Анализ перекрестных воздействий - это методология, разработанная Теодором Гордоном и Олафом Хелмером в 1966 году, чтобы помочь определить, как отношения между событиями повлияют на результирующие события и уменьшат неопределенность в будущем. [1] Центральное разведывательное управление (ЦРУ) заинтересовалось методика в конце 1960 - х и начале 1970 - х лет в качестве аналитического метода для прогнозирования , как различные факторы и переменные будут влиять решения в будущем. [2] В середине 1970-х футуристы начали использовать эту методологию в больших количествах как средство для предсказания вероятности конкретных событий и определения того, как связанные события влияют друг на друга. [3]К 2006 году анализ перекрестных воздействий превратился в ряд связанных методологий, которые использовались компаниями и сообществами, а также футуристами и аналитиками. [4]
Разработка
Основные принципы анализа перекрестных воздействий восходят к концу 1960-х годов, но первоначальные процессы были относительно простыми и основывались на дизайне игры. [5] В конце концов, были разработаны передовые методы, методологии и программы для применения принципов анализа перекрестных воздействий, и теперь основной метод применяется в аналитических центрах будущего, в бизнес-среде и в разведывательном сообществе.
Происхождение
Теодор Дж. Гордон пишет, что анализ перекрестных воздействий был результатом вопроса: «Может ли прогнозирование основываться на представлениях о том, как будущие события могут взаимодействовать?» [5]
Первым форматом метода была карточная игра под названием « Будущее» , в которой события определялись вероятностями, специальным кубиком и влиянием ранее разыгранных событий. [5] Этот первоначальный игровой формат анализа перекрестных воздействий был запрограммирован для компьютеров в Калифорнийском университете в Лос-Анджелесе в 1968 году. [3] С этого момента методология претерпела все большие изменения и усложнялась для удовлетворения определенных потребностей и условий пользователей.
Ранняя разработка
По мере расширения анализа перекрестных воздействий в начале 1970-х исследователи и футуристы изменили основные принципы, чтобы улучшить методологию. В 1972 году исследователи из Института будущего добавили временные ряды вместо «Среза времени», Норман Далки использовал условные вероятности, а Джулиус Кейн разработал «KSIM», метод моделирования, который использовал взаимодействия между переменными временного ряда, а не событиями. [6] В 1974 году Дюперрен и Годе разработали системы и матрицы перекрестных воздействий (или SMIC) во Франции для перспективных прогнозных исследований. [7]
Развитие имитационных моделей продолжалось до 1980-х годов. В 1980 году Селвин Энзер из Калифорнийского университета включил анализ перекрестного удара в метод моделирования, известный как Interax, метод Delphi был объединен с анализом перекрестного воздействия в 1984 году, а исследователи из Техасского университета A&M использовали перекрестное воздействие в процессе под названием «EZ». -IMPACT », основанный на алгоритме Кейна от KSIM. [6]
Недавнее развитие
После того, как имитационные модели и методы были разработаны для анализа перекрестных воздействий, аналитики начали разрабатывать круг вопросов, которые можно было бы затронуть. Анализ перекрестных воздействий использовался для решения реальных проблем, поскольку Джон Стовер применил эту методологию для моделирования экономики Уругвая. [6] Однако в 1990-х годах применение этой методологии в реальном мире быстро развивалось. К 1993 году SMIC использовался для изучения таких разнообразных предметов, как атомная промышленность, мировая геополитическая эволюция, корпоративная деятельность и рабочие места до 2000 года. [8] В 1999 году Роберт Бланнинг и Брюс Рейниг из Высшей школы менеджмента Оуэна при университете Вандербильта использовали модифицированная форма анализа перекрестных воздействий для определения будущего для Гонконга и экономики Гонконга, поскольку Соединенное Королевство уступило контроль Китайской Народной Республике. [9]
Методология
У анализа перекрестных воздействий есть две точки зрения и подходы. Первый - это стиль прогнозирования фьючерсов, в котором изначально была разработана методология. Вторая - это группа аналитиков разведки, которая изменила исходную методологию, чтобы лучше удовлетворять свои потребности. Тем не менее, анализ перекрестных воздействий основан на предпосылке, что события и действия не происходят в вакууме, а другие события и окружающая среда могут значительно повлиять на вероятность возникновения определенных событий. [10]
Анализ перекрестных воздействий пытается установить взаимосвязь между событиями и переменными. Эти отношения затем классифицируются как положительные или отрицательные по отношению друг к другу и используются для определения того, какие события или сценарии наиболее вероятны или вероятны в течение заданного периода времени. [11]
Стиль прогнозирования фьючерсов
Стиль прогнозирования фьючерсов основан на системах и методах, разработанных в 1970-х и 1980-х годах, и следует нескольким строгим шагам.
Во-первых, аналитики должны учитывать количество и тип событий, которые будут учитываться при анализе, и создать набор событий. Поскольку каждое событие будет взаимодействовать с любым другим событием, Гордон рекомендует использовать 10–40 событий. [10]
Во-вторых, аналитики должны учитывать начальную вероятность каждого события. Вероятности событий следует рассматривать изолированно друг от друга. [10]
В-третьих, аналитикам необходимо генерировать условные вероятности друг друга. По сути, здесь задается вопрос: «Если произойдет событие« А », какова новая вероятность возникновения события« В »?» Это необходимо делать для каждого возможного взаимодействия между событиями. [12]
В-четвертых, аналитики должны проверить свои начальные условные вероятности, чтобы убедиться в отсутствии математических ошибок. Обычно это делается путем многократного запуска моделирования на компьютере. [12]
В-пятых, аналитики могут провести анализ, чтобы определить будущие сценарии [13] или определить, насколько другие события значимы для конкретных событий. [14]
Математическая техника
Футуристический стиль прогнозирования анализа перекрестных воздействий в значительной степени опирается на вероятности и математику в своих процессах. Начальные вероятности и условные вероятности рассчитываются с использованием либо процентов [12], либо значений факторов, эквивалентных процентам. [15] Исследователи должны очень точно рассчитывать числовые значения или проценты, чтобы гарантировать точные результаты и чтобы воздействия событий друг на друга были реалистичными и не противоречили друг другу. Кроме того, исследователи должны быть осторожны при расчете негативных воздействий, поскольку негативное влияние может создать математические невозможности. [12]
Эта математическая строгость делает футуристический стиль прогнозирования анализа перекрестных воздействий единообразным, а различия в реальных аналитических методах, моделировании и программах имеют лишь незначительные отличия, чтобы соответствовать потребностям конкретного исследователя или аналитика.
Связь с техникой Дельфи
Точность математических расчетов и конкретных событий требует специальных знаний в отношении событий или темы обсуждения. Чтобы получить представление о событиях и расчетах, аналитики обычно связываются с большим количеством экспертов и спрашивают их мнения о событиях или вероятностях лично в группах [16] или в ходе опросов. [15]
Эти группировки часто напоминают технику Дельфи , аналитическую технику, которая собирает вместе группу экспертов по предмету и спрашивает их мнение о сценарии или прогнозе. Обычно аналитики считают средний прогноз или сценарий наиболее вероятным. [17] Эти два метода настолько тесно связаны, что аналитики часто используют эти два метода в комбинации или как часть более крупной методологии. [6]
Сильные стороны
Футуристический стиль прогнозирования анализа перекрестных воздействий обладает несколькими ключевыми сильными сторонами. Использование групп экспертов обеспечивает ряд мнений, которые стоит учитывать при расчете вероятностей событий. Уровень математики в вычислении вероятностей гарантирует, что результаты будут настолько точными, насколько исследователь может их сделать. Кроме того, при использовании в сочетании с другими аналитическими методами этот тип анализа перекрестных воздействий может дать более качественные результаты по сравнению с другим качественным анализом. [12] Относительное соответствие методов гарантирует, что аналитики, использующие различные методы или моделирование, могут прийти к аналогичным результатам, что делает результаты доступными для тестирования в более широком контексте.
Слабые стороны
Многие сильные стороны футуристического стиля прогнозирования, основанного на анализе взаимных воздействий, порождают многие из его недостатков. Соответствие стиля порождает определенный уровень негибкости при работе с переменными, отличными от событий, такими как условия окружающей среды или политические вопросы. Кроме того, строгий уровень математики, связанный с этим стилем, приводит к длительным задержкам, поскольку сценарии должны выполняться, чтобы гарантировать математическую точность вероятностей [18], или возникают определенные проблемы с теоремой Байеса . [19] Уровень математики также требует от исследователей знания математики или дополнительных компьютерных программ для работы со сценариями и вероятностями метода.
Стиль анализа интеллекта
Вскоре после того, как Теодор Гордон и Олаф Хелмер разработали оригинальный метод перекрестного удара, разведывательное сообщество Соединенных Штатов взяло на вооружение эту технику и использует ее более тридцати лет. [20]
Хотя основная предпосылка взаимосвязей и воздействий между несколькими переменными остается прежней, разведывательное сообщество изменило анализ перекрестных воздействий, чтобы удовлетворить свои различные потребности.
Разведывательное сообщество создало более гибкую и вариативную систему, чем исходная методология. Взаимосвязи событий и их воздействия по-прежнему похожи на метод, используемый футуристами. [21] Однако аналитики разведки расширили параметры анализа перекрестных воздействий за пределы сравнения событий, включив такие переменные, как окружающая среда, политические обстоятельства и общественное мнение, чтобы повлиять на вероятность определенных событий. [22] Кроме того, аналитики разведки могут выбрать использование более гибких измерений, таких как «усиление», «сдерживание» или «несвязанность», вместо жесткой математики традиционной методологии, включающей переменные, не связанные с событиями. [23]
Матрица перекрестных воздействий
Основная часть интеллектуального стиля анализа перекрестных воздействий - это матрица перекрестных воздействий. Матрица представляет собой визуализацию анализа перекрестных воздействий и допускает внесение изменений. Это также позволяет аналитику находить как наиболее влиятельные переменные, так и те переменные, на которые влияет большинство других переменных, а не только прямые, однозначные отношения. [24] Хотя несколько традиционных методов анализа перекрестных воздействий предполагают создание матрицы, приоритет по-прежнему зависит от вероятностей, однозначных отношений и порядка событий. [25]
В матрице взаимного влияния в стиле интеллектуального анализа аналитики используют плюсы и минусы вместо числовых значений, что позволяет использовать переменные, не являющиеся событиями, и позволяет аналитику сравнивать переменные напрямую со всеми другими переменными без вычислений. [26]
Сильные стороны
Анализ перекрестных воздействий в стиле интеллектуального анализа имеет несколько ключевых преимуществ. Гибкость модели позволяет аналитикам сравнивать разные типы переменных друг с другом, а не только с вероятными событиями. [27] Кроме того, возможность отказаться от строгих математических критериев означает, что исследователям не требуется обширная математическая подготовка или специализированное программное обеспечение для использования анализа перекрестных воздействий. Это также позволяет экспертам в определенной области относительно быстро использовать методологию без необходимости перекрестной проверки многочисленных расчетов, с которыми сталкивается футуристический стиль прогнозирования. [28]
Слабые стороны
Отсутствие строгих процедур стиля анализа интеллекта также приносит существенные недостатки. Гибкость стиля во многом зависит от мнений и знаний задействованных аналитиков, и трудно воспроизвести результаты с другой группой. Кроме того, возможность удаления математики может нанести вред аналитикам, поскольку результаты не имеют числовых значений, подтверждающих их. Этот недостаток математики может сначала облегчить процесс, но количество специализированного программного обеспечения ограничено по сравнению с футуристическим стилем прогнозирования, что делает работу более утомительной по мере увеличения количества переменных.
Приложения
Исследователи могут использовать анализ перекрестных воздействий для самых разных приложений. Футуристы уже использовали эту методологию для прогнозирования событий в конкретных отраслях, политике, рынках и даже целых сообществах. [8] [29]
В аналитическом анализе аналитики могут использовать этот метод для прогнозирования событий, условий или решений, основанных на широком спектре переменных и условий на местном, национальном и международном уровнях. [30]
Смотрите также
- Методология
- Техники фьючерсов
- Вероятность
- Метод Delphi
- Теорема Байеса
- Анализ интеллекта
- Центральное Разведывательное Управление
- Ричардс Хойер
- Анализ конкурирующих гипотез
Рекомендации
- ↑ Гордон, Теодор Джей, Метод перекрестного удара. Архивировано 13 июля 2011 г.в Wayback Machine , Проект тысячелетия Университета Организации Объединенных Наций, 1994, стр.
- ^ Heuer, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы анализа разведданных , CQ Press, 2011, стр. 107
- ^ a b Гордон, Теодор Джей, Метод перекрестного удара. Архивировано 13 июля 2011 г. в Wayback Machine , стр. 1-2.
- ^ For Learn - Анализ перекрестного воздействия, архивировано 20 июля 2011 г.в Wayback Machine , For Learn, Объединенный исследовательский центр, Европейская комиссия, 2006 г.
- ^ a b c Гордон, Теодор Джей, Метод перекрестного удара. Архивировано 13 июля 2011 г. в Wayback Machine , стр. 1
- ^ a b c d Гордон, Теодор Джей, Метод перекрестного удара. Архивировано 13 июля 2011 г. в Wayback Machine , стр. 2
- ^ « Для обучения - Анализ перекрестного воздействия » . Архивировано из оригинала на 2011-07-20 . Проверено 12 февраля 2011 .
- ^ a b Гордон, Теодор Джей, Метод перекрестного удара. Архивировано 13 июля 2011 г. в Wayback Machine , стр. 2-3.
- ^ Бланнинг, Роберт и Брюс Рейниг, Анализ перекрестных воздействий с использованием групповых систем поддержки принятия решений: приложение к будущему Гонконга. Архивировано 6 июля 2011 г.в Wayback Machine , Elsevier Science Ltd., 1999.
- ^ a b c Гордон, Теодор Джей, Метод перекрестного удара. Архивировано 13 июля 2011 г. в Wayback Machine , стр. 4
- ^ For Learn - Анализ перекрестного воздействия, архивирован 20 июля 2011 г. в Wayback Machine , For Learn, Объединенный исследовательский центр, Европейская комиссия
- ^ a b c d e Гордон, Теодор Джей, Метод перекрестного удара. Архивировано 13 июля 2011 г. в Wayback Machine , стр. 5
- ^ For Learn - Анализ перекрестного воздействия. Архивировано 20 июля 2011 г. в Wayback Machine , For Learn, Объединенный исследовательский центр, Европейская комиссия.
- ^ Гордон, Теодор Джей, Метод Cross Impact архивации 2011-07-13 в Wayback Machine , стр 10
- ^ a b For Learn - Анализ перекрестного воздействия. Архивировано 20 июля 2011 г. в Wayback Machine , For Learn, Объединенный исследовательский центр, Европейская комиссия.
- ↑ Гордон, Метод перекрестного удара Теодора Джея. Архивировано 13 июля 2011 г. в Wayback Machine , стр.
- ^ Heuer, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы анализа разведданных , стр. 247
- ↑ Гордон, Теодор Джей, Метод перекрестного удара. Архивировано 13 июля2011 г. в Wayback Machine , стр. 5-9.
- ^ Бланнинг, Роберт, Брюс А. Рейниг, Анализ перекрестных воздействий с использованием групповых систем поддержки принятия решений: приложение к будущему Гонконга. Архивировано 6 июля 2011 г.в Wayback Machine , стр. 40
- ^ Heuer, Richardsj., Рендольф Н Ферсон, Структурированные аналитические методы для анализа разведки , стр 107
- ^ Кларк, Роберт М., Анализ интеллекта: подход , ориентированный на цель , CQ Press, Третье издание, 2010. стр. 202-203.
- ^ Heuer, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы анализа разведданных , стр 104-105
- ^ Heuer, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы анализа разведданных , стр. 105
- ^ Heuer, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы анализа разведданных , стр. 106
- ↑ Гордон, Теодор Джей, Метод перекрестного удара. Архивировано 13 июля2011 г. в Wayback Machine , стр. 5-9.
- ^ Heuer, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы анализа разведданных , стр 105-106
- ^ Heuer, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы анализа разведданных , стр 104-106
- ↑ Гордон, Теодор Джей, Метод перекрестного удара. Архивировано 13 июля2011 г. в Wayback Machine , стр. 6-9.
- ^ Бланнинг, Роберт В., Брюс А. Рейниг, Анализ перекрестных воздействий с использованием групповых систем поддержки принятия решений: приложение к будущему Гонконга. Архивировано 6 июля 2011 г.в Wayback Machine.
- ^ Heuer, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы анализа разведданных , стр. 104–06.
дальнейшее чтение
- Метод перекрестного удара Теодора Джея Гордона. Проект тысячелетия Университета Организации Объединенных Наций, Методология исследования будущего. 1994 г.
- Структурированные аналитические методы анализа разведданных Ричардса Дж. Хойера-младшего и Рэндольфа Х. Ферсона. CQ Press. 2011 г.
- Анализ разведки: подход, ориентированный на цель , Роберт М. Кларк. CQ Press. 2010 г.