仕事に役立つインテリジェンス の商品レビュー

北岡元【著】

2019/10/03

政策研究大学院大学教授 北岡元 氏の著書です。

インテリジェンス＝情報分析とは何かについて書かれた入門書になります。
非常に読みやすく、内容的も充実した良書です。

情報（インフォメーション）を集め、過去を解明し、未来を予測する情報分析の流れが説明されています。

その中で情報分析時に陥りやすいミスであるヒューリスティクス（固定観念、バイアス）についてパターンを分けて解説されています。
このヒューリスティクスは自分でも思い当たる節があり、実際に注意しなければと思いました。

その後、情報分析の技術的な説明があり、最後にケーススタディでまとめられています。

印象的だったのは、分析は手法などのサイエンスに基づき行いつつも、最終的な結論を出す段階ではベテランの直感的なアートの領域も重視するという点です。

2019/09/01

インテリジェンスとはインフォメーション（情報）をもとに生産され、国家や企業、個人の判断や行動の材料に使われるもの。なぜインテリジェンスが必要か、それは「得をする」あるいは「損をしないため」である。

インテリジェンスを生産するにはインフォメーションの分析が欠かせない。しかし分析にはさまざまな落とし穴がある。この落とし穴にはまらないためには、いくつかのポイントを押さえなくてはならない。本書ではそのポイントを中心に解説をしている。

2018/10/17

"情報があふれている中、自分が正しい判断をする一助になるヒントがあるかなぁ？と思って手にした本。
情報と情報、点と点を結びつける事で、自分が必要とするインテリジェンスを手に入れることができたらすばらしい。情報分析をしているプロが、どんなことをしているのかを紹介し、実践で使えるような練習問題もある。
気になった点をメモしておく。
第1章　問題解決のための基礎知識
　問題は4種類ある。単純問題／確定問題／ランダム問題／不確定問題
　前半２つの問題は、インフォメーションがあれば、解決するようなもの。後半の２つの問題は、インフォメーションだけでは解決できない。分析・推定が必要になってくる。
第2章　過去を解明する、未来を予測する
　過去を解明する事例：アイオワ号の爆発事故
　未来を予測する事例：敵の上陸地点を予測する
第3章　知識と経験・五つの落とし穴
　分析には「アート（直感、演繹法）」と「サイエンス（メソッド、帰納法）」二つの面が入り交じっている。
　ヒューリスティックは、バイアスの元凶
　無意識のバイアスはやっかい
　１．典型的のヒューリスティック
　２．利用可能性のヒューリスティック
　３．因果関係のヒューリスティック
　４．修正／アンカリングのヒューリスティック
　５．後知恵のヒューリスティック
第4章　正しい情報分析の技術
　仮説を適度に見直す　－　ベイズの定理
　競合仮説分析
　リンチピン分析
第5章　ケーススタディで見る競合仮説分析"

2017/08/25

分かりやすい例でインテリジェンスとは何か、何に気をつけなければいけないか、が理解できた。分かりやすすぎて物足りないかも。

2017/05/07

インテリジェンスを仕事に活かすために必要な人間の心理面の知識、分析手法が安易に解説している良書です。
心理面では、ヒューリスティックスやバイアスなど。
分析手法としては、ベイズの定理や競合仮説分析など。
推論や意思決定のための基本知識を得ることができ、今の仕事にたいへん役に立ってます。

2012/11/20

インテリジェンスという言葉は、数年前からよく耳にするようになり、私も数冊、インテリジェンスに関する本を読んでみた。

私が読んだ本は、国家の情報機関に関する本が主だったため、なかなかむずかしい感じであったが、そのインテリジェンスが仕事に役立てられれば、効率も向上するだろうと思い、読んでみることとした。

この本は、実例を挙げつつ、我々が陥りがちな勘違いや思い込みによって、重要な場面での決断が大きく左右されることを解説している。

ヒューリスティクス。　日常生活であまり聞かない言葉であるが、われわれが持つある種の能力である反面、偏見や思い込みの元凶でもあると書かれている。

個人的には、直観よりもアルゴリズム（原因をしっかり追究して、積み重ねて評価すること）のほうを好むが、これだけでも100%、いい結果を生むとも限らない。

私は、インテリジェンスの世界では、すべてがアルゴリズムで成り立っていると思っていたが、実はそうではないようである。

もちろん、さまざまな情報を収集し、それを評価することが根底にあるが、経験からくる直観も重要視されている、ということはある意味驚かされたが、それもまた、一つ一つの経験の積み重ねがあってこそでるが・・・

また、ベースレートの誤信、ギャンブラーの誤信というものも、さまざまな判断を下す上で過ちを起こす原因となっていることもおもしろい。

ベースレートの誤信では、実例を示され、実際に私も完全に間違った判断をしてしまったが、これは今まで気付かなかったことであった。

ここで重要視されている、ベイズの定理。　非常にシンプルだが、実際の重要な判断を下す際にぜひ利用してみたいと思わされる。

さらにもうひとつの分析手法として、競合仮説分析が解説されているが、これもまた興味深い。

グループで討議を行った場合、さまざまな意見が出てより吟味された考えがまとまると考えがちだが、同じ意見を持った者だけで討議を行うことでそのバイアスが強化されて、必ずしもよい結果を得ることはない、という実験結果が示しており、この競合仮説分析の重要性を考えさせられる。

実際にケーススタディ形式で3問示されているが、とても参考になるものでった。　ぜひ、職場での討議の時に使ってみたい分析手法である。

我々は日々、さまざまな情報を手に入れ、その都度、自分にとって最良とおもわれる判断をしているわけであるが、この本を読んでみると普段、思いこみなどにより大きく間違った判断をしているのでは・・・と思わされた。

冷静に情報を分析し、無意識のヒューリスティクスを排除して、的確な判断を行えるよう鍛錬していきたいと思わされた。

2012/09/02

これは読むべき本。

マンモグラフィーで乳がんになる確率の話は衝撃的だ。

健康診断で、検査機は陽性患者の95％を陽性と判断する。
そして、検査対象者の5％が陽性と検査機が判断する。

さて、Aさんが検査の結果、陽性だったとしよう。
このAさんが陽性患者である確率は何％か。

というような問題。
多くの医療関係者も含め、この問に対して95％とか、9割と答えたという。しかし実際には正しくない。

疑陰性と、擬陽性の可能性があるためだ。

統計の落とし穴にはまり、正しくない意思決定を起こしてしまうことは多々ある。それを可能な限り回避しなければならない。

2012/08/04

国家安全保障機関の情報分析手法の基本がわかりやすく解説されている。問題を分析・解明しようとする際の、バイアスのかかりぐあいや、思考のたどり方を研究した科学であり、一般生活での問題解決にも役に立ちそう。

2012/02/12

広い意味の情報学の中に、インテリジェンスと呼ばれる分野がある。情報の収集・伝達・分析に基づいて未来に起こりうる可能性を予測し、意思決定に役立てるのが目的であり、古代から方法論の研究と実践が行われてきた。インテリジェンスは組織の戦略策定において重要な役割を果たしているが、日本でインテリジェンスの研究を行うことは長い間タブー視されてきたらしい。最近になって、佐藤優氏がインテリジェンスの実態と実践について衝撃的な本を出したことにより、少しずつ注目を集めつつある。
情報の分析と言えば、計算機科学がもっとも得意とする領域の１つである。しかし、これまで計算機科学とインテリジェンスはそれほど密接に関わっていなかった。インテリジェンスにおける情報分析は、分析担当者の属人的なスキル（勘・経験・度胸）にもっぱら依存して行われていたため、計算機を用いた分析は低く見られたこと、また、それにしたがい、米国の情報機関（CIAやペンタゴン）が自身の情報分析能力の向上に対して予算を付けなかったことが主な原因である。その後、世の中の情報の多くが電子化されてネット上を駆け巡り、サイバーテロやサイバー戦争の脅威が現実味を帯びる中、米国が本腰を入れてデータ分析の取り組みを開始し、（マッキンゼーやIBM等の）東海岸の情報産業がこれに追随したというのが、昨今の「ビッグデータ」ブームの発端なのだろうと私は考えている。

前置きが長くなったが、本書はインテリジェンスの実践に必要な基礎知識を、ある程度体系化して説明している。「ヒューリスティクス」「アルゴリズム」「バイアス」等、計算機科学でおなじみの用語について、計算機と切り離された本来の意味を知ることができて有益であった。また、インテリジェンスの実践には、アート（演繹）とサイエンス（帰納）の融合がポイントだと書かれているのだが、演繹を「アート」とみなす説明が私にとっては驚きであった。私は帰納が大嫌いであり、演繹のみで説明可能な閉じた世界に喜びを感じるのであるが、この性向は科学者に向いていないと常々感じていたので、アートだと言われれば何となく腑に落ちるものがある。

2012/02/06

最近アートとサイエンスの関係を考えるときがあった。対照的なこれらをどう統合できるかということが気になっていた。このときは、最初から統合することを考えずに、結果的にベン図の重なり合った部分に着目するくらいでよいのだろう、と自分の中で位置付けていた。

サイエンスはメソードを重視し帰納法で解決する。アートは直観がものをいい演繹的に作られる。（59頁に対比表あり）本書では、「分析」にはアートとサイエンスが混じり合っていることが必要という。私は重なりあいでなく混じり合いのイメージをつかんだ。この両方のデメリットを押さえ、メリットを活用して融合させることが大切という。

意識していきたいことは、先に結論ありきでインフォメーションを収集しながら、その結論を修正していく「修正のヒューリスティックス」と、とりあえずの結論がアンカーに足を引っ張られて十分に修正できない「アンカリングのヒューリスティック」に陥っていないか点検することだ。

157頁の競合仮説分析（Analysis of Competing Hypotheses）は、機会があればいつか使ってみたい。
1.仮説を複数出す。
2.インフォメーションを縦軸に、仮説を横軸にしたマトリックス（表）を作成
3.アレクサンダーの質問で、どのようなインフォメーションがあれば仮説が否定できるかを考える【重要】
4.インフォと仮説を踏まえて判断（C：適合、？：判断できない、I：整合しない）
5.新たな仮説がないか検討、仮説のは消す
6.Iが極めて多い仮説は消す
7.最後はアートの感覚を使って判断する