9. Грегори Ф. Тревертон и К. Брайан Габбард, Оценка мастерства разведывательного анализа, технический отчет корпорации RAND (Санта-Моника, Калифорния: RAND, 2008).
10. Нэнси Диксон, "Проблема и исправление уроков, извлеченных разведывательными службами США", 1 июля 2009 г., http://www.nancydixonblog.com/2009/07/the-problem-and-the-fix-for-the-us-intelligence-agencies-lessons-learned.html .
14
.
Будущее структурных методов анализа
Аналитики и менеджеры разведки постоянно ищут пути повышения качества своего анализа. Один из таких путей - более широкое использование структурированных методов анализа. Эта книга призвана поощрить и поддержать эти усилия.
В этой заключительной главе используется новая методика под названием Complexity Manager ( глава 11 ) для придания строгости решению сложной проблемы - будущего структурированных аналитических методов. Ричардс Хойер разработал Complexity Manager как упрощенную комбинацию двух давно известных методов анализа будущего, Cross-Impact Analysis и System Dynamics. Он предназначен для аналитиков, которые не были обучены использованию таких передовых количественных методов.
Мы применяем эту технику специально для решения следующих вопросов:
Каков прогноз использования методов структурированной аналитики в 2020 году? Будет ли использование методов структурированной аналитики набирать обороты и чаще применяться спецслужбами, правоохранительными органами и бизнес-сектором? Или их использование останется на нынешнем уровне? Или же атрофируется?
Какие силы стимулируют расширение использования структурированного анализа и какие возможности существуют для поддержки этих сил?
Какие препятствия мешают более широкому использованию структурированного анализа и как их можно преодолеть?
В конце этой главы мы предположим, что на дворе 2020 год и использование структурированных аналитических методов широко распространено. Мы представляем наше видение того, что произошло, чтобы это стало реальностью, и как использование структурированных аналитических методов изменило способ проведения анализа - не только в разведке, но и в целом ряде дисциплин.
14.1 СТРУКТУРИРОВАНИЕ ДАННЫХ
Анализ конкретного исследования начинается с составления списка переменных, которые будут влиять на использование методов структурированного анализа в ближайшие пять лет или около того. Первая переменная в списке - целевая переменная, за ней следуют девять других переменных, связанных с ней.
Более широкое использование структурированных методов анализа
B Поддержка руководством сотрудничества и структурированных методов анализа
C Наличие виртуальных технологических платформ для совместной работы
D Смена поколений аналитиков
E Наличие поддержки и наставничества в области аналитической работы
F Изменение в бюджете на анализ
G Изменение предпочтений покупателей в пользу совместных, электронных продуктов
H Исследование эффективности структурированных методов
I Восприятие аналитиками нехватки времени
J Отсутствие открытости к изменениям среди старших аналитиков и менеджеров среднего звена
Следующий шаг в Complexity Manager - сведение этих десяти переменных в матрицу перекрестного влияния. Это инструмент для систематического описания двустороннего взаимодействия между каждой парой переменных. Каждая пара оценивается с помощью следующего вопроса: Влияет ли эта переменная на парную переменную таким образом, что это будет способствовать увеличению или уменьшению использования методов структурированного анализа в 2020 году? Заполненная матрица показана на Рисунок 14.1 . Это та же матрица, что и в главы 11 .
Цель данного анализа - оценить вероятность существенного увеличения использования структурированных аналитических методов к 2020 году, а также выявить побочные эффекты, которые могут быть связаны с таким увеличением. Именно поэтому рост использования методов структурированного анализа является ведущей переменной, переменной A, которая формирует первый столбец и верхнюю строку матрицы. Буквы в верхней части матрицы - это сокращения тех же переменных, которые перечислены в левой части.
Рисунок 14.1 Переменные, влияющие на будущее использование структурированного анализа
Чтобы заполнить матрицу, авторы начали со столбца А, чтобы оценить влияние каждой из переменных, перечисленных в левой части матрицы, на частоту использования структурированного анализа. Это упражнение дает представление обо всех переменных, которые будут положительно или отрицательно влиять на использование структурированного анализа. Далее авторы заполнили строку A в верхней части матрицы. Здесь показано обратное воздействие - влияние расширения использования структурированного анализа на другие переменные, перечисленные в верхней части матрицы. Здесь выявляются эффекты второго уровня. Оказывает ли растущее использование методов структурированного анализа влияние на какие-либо другие переменные таким образом, что об этом необходимо знать?1