仕事に役立つインテリジェンス

仕事に役立つインテリジェンス (PHP新書)

こうした分析方法があったとは、これまで知らなかった。知的刺激を受ける本。

ルービンの花瓶という、花瓶とも人が向き合っている顔ともとれる絵は、実際にどちらなのか？ベテランの直観が必要となる部分もあるわけで、そこから「イラクの大量破壊兵器があったのかどうか」という分析の問題に入っていく。

何度も繰り返される「ベースレートの誤信」で紹介される事例は、こういう説明を受けないと間違えそうだ。数学的、確率的説明が出てくるが、「ベイズの定理」がどのようなものなのか、今一つわからないところも残った。

競合仮説分析は、シュミレーションゲームをしているような感覚で、様々な情報にＣ(整合する)とＩ(整合しない）を表にしていきながら分析する、という手法は、実生活や仕事のうえで、ほかにも利用できるような気がした。サイエンス的な手法というのは、情報が多岐にわたり大量な場合、有効なのだろうが、それと直観というアート要素もないといけないのだろう。

（目次-引用）
第１章　問題解決のための基礎知識；

第２章　過去を解明する、未来を予測する；
1.失われた過去を発掘する
2.来るべき未来を予測する
→分析者を悩ますシークレットとミステリー：「確かに存在するが、現時点ではアクセスできないもの」と「実現してはじめてわかること＝存在自体が不確かなもの」

第３章　知識と経験・五つの落とし穴；
1.大切なのは直観かメソッドか
2.なぜ直観は誤るのか
3.確率の初歩的ミス-典型のヒューリスティクス
→ベースレートの誤信（全体の中での割合を忘れる）、ギャンブラーの誤信（起こる可能性を高く見積もる）
4.一見が百聞に如かないこともある：利用可能性
5.すべてに原因があるとは限らない：因果関係
6.一度できあがった見方は変わりにくい：修正／アンカリング
7.結果を見て「自分は予測していた」と思いたがる：後知恵
8.人はインフォメーションの洪水に溺れやすい

第４章　正しい情報分析の技術；
1.仮説を適度に見なおす→ベイズの定理「新たな変化を、これまでの積み重ねによって相対化する」
2.仮説にこだわらない
3.リンチピン分析とは何か（これが変わると分析全体が変わってしまうような重要な前提）
4.分析結果どうしを競わせる
5.グループで分析する
6.大量のインフォメーションを処理する

第５章　ケーススタディで見る競合仮説分析（ＡＣＨ）；

終章　正しい判断をするために；
分析の重要性を認識する
アートとサイエンスを融合する→1.直観の使用を恐れない、２．直観にともなうバイアスを軽減する、3.リンチピン分析的思考を身につける、4.グループ分析の問題点を知る、5.大量のインフォメーションをサイエンスとアートで処理する

｛2/22-25読了、27記入｝