Политическое прогнозирование

В профессиональной деятельности политического аналитика, эксперта или консультанта, задействованного в информационно-аналитическом обеспечении выработки и принятия политико-управленческих решений, часто возникают ситуации, когда требуется транслировать теоретические гипотезы, переменные и показатели, модели, графики и прочие атрибуты описательной науки в нечто, обладающее практической значимостью, способное оказать реальное влияние на окружающую действительность — в политическую рекомендацию. В той или иной форме любая рекомендация предполагает способность приоткрыть завесу, скрывающую от нас будущее. Таким образом, первым шагом на пути превращения политического аналитика из кабинетного мыслителя в участника процесса принятия и реализации политических решений является прогнозирование. Прогнозирование (forecasting) имеет ряд близких по смыслу смежных понятий. В частности, предсказание, или предвидение (prediction) — разновидность аналитической деятельности, имеющая более широкое значение, включающее в себя познание любой неизвестной ситуации, будь то в будущем, настоящем или прошлом.

Прогнозирование отличается от предвидения более узкой направленностью на события будущего. Там, где события будущего являются неуправляемыми (особенно в естественных науках), имеет место безусловное предсказание с целью приспособления к ожидаемой ситуации. Принципиальным для понимания природы и функции прогнозирования в прикладных политико-управленческих дисциплинах является то, что — как одна из форм предвидения, — прогнозирование находится во взаимосвязи с целеполаганием, программированием, проектированием и управлением. Представляется целесообразным также развести понятия «прогнозирование» и «планирование». Прогнозирование имеет отношение, скорее, к определению того, каким может быть будущее, в то время как планирование предполагает формулирование того, каким должно быть будущее. В этом смысле прогноз является элементом ввода в процесс планирования. Подобное разведение двух понятий имеет как концептуальное, так и прикладное значение. В то же время некоторые авторы склонны инкорпорировать элемент планирования в концепцию прогнозирования, в результате чего последнее подразделяется на поисковое и нормативное (последнее как раз и соотносится с понятием планирования ). Прогнозирование является неотъемлемым компонентом процесса выработки и принятия любого решения, последствия которого представляются значимыми для лица, его принимающего. Организации принимают решения, предполагающие распределение ресурсов, размещение объектов инфраструктуры, набор персонала, заключение контрактов с поставщиками и потребителями, и т. д. Индивиды принимают решения, связанные с инвестициями в свое будущее, выбором типа карьеры, выдвижением своей кандидатуры на выборные должности, противостоянием врагам и привлечением союзников, и т. д. Каждый раз при этом полезно представлять себе характер возможных последствий таких решений. Существуют различные варианты типологии методов прогнозирования : по основанию используемых данных; по основанию того, кто осуществляет прогнозирование; по степени точности и сложности методологии.

Субъективными являются методы, предполагающие нечеткие и не вполне специфицированные процессы для анализа исходных данных. Такие методы также именуют имплицитными, неформальными, интуитивными, или клиническими. Они могут опираться на простые либо сложные процессы; могут использовать объективные либо субъективные данные в качестве вводных; могут сопровождаться формальным анализом; однако критически значимым признаком для данной группы методов остается то, что все вводные данные преобразуются в прогностические выводы в голове аналитика9. Объективные методы, напротив, опираются на четко специфицированные процессы анализа вводных данных. Такие методы упоминаются также как эксплицитные, статистические, или формальные методы. Данные методы также могут быть простыми и сложными; использовать субъективные или объективные данные; сопровождаться формальным анализом либо нет. Однако здесь критически значимым отличием является то, что вводные данные преобразуются в прогностические выводы посредством процессов, которые могут независимо воспроизвести другие исследователи и при этом получить аналогичные результаты. Кроме того, такие процессы могут быть воспроизведены компьютером. Дж. Скотт Армстронг отмечает, что на практике большинство прогнозов осуществляется с помощью субъективных методов, боле того: чем более важным представляется прогноз, тем более вероятно обращение к субъективным методам. Осознанный выбор между объективными и субъективными методами является наиболее значимым моментом в аналитической практике.

Наивные методы не претендуют на установление причинно-следственных взаимосвязей, присутствующих в прогнозируемой ситуации; они ограничиваются анализом данных только по интересующей исследователя переменной, при этом наблюдаемая историческая динамика проецируется на будущее. Каузальные методы задаются не только вопросом «как?» но и «почему?»: устанавливаются причинно-следственные взаимосвязи между интересующей исследователя переменной (зависимой) и объясняющими ее поведение переменными (независимыми). Наличие причинности при этом предполагает два условия: а) независимая переменная Х является необходимым либо достаточным условием для проявления зависимой переменной Y; в) Х предшествует Y во времениl2. Наконец, методы, которые относятся к категориям объективных и каузальных, могут быть в свою очередь дифференцированы в соответствии с третьей линией размежевания. Линейные методы предполагают обыденную логику причинно-следственных взаимосвязей, которая укладывается в классическую формулу:

Y = a + b1X1 + b2X2 +…,

где Y — прогнозируемая переменная, X — каузальные переменные, a — константа, b — взаимосвязь. Линейные методы привлекательны прежде всего своей простотой, доступностью, надежностью и низкими требованиями в отношении ресурсов. Нелинейные методы, напротив, сложны для понимания, более ресурсоемки, и их прогностический потенциал не был убедительно продемонстрирован. Различие между линейными и нелинейными методами прогнозирования представляется наименее значимым из трех названных. Противопоставление субъективных и объективных, наивных и каузальных методов не следует воспринимать как абсолютное и непреодолимое.

На практике, получают распространение смешанные методы (например, комплексные экспертные системы), соединяющие в себе элементы тех и других подходов для решения многоуровневого комплекса задач, связанных с обеспечением процесса выработки, принятия и имплементации решений. При классификации методов прогнозирования также представляются значимыми такие различения, как число переменных (одномерное и многомерное прогнозирование), характер участников (самостоятельное либо с привлечением экспертов ) и некоторые другие. На основе различных типологий Дж. Скотт Армстронг предлагает следующее «дерево прогностических методов »: За последнюю четверть века наблюдатели отмечают тенденцию движения от субъективных к объективным и от наивных к каузальным методам прогнозирования. Однако динамика этого движения остается достаточно медленной. Субъективные методы в целом сохраняют преобладание над объективными, особенно в вопросах, представляющих высокую значимость для лиц, принимающих решения. Субъективное мнение руководства играет более значимую роль в вопросах, касающихся стратегии развития организации в целом, нежели отдельных организационных единиц, видов деятельности или производимых продуктов и услуг. Решающим фактором, способствующим росту интереса к объективным методам прогнозирования, признаются более низкие издержки, необходимые для его осуществления.

В отношении точности полученных результатов объективные методы не демонстрируют заметно более высоких показателей, в сравнении с субъективными методами, за исключением отдельных областей применения (таких, например, как прогнозирование климатических и погодных изменений, где компьютерные модели практически полностью вытеснили экспертное суждение, однако эти примеры не представляют интереса для политического анализа). Специалисты, тем не менее, склонны считать, что в области долгосрочных прогнозов объективные методы являются более точными и надежными. Своеобразным препятствием к широкому распространению объективных методов в области принятия политических решений является опасение со стороны носителей субъективных экспертных знаний — собственно лиц, принимающих решения, их высокооплачиваемых советников, экспертов, и т. д. — утратить влияние и контроль над ситуацией. Эти соображения, как свидетельствуют исследования, в некоторых случаях приводят даже к отказу от использования установленных и отлаженных прогностических компьютерных систем на предприятиях и в организациях19. Имеются и иные, фундаментальные причины сомневаться в возможности перевода всей прогностической активности на формализованные, объективные рельсы: они кроются в самой природе социальной реальности (более подробно см. Политический анализ). Тенденция движения от наивных к каузальным методам прогнозирования представляется более устойчивой и общепризнанной, особенно в областях социологических и экономических дисциплин.

Данная тенденция подкрепляется улучшением качества и количества доступных данных, а также повышением наших способностей хранить и обрабатывать эти данные благодаря развитию и распространению компьютерных технологий. Вместе с тем, имеются и различия в факторах, определяющих первую (от субъективных к объективным) и вторую (от наивных к каузальным) тенденцию, и главное из них в том, что каузальные методы более ресурсоемки в сравнении с наивными, таким образом, фактор экономии издержек здесь если и имеет место, то только благодаря галопирующей инфляции вычислительных ресурсов в ходе переживаемой нами информационно-коммуникативной революции. При этом обращение к более сложным и дорогостоящим методам прогнозирования дает заметный прирост в точности результатов только в решении задач, имеющих долгосрочный характер. В области долгосрочного прогнозирования также заметна тенденция движения от линейных к нелинейным методам.

Наконец, общепризнанной тенденцией является рост популярности смешанных, комплексных методов прогнозирования, преодолевающих традиционные линии размежевания. Простейший из объективных методов прогнозирования — экстраполяция — предполагает поиск некоторых исторических данных, репрезентативных в отношении прогнозируемого события. Допущение при этом заключается в том, что будущее событие будет соответствовать имеющимся данным. Источниками данных для экстраполяции могут служить: исторические данные, аналогичные ситуации, лабораторные и полевые симуляции. Как правило, экстраполяция опирается на исторические данные, при условии, что мы уже имели опыт знакомства с интересующим нас явлением. Экстраполяция опирается на допущение, согласно которому все факторы, определяющие динамику ситуации в прошлом, будут иметь место и в будущем, порождая аналогичный характер изменения показателей либо аналогичную модель поведения. Этот постулат известен как допущение преемственности. Принятие данного допущения предполагает некоторую философскую и идеологическую позицию, связанную с представлениями об эволюционном и инкрементальном характере общественного развития. Поскольку такое представление достаточно характерно для западной традиции вообще, и традиции прикладных политико-управленческих наук в частности, постольку экстраполяция находит широкое признание и применение на практике. В силу того что основополагающее допущение по поводу стабильной динамики прогнозируемого явления утрачивает свою достоверность по мере увеличения горизонта планирования (т. е. в долгосрочной перспективе), экстраполяция дает более надежные результаты скорее в краткосрочной, нежели долгосрочной перспективе. В случае если исторические данные недоступны либо не дают надежное основание для прогнозирования ввиду ожидаемых значительных изменений в ситуации, источником данных может служить аналогичная ситуация. Так, если предметом прогнозирования является значительное изменение в сложившихся условиях деятельности отдельных групп граждан, коммерческих или государственных организаций (введение новой ставки таможенных пошлин, новых условий регистрации, внедрение нового вида общественного транспорта и т. д.), можно воспользоваться данными по другим странам, регионам, городам и т. д., в которых подобные инициативы уже были реализованы. Наконец, в отсутствии реальных аналогичных ситуаций можно обратиться в качестве источника данных к симуляциям, которые могут быть осуществлены как в лабораторных, так и в полевых условиях.

Полевые симуляции обладают преимуществом большего реализма, вместе с тем являются наиболее ресурсоемким способом получения исходных данных для экстраполяции. Для обоих видов симуляции слабым звеном является проблема смещения результатов как следствие предвзятости исследователя либо реакции испытуемых на сам факт участия в испытании. Современные и широко распространенные программные приложения в области статистики — SPSS, Statistica — значительно облегчают задачу аналитика, обращающегося к этим и другим методам анализа исторических данных. Одна из наиболее уязвимых сторон статистического анализа временных рядов состоит в том, что полученные результаты никогда не позволяют судить о причинности, но только о совпадении интересующих нас событий и явлений. Эмпирические данные могут лишь продемонстрировать, что независимая и зависимая переменные изменялись в одном направлении, однако они не говорят нам ничего о том, явилась ли первая причиной второй. Каузальное прогнозирование исходит из того, что поведение зависимой переменной в будущем не связано решающим образом с прошлыми трендами и не может быть предсказано на их основе; это поведение детерминировано комплексом причинно-следственных взаимосвязей между зависимой переменной и независимыми факторами. Допустим, мы желаем определить объем будущих расходов на нужды обороноспособности страны. Прибегая к экстраполяции, можем выявить среднегодовые темпы роста расходов на оборону за последние годы и на этой основе рассчитать динамику расходов на следующие 5–10 лет. Либо мы можем сконструировать теоретическую модель, обобщающую наиболее значимые факторы обороноспособности, — такие как характер и география внешних угроз, ценности и приоритеты государственной политики, тенденции экономического роста, моральное и физическое устаревание вооружений и техники, повышение квалификации и переподготовка военнослужащих, переход на новую систему комплектования, миротворческие обязательства страны, научно-исследовательские и опытно-конструкторские разработки и т. д., и на этой основе спрогнозировать будущие потребности в финансировании.

Экстраполяция и теоретическое прогнозирование обладают специфическими достоинствами и недостатками. Метод экстраполяции, как правило, прост и доступен, что особенно ценно, когда речь идет о краткосрочной прескриптивной рекомендации. Напротив, каузальное моделирование предполагает углубленное понимание комплекса причинно-следственных взаимосвязей. Такой метод больше подходит для долгосрочных политических исследований, стратегического планирования и прогнозирования. В общих чертах, при выборе того или иного метода прогнозирования рекомендуется следовать следующим рекомендациям25. К методу экстраполяции следует прибегать, если: — в прошлом тенденция имела линейный и стабильный характер, т. е. в краткосрочной перспективе изменения были незначительны; — отсутствует углубленное представление о природе причинно-следственных взаимосвязей; — отсутствует запас времени и ресурсов для проведения углубленного исследования ситуации. Существует множество областей принятия политико-управленческих решений, в которых рутинное применение метода экстраполяции оправданно и уместно. Это касается политики в областях: культуры и образования; здравоохранения; жилищного и социального строительства; муниципальной политики ; и ряда других областей. Действительно, определяющую роль в перечисленных областях политики играют социально-демографические факторы, традиционно демонстрирующие достаточно высокую степень стабильности и линейный характер: рождаемость и смертность; поло-возрастной состав населения; динамика браков и разводов; уровень заболеваемости; и др. Соответственно линейный и стабильный характер приобретают политические решения: расходы на строительство новых детских садов, школ, больниц, объектов культуры и спорта, автостоянок и гаражных комплексов, развитие инфраструктуры общественного транспорта и т. д. Сравнительно низкая степень привлекательности данных областей политики с точки зрения лоббизма, связанная, в свою очередь, с традиционным (не только для России) остаточным принципом финансирования, также способствует предсказуемости и стабильности.

 Хронический дефицит финансирования, кроме того, ограничивает возможности осуществления углубленных комплексных исследований. В противоположность этому, политика в области финансово-экономического регулирования, в области безопасности, внешней политики, информационной политики и в некоторых других областях традиционно остается достаточно динамичной и нелинейной, что ограничивает применимость методов экстраполяции. Статистические прогнозы, построенные на исторических данных, как было показано выше, исключительно зависимы от стабильности наблюдаемых переменных и их взаимосвязей. Данное обстоятельство приобретает решающее значение, когда речь заходит о применимости данных методов в интересах информационного обеспечения процесса выработки и принятия политико-управленческих решений. Если статистически выведенные взаимосвязи, которыми оперирует статистический прогноз, содержат именно те переменные, которые должны стать объектом управленческого воздействия, тогда они должны быть подвергнуты теоретической модификации, в противном случае прогнозируемые результаты оказываются под большим вопросом, поскольку нарушается основное допущение статистической экстраполяции — допущение преемственности. Между тем многие регулятивные политические решения, с которыми имеет дело аналитик, предполагают значительные сдвиги в поведенческих моделях отдельных граждан, сообществ, организаций и институтов, делающие все прошлые наблюдения практически иррелевантными. Как замечает в этой связи Джонатан Куми: «Перед лицом таких серьезных изменений, просто смешно загружать компьютеры статистическими расчетами, построенными на исторически наблюдаемых взаимосвязях для прогнозирования на сто лет вперед». Даже сравнительно тривиальные и узко направленные регулятивные решения и их последствия, представляющие собой рутину прикладного политико-управленческого анализа, например, в области муниципального развития, могут иметь достаточно комплексный характер. Очевидно, что подлинно реформаторские политические инициативы, затрагивающие интересы миллионов людей, десятков отраслей экономики и, возможно, даже иностранных государств, предполагают экспоненциально растущие аналитические усилия, направленные на моделирование, оценку и прогнозирование их последствий. Построение каузальной модели в качестве первого шага предполагает спецификацию модели, т. е. формулирование причинно-следственных связей между зависимыми и независимыми переменными. Уже на этом этапе, различия между анализом временных рядов и теоретическим моделированием приобретают ясность: для построения модели, в которой единственным объяснительным фактором является временной тренд, нам не нужна теория, объясняющая причины и следствия в изучаемой ситуации.

Теоретическое моделирование, напротив, требует углубленного понимания такого рода взаимосвязей. В широком значении моделирование является одним из основных принципов теории познания, на котором строится по существу любой метод научного исследования, как теоретический, так и экспериментальный: в самом общем значении, модель являет собой упрощенное представление действительности, используемое для изучения ее ключевых свойств. В узком же значении моделирование является одним из возможных методов прогнозирования, предполагающим формализацию и математическое выражение основных элементов и взаимосвязей нашей проблемы. Математические модели позволяют осуществлять информационно-аналитическое обеспечение решений, принимаемых в комплексных, многофакторных проблемных ситуациях. В нескольких уравнениях математической модели зачастую может быть заключен огромный объем информации. Во многих случаях возможна и компьютерная имитация политического процесса. Используя математические средства, аналитик оказывается в состоянии взять на вооружение многие из методов, разработанных в логике, статистике, физике, экономик е и других отраслях знаний, и применить их к изучен ию политической реальности. И, наконец, математические модели ясны и эксплицитны по форме и не оставляют недоговоренностей в том, что касается предполагаемых связей между явлениями.

Моделирование обеспечивает получение опыта, позволяя делать ошибки и исправлять их, не неся при этом материальных и моральных потерь; дает возможность производить проверку предлагаемых модификаций и изменений, изучать организацию и структуру систем в динамике еще до реального воплощения в жизнь; позволяет воспроизводить события прошлого, настоящего, а также вероятного будущего и проверять действие сил в тех процессах, реальное протекание которых осуществить в современных условиях и в обстановке трудно или вообще невозможно. Математическое моделирование нашло широкое применение в процессах выработки политико-управленческих решений во второй половине ХХ в., в особенности в связи со вступлением человечества в атомную эпоху и началом холодной войны. Резко возросшая цена риска такого рода решений, измеряемая порой не только миллиардами долларов, но и миллионами человеческих жизней, качественным образом повысила степень ответственности лиц, принимающих решения в областях военной и внешней политики. В этой ситуации обучение на собственных ошибках стало недоступной опцией, и прогнозирование последствий принимаемых решений перешло в область математического моделирования. Именно на разработке сценариев глобального термоядерного конфликта для Пентагона и Белого дома в 50-е гг. ХХ в. сделал себе имя один из наиболее известных и крупных центров политического анализа в США, Rand Corporation. В 50–60-е гг. решающую роль в повышении интереса к научным методам анализа и прогнозирования социально-политических процессов сыграл фактор снижения реальных издержек компьютеризации.

Возможность конструировать большие модели влекла за собой способность понимания больших национальных проблем посредством измерения (а затем минимизации) потерь в экономической эффективности от различных политических альтернатив. В то же время недостатками методов прогнозирования, предполагающих комплексное теоретическое моделирование, в сравнении с большинством экстраполяционных и экспертных методов, являются повышенная сложность и ресурсоемкость. Преимущества в прогностической точности таких методов могут быть продемонстрированы главным образом на комплексных долгосрочных примерах, в то время как для тривиальных и краткосрочных ситуаций возможный выигрыш в точности либо трудно продемонстрировать, либо он не выдерживает теста «цена-качество». Неудивительно, что в практике прикладного политико-управленческого анализа применение теоретических моделей прогнозирования находит ограниченное, хотя и весьма значимое применение. Вместе с тем, политическая история ХХ в. знает и немало примеров неудачных, амбициозных попыток обращения к прогнозированию на основе комплексных теоретических моделей в целях воздействия на политический процесс и принятие решений. Наделавший немало шума прогноз Римского Клуба «Пределы роста», опубликованный в 1972 г., утверждал, что «при условии сохранения нынешних трендов роста населения мира, индустриализации, загрязнения окружающей среды, производства продуктов питания и исчерпания невосполнимых природных ресурсов, пределы роста на данной планете будут достигнуты где-то в течение следующих 100 лет.

Наиболее вероятным результатом этого будет внезапный и неконтролируемый упадок как человеческого, так и промышленного потенциала». Основной методологический порок данной модели, как показал критический анализ и объективный опыт, состоит в том, что, экстраполируя, формально распространяя на будущее современные им тенденции экономического, научно-технического и демографического роста, авторы не учитывают того обстоятельства, что накопление количественных изменений не может не сопровождаться перерывом в постепенности, скачками, коренными качественными изменениями в знаниях, технологиях, формах производства и моделях потребления, и т. д. Между тем, подобные алармистские прогнозы в значительной степени способствовали появлению глобальных политических стратегий, предполагающих искусственное торможение экономического роста; при этом, вопреки формальной логике (но вполне в духе логики большой политики ) объектами приложения этих стратегий оказались не главные производители загрязнения и потребители львиной доли планетарных ресурсов (США и индустриально развитые страны Запада), но страны, связывающие с промышленным ростом перспективы выхода из тупика отсталости и хронической нищеты — развивающиеся страны Третьего мира. Так, некорректные результаты прогнозирования транслировались в этически сомнительные и потенциально взрывоопасные политические стратегии.

В опрос ограниченности субъективных способностей человеческого разума в анализе, прогнозировании и решении комплексных общественных проблем, остро поставленный в свое время Гербертом Саймоном и Чарльзом Линдбломом, остается актуальным и сегодня. На практике большинство политических аналитиков, не говоря уже о лицах, принимающих решения, не склонны к мучительным рефлексиям по этом поводу, и предпочитают действовать так, как если бы этих ограничений не существовало вовсе. В частности, это проявляется в устойчивой популярности и абсолютном преобладании субъективных методов прогнозирования. Более того, как отмечает Дж. Скотт Армстронг, чем более важное значение имеет прогноз, тем выше вероятность обращения к субъективным методам. В целях систематизации многочисленных субъективных методов, следует начать с выделения двух возможных источников оценок: намерений (intentions) и мнений (opinions). Намерения характеризуются высказываниями людей по поводу собственных планируемых действий либо процессов, которые находятся под их контролем. Мнения, в свою очередь, имеют отношение к явлениям, которые находятся за пределами непосредственного контроля лиц, их высказывающих. К интенциональным прогнозам обращаются при наличии следующих условий: — когда прогнозируемое событие представляет большую значимость (намерения имеют прогностическую ценность в вопросах, затрагивающих значимые интересы респондента.

Восприятие значимости в определенной степени является функцией времени: события, которые могут произойти в ближайшем будущем, воспринимаются как более значимые. Эти обстоятельства принято учитывать, например, в прогнозировании поведения избирателей); — когда респондент имеет план действий и обладает ресурсами и возможностями для его выполнения (степень формализации намерений влияет на ценность результатов прогноза. Так, намерения, выраженные в юридически обязательных документах, представляют достаточно надежное основание для прогноза. Возможности выполнения плана в значительной степени определяются степенью независимости от окружающей среды. Например, во многих политически значимых вопросах действия респондентов в определенной мере детерминированы противодействиями других сторон); — когда новая информация не может изменить содержание плана (значимость интенциональных прогнозов снижается, если между моментом составления прогноза и моментом исполнения плана вклиниваются дополнительные непредвиденные события и обстоятельства). В прикладном политическом анализе, интенциональные прогнозы находят широкое применение в области электоральных технологий, в политическом маркетинге, в моделировании результатов коллективного принятия решений (прогнозы прохождения законопроектов) и т. д.

Одним из слабых мест данных методов является высокая степень зависимости от ошибок выборки и низкого отклика респондентов. Прогнозы на основе мнений имеют более широкую область приложения в сравнении с интенциональными прогнозами, главным образом в силу того, что первые не ограничены ситуациями, в которых респондент обладает влиянием. Данные по мнениям легкодоступны, ошибки выборки не представляют угрозы (на практике, прогноз может быть выполнен одним «носителем мнения» — экспертом), проблема отклика также не играет роли (если один эксперт отказывается от участия, как правило, его можно заменить другим)33. Вместе с тем есть и специфические проблемы, связанные с прогнозированием на основе экспертного мнения. Ошибка смещения (bias) может проявляться в разных формах в практике экспертных оценок. Одна из типичных форм известна как ошибка оптимиста: оценки, высказываемые экспертами / респондентами, содержат не только мнение о том, что может произойти, но и надежду на то, что должно произойти. Данная форма смещения имеет место даже в тех ситуациях, когда эксперты / респонденты не могут ожидать личной выгоды от того или иного варианта будущего, кроме чувства удовлетворения. Ошибка привязки (anchoring) выражается в зависимости суждения эксперта от ранее приобретенных убеждений и предрассудков. Прогнозы, полученные путем экспертного опроса, имеют тенденцию быть более консервативными, чем прогнозы на основе статистической экстраполяции. В качестве анекдотического примера можно привести «прогноз», высказанный президентом компании Digital Equipment Corporation (DEC) на конференции Общества мирового будущего в 1977: «Не существует ни одного соображения, которое бы побудило индивидуального пользователя иметь компьютер у себя дома»36, Между тем именно 1977 г. принято считать началом «революции персональных компьютеров». Ошибка игрока 37 выражается в непроизвольном игнорировании основополагающих начал теории вероятности. Например, вероятность выпадения «орла» при подбрасывании монеты составляет, как известно, 1/2=0,5; это не означает, однако, что если в первый раз выпал «орел», в следующий раз должна выпасть «решка» — наблюдаемая вероятность будет приближаться к значениям теоретической (прогнозируемой) по мере роста числа попыток. Для каждой же отдельной попытки вероятностные значения остаются одними и теми же: 1 / 2. Ошибка игрока имеет место в случае, когда после серии одинаковых результатов мы подсознательно ожидаем более высокую вероятность обратного результата в следующей попытке, как если бы всерьез верили в то, что справедливость торжествует в мире объективных статистических закономерностей.

Экспертные оценки (как разновидность субъективных методов прогнозирования) — это суждения высококвалифицированных специалистов-профессионалов, высказанные в виде содержательной, качественной или количественной оценки объекта, предназначенные для использования при принятии решений. Экспертизы бывают индивидуальные и коллективные, однотуровые и многотуровые, с обменом информацией между экспертами и без, анонимные и открытые, Многообразие областей применения делает достаточно многообразным и гибким используемый на практике аппарат экспертного оценивания. Основными областями применения экспертных методов являются следующие: определение целей (при принятии важных решений, последствия реализации которых могут сыграть значительную роль, необходимо четко представлять цели, к достижению которых стремится лицо, принимающее решение. Для сложных ситуаций разработаны и используются методы формирования деревьев цели, позволяющие определить иерархическую структуру системы целей, и деревьев критериев, позволяющих оценить степень достижения целей). Генерирование альтернативных вариантов (процедуры генерирования альтернативных вариантов могут предусматривать как специальную организацию и проведение экспертиз с использованием методов типа мозговой атаки и т. д., так и создание автоматизированных систем генерирования альтернативных вариантов в сложных, но достаточно структурируемых случаях). Прогнозирование и построение сценариев (во многих сложных ситуациях далеко не всегда мы обладаем достаточно достоверной статистической информацией, необходимой для применения традиционных способов прогнозирования. Одной из основных задач при разработке сценария является определение факторов, характеризующих ситуацию и тенденции ее развития, а также определение альтернативных вариантов динамики их изменения.

Наиболее распространенным методом экспертного оценивания при формировании альтернативных вариантов сценариев является метод мозговой атаки в сочетании со специальными методами использования аналитической информации). Большое значение при экспертном оценивании придается методам организации и проведения экспертиз. Метод комиссий состоит в открытой дискуссии по обсуждаемой проблеме для выработки единого мнения экспертов. Коллективное мнение определяется в результате открытого или тайного голосования. В некоторых случаях к голосованию не прибегают, выявляя результирующее мнение в процессе дискуссии. Преимущества метода комиссий: возможен рост информированности экспертов, поскольку при обсуждении эксперты приводят обоснование своих оценок, и обратная связь — под воздействием полученной информации эксперт может изменить первоначальную точку зрения. Однако метод комиссий обладает и недостатками. К их числу, прежде всего, относится отсутствие анонимности. Оно может приводить к достаточно сильным проявлениям конформизма со стороны экспертов, присоединяющих свои мнения к мнению более компетентных и авторитетных экспертов даже при наличии противоположной собственной точки зрения. Дискуссия часто сводится к полемике наиболее авторитетных экспертов. Существенным фактором становит ся и различная активность экспертов, не всегда коррелированная с их компетентностью. Кроме того, публичность высказывании может приводить к нежеланию некоторых экспертов отказаться от ранее высказанного мнения, даже если оно в процессе дискуссии претерпело изменения. Экспертиза по методу суда использует аналогии с судебным процессом. Часть экспертов объявляется сторонниками рассматриваемой альтернативы и выступает в качестве защиты, приводя доводы в пользу рассматриваемой альтернативы.

Часть экспертов объявляется ее противниками и пытается выявить отрицательные стороны. Часть экспертов регулирует ход экспертизы и выносит окончательное решение. В процессе экспертизы по методу суда «функции» экспертов могут меняться. Метод суда обладает теми же преимуществам и и недостатками, что и метод комиссий. Метод Делфи, разработанный Хелмером и Делки, является одним из основных методов проведения экспертиз39. В настоящее врем я он представляет собой, по существу, группу методов, объединенных общими требованиями к организации экспертных процедур и форме получения экспертных оценок. В методе Делфи предусматривается создание условий, обеспечивающих наиболее продуктивную работу экспертной комиссии. Это достигается анонимностью процедуры, с одной стороны, и возможностью пополнить информацию о предмете экспертизы, с другой стороны. Сочетание этих двух факторов во многом определяет метод Делфи. Еще одно важное свойство — обратная связь, позволяющая экспертам корректировать свои суждения с учетом промежуточных усредненных оценок и пояснений экспертов, высказавших «крайние» точки зрения. Для реализации обратной связи необходима многотуровая процедура. Экспертизы по методу Делфи проводятся чаще всего в четыре тура. На первом туре экспертам сообщается цель экспертизы и формулируются вопросы, ответы на которые составляют основное содержание экспертизы. Вопросы предъявляются каждому эксперту персонально в виде анкеты, иногда сопровождаемой пояснительной запиской. Если предъявляемые экспертам вопросы достаточно сложны, целесообразна предварительная разработка приближенной модели исследуемой системы, чтобы правильно ориентировать эксперта, конкретизировать цели и предмет экспертной процедуры, показать характер возможных ответов.

Успеху экспертизы способствует предоставление эксперту дополнительной информации о предмете экспертизы. Информация, полученная от эксперта, поступает в распоряжение аналитической групп ы, обеспечивающей организацию, проведение, обработку промежуточных и окончательных результатов экспертизы. Аналитическая группа определяет экспертов, высказавших «крайние» точки зрения, давших самую высокую и самую низкую оценку альтернативе, усредненное мнение экспертов — медиану, верхнюю и нижнюю квартили, т. е. значения оцениваемой альтернативы, выше и ниже которых расположены 25 % численных значений оценок. Расстояние между квартилями характеризует разброс экспертных оценок, и тем самым характеризует согласованность точек зрения экспертов. На втором туре делфийской процедуры экспертам предъявляются усредненная оценка экспертной комиссии и обоснования экспертов, высказавших «крайние» точки зрения. Обоснования предъявляются анонимно, без указания давших их экспертов. После получения дополнительной информации эксперты, как правило, корректируют свои оценки. Скорректированная информация вновь поступает в аналитическую группу. Третий и четвертый туры не отличаются от второго. Характерной особенностью метода Делфи является уменьшающийся от тура к туру разброс оценок экспертов, их возрастающая согласованность. Однако иногда наблюдается поляризация различных точек зрения, что может объясняться наличием среди экспертов представителей различных научных школ, специалистов различных профилей. Полезность делфийских процедур в этом случае состоит в выяснении точек зрения групп экспертов. Наличие поляризованных точек зрения экспертов может стать и следствием неодинаковой интерпретации исходной информации, недостаточно четко сформулированных вопросов, неоднозначно понимаемых целей экспертизы.

В некоторых случаях согласованная точка зрения экспертов может быть получена уже после второго или третьего тура. Тогда необходимость проведения последующих туров отпадает. При некоторых исследованиях потребовалось проведение не менее пяти туров. В настоящее время не существует окончательного мнения о необходимом числе туров делфийской процедуры. Оно во многом определяется спецификой экспертизы и ее целями. Однако на практике ограничиваются, как правило, четырехтуровыми экспертизами. Таким образом, анонимность суждений, обоснование точек зрения экспертов, давших крайние оценки, обратная связь, реализуемая с помощью многотуровой процедуры, — основные особенности метода Делфи. Одним из популярных методов проведения экспертиз являлся метод мозговой атаки. Методика мозгового штурма была разработана в 1941 г. Алексом Осборном. Ее цель — побудить членов группы выражать самые разнообразные идеи, не опасаясь критики со стороны других. Негативно настроенный критик может «зарубить» любую идею, решение, если ему что-то не понравится. Не затратив ни времени, ни усилий критик отвергает фактически любую возможность решить проблему в сотрудничестве с другими людьми. Суть метода проста — все предлагаемые идей вносятся в список, а затем дополняются, изменяются, расширяются. В итоге группа приходит к единому решению. Смысл этой техники заключается в том, чтобы стимулировать работу воображения и мысли. Обычно в небольшой группе (6–12 человек) обсуждают какую-то определенную проблему. Один из участников группы фиксирует высказываемые предположения, замечания. Ни одна из идей не отвергается. В конце заседания все идеи, цели и стратегии обсуждаются. Выделяют следующие принципы мозгового штурма: 1. Количество переходит в качество. (Чем больше идей, решений, целей, стратегий будет предложено, тем легче вам будет увидеть необходимое решение проблемы.) 2. Не спешите с критикой. (Найдите в предложенной идее возможное решение проблемы, прежде чем ее критиковать. Мы выносим суждения зачастую инстинктивно и неправильно.) Успех мозгового штурма зависит от готовности всех членов группы. Важно создать благоприятную среду для генерирования идей, решений, целей и стратегий. Поэтому необходимо избегать негативных оценочных суждений.

Этапы проведения мозгового штурма: 1. Определение задачи. Сформулируйте — как можно четче — вашу проблему в виде вопроса. 2. Генерирование идей, целей, решений, стратегий. Их фиксация в наглядном виде. 3. Перерыв. Желательно в виде кофе-брейка.4. Оценка идей. Ведущий — сам или с участие всей группы — делит идей на три группы: те, которые дадут при осуществлении быструю отдачу; те, над которыми надо поработать и те, которые являются перспективными. Метод сценариев. Разрабатываемые специалистами сценарии развития анализируем ой ситуации являются одним из мощных инструментов при принятии управленческих решений. Они позволяют с тем или иным уровнем достоверности определить возможные тенденции развития, взаимосвязи между действующими факторами, сформировать картину возможных состояний, к которым может прийти ситуация под влиянием тех или иных воздействий. Профессионально разработанные сценарии позволяют более полно и отчетливо определить перспективы развития ситуации как при наличии различных управляющих воздействий, так и при их отсутствии. С другой стороны, сценарии ожидаемого развития ситуации позволяют своевременно осознать опасности, которыми чреваты неудачные управленческие воздействия или неблагоприятное развитие событий. Сопоставление и оценка возможных сценариев развития ситуации как под действием различных управляющих воздействий, так и под воздействием фоновых, не зависящих от действий ЛПР факторов, способствует принятию, подчас единственно верных решений. Считается, что первым сценарии для прогнозирования развития сложных систем использовал Герман Кан. Первые сценарии носили преимущественно описательный характер. Впоследствии метод сценариев был в значительной степени развит за счет использования более точных качественно-количественных моделей. Метод сценариев предполагает создание технологий разработки сценариев, обеспечивающих более высокую вероятность выработки эффективного решения в тех ситуациях, когда это возможно, и более высокую вероятность сведения ожидаемых потерь к минимуму в тех ситуациях, когда потери неизбежны. В настоящее время известны различные реализации метода сценариев, такие, как метод получения согласованного мнения, повторяющаяся процедура независимых сценариев, матрицы взаимодействия и др. Метод получения согласованного мнения является, по существ у, одной из реализации метода Делфи, ориентированной на получение согласованного мнения различных групп экспертов относительно крупных событий в той или иной области в заданный период будущего. К недостаткам этого метода можно отнести недостаточное внимание, уделяемое взаимозависимости и взаимодействию различных факторов, динамике развития ситуации. Метод повторяющегося объединения независимых сценариев состоит в составлении сценариев по каждому из аспектов, оказывающих существенное влияние на развитие ситуации, и повторяющемся итеративном процессе согласования сценариев развития различных аспектов ситуации. Достоинством этого метода является более углубленный анализ взаимодействия различных аспектов развития ситуации.

К недостаткам можно отнести недостаточную разработанность и методическую обеспеченность процедур согласования сценариев. Метод матриц взаимовлияний, разработанный Гордоном и Хелмером, предполагает определение на основании экспертных оценок потенциального взаимовлияния событий рассматриваемой совокупности. Оценки, связывающие все возможные комбинации событий по их силе, распределению во времени и т. д., позволяют уточнить первоначальные оценки вероятностей событий и их комбинаций. К недостаткам метода можно отнести трудоемкость получения большого количества оценок и корректной их обработки.