inden for en specifik brugergruppe og forstår, hvordan disse mønstre har udviklet sig eller kan udvikle sig over tid. Denne proces er afgørende for at afdække nye muligheder og generere ideer til potentielle koncepter eller produkter, hvilket gør det til en værdifuld strategi at anvende i de indledende faser af designfasen.

Som en forskningsmetodologi i design involverer trendanalyse indsamling af data relateret til og fra brugere. Disse data undersøges derefter for at identificere en tendens, som efterfølgende analyseres for at forstå dens progression over tid.

Der er dog tilfælde, hvor en forsker skal undersøge en eksisterende tendens inden for en brugergruppe. I sådanne scenarier indsamles specifikke data fra brugergrupperne ved omhyggeligt at observere tendensen for at udpege årsagen. At identificere årsagen til en trend er ofte mere udfordrende end at identificere selve trenden. Det er vigtigt at bemærke, at forskellige faktorer, såsom tidspunkt på dagen, sæson og geografisk placering, kan påvirke tendensen, og disse faktorer bør dokumenteres under trendovervågningsprocessen.

Trend ekstrapolering

Trendekstrapolation involverer at identificere mønstre i data over en vis periode og bruge disse oplysninger til at forudsige fremtidige tendenser. Denne teknik udføres ofte ved at udvide en lineær eller eksponentiel kurve for kortsigtede prognoser, men andre faktorer, såsom grænser for vækst, vil blive taget i betragtning ved langsigtede forudsigelser. Disse grænser kan omfatte, hvor meget en teknologi eller kulturel praksis kan spredes, og forskellige trendkurver kan bruges til at passe til dataene, såsom den logistiske kurve. Det anbefales dog at bruge ekstrapolering med andre prognosemetoder, såsom ekspertvurderinger og scenarieanalyse.

Trendekstrapolation kan bruges til at forudsige fremtidige tendenser inden for forskellige områder, såsom salg, økonomi, marketing, drift, risikostyring, menneskelige ressourcer og mere. Ved at identificere mønstre i historiske data kan organisationer bruge trendekstrapolation til at forudse fremtidige begivenheder og træffe informerede beslutninger for at optimere deres drift og nå deres mål.

Forskellige metoder anvendes til at forudsige fremtidige tendenser ved hjælp af historiske data, som er kendt for at være robuste prognoseteknikker; dog overvejer de måske ikke altid uventede hændelser.

Tendenser kan visualiseres ved hjælp af linjegrafer, hvor den afhængige variabel er plottet på y-aksen og perioden på x-aksen. Trends kan grupperes i flere kategorier:

• Konstant – der er ingen samlet vækst eller tilbagegang. Der kan stadig være regelmæssige udsving, f.eks. under forskellige årstider.

• Lineær – karakteriseret ved en konstant og konsekvent stigning eller fald i dataene. En lige linje repræsenterer disse tendenser, og hældningen kan være enten stejl eller gradvis, afhængigt af hvor hurtigt dataene ændrer sig.

• Eksponentiel – væksten eller faldet i dataene sker med en accelererende hastighed. I stedet for en stabil progression er denne type trend repræsenteret af en kurve, hvor x-værdien (aftegnet vandret) bruges som eksponent i trendlinjeformlen til at beregne y-værdien.

• Dæmpet – nærmer sig en vandret asymptote eller en vandret linje, som grafen for funktionen kommer mere og mere tæt på, men aldrig rører.