Анализ перекрестного воздействия - Cross impact analysis

Анализ перекрестного воздействия это методология разработан 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] В Центральное Разведывательное Управление (ЦРУ) заинтересовалось этой методологией в конце 1960-х - начале 1970-х как аналитической техникой для прогнозирования того, как различные факторы и переменные повлияют на будущие решения.[2] В середине 1970-х футуристы начали использовать эту методологию в больших количествах как средство для прогнозирования вероятности конкретных событий и определения того, как связанные события влияют друг на друга.[3] К 2006 году анализ перекрестных воздействий превратился в ряд взаимосвязанных 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 исходные 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 базовый 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 друг с другом?»[5]

Первым форматом метода была карточная игра под названием Будущее, где события определялись вероятностями, специальным кубиком и последствиями ранее сыгранных событий.[5] Этот первоначальный игровой формат анализа перекрестных воздействий был запрограммирован для компьютеров Калифорнийского университета в Лос-Анджелесе в 1968 году.[3] С этого момента методология постоянно совершенствовалась и совершенствовалась 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 Институт будущего добавил 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 во Франции системы и матрицы перекрестных воздействий (или SMIC) для перспективных прогнозных исследований.[7]

Развитие имитационных моделей продолжалось до 1980-х годов. В 1980 году Селвин Энцер 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 рассмотреть. 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 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 модифицированную форму анализа перекрестных воздействий, чтобы определить будущее Гонконга и экономики Гонконга, поскольку Соединенное Королевство уступило контроль Китайской Народной Республике. .[9]

Методология

У анализа перекрестного воздействия есть две точки зрения и подходы. Первый - это стиль прогнозирования фьючерсов, в котором изначально была разработана методология. Вторая - это подшкола 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 существенно повлиять на вероятность возникновения определенных событий.[10]

Анализ перекрестного воздействия 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 определенного 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, это задает 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 исходные условные вероятности, чтобы убедиться в отсутствии математических ошибок. Обычно это делается с помощью моделирования на компьютере несколько раз.[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 взаимных воздействий в значительной степени опирается на вероятности и математику в своих процессах. Начальные вероятности и условные вероятности рассчитываются с использованием любого процента[12] или числа факторов, эквивалентные процентам.[15] Исследователи должны очень точно рассчитывать числовые значения или проценты, чтобы гарантировать точные результаты и чтобы влияние событий друг на друга было реалистичным и не противоречивым. 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 различия, чтобы соответствовать потребностям конкретного исследователя или аналитика.

Связь с техникой Дельфи

Точность математических расчетов и конкретных событий требует особого знания 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 через опросы.[15]

Эти группировки часто напоминают Техника Дельфи, который представляет собой аналитическую технику, которая собирает группу экспертов по определенному 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 взаимных воздействий имеет несколько ключевых преимуществ. Использование групп экспертов обеспечивает ряд мнений, которые стоит учитывать при вычислении вероятностей событий. Уровень математики в вычислении вероятностей гарантирует, что результаты будут настолько точными, насколько это может сделать исследователь. 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.

Недостатки

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 для обеспечения математической точности вероятностей,[18] или особые проблемы с Теорема Байеса появляться.[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, Сообщество разведки США освоил 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 для удовлетворения своих различных потребностей.

Разведывательное сообщество создало более гибкую и вариативную систему, чем исходная методология. Взаимосвязи событий и воздействия все еще 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 вероятности 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 изменения. 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, взаимно-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 связанные с 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 отбросить строгие математические критерии 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]

Недостатки

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. Отсутствие 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]

При анализе разведывательных данных аналитики могут использовать этот метод для прогнозирования событий, условий или решений на основе широкого спектра переменных и условий на местном, национальном и международном уровнях.[30]

Смотрите также

Рекомендации

  1. ^ Гордон, Теодор Джей, Метод перекрестного удара В архиве 2011-07-13 на Wayback Machine, Проект тысячелетия Университета Организации Объединенных Наций, 1994, стр. 1
  2. ^ Хойер, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы интеллектуального анализа, CQ Press, 2011, стр.107.
  3. ^ а б Гордон, Теодор Джей, Метод перекрестного удара В архиве 2011-07-13 на Wayback Machine, стр 1-2
  4. ^ Для обучения - анализ перекрестного воздействия В архиве 2011-07-20 на Wayback Machine, For Learn, Центр совместных исследований, Европейская комиссия, 2006 г.
  5. ^ а б c Гордон, Теодор Джей, Метод перекрестного удара В архиве 2011-07-13 на Wayback Machine, п 1
  6. ^ а б c d Гордон, Теодор Джей, Метод перекрестного удара В архиве 2011-07-13 на Wayback Machine, стр 2
  7. ^ "Для обучения - анализ перекрестного воздействия". Архивировано из оригинал на 2011-07-20. Получено 2011-02-12.
  8. ^ а б Гордон, Теодор Джей, Метод перекрестного удара В архиве 2011-07-13 на Wayback Machine, стр. 2-3
  9. ^ Бланнинг, Роберт и Брюс Рейниги, Анализ перекрестного воздействия с использованием групповых систем поддержки принятия решений: приложение к будущему Гонконга В архиве 2011-07-06 в Wayback Machine, Elsevier Science Ltd., 1999.
  10. ^ а б c Гордон, Теодор Джей, Метод перекрестного удара В архиве 2011-07-13 на Wayback Machine, стр 4
  11. ^ Для обучения - Анализ перекрестного воздействия В архиве 2011-07-20 на Wayback Machine, For Learn, Объединенный исследовательский центр, Европейская комиссия
  12. ^ а б c d е Гордон, Теодор Джей, Метод перекрестного удара В архиве 2011-07-13 на Wayback Machine, стр. 5
  13. ^ За Learn - Анализ перекрестного воздействия В архиве 2011-07-20 на Wayback Machine, For Learn, Объединенный исследовательский центр, Европейская комиссия.
  14. ^ Гордон, Теодор Джей, Метод перекрестного удара В архиве 2011-07-13 на Wayback Machine, стр.10
  15. ^ а б Для обучения - Анализ перекрестного воздействия В архиве 2011-07-20 на Wayback Machine, For Learn, Объединенный исследовательский центр, Европейская комиссия.
  16. ^ Гордон, Теодор Джей Метод перекрестного удара В архиве 2011-07-13 на Wayback Machine, стр. 5
  17. ^ Хойер, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы для интеллектуального анализа, стр 247
  18. ^ Гордон, Теодор Джей, Метод перекрестного удара В архиве 2011-07-13 на Wayback Machine, стр 5-9
  19. ^ Бланнинг, Роберт, Брюс А. Рейниг, Анализ перекрестного воздействия с использованием групповых систем поддержки принятия решений: приложение к будущему Гонконга В архиве 2011-07-06 в Wayback Machine, стр 40
  20. ^ Heuer, Richardsj., Randolph H Pherson, Структурированные аналитические методы интеллектуального анализа, стр 107
  21. ^ Кларк, Роберт М., Интеллектуальный анализ: подход, ориентированный на цель, CQ Press, Третье издание, 2010. стр. 202-203.
  22. ^ Хойер, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы для интеллектуального анализа, стр 104-105
  23. ^ Хойер, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы для интеллектуального анализа, стр 105
  24. ^ Хойер, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы для интеллектуального анализа, стр.106
  25. ^ Гордон, Теодор Джей, Метод перекрестного удара В архиве 2011-07-13 на Wayback Machine, стр 5-9
  26. ^ Хойер, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы интеллектуального анализа, стр 105-106
  27. ^ Хойер, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы для интеллектуального анализа, стр 104-106
  28. ^ Гордон, Теодор Джей, Метод перекрестного удара В архиве 2011-07-13 на Wayback Machine, стр 6-9
  29. ^ Бланнинг, Роберт В., Брюс А. Рейниг, Анализ перекрестного воздействия с использованием групповых систем поддержки принятия решений: приложение к будущему Гонконга В архиве 2011-07-06 в Wayback Machine
  30. ^ Хойер, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы для интеллектуального анализа, стр. 104–06

дальнейшее чтение

  • Метод перекрестного удара пользователя Теодор Джей Гордон. Проект тысячелетия Университета Организации Объединенных Наций, Методология исследования будущего. 1994 г.
  • Структурированные аналитические методы интеллектуального анализа Ричардс Дж. Хойер-младший и Рэндольф Х. Ферсон. CQ Press. 2011 г.
  • Интеллектуальный анализ: подход, ориентированный на цель Роберт М. Кларк. CQ Press. 2010 г.