凯恩斯(John Maynard Keynes)认为自己知道的比大多数人都多，而且他从不掩饰这个看法，但他也知道，自己所知有限。他曾写道：“欧洲会不会爆发战争、20年后的铜价是多少钱，这样的问题无法依据科学的理论、通过计算得出概率性结果。我们根本不知道。”
凯恩斯说的没错。他这番话发表于1921年，20年后，英国就卷入了一场胜负难料的殊死之战，对手是德国。
但有一些人，尽管所知不如凯恩斯多，却觉得预测没有那么难。我一直在琢磨一些预测模型，有些是公共部门使用的，有些是私有部门使用的。
这些模型有一个共同的处理方法。它们会提出一个问题：“如果我们对这个世界有全面的了解，那么我们将做出怎样的决定？”有这样全面的信息，或许预测者可以进行详细的评估，将成本、效益、结果等方面的相关信息整合到一起。
但全面掌握信息是不可能的。于是，预测者会编造缺失的数据。他们假设未来将与过去类似，或按照目前的趋势进行推演。无论用什么办法，反正不能让预测表格留下空白。在必要的时候，预测者会按照大多数人的看法进行推测。
这可能让我们的想象成了脱缰之马。要使用英国交通部的模型来评估项目，使用者必须输入13个不同事件的时间值，不仅是现在的，还有2053年的。幸运的是，这些问题的答案可以从官网上下载，还有其他许多我们可能从未想过要问的问题的答案，比如：在2035年，一天中不同时段的平均车辆载客率是多少？
这个预测过程貌似合理，其实很可疑。因为输入模型的许多数据都是编造的，预测者可以通过刻意选择得到想要的预测结果。比起公共部门的比较器，规律得令人乏味的私人融资计划(Private Finance Initiative)的方法略微物有所值一点，它建议金融分析师们重新演算输入的数字、以便得到正确答案。这个建议提出的次数太多，分析师们已经不需要提醒了。
预测者假设未来在本质上与现在一样，与现在的差异主要来源于对目前发展趋势的机械推断。不确定性被忽略了，或是没有得到令人满意的处理。
有时候，预测分析会得出概率判断结果，这通常是通过捣鼓一些主观假设、看有几种情景符合限定条件而得出，就像最近欧洲银行接受的压力测试一样。这类预测传达出来的唯一信息就是，预测者的想象力是有限的。
然而，人们还在坚持这个错误的看法：这些预测程序能够为决策提供客观依据。专长于特定模型的咨询行业应运而生。如今，聘请咨询公司几乎已是每个项目必不可少的环节。咨询公司将建模变成了一项可扩展的业务，可以聘请初级分析师录入数据，这对这些公司非常有利。
我们常常能够通过应用模型把一些复杂的问题搞明白，而数量分析也是决策的关键环节。但好的模型是对实际情况的简化，而不是操作者自己都不明白工作原理的魔术箱。相关模型总是具体针对手中这项任务，而且没有一种客观方法能够帮我们决定在某种特定情况下应该采取哪种工具。如果有一个问题你找不到答案，正确的做法不是编造数据，你应该做的是重新思考，构建一个有解的新问题。
宣称知道其实并不知道的东西，把看到的不确定和模棱两可的东西说成是确定的，为实际上不靠谱的决定披上合理化的外衣，这些做法危害极大。预测结果自相矛盾，这再明显不过了。公共部门和大型官僚机构往往有好的决策机制，却做不出好的决策。
