一旦变量（根据作者，也称为因素和驱动因素）被确定，在我们的案例中 绘制的而大多数预见方法的目的是减少它们的数量，即只保留这些变量中的几个。
事实上，考虑到认知的局限性，以及有限的资源，人们试图获得一些可以被人脑轻松和相对快速地组合的变量。
我们在这里面临的方法论问题是如何最多减少这个变量的数量，确保我们不会重新引入偏见或/和简化我们的模型，以至于变得无用或次优。
此外，考虑到从业者对复杂模型的潜在不良反应，能够提出一个适当的简化或缩小的模型（但仍忠实于初始模型）往往是必要的。
重新审视影响力分析
发布者：Dr Helene Lavoix (MSc PhD Lond)
Helene Lavoix博士 是 Red Team Analysis Society 的总裁兼创始人。她拥有伦敦大学亚非学院（SOAS）政治学博士学位和亚洲国际政治硕士学位（优异成绩），以及金融学硕士学位（法国大学校毕业）。 她是战略展望和预警专家，尤其是国家和国际安全问题方面的专家，拥有超过 25 年的国际关系经验和 15 年的战略展望和预警经验。Lavoix 博士曾在五个国家生活和工作过，在另外 15 个国家执行过任务，并在世界各地培训过高级官员，例如在新加坡和作为欧洲项目的一部分在突尼斯。 她在新加坡的 RSIS、SciencesPo-PSIA 或突尼斯的 ESFSI 等著名机构教授战略展望和预警的方法与实践。她定期发表关于地缘政治问题、铀安全、人工智能、国际秩序、中国崛起和其他国际安全主题的文章。 拉沃瓦博士致力于不断改进预测和预警方法，将学术专长和实地经验相结合，预测未来的全球挑战。 查看更多文章
