情報分析

人間の直観を重視するアート
メソッドによる積み重ねを重視するサイエンス
両者の融合をはかることが大切

直観にともなうバイアスを軽減する
ベースレートの誤信＝ベイズの定理的思考（仮説の見直し）

ギャンブラーの誤信＝コインの表が２０回連続で出ても、次の裏が出る確率は50％

利用可能性のヒューリスティック
無意識に思い出しやすいもの、利用しやすいものを重視してしまう。
『こういう人がいる』症候群・・・個人的に得たインフォメーションの方を採用する。
どこまで全体を代表しているかわからない数名の人間が対面方式で与えたインフォーメーションの方を信じる。
無意識のうちにクローズアップされたインフォメーションを過大評価（航空事故や自然災害、テロなど）
特に多忙の時に生じやすい
→大量のインフォをこつこつ読み解くことをおろそかにしてはならない

因果関係のヒューリスティック
　因果関係がないものもある

アンカリングのヒューリスティック
無意識のうちに結論を出してしまい、そのうちにそれを徐々に修正する。
とりあえずの結論がアンカーのようになってしまい、あとで色んなインフォメーションを与えられても十分に修正できない。
きわめて深刻なヒューリスティクスである

後知恵のヒューリスティック
　結果が出た後で自分も想定していたと思いたがる

リンチピン分析
　仮説検討の前提にどのような「当然の前提」があるか
　当然の前提が、くずれると、ただの仮説になる。

グループ分析の問題
　グループで分析しても、バイアスが軽減されるとは限らない

ヒューリスティックスを回避するため、競合仮説分析を使う。
７０年代にCIAで開発

競合仮説分析（ACH）のやり方
１．仮説を出し切る
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を作成
３．アレクサンダーの質問・・・どのようなインフォがあれば仮説が否定できるかを考える
４．インフォと仮説の突き合わせ
　　　（C・・・適合、？・・・判断できない、I・・・整合しない←これが一番重要）
５．新たな仮説がないか検討、すべての仮説でCなものは消す
６．Iが極めて多い仮説は消す
７．アート（直観）で判断
　　　　最終的にはアートだが、サイエンスを基礎に据えることで、判断の誤りを減らすことができる。
８．メソッドの結論と、直観が食い違っていないか判断、食い違っていれば理由を検討すべき。

ベイズ理論とは何か

　ベイズ理論は、おおまかに言うと「未来を推測するには過去を振り返らなければならない」と要約することができる。つまり、ベイズは未来の出来事の確率はその事象の過去の発生頻度を求めることで計算できると説いたのだ。例えば、宙に投げられたコインが表向きに着地する確率が0.5であることは実験データから分かるといった具合

仕事に役立つインテリジェンス (PHP新書)