商业智能/因果关系图测试

商业智能
构建战略	因果关系图测试	创建和发布记分卡

目的：测试战略图中因果关系的有效性
输入：战略图
活动：将因果关系转化为理论，并测试从该理论中推导出的假设
输出：证明战略图背后理论有效性的证据
文档：经过验证的战略图

简介

因此，在目标层面上记录因果关系的过程需要管理团队明确他们对为什么实现一个目标会影响另一个目标的原因的理解/信念：相反，对平衡计分卡设计的良好挑战是测试不同视角的目标，看看隐含的因果关系是否合理 (Cobbold 和 Lawrie 2000b)

“在论证解释以隐含的观念模型进行时，本文并不主张外交政策分析人员已经开发出任何令人满意的、经实证检验的理论。在这篇文章中，使用“模型”一词而不加限定词应理解为“概念方案”。” (Allison 1969)

Allison 还对未经证实的模型（未经实证检验）提出了重要观点。他称这些模型为概念方案。所有决策者都将隐含的概念模型带到谈判桌前。这并不意味着测试这些模型是不可能的。我们认为，使用构建方法构建商业智能系统需要将隐含的假设和隐含的模型转化为显式的假设和显式的模型。我们使用战略图来使隐含的概念模型明确化。接下来，我们提出了一种使用因果关系图测试这些模型的方法。证明概念模型将隐含的概念方案转化为显式的战略模型。

战略图是企业战略的视觉表示。它们显示了决策者认为公司如何管理客户结果以最大限度地提高盈利能力。本章的关键在于理解这三种类型的图包含活动、主题或投资之间的联系，这些联系是构成战略的因果关系的显式表示。每个链接代表一个假设。理论的核心是一组相互关联的假设，用于解释现象。因此，作为一个整体，战略图是对活动如何产生盈利能力的理论的视觉表示。

将图表转化为理论，然后测试理论需要执行以下活动

检验假设
检验理论
检验理论的强度

未经检验的战略图可能没有用，或者可能适得其反。这就是为什么这可能是构建战略以及商业智能架构中最重要的一步。

定义

在演示战略图如何成为理论之前，有必要介绍一些定义。

假设

假设要么是对可观察现象（可观察到的事件）的解释，要么是对多个现象（不同类型的可观察到的事件）之间可能的因果关系的合理提议 [1]

假设通常以“如果-那么”形式写成：如果 X，那么 Y。或者，X-→Y。 (参见假设)

因果关系图中的每个因果关系都可以被视为一个假设。

理论

对理论有几个可以接受的定义。本书假设理论是经过反复测试支持的一组假设。[2] 有人认为，理论是一个经过测试和接受的假设。但是，假设理论是一组假设也是同样可以接受的。

理论是一种分析结构（假设集），旨在解释一组观察结果。理论做两件事：[ http://en.wikipedia.org/wiki/Theory#Pedagogical_definition]

将一组不同的观察结果识别为一类现象，并且
对导致该类别出现的底层现实（假设）做出断言

科学理论可以被认为是现实的模型，其陈述是某个公理系统的公理（假设）。[3]

机制

关于底层现实的断言，关于 X→Y 的方式。检验假设就是检验机制的有效性。

测量

关于现象的定量或定性数据。不可能检验底层机制。相反，我们创建与机制相关的度量。例如，不可能检验两个概念之间的相关性。只有可能检验概念度量之间的相关性。这就是为什么有效的度量和干净的数据很重要的原因。

模型

本书重点介绍以模型（战略图）形式明确表示的战略科学理论。“模型是实体、现象或过程系统的物理、数学或逻辑表示。本质上，模型是对任何复杂现实的简化、抽象视图。它可能侧重于特定视图，为复合问题实施“分而治之”原则。在形式上，模型是一种解释，它以数学或逻辑方式处理经验实体、现象和物理过程。”[4]

“业务流程是一组相关的、结构化的活动或任务，它们为特定客户或客户生产特定的服务或产品（服务于特定目标）。它通常可以用流程图可视化，作为一个活动序列。”[5]

模型是将关键活动和资源与客户结果联系起来的流程的抽象视觉表示。

战略理论

本节演示战略图是一种理论。

再说一次，战略图是具有假设（链接）的因果关系图（理论），这些假设（链接）形成理论（假设集）。例如，在下图中，我们说更多的客户（X）会导致更高的盈利能力（Y）。假设成本（C）无论生产或购买的商品数量（A）如何保持不变。此外，假设每个客户在特定时期内购买相同数量的商品（B）。客户越多（X），购买的商品越多，收入越高（R），当收入超过成本（Y）时，就会产生利润。

总结一下要点（刻意简化）

X→R

如果 (R>C) →Y

假设 A 和 B。

→ 表示导致

转换记分卡表明战略图实际上也是一种理论。这是因为战略图上的任何项目都可以转化为假设。证明这一点将证明战略图是一种理论，并演示一个重要的章节活动。

推导出可检验的假设

为什么这很重要？因为战略图是 BI 架构的重要组成部分。报告让决策者可以通过监控绩效来了解世界。具体来说，它们可以让决策者问

发生了什么？：Y1 对比 Y2
可能发生什么？：Xf -->Yf

报告通过询问和回答这些问题，可以让决策者监控绩效。然而，有效地询问和回答这些问题的能力是基于测试因果图中的链接。例如，决策者可能想知道

使用模型监控绩效需要知道

发生了什么？：Y1（实际绩效）对比 Y2（预测或预期）

然而，这假设 X-->Y1。如果 Y1（实际衡量值）低于 Y2（我们预期值）怎么办？我们将假设 X 是问题所在，并采取纠正措施。如果 X-->Y1 不仅未经测试，而且是错误的呢？我们将是错误的，对 X 的更改不一定对 Y1 产生任何影响。

同样，使用模型进行预测需要问

可能发生什么？：Xf -->Yf

如果我们试图预测 Yf，但实际上 Xf -->Yf 不仅未经测试，而且是错误的呢？当我们试图预测 Yf 时，我们可能会出错。

构建 BI 系统的重要步骤是确保策略正确。要做到这一点，需要推断假设以测试理论。虽然我们可以直接测试 X-->Y1，但最好尽可能地测试理论。并非所有假设都需要，也不可能被测试。

推断用于测试的假设需要利用因果链接。假设战略图显示 X-->Y-->Z。我们可以使用直接（X-->Y）或间接（X-->Z）链接来制定假设。测试地图上更接近的概念更有成效，但可能不切实际，这取决于时间或资源限制。

测试假设

我们将采用从计量经济学角度修改的假设检验（Gujarati 1999）

创建假设
- 为什么发生了？：X-->Y
- 它是如何发生的？：X1-->Y2
收集数据
用文字或数学模型的形式指定假设
指定理论或假设的实验或准实验模型（因果效应或机制，在下面讨论）
估计所选模型的参数
检查模型是否充分：模型规范测试
测试从模型推断的假设

虽然这种方法通常更适用于定量方法，但它并不排除定性措施。步骤 5、6 和 7 将根据应用于假设的解释模型而有所不同。

本书介绍了两种测试假设的方法。第一种是使用因果效应。第二种是使用因果机制。

在继续之前，有必要简要介绍一下社会科学的哲学。社会科学解释的一种方法是覆盖律模型（Little 1991）。就我们的目的而言，该模型接受事件或规律的解释，当它可以归纳到战略理论中时。我们试图理解的是现象或规律是如何从一般规律中推导出来的。然而，我们不是在处理规律，而是理论，这将不得不做。

演绎模型及其批评

覆盖律模型的一种版本，称为演绎-规范（D-N）模型，要求我们问：为什么被解释的现象在特定情况下是必要的？（Little 1991 页 5）。这种解释是演绎的，意味着鉴于事件，结果是必要的。

D-N 解释模型（参见 Little 1991 页 5）

L_i（一个或多个普遍规律）

C_i（一个或多个背景情况说明）

____________(演绎 entail)

E（要解释的规律性事实说明）

纯粹演绎模型的难点在于，例如，它们在面对量子力学时会失败（参见 George 和 Bennett）。同样，这种严格的因果关系定义也不太可能适用于商业战略。因此，纯粹的演绎模型不可行。

归纳模型及其批评

覆盖律模型有一种归纳方法。归纳-统计模型将统计解释描述为由一个或多个统计生成、一个或多个特定事实陈述以及对该效果的归纳论证组成。

I-S 解释模型（参见 Little 1991 页 6）

L_i（一个或多个统计规律）

C_i（一个或多个背景情况说明）

==========(使非常有可能)

E（要解释的规律性事实说明）

请注意归纳论证和演绎论证之间的区别。演绎意味着前提的真假保证结论的真假。归纳论证意味着前提的真假使结论更可能，但不一定总是确定。

归纳模型，如 I-S 或其他相关解释的批评是什么？Salmon 认为，它们将因果关系放入了黑盒中。这是真的。因此，纯粹的归纳模型将不起作用。

解决解释问题的一种方法是关注普遍的信念，即解释共享的假设，即存在一个 X 产生 Y 的潜在机制。本书提出两种互相支持的方法来测试与接受机制相关的理论（注意，还有更多方法存在）

因果效应
因果机制

因果机制和因果效应

本书中提出的方法既避免了围绕因果关系的冗长争论，又为通过关注因果机制和因果效应来测试因果关系提供了一种务实、现实的方法。因果机制方法类似于演绎方法，因为它试图使用理论来解释 X 如何产生 Y。然而，试图证明因果机制通常需要应用于比使用研究因果机制的方法所能测试的现象范围更广。因果效应基于统计方法，可以帮助确定该机制是否适用于更广泛的观察。使用因果效应和机制创建了一种统一的方法，其中一个方法的弱点由另一个方法的优点所弥补。因此，混合方法是首选方法。

为什么？- 因果效应

因果效应的核心是两个变量之间的相关性。因果效应检查数据以确定一个变量的变化是否与另一个变量的变化相关联。

'统计相关性在提供关于所分析变量背后的可信因果过程的证据时，具有解释性。'（Little 1991 页 159）。然而，Little 还指出，如果没有一个因果故事来表明观察到的相关性是如何演变的机制（1991 年），统计相关性是不可接受的。相关性并不等于因果关系。它只是表明一个变量的度量与另一个变量的度量相关联，但对一个变量如何产生另一个变量的变化的机制没有任何说明。

如何？- 因果机制

因果机制假设一个变量的变化如何产生另一个变量的变化。Little 将因果机制定义如下

C 是 E 的原因 = df 存在一系列事件 Ci 从 C 到 E，并且从每个 Ci 到 Ci+1 的过渡受一个或多个规律 Li 控制。

测试理论

这些方法作为确保理论强度的手段是互相增强的。

竞争性假设

当面对备选假设时，请考虑 [6]

可证伪性 - 以能够被证伪的方式构建
简单性 - （如应用“奥卡姆剃刀”，避免过度假设实体）
范围 - 假设对多种现象的适用性
富有成果性 - 假设未来解释更多现象的可能性
保守性 - 与现有公认知识体系的“契合度”

结论

本质上，策略图展示了活动和投资如何产生客户结果。具体来说，因果关系图以可视化的方式呈现了公司活动如何影响客户结果和行为。前几章介绍了如何开发策略图。本章展示了策略图是如何成为公司策略的正式模型，以及如何测试其底层理论的强度。测试理论强度有助于公司了解执行策略是否以及如何影响盈利能力。