情報分析案例·實操版:結構化分析方法的應用

情報分析案例·實操版:結構化分析方法的應用
定價:648
NT $ 564
 

內容簡介

作為《情報分析案例:結構化分析方法的應用》的配套用書,本書採用情景化示範和教練式培訓的模式,在17個經典情報案例中演練了28種結構化分析方法,進一步強化實戰應用能力:提出質疑,識別欺騙,避免偏見;審核數據與信息,科學證偽假設;對敵方的戰略和戰術,採取反制;確定最關鍵證據,找出信息空白;分析優劣勢,論證方案的可行性;預測與預警恐襲,預判事態發展;防止分析缺陷,評估決策失誤;針對各案例中提出的分析挑戰和練習任務,作者充分利用時間軸線、事件年表、思維導圖、清單列表、樹形圖表、決策矩陣等等模型,可視化呈現整個分析過程,循序漸進地給出解決方案,並得出具體結論和重要收穫。

本書文字嚴謹,步驟詳細,圖表豐富,可指導分析人員高效思考和解決問題;不僅是眾多知名高校的指定教材,也是情報、國安、反恐、執法、國關和商業領域的培訓讀物。


 

作者介紹

薩拉·畢比(Sarah M.Beebe),國家安全實戰專家,善用結構化方法減少情報分析中的思維定式和認知偏見。曾任美國國家安全委員會俄羅斯事務主任、中情局俄羅斯政策高級分析師、國家反情報執行辦公室(ONCIX)歐洲事務國家反情報官。現為優勢分析公司(AA)所有者,並在約翰·霍普金斯大學從事兼職教學工作。

倫道夫·弗森(Randolph H.Pherson),資深情報專家,從事情報工作30多年,獲有多種特別榮譽。曾任職於美國國家情報委員會和中情局,擔任過拉丁美洲事務國家情報官。現為美國各國家安全機構提供培訓,並協助開發分析工具。與人合著《戰略情報的批判性思維》《情報分析:結構化分析方法》《情報分析案例:結構化分析方法的應用》等作品。
 

目錄

第二版序言
引 言  
作者簡介
前 言

第一章  誰向卡琳娜·莫斯卡琳科投毒?
一、方法1、2 :事前分析法與結構化自我批判法
二、方法3 :星爆法
三、結論
四、重要收穫

第二章  炭疽菌殺手
一、方法1 :年表法與時間軸線法
二、方法2、3 :事前分析法與結構化自我批判法
三、結論
四、重要收穫  

第三章  網路H2O
一、方法1 :啟動清單法
二、方法2 :關鍵假定檢查法
三、方法3 :魔鬼代言人
四、結論
五、重要收穫

第四章  核機密洩露案
一、方法1 :力場分析法
二、方法2 :欺騙識別法
三、方法3、4 :事前分析法與結構化自我批判法
四、結論
五、重要收穫

第五章  圍繞馬蒂電臺的美國與古巴之爭
一、方法1 :年表法與時間軸線法
二、方法2 :欺騙識別法
三、方法3 :多種假設生成法:象限假設生成法
四、方法4 :競爭性假設分析法
五、結論
六、重要收穫

第六章  通往塔寧科瓦之路
一、方法1 :關鍵假定檢查法
二、方法2 :魔鬼代言人
三、方法3 :“優勢—劣勢—機會—威脅”法
四、結論
五、重要收穫

第七章  誰謀殺了喬納森·盧納?
一、方法1 :年表法與時間軸線法
二、方法2 :多種假設生成法:簡單假設法
三、方法3 :多種假設生成法:多種假設生成程式法TM
四、方法4 :競爭性假設分析法
五、重要收穫

第八章  貝·布托遇刺
一、方法1 :年表法與時間軸線法
二、方法2 :思維導圖
三、方法3 :競爭性假設分析法
四、結論:聯合國報告
五、重要收穫

第九章  美國西南部居民死亡
一、方法1 :結構化頭腦風暴
二、方法2 :星爆法
三、方法3 :關鍵假定檢查法
四、方法4 :多種假設生成法:多種假設生成程式法TM
五、方法5 :競爭性假設分析法
六、結論:來自亞特蘭大的答案
七、重要收穫

第十章  亞特蘭大奧運會爆炸案
一、方法1 :關鍵假定檢查法
二、方法2 :“贊成—反對—錯誤—糾正”法
三、方法3 :多種假設生成法:多種假設生成程式法TM
四、結論
五、重要收穫

第十一章  華盛頓特區恐怖主義狙擊手
一、方法1 :關鍵假定檢查法
二、方法2 :多種假設生成法:多種假設生成程式法TM
三、方法3 :經典象限處理法TM
四、結論
五、重要收穫

第十二章  哥倫比亞革命武裝力量襲擊美國本土
一、方法1、2 :紅帽分析法與結構化頭腦風暴
二、方法3 :多種情景生成法
三、方法4 :指標法
四、方法5 :指標驗證因數法TM
五、重要收穫

第十三章  解讀“11 月17 日革命組織”
一、方法1 :多種假設生成法:簡單假設法
二、方法2 :若則分析法
三、方法3 :遠景象限處理法TM
四、結論
五、重要收穫

第十四章  保衛孟買免遭恐怖襲擊
一、方法1 :結構化頭腦風暴
二、方法2 :紅帽分析法
三、方法3 :經典象限處理法TM
四、方法4 :指標法
五、方法5 :指標驗證因數法TM
六、結論
七、重要收穫

第十五章  伊朗干涉巴林事務
一、方法1 :星爆法
二、方法2 :形態分析法
三、方法3 :結構化頭腦風暴
四、方法4 :指標法
五、結論
六、重要收穫

第十六章   烏克蘭橙色革命的影響
一、方法1、2 :結構化頭腦風暴與由表及裡思考法
二、方法3 :簡單情景法
三、結論
四、重要收穫

第十七章  貝爾格勒爆發暴力事件
一、方法1 :力場分析法
二、方法2 :決策矩陣法
三、方法3 :“贊成—反對—錯誤—糾正”法
四、結論
五、重要收穫
 
英漢詞彙對照
 
圖表目錄(詳見原書)
文字方塊目錄(詳見原書)
 
 

大約50年前,謝爾曼·肯特——傳奇式的美國國家評估委員會(Board of National Estimates)主席,指派一名結構化分析的早期宣導者前去向傑克·大衛斯闡釋採用結構化分析方法的理由。傑克·大衛斯是評估工作人員中頗受看重的新人。
 
這位宣導者清晰地闡釋了外化和評估假定的優點,這些假定支撐著情報評估中的關鍵判斷。我假裝聽得興趣盎然,但坦率地說,我認為根本沒有必要改變我的情報分析方式。
 
我說:“對於預測(我工作的物件國家的)未來發展而言,能夠影響預測的全部思考內容太多,手頭的紙太小,容納不了它們。”隨即,我相當突兀地結束了那次會晤。我的這種回答雖說無益,但當時電腦尚未取代打字機,且我個人尚未經歷數次可以避免的誤判錘煉,這樣說也不無道理。
 
大概用了20年時間,我才完全領會到結構化分析帶來的益處,開始大力鼓吹結構化分析;尤其是我們的判斷基於內化的批判性思考、同事間無組織的爭論及領導的主觀審查,結構化分析可作為防止情報誤判的保障。
 
最初被稱為“替代分析”(Alternative Analysis),而現在叫作“結構化分析方法”(Structured Analytic Techniques, SATs)的東西,之所以能在情報界內部影響日增,有幾個因素起到了推動作用。
 
1.一連串高度公開的情報失誤,促使人們呼籲改變情報分析做法,讓結構化分析的宣導者邁出了成功的第一步。
 
2.一個規模小但影響大的情報專業人員骨幹群體,針對可靠的情報分析所面臨的心理、政治和官僚制度方面的障礙,開始展開教學和宣講。在第一版和第二版的《情報分析案例:結構化分析方法的應用》序言中,羅伯特·傑維斯對此進行了權威性的清楚表述。
 
3.情報分析方法論領域中的主要學者,包括本書的兩位知名作者,通過案例研究,發展出一套令人耳目一新的結構化分析方法,並加以核對總和精煉,用來消除上述障礙。
 
以上個人觀察權且作為《情報分析案例》和本書的第二版序言,這兩本書對情報分析實踐做出了富有價值的貢獻。結構化分析方法並非一劑萬應靈藥,並不能自動改進手頭評估,增進分析人員的批判性思維,但書中經過多方驗證的程式卻有望實現以上兩個目標。
 
1.這些案例涉及一系列挑戰:從採用結構化形式組織已知資料(例如年表法),來降低由資料過多所帶來的不確定性挑戰,一直到利用結構化形式來評估多個看似合理的結果(例如情景分析法),來降低由資料過少引發的不確定性挑戰。
 
2.案例以闡述分析性挑戰的性質、可能的矯正方法的本質、結構化本身帶來的成本—收益預期等內容加以展開,然後講述所選結構化分析方法的效力。
 
3.每個案例均配有一份重要的推薦讀物清單,提醒讀者利用專家知識,推動結構化分析的有效實施。
 
4.學習重點是健全可靠的分析流程——例如,改變觀察案例問題的工具,而非給出正確答案。
 
5.同樣,書中還指出了過度自信和嚴重依賴現有範例帶來的風險,以及質疑和挑戰傳統觀點(conventional wisdom,墨守成規)取得的收穫。
 
鑒於上述及其他原因,《情報分析案例》和本書不僅對潛在及在業的情報分析人員十分有用,而且事實上,對於管理著重大不確定性問題,以便為負責做出決策和採取行動的客戶提供服務的所有領域的分析人員也是如此。
 
現簡要評價一下這兩本書對此類分析團體的潛在價值:
 
20世紀60年代,資深分析人員因擁有精湛的專業知識和批判性思維技巧而受到他人尊重,最重要(“不能失誤”)的評估任務往往被指派給他們。這些人往往抵制引入正式的結構化分析方法。對於採用結構化分析方法,有些情報分析人員要麼認為毫無必要,要麼認為是純屬添亂。管理者還會抬出前總統雷根制定的“相信但需要驗證”(Trust but Verify)標準,來柔化這種抗拒。針對無人持有異議的判斷和可信度,情報分析專家可以把結構化分析方法用作自保方法,其中包括“事前分析法”(Pre-Mortem Analysis)和“A 隊/ B 隊法”(Team A-B Analysis),後者在分析人員意見不一時使用。
 
我相信,將大量專業知識、批判性思維與結構化分析方法三者的精華融合,可以為預防分析缺陷提供一個最佳保障。《情報分析案例》和本書是幫助情報分析人員邁向這一目標的必備工具。
網路書店 類別 折扣 價格
  1. 新書
    87
    $564