3.2. Методы выделения тренда
Выделение тренда: методы регрессии. Рассмотрим применение метода регрессии при прогнозировании временных рядов на примере деятельности компании АПИ в Северной Америке, данные по годовому объему продаж моторного масла приведены в табл. 4.
Объем продаж компании АПИ
Годовой объем продаж (млн.$)
Как видно из графика на рис. 3, имеются существенные колебания показателей объема продаж. Однако отмечается видимая тенденция к увеличению объема продаж, и соответствующий тренд можно выделить с помощью методов регрессии. Линия регрессии показана на графике.
Рис.3. Данные объема продаж компании АПИ
Из графика видно, что зависимость определена не столь четко, как в предыдущем примере. Так, коэффициент корреляции для этих данных будет значительно меньше по величине, и вообще может оказаться незначимым. Долговременный тренд может быть линейным или нелинейным. Эти данные трудно анализировать из-за сильных расхождений между соседними значениями. Часто, когда мы имеем дело с такого рода данными, необходимо сгладить колебания, и только потом можно сделать какой-либо имеющий смысл прогноз. Методы сглаживания данных временных рядов будут более подробно рассмотрены в последующих разделах.
Выделение тренда: скользящие средние
Метод скользящих средних позволяет «сгладить» ряд значений с тем, чтобы выделить тренд. При использовании этого метода берется среднее (обычно среднее арифметическое) фиксированного числа значений. Затем это вычисление повторяется по всему ряду значений. Полученные скользящие средние обозначат общий тренд временного ряда. Число значений, которое используется при вычислении среднего, определяет результат сглаживания. В целом, чем больше точек берется, тем сильнее сглаживаются данные.
С помощью скользящих средних можно сгладить колебания объемов продаж на временных промежутках. Например, в нижеприведенной таблице представлены исходные объемы продаж, а также скользящие средние, рассчитанные по каждым 3 (трем) значениям (так называемые трехточечные скользящие средние). Данные примера представлены на рис.5.
Годовой объем продаж, млн.$
Трехточечные скользящие средние
Эти скользящие средние рассчитаны следующим образом. Первые три значения объема продаж (1984—1986 гг.) складываются, а затем делятся на три: получаем значение первого скользящего среднего. Итак,
Первое скользящее среднее = (170+120+105)/3=395/3=131,67
Это значение записывается по центру значений, по которым рассчитывалось среднее значение, и поэтому в таблице значение скользящего среднего, полученное первым, стоит против 1985 г. Следующее значение скользящего среднего рассчитывается так:
Второе скользящее среднее=(120+105+156)/3=381/3=127
Полученное значение ставится в центр диапазона, т. е. в таблице оно стоит против 1986 г. Далее проводим аналогичные вычисления по трем значениям вплоть до последнего набора значений за 1996—1998 гг., где значение скользящего среднего равно 236.33. И вновь, обратите внимание, что последнее полученное значение записывается по центру диапазона, т. е. напротив 1997 г.
Рис. 4. Объемы продаж компании АПИ и скользящие средние
Годовой объем продаж, млн.$
Семиточечные скользящие средние
На рис.4 показано, как трехточечные скользящие средние существенно сгладили график. Были сняты многие колебания исходных данных, и полученный набор значений более четко показывает тренд данных. Таким образом, можно делать прогнозы исходя из оценок линии регрессии, составленной по значениям скользящих средних. Однако трехточечные скользящие средние все еще выказывают некоторые колебания. Ряд можно сгладить еще больше, если увеличить число точек при вычислении значений скользящих средних. Так, например, в табл. 6 приведены значения скользящих средних, рассчитанные по 7 точкам на основе тех же самых данных.
Семиточечные скользящие средние дают консистентный тренд для этого ряда данных. На графике (рис.5) показаны трех- и семиточечные скользящие средние. Мы видим, что семиточечные скользящие средние образуют более сглаженную линию с меньшими колебаниями, чем трехточечные.
Рис. 5. Объемы продаж компании АПИ и два набора скользящих средних
Увеличение числа точек при вычислении скользящих средних ведет к большему сглаживанию линии тренда. Поэтому можно утверждать, что чем больше точек взято для вычисления скользящих средних, тем линия тренда «лучше». Но при этом может возникнуть вопрос: а почему не рассчитать средние по 10, 11 или даже 15 точкам? Дело в том, что чем больше точек мы берем для вычисления скользящих средних, тем меньше конечных значений мы получаем. Так, сравним два набора скользящих средних, рассчитанных в нашем примере. Мы получили 13 трехточечных скользящих средних и только девять семиточечных скользящих средних.
Посчитайте, сколько значений скользящих средних вы получите, если при вычислении возьмете 9 или 11 точек. Отсюда, когда необходимо решить, сколько точек брать для вычислений, то следует найти компромисс между их большим числом (чтобы обеспечить относительную сглаженность графика) и малым (чтобы получить достаточное количество значений). Задача такого рода упрощается в ситуациях, когда имеется очевидная периодичность данных. Рассмотрите, например, значения, которые циклично повторяются каждые пять точек: скажем, объем продаж товара достигает своего пика на 5-й, 10-й и 15-й год. В этом случае данные можно сгладить пятиточечными скользящими средними.
Выделение тренда: центрированные скользящие средние
При вычислении скользящих средних по четному количеству точек может возникнуть сложность с тем, как расположить результаты. Как мы уже отмечали в предыдущих примерах, значение скользящего среднего ставится по центру диапазона взятых значений. Если у нас четное число значений, то это значит, что фактически скользящее среднее должно быть поставлено по срединной точке между строк. Например, возьмем данные по объему продаж, которые мы рассматривали в предыдущем разделе. Рассчитаем четырех-точечные скользящие средние и сведем их в таблицу. Чтобы упростить пример, возьмем только несколько первых значений.
Тенденции временных рядов: понятие, виды, методы выделения тренда
Уровни временного ряда отражают изменения, колебания экономического показателя во времени. Сами колебания обусловлены воздействием на показатель большого числа разнообразных факторов (спроса, конъюнктуры, моды, погоды, состояния основных средств и т.д.).
Под действием одних факторов изменения экономического показателя могут быть выражены в виде некоторой тенденции, т.е. в виде направленного развития экономического показателя во времени. Из анализа графика временного ряда на рис. 8.2 можно сделать вывод: хотя временной ряд (кривая 1) и колеблется, но значения уровней ряда имеют тенденцию увеличиваться во времени (кривая 2). Под действием других факторов колеблемость временного ряда может носить случайный характер, т.е в ряде будет отсутствовать тенденция.
На практике временные ряды имеют и тенденцию, и случайность. Существуют несколько видов тенденций: тенденция средней, тенденция дисперсии и тенденция автокорреляции. Мы будем рассматривать только тенденцию средней. Тенденция средней (среднего уровня) – это изменение уровня ряда во времени в среднем. Она может состоять из тренда, сезонной и циклической компонент.
Тренд – это плавно изменяющаяся нециклическая кривая (прямая), описывающая действия основных долговременных факторов, эффект которых сказывается постепенно. Например, рост в среднем объема реализации продукции, снижение себестоимости продукции и т.д. Кривая 2 на рис. 8.2. является трендом временного ряда (кривая 1). Сезонная компонента – это циклическое изменение в среднем уровней ряда с периодом, равным одному году. Например, сезонное изменение цен на продовольственные товары. Циклическая компонента – это циклическое изменении в среднем уровней ряда с периодом, большим одного года. Например, периодическое обновление основных средств (основных фондов). Знание тенденции средней (среднего уровня) позволяет не только понять развитие экономического процесса во времени, но и осуществить прогнозирование.
Тренд во временном ряде может иметь различную форму, с учетом которой и выбирается соответствующий тип трендовой модели. Отметим основные типы трендовых моделей:
а) линейная трендовая модель 
;
б) параболическая 2-го порядка трендовая модель 
;
в) степенная трендовая модель 
;
г) показательная трендовая модель 
и т.д.
В рассмотренных трендовых моделях 
является независимым показателем – фактором, 
– зависимым показателем, 
– параметрами модели.
Чтобы выбрать соответствующую сущности изменения временного ряда трендовую модель, необходимо выполнить ряд последовательных действий.
1. Оценить однородность и сопоставимость уровней временного ряда.
2. Построить график временного ряда, по которому необходимо визуально оценить наличие или отсутствие тенденции средней в ряде и ее вид (тренд,сезонная или циклическая компоненты). Если по графику сложно определить наличие тенденции в ряде, то необходимо осуществить сглаживание временного ряда, например, методом скользящей средней. По сглаженным уровням ряда необходимо построить график и опять визуально оценить наличие тенденции.
Метод скользящей средней позволяет снизить колеблемость уровней ряда, в результате чего имеющаяся тенденция средней может быть более наглядно выражена. Для сглаживания ряда целесообразно использовать нечетный интервал сглаживания (3 или 5).
| Обозна-чения ряда | Исход-ный ряд уt | Сглажен-ный ряд ytc |
| y1 y2 y3 y4 y5 | – 6,3 – |
Пример 8.11.Осуществим сглаживание временного ряда, приведенного в табл. 8.4, с помощью интервала сглаживания, равного 3. Рассчитаем первый уровень сглаженного ряда 
. Результат расчета запишем по центру интервала сглаживания, т.е. напротив y2. Затем рассчитаем второй уровень сглаженного ряда 
. Результат расчета запишем по центру интервала сглаживания, т.е. напротив y3.
И, наконец, рассчитаем третий уровень сглаженного ряда 
. Результат расчета запишем по центру интервала сглаживания, т.е. напротив y4. Характер изменения сглаженных уровней ряда (6,3; 7; 8) показывает явную тенденцию роста; с учетом этого можно сделать вывод: исходный ряд имеет тенденцию средней, которая визуально соответствует тренду (т.е. прямой линии). Этот вывод будет более убедителен, если построить графики обоих рядов (студентам выполнить самостоятельно). Недостатком данного метода является то, что сглаженный ряд имеет меньшее число уровней ряда, чем исходный.
3. Если предварительно установлено, что временной ряд содержит тенденцию средней, например, в виде тренда, то далее надо определить тип трендовой модели (линейная, нелинейная – параболическая, степенная, показательная и т.д.). Для этого, опять-таки на основе анализа графика временного ряда, необходимо выбрать несколько предполагаемых типов трендовых моделей. Например, визуальный анализ временного ряда показывает, что имеющийся тренд можно выразить с помощью линейной или параболической модели. Затем по каждой модели необходимо рассчитать ее параметры. Зная параметры каждой модели, можно оценить, какая из выбранных моделей наилучшим образом аппроксимирует исходный временной ряд.
Для нахождения параметров трендовых моделей может быть использован метод наименьших квадратов (МНК). Рассмотрим его применение.
Линейная трендовая модель 
используется тогда, когда цепные абсолютные приросты уровней ряда приблизительно равны по модулю. Для нахождения параметров линейной модели ( ) необходимо составить систему линейных уравнений
(8.19)
2.2. Методы выделения тренда временных рядов
Вы как судьи нарисуйте наши судьбы,
Нашу осень, наше лето и весну,
Я потом, что непонятно, объясню.
Булат Окуджава
2.2.1. Общие замечания
Выбор стратегии и методов предварительной обработки и анализа рядов динамики безусловно зависит от конечной цели исследователя. Однако, как правило, первым этапом является оценка тренда временного ряда.
Как было отмечено выше, любой ряд динамики может быть разделен на три компоненты:
Таким образом, вычитание тренда из исследуемого ряда динамики является изменением масштаба данных и сохраняет полную информацию о вариации явления.
Для краткосрочного прогнозирования рядов, содержащих неправильно меняющийся тренд, можно использовать метод экспоненциального сглаживания, в котором при построении прогноза наибольшие веса приписываются последним наблюдениям.
2.2.2. Метод скользящих средних
Метод скользящих средних базируется на предположении, считающимся тривиальным: при определении средних значений случайные отклонения погашаются. При сглаживании этим методом фактические значения ряда динамики заменяются средними значениями, которые характеризуют срединную точку периода скольжения (Юл, Кендалл, 1960).
Простое сглаживание основывается на составлении нового ряда из простых средних арифметических, исчисленных для промежутков времени длиной q:
,
Пример простого сглаживания ряда СКОРОСТЬ при q=31 представлен на рис. 2.3.
,
параметры которого оцениваются по методу наименьших квадратов с помощью уравнений типа:
Результат взвешенного сглаживания ряда ПОВТОР, при q=31 и p=4, представлен на рис. 2.5.
(концевые точки копируются : 
= x(0), 
= x(n)).
Метод скользящих средних имеет ряд преимуществ перед другими методами:
скользящая средняя дает функцию тренда, в наибольшей мере приближенную к значениям исследуемого ряда, поскольку для отдельных частей ряда выбирается наилучшая тенденция;
к исследуемому ряду могут быть прибавлены новые значения;
нахождение тренда не связано с большими вычислительными трудностями.
Тут вы можете оставить комментарий к выбранному абзацу или сообщить об ошибке.
Практика трендвотчинга: что помогает распознавать сигналы из будущего
Кристина Смирнова, руководитель отдела UX-исследований и трендвотчинга в РБК:
Вам уже хорошо знакомо слово «тренд» и известно, как отличить его от других рыночных явлений и потребительских реакций (если есть сомнения, предлагаем свериться со «Словарем трендвотчера»). Вы также понимаете, какую ценность наблюдение за трендами может принести вашему бизнесу или бизнесу клиента. Следующий вопрос, который может возникнуть: как ввести трендвотчинг в постоянную практику и настроить регулярный мониторинг. Это крайне трудоемкий процесс, даже при условии автоматизации отдельных этапов. Не существует единственно верного способа поиска трендов, который подходил бы для всех поставленных задач. Но знание основных правил и ключевых шагов, которые предстоит пройти, поможет понять, где понадобится больше всего ресурсов и как можно упростить процесс.
В этом материале трендвотчеры, работающие внутри компаний и в исследовательских агентствах, делятся своими алгоритмами, полезными сервисами и лайфхаками по сбору и оценке трендов. Если вам есть, что добавить из личного опыта, напишите нам.
Об экспертах:
Алгоритмы поиска трендов
Ольга Шаева:
Можно долго спорить, явлется ли трендвотчинг алгоритмизированным процессом или нет. Некоторые практики считают, что это творчество, близкое к искусству, а насмотренность и экспертный опыт помогают замечать сигналы и правильно их интерпретировать. На мой взгляд, этот процесс алгоритмизирован, и у него есть пять этапов:
Илья Литвиненко:
Алгоритм может отличаться в зависимости от того, в какой области идет поиск трендов. Но если смотреть в общем виде, то это сквозное нон-стоп сканирование всех информационных потоков в зависимости от области индустрии с захватом смежных. Мониторинг производится в разных точках мира, потому что в одном регионе тренд взлетает, в другом он только появляется, а в третьем о нем даже не слышали. Когда мы набираем много разных признаков, желательно найти подтверждения, что это действительно зарождающийся тренд. Чем больше подтверждений в разных регионах или в различных отраслях, тем ярче этот тренд и больше вероятность, что он действительно есть.
Маргарита Стаф:
На входе можно опираться на разные источники и в зависимости от этого по-разному с ними работать. Мы, например, предпочитаем все «заземлять» на цифры. Для этого используем социальные медиа и поисковые системы. Смотрим на динамику развития тренда и пытаемся спрогнозировать, куда он пойдет дальше. Наша задача не просто описать тренд, а понять, что волнует людей, и дать рекомендации для бизнеса. Мы либо смотрим, что люди пишут в социальных медиа, либо проводим опросы. Этим полезно заниматься, когда есть «оцифровка» зарубежных трендов, которые нужно переложить в российский контекст. Некоторые тренды, актуальные в Европе, в нашей стране могут столкнуться со скепсисом. Поэтому лучшая комбинация — это поиск точки входа, «оцифровка» и «заземление» на людей.
Ольга Шаева:
Если мы фиксируем отдельные, точечные сигналы — что-то сделали в отдельной стране, других таких примеров нет и это не распространенная инновация, то это слабый сигнал. В нем мало определенности, а тренд — это заметное явление. При перемещении из индустрии в индустрию, из географии в географию возникает вопрос от бизнеса: сработает ли это в России? Нужен анализ локальных ограничений, в том числе законодательных, анализ готовности аудитории, готовности самого бизнеса — по этим компонентам смотрят, насколько это применимо в нашей стране.
Регулярность мониторинга трендов
Станислав Моисеев:
Регулярность мониторинга зависит от цели, категории и типа трендов. Комплексные истории, когда мы смотрим на одну большую категорию, стоит делать до четырех раз в год. Если мы говорим про стабильный рынок, в котором более-менее все понятно и не происходит пандемии, которая переигрывает все сценарии, то может быть достаточно и одного раза в год. А если мы берем, например, потребительские тренды и молодежную аудиторию, то это можно делать и еженедельно.
Маргарита Стаф:
В поисковых системах можно мониторить тренды и на ежедневной основе, если нужны ситуативные, внезапно взорвавшиеся и вызывающие интерес у людей вещи.
Татьяна Матайс:
Есть наблюдения, которые мы делаем ежедневно — это в основном мониторинг конкурентов и интересных запусков. Остальное проверяем раз в месяц.
Ольга Шаева:
Многие люди, работающие с трендами, говорят, что скорость изменений все время растет. В таком контексте логически следует, что нужно непрерывно мониторить и выделять значимые сигналы из большого их количества. В реальном мире это сложно реализовать, поскольку в большинстве случаев это ручная работа, которая отнимает большой объем ресурсов. На рынке трендвотчинга работают над тем, чтобы сбор сигналов автоматизировать. Пока что ни на нашем, ни на глобальном рынке нет систем, которые позволяют из открытых или закрытых источников выделять сигналы, правильно их интерпретировать и извлекать из окружающего шума. Но над этим работают, и в среднесрочной перспективе, вероятно, такие инструменты появятся.
Основные сервисы
Ольга Шаева:
Наиболее популярный источник в трендвотчинге — это базы, пополняемые трендспоттерами: экспертами, которые фиксируют свежие, актуальные сигналы. Среди таких платформ Springwise, Trend Hunter и TrendWatching.
В трендвотчинге, как правило, идет опора на базы сигналов, к которым добавляют тематические или региональные источники. Для каждой индустрии они свои, в зависимости от целей. Есть издания общей бизнес-тематики, в которых можно находить сигналы, и платформы с фокусом на технологиях и стартапах. Например CB Insights и Crunchbase.
Татьяна Матайс:
Мы проверяем тренды через Telegram-каналы, новостные порталы. Следим за исследовательскими агентствами. Читаем Naked Science, где пишут про последние научные открытия. В соцсетях ищем последние новости и смотрим, что запускают конкуренты. Следим за новыми брендами и думаем, почему они интересны людям. Например, у кого-то появилась виртуальная примерка. Если мы видим, что она есть у нескольких конкурентов и через какое-то время не исчезает, то считаем, что это условный must have.
Маргарита Стаф:
Для анализа социальных сетей мы используем YouScan, «Медиалогию», Brand Analytics, в зависимости от настроек, которые нам нужны. Где-то есть фильтрация, где-то собирается больший объем данных. Потом с помощью алгоритмов автоматической обработки текста мы вычленяем тренды. При работе с поисковыми системами для оцифровки данных на российском рынке мы используем Wordstat. Для выделения зарубежных трендов с помощью поисковых систем выбираем Google Trends.
Илья Литвиненко:
Можно использовать аналитические компании и агентства, которые занимаются профессиональным исследованием: PSFK, Wonderman Thompson, Andreessen Horowitz. Вот think tanks (аналитические центры. — РБК Тренды), подборки аналитиков: CIFS, ITIF, Rand, World Economic Forum. Медиа порталы: The Atlantic, Project Syndicate, Harvard Business Review, MIT Technology Review, Center for Data Innovation, Futurism. Хаб центральных банков BIS — полезный ресурс. Платформы, которые работают с трендами: Itonics, Explorer, Futures Platform.
Нестандартные способы поиска трендов
Илья Литвиненко:
Это могут быть академические статьи, патентные бюро, просто новостные потоки, собранные по определенным рубрикам. Еще фильмы и сериалы. Сериалы в особенности, поскольку зачастую тренды, которые закладываются в сериалах, быстро тиражируются в мире. Еще книги, в основном бестселлеры, и наблюдение за тем, что происходит вокруг тебя. Даже на улице можно следить за тем, как ведут себя люди: что они делают и покупают.
Соцсети — практически мгновенная связь с большим числом людей. Если у вас в друзьях есть ранние последователи или инноваторы, то на их страницах идет обсуждение идей и появляются материалы о разработках, которые только-только начинают взлетать. Это инкубатор, где зарождаются идеи. Еще там можно посмотреть, что в тренде. Например на Pinterest или YouTube. И понять, что люди ищут и чем интересуются.
Ольга Шаева:
Есть эксперты, которых интересно слушать. Часто в интервью с людьми, которые пытаются сделать что-то новое на рынке, можно увидеть что-то интересное. Или есть трендсеттеры, более восприимчивые к новому и любящие рассказывать окружающим об этом. Самое главное — сочетание разных источников.
Как собирать тренды
Маргарита Стаф:
Мы выгружаем все данные в Excel или схожие программы, в зависимости от объема и задач. Алгоритм, написанный код под запрос запускается на нужную категорию. Он действует как кластеризация текста и выделяет близкие по смыслу группы. Если мы делаем регулярный трендвотчинг одной категории, то маленькие тренды проявляются более заметно. Если говорить про хранение, то в первую очередь мы выбираем карты, поскольку они наглядны.
Станислав Моисеев:
Если мы делаем качественный анализ трендов, то стараемся прийти к карте, где есть приоритизация и тематическое зонирование. Чтобы было понятно, как с этим работать, необходимо все визуально представить. Табличные форматы удобны для систематизации, а карта при работе с трендами — это точка входа, из которой удобно что-то вычленять.
Ольга Шаева:
Мы пользуемся облачными сервисами, которые позволяют фиксировать сигнал, тегировать его и давать ссылку на первоисточник. Не важно, в каком формате все будет храниться, главное, чтобы это не превращалось в поток, в котором невозможно ничего найти. Важно относить каждую единицу информации к какой-то категории, чтобы потом можно было группировать и видеть похожие сигналы. Без разметки информация станет грузом, с которым будет невозможно работать.
Как прогнозировать спрос на тренд
Маргарита Стаф:
В первую очередь мы смотрим на количество сигналов, на то, насколько быстро они собрали обсуждение вокруг, а также на характер реакций: проявления негодования или лояльности.
Станислав Моисеев:
Если мы говорим про тренды, которые вот-вот должны появиться и вырасти, то необходимо собирать фидбек от целевой аудитории. Потому что тренды, которые будут актуальны на территории одной страны, могут не прижиться в другой.
Татьяна Матайс:
У нас есть определенная экспертиза, наработанная в общении с клиентами. Мы знаем, какие у них есть незакрытые потребности. Когда мы видим тренд, который может закрыть их, то понимаем, что его можно применить в работе. Мы в том числе ищем исследования, которые могут подтвердить наши гипотезы о том, что это потенциально может работать. Если мы видим, что тренд берется в работу нашими конкурентами, это тоже маячок.
Ольга Шаева:
Можно смотреть, насколько тренд обрел вес и какой у него масштаб ускорения. Более зрелые тренды имеют большую вероятность стать массовой практикой рынка. Оценить зрелость тренда можно через число людей, которые им охвачены, и его кросс-индустриальность. Так мы поймем, насколько он становится привычной частью жизни и востребованным на рынке. Чем более это заметное явление в жизни людей и в бизнесе, тем выше зрелость тренда. Второе: стоит смотреть, вышел ли тренд за пределы трендсеттеров и перешел ли он к ранним последователям.
Илья Литвиненко:
Важно понимать, что трендвотчер не дает прогноз, он дает сценарий или набор сценариев с вероятностными весами, которые могут сработать или нет. Тот, кто скажет, что будет вот так и не иначе, или сильно себя переоценивает, или имеет глубокий инсайт.
Что важно в трендвотчинге
Ольга Шаева:
В трендвотчинге важен фокус. Невозможно мониторить все, даже все прямо относящееся к интересующим вас темам. Источников очень много, и анализ трендов затем и нужен, что позволяет из общего хаоса выделить важные моменты. Стоит мониторить приоритетные направления и с меньшей частотой, искать слабые сигналы. Повторюсь: невозможно и не нужно знать абсолютно все и следить за всеми новостями.
Станислав Моисеев:
Если кто-то хочет делать трендвотчинг своими руками и силами, то итеративность и системность — два лучших спутника на этом пути. Системность — это техническое задание, где описаны цель, зона поиска, интересующие категории и индустрии. Она проявляется и в необходимости фиксировать все, что вы просмотрели, чтобы это было воспроизводимо и чтобы не повторяться. Итеративность проявляется в том, чтобы уметь вернуться к своему ТЗ и при необходимости скорректировать его.
Илья Литвиненко:
Важна любознательность, страсть к поиску, жажда узнавать скрытое и неочевидное. Любимые вопросы: «а что будет, если. », «почему», «чтобы что» и «зачем». Чем чаще человек задает их себе, окружающему миру и находит ответы, тем больше шансов увидеть яркие тренды.
