market-sizing

market-sizing — официальный навык OpenAI для защищаемой оценки рынка или возможности на основе связанного контекста, публичных источников, прозрачных допущений и проверяемых расчётов. Он помогает определить границы рынка, выбрать способ оценки, разделить факты и предположения, проверить чувствительность результата и показать, какие данные сильнее всего повлияют на уверенность. В область применения входят TAM, SAM и SOM, оценка сценариев, сравнение масштаба возможностей и другие задачи, где нужен не только итоговый показатель, но и аудируемая цепочка получения. Работа начинается с определения объекта и границ. Нужно зафиксировать, что именно измеряется: категория продукта, workflow, проблема, use case или активность; где и когда действует оценка; кто или что входит в рынок; в каких единицах выражается результат — например, расходы, выручка, объём, созданная ценность или число единиц. Также заранее выбирается тип ответа: TAM/SAM/SOM, возможность выхода на рынок, потенциал расширения, пул расходов, пул выручки, население или объём операций. Без этой рамки одно и то же слово «рынок» может обозначать разные величины, поэтому определение относится к обязательной части метода. Затем выбирается самый простой надёжный подход. Top-down уместен при наличии качественных агрегированных данных, bottom-up — когда рынок можно собрать из наблюдаемых единиц и допущений, а value-based — когда оценка должна начинаться с создаваемой ценности, а не с опубликованного общего объёма. Смешанный подход оправдан как перекрёстная проверка, если он действительно повышает уверенность. Расчётная цепочка и главные входы должны быть понятны до сбора данных, но метод может измениться, если проверка источников покажет более защищаемый вариант. Источники выбираются по inputs, от которых сильнее всего зависит оценка. Сначала рассматриваются названные пользователем источники, затем — наиболее надёжные данные для каждого существенного параметра. Для структурированных данных навык предлагает искать актуальные схемы, datasets, tables, views, models и metrics, а смысл бизнес-данных при необходимости уточнять через company docs, team communication или dashboards and BI. Для внешнего рынка используются публичные данные, benchmarks, population estimates, comparable markets и proxy assumptions. Если обязательный источник недоступен, путь, который от него зависит, нужно остановить: слабый заменитель нельзя выдавать за эквивалент. Если недостающий источник лишь обогащает оценку, допустимо продолжить с сильнейшим доступным свидетельством и явно обозначить пробел. Факты, выводы и judgement calls хранятся раздельно. Когда точного числа нет, можно применить proxy assumption, но нужно объяснить её разумность, влияние на confidence и источник, который улучшил бы оценку. Модель должна оставаться проверяемой: в ней видны определение рынка, единица измерения, входные допущения, контекст источника, формулы, промежуточные значения, base case, диапазоны и логика sensitivity. Выведенные значения должны следовать из формул или кода, а не быть скрытыми hardcoded результатами. Jupyter подходит для harmonization и расчётов, а Spreadsheets — если нужен редактируемый workbook, таблица чувствительности или графики. Проверка чувствительности должна показывать, как меняется оценка при движении наиболее важных допущений вверх и вниз. Предпочтительны простые сценарии, полезные для решения, а не большой набор вариантов ради полноты. Если неопределённость существенна, её нельзя скрывать одной точкой: нужно показывать диапазон и объяснять главные drivers. Финальная передача должна явно содержать определение рынка, единицу измерения, оценку или диапазон, метод и цепочку расчёта, ключевые допущения с поддержкой источниками, выводы sensitivity, уровень неопределённости и следующие шаги валидации. В исходном workflow также указаны связанные навыки: visualize-data используется, если результату нужна диаграмма или фигура, build-report — для упаковки оценки, допущений, sensitivity, caveats и контекста источников, а validate-data — для проверки методики, вычислений и опоры на источники. Сам market-sizing владеет моделью и выводом; он не должен прятать тонкие места в красивом отчёте. Его назначение — сделать оценку воспроизводимой, показать пределы применимости и дать практический план, какие входные данные проверить следующими.