Анализ перекрестного воздействия
Методология в исследованиях будущего
Исследования будущего
Концепции
Методы
Оценка и прогнозирование технологий
Похожие темы

Анализ перекрестного воздействия — это методология, разработанная Теодором Гордоном и Олафом Хелмером в 1966 году для определения того, как взаимосвязи между событиями повлияют на итоговые события и уменьшат неопределенность в будущем. [1] Центральное разведывательное управление (ЦРУ) заинтересовалось методологией в конце 1960-х и начале 1970-х годов как аналитическим методом прогнозирования того, как различные факторы и переменные повлияют на будущие решения. [2] В середине 1970-х годов футуристы начали использовать методологию в больших количествах как средство прогнозирования вероятности конкретных событий и определения того, как связанные события влияют друг на друга. [3] К 2006 году анализ перекрестного воздействия превратился в ряд связанных методологий, которые нашли применение в бизнесе и сообществах, а также в футуристах и ​​аналитиках разведки. [4]

Разработка

Основные принципы анализа перекрестного воздействия появились еще в конце 1960-х годов, но первоначальные процессы были относительно простыми и основывались на игровом дизайне. [1] Со временем были разработаны передовые методы, методики и программы для применения принципов анализа перекрестного воздействия, а основной метод теперь применяется в аналитических центрах будущего, в бизнес-среде и в разведывательном сообществе.

Происхождение

Теодор Дж. Гордон пишет, что анализ перекрестного воздействия стал результатом вопроса: «может ли прогнозирование основываться на представлениях о том, как могут взаимодействовать будущие события?» [1]

Первым форматом метода была карточная игра под названием «Будущее» , в которой события определялись вероятностями, специальным кубиком и воздействиями ранее сыгранных событий. [1] Этот первоначальный игровой формат анализа перекрестного воздействия был запрограммирован для компьютеров в Калифорнийском университете в Лос-Анджелесе в 1968 году. [3] С этого момента методология претерпевала все большее развитие и усложнение для удовлетворения определенных потребностей и условий пользователей.

Раннее развитие

По мере того, как анализ перекрестного воздействия расширялся в начале 1970-х годов, исследователи и футуристы модифицировали основные принципы, чтобы улучшить методологию. В 1972 году исследователи из Института будущего добавили временные ряды вместо «среза времени», Норман Долки использовал условные вероятности, а Джулиус Кейн разработал «KSIM», метод моделирования, который использовал взаимодействия между переменными временного ряда, а не событиями. [5] В 1974 году Дюперрен и Годе разработали Системы и матрицы перекрестного воздействия (или SMIC) во Франции для перспективных исследований прогнозирования. [4]

Прогресс в области имитационных моделей продолжался в 1980-х годах. В 1980 году Селвин Энзер из Калифорнийского университета включил анализ перекрестного воздействия в метод моделирования, известный как Interax. Метод Дельфи 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», который был основан на алгоритме Кейна из KSIM. [5]

Недавнее развитие

После того, как были разработаны имитационные модели и методы для анализа перекрестного воздействия, аналитики начали разрабатывать спектр тем, которые он мог бы охватить. Анализ перекрестного воздействия использовался для решения реальных мировых проблем, когда Джон Стовер применил методологию для моделирования экономики Уругвая. [5] Однако в 1990-х годах применение методологии в реальном мире быстро развивалось. К 1993 году SMIC использовался для таких разнообразных предметов, как ядерная промышленность, мировая геополитическая эволюция, корпоративная деятельность и рабочие места до 2000 года. [6] В 1999 году Роберт Бланнинг и Брюс Рейниг из Высшей школы менеджмента Оуэна при Университете Вандербильта использовали модифицированную форму анализа перекрестного воздействия для определения будущего Гонконга и экономики Гонконга, когда Соединенное Королевство передало контроль Китайской Народной Республике. [7]

Методология

Анализ перекрестного воздействия имеет две школы мысли и пути подхода. Первая — это стиль прогнозирования будущего, который изначально разработал методологию. Вторая — это подшкола аналитиков разведки, которые модифицировали исходную методологию, чтобы лучше соответствовать своим потребностям. Тем не менее, анализ перекрестного воздействия основан на предпосылке, что события и действия не происходят в вакууме, а другие события и окружающая среда могут существенно влиять на вероятность возникновения определенных событий. [8]

Анализ перекрестного воздействия пытается связать отношения между событиями и переменными. Затем эти отношения классифицируются как положительные или отрицательные по отношению друг к другу и используются для определения того, какие события или сценарии наиболее вероятны или могут произойти в течение заданного периода времени. [4]

Стиль прогнозирования фьючерсов

Стиль прогнозирования будущего основан на системах и методах, разработанных в 1970-х и 1980-х годах, и следует нескольким строгим шагам.

Во-первых, аналитики должны рассмотреть количество и тип событий, которые будут рассматриваться в анализе, и создать набор событий. Поскольку каждое событие будет иметь взаимодействие с каждым другим событием, Гордон рекомендует использовать 10–40 событий. [8]

Во-вторых, аналитики должны учитывать начальную вероятность каждого события. Вероятности событий должны рассматриваться изолированно друг от друга. [8]

В-третьих, аналитикам необходимо сгенерировать условные вероятности, которые события оказывают друг на друга. По сути, это задает вопрос: «Если происходит событие „A“, какова новая вероятность того, что произойдет событие „B“?» Это должно быть сделано для каждого возможного взаимодействия между событиями. [9]

В-четвертых, аналитики должны проверить свои начальные условные вероятности, чтобы убедиться в отсутствии математических ошибок. Обычно это делается путем многократного запуска симуляций на компьютере. [9]

В-пятых, аналитики могут провести анализ, чтобы определить будущие сценарии [4] или определить, насколько значимы другие события по отношению к конкретным событиям. [10]

Математическая техника

Футуристический стиль прогнозирования анализа перекрестного воздействия в значительной степени опирается на вероятности и математику в своих процессах. Начальные вероятности и условные вероятности рассчитываются с использованием либо процентов [9] , либо коэффициентов, эквивалентных процентам. [4] Исследователи должны очень точно рассчитывать числовые значения или проценты, чтобы гарантировать точность результатов и реалистичность и отсутствие противоречий между воздействиями событий. Кроме того, исследователи должны быть осторожны при расчете негативных воздействий, поскольку негативное влияние может создавать математически невозможные вещи. [9]

Такая математическая строгость делает стиль футуристического прогнозирования анализа перекрестного воздействия единообразным, а различия в реальных аналитических методах, моделировании и программах имеют лишь незначительные отличия, соответствующие потребностям конкретного исследователя или аналитика.

Связь с методом Дельфи

Точность математики и конкретных событий требует особой экспертизы в событиях или теме обсуждения. Чтобы получить понимание, необходимое для получения событий и расчетов, аналитики обычно связываются с большим количеством экспертов и спрашивают их мнения о событиях или вероятностях лично в группах [9] или посредством опросов. [4]

Эти группировки часто напоминают метод Дельфи , который является аналитическим методом, который собирает группу экспертов по теме вместе и спрашивает их мнение о сценарии или прогнозе. Обычно аналитики рассматривают средний прогноз или сценарий как наиболее вероятный. [11] Эти два метода настолько тесно связаны, что аналитики часто используют два метода в сочетании или как часть более крупной методологии. [5]

Сильные стороны

Футуристический стиль прогнозирования перекрестного воздействия имеет несколько ключевых преимуществ. Его использование групп экспертов гарантирует ряд мнений, которые стоит учитывать при расчете вероятностей событий. Уровень математики в расчете вероятностей гарантирует, что результаты будут настолько точными, насколько исследователь может их получить. Кроме того, при использовании совместно с другими аналитическими методами этот тип перекрестного воздействия может дать более качественные результаты по сравнению с качественным анализом. [9] Относительное соответствие методов гарантирует, что аналитики, использующие разные методы или симуляции, могут прийти к схожим результатам, что делает результаты проверяемыми в более широких условиях.

Слабые стороны

Многие из сильных сторон футуристического стиля прогнозирования перекрестного воздействия порождают многие его слабые стороны. Конформизм 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, используемый в этом стиле, приводит к длительным задержкам, поскольку сценарии должны быть запущены для обеспечения математической точности вероятностей [12] или возникают особые проблемы с теоремой Байеса [13] . Уровень математики также требует от исследователей либо знаний в области математики, либо дополнительных компьютерных программ для работы со сценариями и вероятностями метода.

Стиль анализа разведданных

Вскоре после того, как Теодор Гордон и Олаф Хелмер разработали оригинальный метод перекрестного воздействия, разведывательное сообщество Соединенных Штатов подхватило эту технику и использует ее уже более тридцати лет. [2]

Хотя основная предпосылка взаимосвязей и влияний между несколькими переменными осталась прежней, разведывательное сообщество модифицировало анализ перекрестного воздействия для удовлетворения своих различных потребностей.

Разведывательное сообщество создало более гибкую и изменчивую систему, чем первоначальная методология. Взаимосвязи событий и воздействия по-прежнему похожи на метод, внедренный футуристами. [14] Однако аналитики разведки расширили параметры анализа перекрестного воздействия за пределы сравнения событий, включив такие переменные, как окружающая среда, политические обстоятельства и общественное мнение, чтобы влиять на вероятности определенных событий. [15] Кроме того, аналитики разведки могут выбрать использование более гибких измерений, таких как «усиление», «торможение» или «несвязанный» вместо жесткой математики традиционной методологии, чтобы включить несобытийные переменные. [16]

Матрица перекрестного воздействия

Основная часть стиля анализа разведки перекрестного воздействия — это матрица перекрестного воздействия. Матрица является визуализацией перекрестного воздействия и допускает модификацию. Она также позволяет аналитику находить как наиболее влиятельные переменные, так и те переменные, на которые влияет большинство других переменных, а не только прямые, однозначные отношения. [17] Хотя несколько традиционных методов перекрестного воздействия предполагают создание матрицы, приоритет по-прежнему зависит от вероятностей, однозначных отношений и порядка событий. [12]

В матрице перекрестного воздействия в стиле анализа разведки аналитики используют плюсы и минусы вместо числовых значений, допуская несобытийные переменные и позволяя аналитику сравнивать переменные напрямую со всеми другими переменными без вычислений. [18]

Сильные стороны

Анализ перекрестного воздействия в стиле анализа разведки имеет несколько ключевых преимуществ. Гибкость модели позволяет аналитикам измерять различные типы переменных друг против друга, а не только вероятные события. [19] Кроме того, возможность отбрасывать строгие математические критерии означает, что исследователям не нужна обширная математическая подготовка или специализированное программное обеспечение для использования анализа перекрестного воздействия. Это также позволяет экспертам в теме использовать методологию относительно быстро, без необходимости перепроверять многочисленные расчеты, с которыми сталкивается стиль прогнозирования футуристов. [20]

Слабые стороны

Отсутствие строгих процедур стиля анализа разведки также приносит существенные недостатки. Гибкость стиля в значительной степени зависит от мнений и знаний аналитиков, и результаты трудно воспроизвести с другой группой. Кроме того, возможность удаления математики может навредить аналитикам, создавая результаты, которые не имеют числовых значений для их поддержки. Такое отсутствие математики может сделать процесс проще на первый взгляд, но объем специализированного программного обеспечения ограничен по сравнению со стилем прогнозирования футуристов, что делает работу более утомительной по мере увеличения числа переменных.

Приложения

Исследователи могут использовать анализ перекрестного воздействия для самых разных приложений. Футуристы уже использовали методологию для прогнозирования событий в определенных отраслях, политике, рынках и даже целых сообществах. [6] [7]

В анализе разведданных аналитики могут использовать этот метод для прогнозирования событий, условий или решений на основе широкого спектра переменных и условий на местном, национальном и международном уровнях. [19]

Смотрите также

Ссылки

  1. ^ abcd Гордон, Теодор Джей, Метод перекрестного удара. Архивировано 13 июля 2011 г. в Wayback Machine , Проект тысячелетия Университета Организации Объединенных Наций, 1994 г., стр. 1.
  2. ^ ab Heuer, Richards J., Randolph H. Pherson, Структурированные аналитические методы для анализа разведданных , CQ Press, 2011, стр. 107
  3. ^ ab Gordon, Theodore Jay, Cross Impact Method Архивировано 13 июля 2011 г. в Wayback Machine , стр. 1-2
  4. ^ abcdef For Learn – Анализ перекрестного воздействия Архивировано 20 июля 2011 г. в Wayback Machine , For Learn, Объединенный исследовательский центр, Европейская комиссия, 2006 г.
  5. ^ abcd Гордон, Теодор Джей, Метод перекрестного удара Архивировано 13 июля 2011 г. на Wayback Machine , стр. 2
  6. ^ ab Gordon, Theodore Jay, Cross Impact Method Архивировано 13 июля 2011 г. на Wayback Machine , стр. 2-3
  7. ^ ab Бланнинг, Роберт и Брюс Рейниг, Анализ перекрестного воздействия с использованием систем поддержки групповых решений: применение к будущему Гонконга. Архивировано 06.07.2011 в Wayback Machine , Elsevier Science Ltd., 1999.
  8. ^ abc Гордон, Теодор Джей, Метод перекрестного удара Архивировано 13 июля 2011 г. в Wayback Machine , стр. 4
  9. ^ abcdef Гордон, Теодор Джей, Метод перекрестного удара Архивировано 13 июля 2011 г. на Wayback Machine , стр. 5
  10. ^ Гордон, Теодор Джей, Метод перекрестного удара. Архивировано 13 июля 2011 г. на Wayback Machine , стр. 10.
  11. ^ Хойер, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы для анализа разведданных , стр. 247
  12. ^ ab Gordon, Theodore Jay, Cross Impact Method Архивировано 13 июля 2011 г. в Wayback Machine , стр. 5-9
  13. ^ Бланнинг, Роберт, Брюс А. Рейниг, Анализ перекрестного воздействия с использованием систем поддержки групповых решений: применение к будущему Гонконга. Архивировано 06.07.2011 в Wayback Machine , стр. 40.
  14. ^ Кларк, Роберт М., Анализ разведданных: подход, ориентированный на цель , CQ Press, третье издание, 2010. стр. 202-203
  15. ^ Хойер, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы для анализа разведданных , стр. 104-105
  16. ^ Хойер, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы для анализа разведданных , стр. 105
  17. ^ Хойер, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы для анализа разведданных , стр. 106
  18. ^ Хойер, Ричардс Дж., Рэндольф Х. Ферсон, Структурированные аналитические методы для анализа разведданных , стр. 105-106
  19. ^ ab Heuer, Richards J., Randolph H. Pherson, Структурированные аналитические методы для анализа разведданных , стр. 104-106
  20. ^ Гордон, Теодор Джей, Метод перекрестного удара. Архивировано 13 июля 2011 г. на Wayback Machine , стр. 6–9.

Дальнейшее чтение

  • Метод перекрестного воздействия Теодора Джея Гордона. Проект тысячелетия Университета ООН, Методология исследования будущего. 1994
  • Структурированные аналитические методы для анализа разведданных Ричардса Дж. Хойера-младшего и Рэндольфа Х. Ферсона. CQ Press. 2011
  • Анализ разведданных: подход, ориентированный на цель Роберта М. Кларка. CQ Press. 2010
Взято с "https://en.wikipedia.org/w/index.php?title=Cross_impact_analysis&oldid=1148939316"