Метод Дельфи

Метод Дельфи так часто ассоциируется с форсайтом, что легко забыть том, что среди национальных форсайтов, несколько его не используют. Очень важно вспомнить, что существует много различных видов Дельфи-анализа, но практически все они используют одну модель.

Метод Дельфи основывается на анонимном опросе экспертов, но особенность этого опроса в том, что он «возвращает» информацию респондентам. Респондентов опрашивают как минимум два раза. На втором этапе респонденты получают структуру ответов предыдущего этапа, после чего их опрашивают ещё раз – т.е. им представляется возможность скорректировать свой ответ. Это осуществляется для улучшения обмена информацией и для того, чтобы эксперты могли сравнить свои прогнозы с ожиданиями более широкой группы.

Метод “la prospective”

В середине 70х годов французское агентство по атомной энергии (СЕА) предложило использовать Булеву матрицу для представления в системном виде субъективных знаний о будущем развитии атомной энергетики. Полученная методология предлагала соединение количественными методами и качественными субъективными методами, которых требовал высокий уровень обязательств участвующих экспертов.

Главной причиной объединения Булевой матрицы с качественными методиками, стала необходимость выявить отношения между «переменными» системы.

Метод “la prospective” состоит из:

1. Ретроспективный анализ.

2. Выбор внешних и внутренних переменных системы определяющих её эволюцию. (от 15 до 50)

3. Структурный анализ и анализ взаимного влияния факторов для анализа ключевых факторов.

4. Выбор возможных событий (5-6), ЛПР и целей системы.

5. Одновременно выполняющиеся:

• Анализ взаимного влияния факторов для построения сценария.

• Стратегический анализ для ЛПР.

• Анализ взаимного влияния факторов для ролей ЛПР.

6. Построение кратко-, средне- и долгосрочных планов. (анализ возможных альянсов и конфликтов между ЛПР и подготовка планов к нескольким альтернативным сценариям.)

Методы основанные на статистическом и математическом анализе

Преимущества и недостатки работы с цифрами

Преимущества:

1. Статистика и подобные ей индикаторы должны делать видимым то, каким образом был получен результат прогноза. Методология должна быть ясной.

2. Количественные данные могут использоваться последовательным и воспроизводимым путём. (Результаты разных исследований могут быть легко сопоставлены)

3. Качественные данные можно визуализировать в виде графиков и таблиц.

Недостатки:

1. Некоторые данные трудно выразить в количественных показателях.

2. Существует опасность «фальшивой точности» (количественные данные в прогнозе относящемся к 2050 году нужно воспринимать критично)

3. Способности к количественному мышлению развиты далеко не у всех.

4. Даже самые количественные методы должны проверяться серьёзной экспертизой. (Что может привести к бесконечным перепроверкам со стороны людей не участвовавших в проекте)

5. Наконец, большинство методов работы с количественными данными сводятся к статистическим техникам, и обычно аналитики скорее будут следовать им, чем будут разбираться адекватны ли эти данные для проекта.