Çapraz etki analizi: çapraz etki matrisi nasıl kurulur?

İngilizce sürüm (English version)
Çapraz etki analizi, bir çalışmadaki her eğilimi diğer bütün eğilimlerle tek tek, ikişer ikişer karşılaştırarak hangi birleşimlerin önemli olduğunu ortaya çıkarma disiplinidir. Strateji ekiplerinin çoğu, pazarlarını dönüştüren beş ya da on gücü sayabilir. Ancak bu güçlerden ikisi aynı anda bastırdığında ne olacağını soran pek azdır. Çapraz etki matrisi bu soruyu her çift için sormaya zorlar; bir öngörü projesinin en şaşırtıcı bulguları da genellikle buradan çıkar.
Kısaca
- Nedir: Aynı eğilimlerin, olayların ya da tahminlerin hem satırlarda hem sütunlarda yer aldığı bir tablodur. Her hücre, satırdaki öğenin sütundaki öğeyi daha olası mı, daha az olası mı kıldığını yoksa etkilemediğini mi kaydeder.
- Kim buldu: Theodore J. Gordon ve Olaf Helmer, 1966’da Kaiser Aluminum & Chemical Corporation için Future adlı bir gelecek oyunu tasarlarken. Gordon ve Howard Hayward, ilk bilgisayar sürümünü 1968’de Futures dergisinde yayımladı.
- Ne işe yarar: Kimsenin izlemekle görevlendirilmediği eğilimler arasındaki etkileşimleri bulmaya ve bir senaryo setinin kendi içinde tutarlı olup olmadığını sınamaya.
- Ne kadar sürer: 6’ya 6’lık bir tabloda 30 çift vardır ve bir öğleden sonrada bitirilebilir. 20’ye 20’lik bir tabloda 380 çift vardır; bir ekip ve birkaç oturum gerekir.
- Nereye oturur: Eğilimler toplanıp tahminler değerlendirildikten sonra, senaryolar kurulmadan önce. Tek bir değişikliği dışa doğru izleyen gelecek çarkının (İngilizce) çok sayıda eğilim için tasarlanmış karşılığıdır.

Çapraz etki analizi ne yapar?

Her öngörü projesi bir liste üretir: yaşlanan nüfus, ucuzlayan sensörler, yeni düzenlemeler, nitelikli iş gücü açığı, değişen tüketici değerleri. Liste işin kolay kısmıdır. Zor olan, Future, Inc. (AMACOM, 2007) kitabımda yazdığım gibi, sonuçların ancak bütün bilgiler bir araya getirilip “süper bağlantılı” hâle geldiğinde görünür olmasıdır. İnsanlar eğilimleri tek tek, ayrı birimlerde ve ayrı raporlarda izler. Tehditler ve fırsatlar ise aralarındaki boşluklarda durur.
Çapraz etki analizi bu boşlukları bilinçli olarak doldurmanın bir yoludur. Kitapta onu, “analiz sırasında ortaya çıkan her eğilimi, tahmini ya da joker etkeni diğerlerinin hepsiyle karşılaştırmaya zorlayan” bir tablo olarak tanımlamıştım. Örneğim tahıl üretiminin geleceğiydi ve üç eğilim içeriyordu: artan işlem gücü, tahıl üretiminin küreselleşmesi ve yaşlanan nüfus. Tablo üç soruyu dayatır. İşlem gücü küresel tahıl üretimiyle buluşunca ne olur? Yaşlanan nüfusla buluşunca? Küresel üretim yaşlanan nüfusla buluşunca?
Bazı çiftler hiçbir şey vermez. Emekliler ve Moğolistan buğdayı bir çıkmaz sokak gibi görünür; ta ki emeklilerin yüksek teknolojili çiftlikler işletip işletemeyeceğini sorana kadar. Mesele de tam budur. Gelecek genellikle beklediğimizden daha tuhaftır; bu yüzden alışılmadık birleşimlerden başlamaya değer. Matris, hepsinin incelendiğini garanti eden, bildiğim tek araçtır.
Yöntemin kökeni
Çapraz etki analizi, Delphi yöntemini doğuran RAND çevresinde ortaya çıktı. Delphi, tek tek olayların gerçekleşip gerçekleşmeyeceğine dair uzman görüşlerini toplar. Zayıf yanı, her olayı tek başına varmış gibi ele almasıdır. Gordon’un sorusu, tahminin bunun yerine gelecekteki olayların birbirini nasıl etkilediğine dayandırılıp dayandırılamayacağıydı.
İlk yanıt bir masa oyunu oldu. 1966’da Kaiser Aluminum, yirminci kuruluş yıl dönümü için gelecekle ilgili bir oyun ısmarladı; Gordon, Helmer ve Hans Goldschmidt de Future’ı tasarladı. Oyunda teknolojik ve toplumsal gelişmeler olasılıklarla ve özel bir zarla belirleniyor, gerçekleşen her gelişme diğerlerinin şansını değiştiriyordu. 1968’de Gordon ve Hayward bu yaklaşımı UCLA’de programladı ve Futures’da “Initial Experiments with the Cross Impact Matrix Method of Forecasting” başlıklı makaleyi yayımladı. Temel fikir şuydu: Bir olayın gerçekleşmesi diğerlerinin olasılığını değiştirir ve bu değişiklikler hücre hücre kaydedilebilir.
O günden bu yana yöntem dallanıp budaklandı:
- Olasılıksal çapraz etki analizi. Asıl çizgi. Uzmanlar her olay için bir başlangıç olasılığı ve her olayın diğerlerinin olasılığını ne kadar artıracağını ya da azaltacağını tahmin eder; ardından bir bilgisayar matrisi defalarca oynatır. Gordon daha sonra Millennium Project’in Futures Research Methodology derlemesi için yöntemin standart tanımını yazdı.
- Yapısal analiz. Michel Godet ile özdeşleşen bir Fransız okulu, olasılıklar yerine etkilerden oluşan bir tablo kullanarak hangi değişkenlerin sistemi yönlendirdiğini, hangilerinin yalnızca tepki verdiğini sıralar.
- Çapraz etki dengeleri. Stuttgart Üniversitesi’nden Wolfgang Weimer-Jehle, 2006’da Technological Forecasting and Social Change dergisinde nitel bir sürüm ortaya koydu. Bu sürüm, tabloyu hangi sonuç birleşimlerinin kendi içinde tutarlı olduğunu sınamak için kullanır ve böylece senaryoları denetleme aracına dönüşür.
- İstihbarat sürümü. İstihbarat analistlerinin yaygın olarak kullandığı ders kitabı, Heuer ile Pherson’un Structured Analytic Techniques for Intelligence Analysis adlı eseri, çapraz etki matrisini bir sorunun değişkenlerinin birbirini nasıl etkilediğini anlamaya yarayan temel teknikler arasında sayar.
Tutarlılık denetimi kullanımı üzerinde biraz durmaya değer. 2012’de Vanessa Schweizer ve Elmar Kriegler, çapraz etki dengelerini IPCC emisyon senaryolarının yazarlarının 2000 dolaylarında kullandığı bilgilerin aynısına uyguladı. Kömüre dayalı büyümenin o dönemde açıkça seçilebilen olası bir gelecek olduğunu ama yayımlanan senaryolarda yeterince temsil edilmediğini, ayrıca yayımlanan senaryoların bir kısmının kendi içinde tutarlı olmadığını buldular. Özenle doldurulmuş bir tablo, yetenekli bir yazar ekibinin gözünden kaçanı yakalayabilir.
Adım adım çapraz etki analizi

- Öğelerinizi seçin. Araştırmanızın ortaya çıkardığı eğilimlerle, tahminlerle ve joker etkenlerle başlayın. Listeyi bitirebileceğiniz kadar kısa tutun: İlk turda altı ila on iki öğe. Her birini kesin biçimde ifade edin. “Yapay zekâ” fazla belirsizdir; “2030’a kadar rutin görüntüleme tetkiklerinin çoğunu önce bir yazılım okuyacak” ifadesi ise üzerine akıl yürütülebilecek bir önermedir.
- Tabloyu kurun. Öğeleri sol tarafa alt alta, aynı sırayla üst tarafa yan yana yazın. Köşegeni taralı bırakın; bir öğe kendini etkilemez.
- Her hücreyi satır satır doldurun. Her hücre için tek bir soru sorun: Satırdaki öğe gerçekleşirse sütundaki öğe daha mı olası, daha mı az olası olur, yoksa ikisi de değil mi? Bunu yukarı ok, aşağı ok ya da nokta ile işaretleyin. Daha ince bir ayrım istiyorsanız −3 ile +3 arasında bir ölçek kullanın. Tabloyu tek yönde okuyun: A’nın B üzerindeki etkisi, B’nin A üzerindeki etkisinden farklı bir sorudur.
- Her güçlü hücre için bir cümle yazın. Ok yalnızca bir işarettir; bulgu cümlenin kendisidir. “Hekim ve hemşire açığı, hastaneleri yapay zekâ destekli görüntü değerlendirme araçlarını normalde olacağından daha hızlı benimsemeye itiyor” ifadesi, bir planlama kurulunun tartışabileceği bir önermedir.
- Satırları ve sütunları okuyun. Oklarla dolu bir satır itici güçtür: Pek çok başka şeyi harekete geçirir. Oklarla dolu bir sütun hassastır: Pek çok şey onu harekete geçirir. Birbirini güçlendiren iki öğe bir döngü oluşturur ve değişim, döngülerde her türlü doğrusal tahminin ötesinde hızlanır.
- STEEP süzgecinden geçirin. Future, Inc. kitabında, bulduklarınızı toplum, teknoloji, ekonomi, ekoloji ve siyaset açısından süzmek için bu başlıklara geri dönmenizi öneriyorum. Tabloların çoğu teknoloji ve ekonomiyle doludur. Toplumsal ve siyasi hücreler boşsa, bir sonraki sürpriz oradan gelecektir.
- Sonuçları kararlara ve izlenecek sinyallere dönüştürün. Şu anda verdiğiniz bir kararı değiştirecek etkileşimleri yuvarlak içine alın. Bunlar senaryolarınızın omurgası ve izlediğiniz göstergeler olur.
Uygulamalı örnek: 2035’e bakan bir hastane grubu
Aşağıda bölgesel bir hastane grubunun çizebileceği türden küçük bir tablo var. Dört öğesi, planlamacıların zaten izlediği eğilimlerdir: yaşlanan hasta kitlesi, hekim ve hemşire açığı, yapay zekâ destekli tanı araçları ve evdeki hastaların uzaktan izlenmesi. Oklar, açıklama amaçlı analist yargılarıdır; veri değildir.
Satırlar okununca üç şey öne çıkar. Hastaların yaşlanması, personel ve evde bakım üzerindeki yükü artırır. Ama asıl itici güç personel açığıdır: Grubu aynı anda hem yapay zekâ araçlarına hem uzaktan izlemeye doğru iten tek öğe odur, çünkü ikisi de kıt bir hemşirenin ya da hekimin daha fazla hastaya bakabilmesini sağlar. Yapay zekâ araçları ile uzaktan izleme birbirini güçlendirir: İzleme, yalnızca yazılımın büyük ölçekte okuyabileceği bir veri akışı üretir; yazılım da izlemeyi zahmete değer kılar. İkisi de kendilerini doğuran personel açığını hafifletir.
Bu bulguların hiçbiri bir eğilim listesinde görünmez. Tek tek bakıldığında planlamacı, dört ayrı bütçede dört ayrı proje görür. Tablo ise tek bir sistem gösterir: Personel açığının sürüklediği, bakımı hastane binasından evlere taşıyan bir döngü. Stratejik soru artık “Bir yapay zekâ aracı satın almalı mıyız?” değil, “Hastalarının giderek artan bir bölümü yatakta olmayan bir hastaneyi yönetmeye hazır mıyız?” sorusudur.
Sık yapılan hatalar
- Tabloyu fazla büyük tutmak. Yirmi öğe, 380 hücre demektir. Ekipler yorulur, her yere nokta koymaya başlar ve tablo gerçeği söylemeyi bırakır. Büyük bir çalışmayı gruplara bölün ve bunları aşamalı olarak çaprazlayın.
- Tek başına doldurmak. Kitapta sonuç çıkarmayı “bir takım sporu” olarak nitelemiştim. Tek bir analistin doldurduğu tablo, yalnızca o analistin varsayımlarını kaydeder. Farklı geçmişlerden beş ila on kişi hücreler üzerine tartışacaktır ve bu tartışmalar oklardan daha değerlidir.
- Bağıntıyı nedensellikle karıştırmak. Bir hücre, bir öğenin diğerini daha olası ya da daha az olası kıldığını söyler. Mekanizmayı kanıtlamaz. Akıl yürütmenin denetlenebilmesi için her güçlü hücreye cümlesini yazın.
- Klişe yazmak. “Rekabet kızışacak” bir çapraz etki değildir. “Her şey daha verimli olacak” da değildir. Nedenini ve ne ölçüde olduğunu sorun.
- Tabloda durmak. Matris bir araçtır. Bir senaryoyu, bir kararı ya da izlenecek sinyaller listesini değiştirmiyorsa o öğleden sonra boşa gitmiştir.
Çapraz etki analizinin bir istihbarat birimi kurma konusunda öğrettikleri
Kuruluşların çoğu bilgiyi birbirinden kopuk birimlerde toplar. Mevzuat ekibi düzenleyici kurumları, teknoloji ekibi tedarikçileri, satış ekibi müşterileri izler. Her biri sağlam bir rapor çıkarır, ama bu raporları birbirinin ışığında okumak için kimseye para ödenmez. Çapraz etki analizi, tam da bu işin bir yöntem olarak yazıya dökülmüş hâlidir.
Onu kullanan bir istihbarat birimi üç şey kazanır. Farklı birimlerin bulguları arasındaki etkileşimleri rakiplerinden önce yakalar. Kendi varsayımlarının hücre hücre kaydını tutar ve olaylar bunlardan bazılarının yanlış olduğunu gösterdiğinde geri dönüp gözden geçirebilir. Bir de izlenecek itici değişkenlerin kısa bir listesini edinir; üst yönetimin öngörü çalışmasından asıl beklediği de budur: kırk eğilim değil, geri kalanları harekete geçiren dört eğilim.
Sık sorulan sorular
Çapraz etki analizi nedir?
Eğilimleri, olayları ya da tahminleri bir tabloya yerleştiren ve her öğenin diğerlerini daha olası mı, daha az olası mı kıldığını yoksa değiştirmediğini mi ikişer ikişer değerlendiren bir gelecek araştırması yöntemidir. Sonuç, hangi öğelerin sistemi yönlendirdiğini ve hangi birleşimlerin stratejik dikkati hak ettiğini gösterir.
Çapraz etki analizini kim buldu?
Her ikisi de daha önce RAND Corporation’da çalışmış olan Theodore J. Gordon ve Olaf Helmer, yöntemi 1960’ların ortasında Kaiser Aluminum için Future adlı gelecek oyununu tasarlarken geliştirdi. Gordon ve Howard Hayward, ilk bilgisayar sürümünü 1968’de Futures dergisinde yayımladı.
Çapraz etki matrisi nedir?
Yöntemin merkezindeki tablodur. Aynı öğeler satırlarda ve sütunlarda yer alır; her hücre, satırdaki öğenin sütundaki öğe üzerindeki etkisini ok, işaret, puan ya da koşullu olasılık olarak kaydeder.
Gelecek çarkından farkı nedir?
Gelecek çarkı tek bir değişiklikten yola çıkar ve sonuçlarını halka halka dışa doğru izler. Çapraz etki analizi ise çok sayıda değişiklikten yola çıkar ve bunların birbirini nasıl etkilediğini inceler. Pek çok proje ikisini birlikte kullanır: en önemli tekil itici güç için çarkı, bütün için matrisi.
Bir çapraz etki matrisinde kaç öğe olmalı?
İlk turda altı ila on iki. Hücre sayısı listenin uzunluğunun karesiyle artar: 12 öğeli bir tablo bile 132 yargı gerektirir. Daha büyük çalışmalar gruplara bölünebilir.
Çapraz etki analizi için yazılım gerekir mi?
Hayır. Nitel bir tablo için bir beyaz tahta ya da büyük bir kâğıt yeterlidir. Yazılım, binlerce çalıştırmayı simüle eden olasılıksal sürümlerde ya da çapraz etki dengeleri gibi çok değişkenli tutarlılık yöntemlerinde işe yarar.
Competitive Futures ile çalışın
Competitive Futures, ekiplerin kendi pazarları için kendi eğilimleriyle çapraz etki tabloları kurduğu öngörü projeleri ve yönetici atölyeleri yürütür. Kuruluşunuz pek çok eğilimi izliyor ve hangi birleşimlerin önemli olduğunu öğrenmek istiyorsa şirketle iletişime geçin (İngilizce).
İlgili yazılar
- Gelecek çarkı: değişimin ikinci ve üçüncü derece etkileri nasıl haritalanır? (İngilizce)
- Senaryo planlaması (İngilizce)
- Strateji için sistem haritalama (İngilizce)
- Bir tahmin nasıl değerlendirilir? (İngilizce)
- Senaryo planlaması için etki-olasılık matrisi (İngilizce)
- STEEP eğilim analizi (İngilizce)
Kaynakça
- Garland, Eric. Future, Inc.: How Businesses Can Anticipate and Profit from What’s Next. New York: AMACOM, 2007. Chapter 5, “Strategic Implications.”
- Gordon, T. J., and H. Hayward. “Initial Experiments with the Cross Impact Matrix Method of Forecasting.” Futures 1, no. 2 (1968): 100–116. https://doi.org/10.1016/S0016-3287(68)80003-5
- Gordon, Theodore J. “Cross-Impact Analysis.” In Futures Research Methodology, Version 3.0, edited by Jerome C. Glenn and Theodore J. Gordon. Washington, DC: The Millennium Project, 2009. https://www.millennium-project.org/futures-research-methodology-version-3-0/
- Dayé, Christian. Experts, Social Scientists, and Techniques of Prognosis in Cold War America. Cham: Palgrave Macmillan, 2020. https://doi.org/10.1007/978-3-030-32781-1
- Weimer-Jehle, Wolfgang. “Cross-Impact Balances: A System-Theoretical Approach to Cross-Impact Analysis.” Technological Forecasting and Social Change 73, no. 4 (2006): 334–361.
- Schweizer, Vanessa J., and Elmar Kriegler. “Improving Environmental Change Research with Systematic Techniques for Qualitative Scenarios.” Environmental Research Letters 7 (2012): 044011.
- Heuer, Richards J., Jr., and Randolph H. Pherson. Structured Analytic Techniques for Intelligence Analysis. 3rd ed. Thousand Oaks, CA: CQ Press, 2020.
Bu sayfa, Competitive Futures’ın stratejik öngörü rehberinin (İngilizce) bir parçasıdır.