교차 영향 분석

Cross impact analysis
미래 연구
FuturesStudies.svg
개념
기술
테크놀로지 평가 및 예측

교차 영향 분석은 1966년 테오도르 고든과 올라프 헬머가 개발한 방법론으로 사건 간의 관계가 결과 사건에 어떻게 영향을 미치고 [1]미래의 불확실성을 감소시키는지를 결정하는 데 도움이 된다.중앙정보국(CIA)은 1960년대 후반과 1970년대 초반에 다양한 요인과 변수가 미래의 [2]의사결정에 어떻게 영향을 미칠지를 예측하는 분석 기법으로 이 방법론에 관심을 갖게 되었다.1970년대 중반 미래학자들은 특정 사건의 확률을 예측하고 관련 사건이 [3]서로 어떤 영향을 미치는지 결정하기 위한 수단으로 이 방법론을 많이 사용하기 시작했다.2006년까지 교차 영향 분석은 미래학자 및 정보 [4]분석가뿐만 아니라 기업 및 지역사회를 위한 다양한 관련 방법론으로 성숙되었습니다.

발전

교차 충돌 분석의 기본 원칙은 1960년대 후반으로 거슬러 올라가지만, 원래 프로세스는 비교적 단순했고 게임 [5]설계에 기초했습니다.결국 크로스 임팩트 분석의 원리를 적용하는 고도의 기술, 방법론, 프로그램이 개발되어 현재는 미래 싱크탱크, 비즈니스 환경, 인텔리전스 커뮤니티에 기본적 방법이 적용되고 있다.

오리진스

Theodore J. Gordon은 교차영향분석은 질문의 결과라고 쓰고 있다:[5] "미래의 사건들이 어떻게 상호작용할지에 대한 인식에 기초할 수 있는가?"

이 방법의 첫 번째 형식은 '미래'라는 이름의 카드 게임이었는데, 이 게임에서는 사건들이 확률, 특수 주사위, 그리고 이전에 행해진 [5]사건들의 영향에 의해 결정되었다.교차 충돌 분석의 이 초기 게임 [3]형식은 1968년 UCLA의 컴퓨터를 위해 프로그래밍되었습니다.이때부터 방법론은 사용자의 특정 요구와 조건을 충족시키기 위해 점점 더 발전하고 정교해졌다.

초기 개발

1970년대 초 교차영향분석이 확대되면서 연구자와 미래학자들은 방법론을 개선하기 위해 기본원리를 수정했다.1972년 미래연구소의 연구진은 "Slice of the Time" 대신 시계열을 추가했고, 노먼 달키는 조건부 확률을 사용했으며, 줄리어스 케인은 [6]사건보다는 시계열 변수 간의 상호작용을 사용한 시뮬레이션 기술인 "KSIM"을 개발했다.1974년 Duperrin과 Godet은 프랑스에서 사전 [7]예측 연구를 위해 교차 영향 시스템 및 매트릭스(또는 SMIC)를 개발했다.

시뮬레이션 모델의 발전은 1980년대까지 계속되었다.1980년 캘리포니아 대학의 Selwyn Enzer는 Interax로 알려진 시뮬레이션 방법에 교차 충격 분석을 통합했고, Delphi 기법은 1984년에 Cross Impact Analysis와 결합되었으며, 텍사스 A&M 대학의 연구원들은 Kane의 알고리즘에 기초한 "EZ-IMPCT"라고 불리는 프로세스에서 Cross Impact를 사용했다.

최근의 전개

교차 영향 분석을 위한 시뮬레이션 모델과 방법이 개발된 후, 분석가들은 이를 해결할 수 있는 주제 범위를 개발하기 시작했다.John Stover가 우루과이의 [6]경제를 시뮬레이션하기 위해 방법론을 적용함에 따라 실제 문제를 해결하기 위해 교차 영향 분석이 사용되었습니다.그러나 1990년대에 방법론의 실제 적용은 빠르게 발전했다.1993년까지 SMIC는 원자력 산업, 세계 지정학적 진화, [8]2000년까지의 기업 활동 및 일자리와 같은 다양한 주제에 사용되었다.1999년 밴더빌트 대학 오웬 경영대학원의 로버트 블랜닝과 브루스 라이닉은 영국이 [9]중화인민공화국에 지배권을 이양하면서 홍콩과 홍콩 경제의 미래를 결정하기 위해 수정된 형태의 교차 영향 분석을 이용했다.

방법론

교차 영향 분석에는 두 가지 사고 방식과 접근 방식이 있습니다.첫 번째는 원래 방법론을 개발한 미래 예측 스타일이다.두 번째는 원래 방법론을 수정하여 고객의 요구를 더 잘 해결한 정보 분석가 하위 학교입니다.그럼에도 불구하고 교차 영향 분석은 사건 및 활동이 진공 및 기타 사건에서 발생하지 않으며 주변 환경이 특정 사건의 [10]발생 확률에 상당한 영향을 미칠 수 있다는 전제를 기반으로 한다.

교차 영향 분석은 사건 및 변수 간의 관계를 연결하려고 시도합니다.그런 다음 이러한 관계는 서로 상대적인 양의 관계 또는 음의 관계로 분류되며, 주어진 시간 [11]범위 내에서 발생 가능성이 가장 높거나 발생할 가능성이 높은 이벤트 또는 시나리오를 결정하는 데 사용됩니다.

선물 예측 스타일

미래 예측 스타일은 1970년대와 1980년대에 개발된 시스템과 방법을 기반으로 하며 몇 가지 엄격한 단계를 따릅니다.

먼저 분석가는 분석에서 고려할 사건의 수와 유형을 고려하고 사건 집합을 생성해야 합니다.각 이벤트는 다른 모든 이벤트와 상호 작용하기 때문에 Gordon은 10~40개의 이벤트를 [10]사용할 것을 권장합니다.

둘째, 분석가는 각 사건의 초기 확률을 고려해야 합니다.사건의 확률은 서로 [10]분리하여 측정해야 합니다.

셋째, 분석가는 사건이 서로에게 미치는 조건부 확률을 생성해야 합니다.기본적으로, 이것은 "만약 사건 'A'가 발생한다면, 사건 'B'가 발생할 새로운 확률은 얼마인가?"라는 질문을 던진다.이벤트 [12]간에 가능한 모든 상호 작용에 대해 이 작업을 수행해야 합니다.

넷째, 분석가는 수학적 오류가 없는지 확인하기 위해 초기 조건부 확률을 테스트해야 합니다.이것은 보통 컴퓨터에서 시뮬레이션을 여러 [12]번 실행함으로써 수행됩니다.

다섯째, 분석가는 분석을 실행하여 미래의 [13]시나리오를 결정하거나 다른 이벤트가 특정 [14]이벤트에 얼마나 중요한지를 결정할 수 있습니다.

수학적 기법

교차 영향 분석의 미래주의 예측 스타일은 그 과정에서 확률과 수학에 크게 의존한다.초기 확률과 조건부 확률은 백분율[12] 또는 [15]백분율에 해당하는 요인 번호를 사용하여 계산됩니다.연구자들은 정확한 결과를 보장하고 사건이 서로에게 미치는 영향이 모순되지 않고 현실적이기 때문에 수치나 비율을 매우 정밀하게 계산해야 한다.또한, 부정적인 영향은 수학적으로 [12]불가능할 수 있기 때문에 연구원들은 부정적인 영향을 계산할 때 조심해야 한다.

이러한 수학적 엄격성은 교차 영향 분석의 미래학 예측 스타일을 균일하게 만들고 실제 분석 방법, 시뮬레이션 및 프로그램의 차이는 특정 연구자 또는 분석가의 요구에 적합하도록 아주 작은 차이만을 가진다.

델파이 기술과의 관계

수학과 특정 사건의 정확성을 위해서는 사건이나 토론 주제에 대한 특별한 전문지식이 필요합니다.이벤트와 계산을 얻는 데 필요한 통찰력을 얻기 위해 분석가는 일반적으로 다수의 전문가에게 연락하여 그룹 또는[16] [15]설문조사를 통해 이벤트 또는 확률에 대한 의견을 묻습니다.

이러한 그룹화는 종종 델파이 기법(Delphi Technology)과 유사합니다.델파이 기법(Delphi Technology)은 어떤 주제에 대한 전문가 그룹을 모아서 시나리오 또는 예측에 대한 의견을 묻는 분석 기법입니다.일반적으로 분석가들은 평균 예측 또는 시나리오가 [17]발생할 가능성이 가장 높은 것으로 간주합니다.두 기술은 매우 밀접하게 관련되어 있기 때문에 분석가들은 종종 두 기법을 조합하거나 더 큰 방법론의 [6]일부로 사용합니다.

힘

교차 영향 분석의 미래주의 예측 스타일은 몇 가지 주요 강점을 가지고 있습니다.전문가 그룹을 활용하면 사건의 확률을 계산할 때 고려할 가치가 있는 여러 가지 의견을 확보할 수 있습니다.확률 계산에서 수학의 수준은 연구자가 할 수 있는 한 결과가 정확함을 보장한다.또한, 다른 분석 기법과 제휴하여 사용할 경우, 이러한 유형의 교차 영향 분석은 [12]질적 분석에 더 큰 정량적 결과를 제공할 수 있다.방법의 상대적 적합성은 다른 방법이나 시뮬레이션을 사용하는 분석가들이 유사한 결과를 얻을 수 있도록 보장하며, 그 결과들을 더 넓은 환경에서 테스트 할 수 있게 한다.

약점

교차 영향 분석의 미래주의 예측 스타일의 강점은 많은 약점을 야기한다.스타일의 일관성은 환경 조건이나 정치적 이슈와 같은 사건 이외의 변수를 다룰 때 일정 수준의 융통성을 유발합니다.또한,[18] 이 스타일에 관련된 수학의 심각한 수준은 확률의 수학적 정확성을 보장하기 위해 시나리오를 실행해야 하거나 베이즈 정리에 대한 특정 문제가 [19]나타나기 때문에 오랜 지연을 초래한다.또한 수학의 수준은 수학이나 방법의 시나리오와 확률을 다루기 위한 추가 컴퓨터 프로그램에 대한 지식이 있어야 한다.

인텔리전스 분석 스타일

시어도어 고든과 올라프 헬머가 독창적인 교차 충돌 방법을 개발한 직후, 미국 정보계는 이 기술을 도입하여 30년 [20]이상 사용해 왔다.

여러 변수 간의 관계와 영향에 대한 기본적인 전제는 동일하지만, 정보 커뮤니티는 다양한 요구를 충족시키기 위해 교차 영향 분석을 수정했다.

정보기관들은 원래의 방법론보다 더 유연하고 가변적인 시스템을 만들어냈다.사건 관계와 영향은 미래학자들이 [21]채택한 방법과 여전히 유사하다.그러나 정보 분석가는 사건 비교뿐만 아니라 특정 사건의 확률에 영향을 미치는 환경, 정치적 상황,[22] 여론 등의 변수를 포함하도록 교차 영향 분석의 매개 변수를 확장했습니다.또한 인텔리전스 분석가는 비사건 [23]변수를 포함하는 전통적인 방법론의 엄격한 수학 대신 "향상", "억제" 또는 "관련되지 않음"과 같은 보다 유연한 측정을 사용할 수 있습니다.

교차 충격 행렬

교차 영향 분석의 지능 분석 스타일의 주요 부분은 교차 영향 매트릭스입니다.행렬은 교차 충격 분석을 시각화한 것으로 수정이 가능합니다.또한 분석가가 가장 영향력 있는 변수와 직접적인 일대일 [24]관계뿐만 아니라 다른 대부분의 변수의 영향을 받는 변수를 모두 찾을 수 있습니다.기존의 여러 교차 영향 분석 방법이 행렬의 생성을 제안하지만, 우선순위는 여전히 확률, 일대일 관계 및 [25]사건의 순서에 달려 있습니다.

지능 분석 스타일 교차 영향 행렬에서 분석가는 숫자 값 대신 플러스와 마이너스를 사용하여 비사건 변수를 허용하고 분석가가 계산 [26]없이 다른 모든 변수와 직접 비교할 수 있습니다.

힘

인텔리전스 분석 스타일의 교차 영향 분석에는 몇 가지 주요 이점이 있습니다.모형의 유연성을 통해 분석가는 사건 [27]발생 가능성뿐만 아니라 서로 다른 유형의 변수를 측정할 수 있습니다.또한, 엄격한 수학적 기준을 폐기할 수 있다는 것은 연구자들이 교차 영향 분석을 사용하기 위해 광범위한 수학 훈련이나 전문 소프트웨어가 필요하지 않다는 것을 의미합니다.이를 통해 주제 전문가는 미래주의 예측 [28]스타일이 직면하는 수많은 계산을 교차 확인할 필요 없이 비교적 신속하게 방법론을 사용할 수 있습니다.

약점

지능 분석 스타일의 엄격한 절차가 없는 것도 상당한 단점을 가져온다.스타일의 유연성은 관련된 분석가의 의견과 지식에 크게 의존하며 다른 그룹으로 결과를 재현하는 것은 어렵습니다.또한 수학을 제거하는 옵션은 이를 뒷받침할 수치 값이 없는 결과를 생성함으로써 분석가에게 해를 끼칠 수 있습니다.수학이 부족하기 때문에 처음에는 절차가 쉬워질 수 있지만, 미래주의 예측 스타일에 비해 전문 소프트웨어의 양이 한정되어 있기 때문에 변수 수가 증가할수록 작업이 더 지루해집니다.

적용들

연구자들은 다양한 응용 분야에 교차 영향 분석을 사용할 수 있습니다.미래학자들은 이미 특정 산업, 정치, 시장, 그리고 심지어 지역 [8][29]사회 전체의 사건들을 예측하기 위해 이 방법론을 사용해 왔다.

지능 분석에서 분석가는 이 방법을 사용하여 지역,[30] 국가 및 국제 수준에서 다양한 변수와 조건에 따라 사건, 조건 또는 결정을 예측할 수 있습니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Gordon, Theodore Jay, Cross Impact Method 2011-07-13 Wayback Machine, UN University Millennium Project, 1994 페이지 1
  2. ^ Heuer, Richards J., Randolph H. Pherson, 인텔리전스 분석을 위한 구조 분석 기법, CQ Press, 2011, 페이지 107
  3. ^ a b Gordon, Theodore Jay, Cross Impact Method 2011-07-13 Wayback Machine에서 아카이브, 페이지 1-2
  4. ^ 학습용 – 크로스 임팩트 분석(2011-07-20 Wayback Machine, For Learn, 유럽위원회 공동연구센터, 2006) 아카이브
  5. ^ a b c Gordon, Theodore Jay, Cross Impact Method 2011-07-13 Wayback Machine에서 아카이브, 페이지 1
  6. ^ a b c d Gordon, Theodore Jay, Cross Impact Method 2011-07-13 Wayback Machine 아카이브 완료, 페이지 2
  7. ^ "For Learn - Cross Impact Analysis". Archived from the original on 2011-07-20. Retrieved 2011-02-12.
  8. ^ a b Gordon, Theodore Jay, Cross Impact Method 2011-07-13 Wayback Machine에서 아카이브, 페이지 2-3
  9. ^ Blanning, Robert 및 Bruce Reinig는 그룹 의사결정 지원 시스템을 사용하여 교차 영향 분석: Esvier Science Ltd, 1999년 Wayback Machine에서 Hong Kong Archived 2011-07-06에 대한 응용 프로그램.
  10. ^ a b c Gordon, Theodore Jay, Cross Impact Method 2011-07-13 Wayback Machine 아카이브 완료, 페이지 4
  11. ^ 학습용 - 교차 영향 분석 2011-07-20 유럽 집행위원회 공동연구센터 Wayback Machine에서 보관
  12. ^ a b c d e Gordon, Theodore Jay, Cross Impact Method 2011-07-13 Wayback Machine 아카이브 완료, 페이지 5
  13. ^ 학습 내용 – 교차 영향 분석 2011-07-20 유럽 집행위원회 공동 연구 센터 웨이백 머신에서 보관.
  14. ^ Gordon, Theodore Jay, Cross Impact Method 2011-07-13 Wayback Machine에서 아카이브, 페이지 10
  15. ^ a b 학습 내용 – 교차 영향 분석 2011-07-20 유럽 집행위원회 공동 연구 센터 웨이백 머신에서 보관.
  16. ^ Gordon, Theodore Jay Cross Impact Method 2011-07-13 Wayback Machine에서 아카이브, 페이지 5
  17. ^ Heuer, Richards J., Randolph H. Pherson, 지능 분석을 위한 구조 분석 기법, 페이지 247
  18. ^ Gordon, Theodore Jay, Cross Impact Method 2011-07-13 Wayback Machine에서 아카이브, 페이지 5-9
  19. ^ 블랜닝, 로버트, 브루스 AReinig, 그룹 의사결정 지원 시스템을 사용한 교차 영향 분석: Wayback Machine에서 Archived 2011-07-06 홍콩 미래 애플리케이션, 페이지 40
  20. ^ Heuer, Richardsj., Randolph H Pherson, 인텔리전스 분석을 위한 구조 분석 기법, 페이지 107
  21. ^ Clark, Robert M., 인텔리전스 분석: 타겟 중심 접근법, CQ Press, 제3판, 2010.p 202-203
  22. ^ Heuer, Richards J., Randolph H. Pherson, 지능 분석을 위한 구조 분석 기법, 페이지 104-105
  23. ^ Heuer, Richards J., Randolph H. Pherson, 지능 분석을 위한 구조 분석 기법, 페이지 105
  24. ^ Heuer, Richards J., Randolph H. Pherson, 지능 분석을 위한 구조 분석 기법, 페이지 106
  25. ^ Gordon, Theodore Jay, Cross Impact Method 2011-07-13 Wayback Machine에서 아카이브, 페이지 5-9
  26. ^ Heuer, Richards J., Randolph H. Pherson, 지능 분석을 위한 구조 분석 기법, 페이지 105-106
  27. ^ Heuer, Richards J., Randolph H. Pherson, 지능 분석을 위한 구조 분석 기법, 페이지 104-106
  28. ^ Gordon, Theodore Jay, Cross Impact Method 2011-07-13 Wayback Machine에서 아카이브, 페이지 6-9
  29. ^ 블랜닝, 로버트 W. 브루스 A.그룹 의사결정 지원 시스템을 사용한 영향 간 분석 재인식: Wayback Machine에서 아카이브된 홍콩의 미래로의 응용 프로그램 2011-07-06
  30. ^ Heuer, Richards J., Randolph H. Pherson, 지능 분석을 위한 구조 분석 기법, 페이지 104–06

추가 정보

  • Theodore Jay Gordon의 Cross Impact Method.유엔 대학 밀레니엄 프로젝트, 미래 연구 방법론.1994
  • Richards J.의 인텔리전스 분석을 위한 구조화 분석 기법.휴어 주니어와 랜돌프 H. 퍼슨입니다CQ 프레스 2011
  • 인텔리전스 분석: Robert M. Clark의 타겟 중심 접근법.CQ 프레스 2010