Structured Analytic Techniques for Intelligence Analysis

Теперь пройдитесь по крайнему левому столбцу, присваивая веса критериям выбора в зависимости от их относительной важности для оценки ранжирования предметов. В зависимости от количества критериев возьмите либо 10, либо 100 баллов и распределите их между критериями выбора в зависимости от их относительной важности для ранжирования товаров. Другими словами, определите, какой процент решения должен быть основан на каждом из этих критериев. Убедитесь, что веса всех критериев отбора вместе взятых равны либо 10, либо 100, в зависимости от того, что выбрано. Также убедитесь, что все критерии сформулированы таким образом, что больший вес является более желательным.

Пройдитесь по рядам, чтобы записать вес критерия в левой части каждой ячейки.

Далее пройдитесь по матрице по одной строке (критерий выбора), чтобы оценить относительную способность каждого предмета удовлетворять этому критерию выбора. Используйте десятибалльную шкалу оценки, где 1 = низкий уровень, а 10 = высокий, чтобы оценить каждый пункт отдельно. (Не распределяйте десять баллов пропорционально между всеми предметами, как это было сделано для присвоения весов критериям). Запишите номер этой оценки после веса критерия в ячейке для каждого пункта.

Рисунок 4.7b Взвешенная матрица ранжирования

Снова пройдитесь по матрице по одной строке за раз, чтобы умножить вес критерия на рейтинг предмета по данному критерию, и введите это число в каждую ячейку, как показано на Рисунок 4.7b .

Теперь добавьте столбцы для всех предметов. В результате вы получите рейтинг предметов от самого высокого до самого низкого балла. Чтобы лучше понять относительный рейтинг одного предмета по сравнению с другим, переведите эти необработанные баллы в проценты. Для этого сначала сложите все баллы в строке "Итоги", чтобы получить общее число. Затем разделите оценку каждого предмета на эту общую оценку, чтобы получить процентный рейтинг каждого предмета. Все проценты в сумме должны составлять 100 процентов. На рисунке 4.7b видно, что пункт B занимает первое место (20,3 %), а пункт E - самое низкое (13,2 %).

Потенциальные ловушки

При использовании любого из этих методов для обобщения мнений группы аналитиков рейтинги, представленные каждым членом группы, складываются и усредняются. Это означает, что мнения аутсайдеров, чьи взгляды сильно отличаются от остальных, смешиваются со средним значением. В результате рейтинг не отражает диапазон различных мнений, которые могут присутствовать в группе. В некоторых случаях выявление аутсайдеров, придерживающихся мнения меньшинства, может быть очень ценным. Дальнейшие исследования могут показать, что эти отклонения верны.

Взаимосвязь с другими техниками

Ранжирование, оценка или определение приоритетов в той или иной форме обычно используется в структурированном мозговом штурме, виртуальном мозговом штурме, технике номинальных групп и матрице принятия решений - все они генерируют идеи, которые необходимо оценить или определить приоритеты. Применение метода Дельфи также может генерировать идеи от внешних экспертов, которые необходимо оценить или расставить приоритеты.

Истоки этой техники

Ранжирование, подсчет баллов и определение приоритетов - обычные аналитические процессы во многих областях. Все три формы ранжирования, описанные здесь, в значительной степени основаны на интернет-источниках. Для ранжированного голосования мы ссылались на http://en.wikipedia.org/wiki/Voting_system ; для парного сравнения - на http://www.mindtools.com ; а для взвешенного ранжирования - на www.ifm.eng.cam.ac.uk/dstools/choosing/criter.html . Мы также рассмотрели процесс взвешенного ранжирования, описанный в книге Моргана Джонса "Инструментарий мыслителя" (The Thinker's Toolkit). Этот метод преподается в некоторых правительственных агентствах, но мы сочли его более сложным, чем это необходимо для разведывательных приложений, которые обычно используют нечеткие данные, полученные экспертами, а не твердые цифры.

 

 

МАТРИЦЫ

Матрица - это аналитический инструмент для сортировки и организации данных таким образом, чтобы облегчить их сравнение и анализ. Она состоит из простой сетки с таким количеством ячеек, которое необходимо для решения анализируемой проблемы.

Некоторые аналитические темы или задачи, в которых используется матрица, встречаются настолько часто, что в этой книге они рассматриваются как отдельные методы. Например:

Анализ конкурирующих гипотез ( глава 7 ) использует матрицу для анализа взаимосвязей между релевантной информацией и гипотезами.

Матрица перекрестного воздействия ( глава 5 ) использует матрицу для анализа взаимодействия между переменными или движущими силами, которые определяют результат. Такая матрица перекрестного воздействия является частью программы Complexity Manager ( глава 11 ).

Диаграммы Ганта (эта глава) используют матрицу для анализа взаимосвязей между задачами, которые необходимо выполнить, и сроками их выполнения.