前瞻分析方法學介紹：環境掃描與情報蒐集

農業科技研究院產業發展中心產業分析組 林冠傑

農業科技研究院產業發展中心產業分析組 余松諺

　　在當今快速變化的世界中，無論是企業、政府機構還是研究單位，都面臨著前所未有的複雜性和不確定性。疫情、地緣政治緊張、科技進步和氣候變遷等因素正不斷重塑我們的社會和經濟格局。在這樣的環境下，僅憑直覺或過往經驗已不足以指導決策，需要系統化的情報蒐集方法，不僅是為了應對即時挑戰，更是為了預見未來可能的情境，提前部署資源，把握機遇並規避風險。本文旨在為決策者和研究人員提供實用的情報蒐集工具箱，介紹四種互補的分析方法，協助組織建立更全面的環境感知能力，在動盪環境中保持競爭優勢並實現長期目標。透過掌握這些方法，從被動應對轉為主動擬定對策，打造更具韌性和適應力的長期發展策略。

　　本文探討四種資訊蒐集與初步分析篩選重要因子之方法：驅動因子分析、視野掃描、文獻計量學及外卡事件分析，介紹其目的、步驟與注意事項，幫助使用者識別關鍵趨勢與潛在威脅，制定具韌性的前瞻策略。

表一、驅動因子分析、視野掃描、文獻計量學和外卡事件的目的與優缺點

方法	驅動因子分析	視野掃描	文獻計量學	外卡事件
目的	系統化篩選關鍵趨勢因子，評估影響力與不確定性以確定關注順位。	捕捉環境微弱訊號與早期趨勢，建立預警系統評估潛在風險與機會。	量化分析學術出版物趨勢與影響力，識別重要研究主題與發展方向。	識別難以預測但高影響力事件，協助組織為突發情況準備並擴展決策思維視野。
優點	系統性盤點趨勢，透過矩陣分析聚焦關鍵因素，支援情境分析，轉化為具體行動。	增強組織應對不確定性能力，減少環境變化帶來的驚嚇與提高決策前瞻性。	提供客觀研究評估指標，有助發現新興領域與知識缺口並促進學科交流。	發掘傳統分析忽略的威脅機會，測試政策穩定性並促使跳出慣常思考框架。
缺點	偏重主流趨勢，易忽略新興訊號。評估過程主觀性高。	訊號與噪音難以區分，高度依賴分析者直覺，且成功率不穩定。	資料庫品質問題影響分析可靠性，受限於覆蓋範圍且難以公平比較不同學科。	難以準確預測極端事件，容易引起恐慌且資源不足以應對多種低概率情境。

一、驅動因子分析(Drivers Mapping)

　　驅動因子分析是識別關鍵趨勢因子的系統化工具，透過評估各驅動因子的影響力和不確定性，從而確定最需關注的因素。此方法包含驅動因子蒐集、評估、排序及行動規劃四個主要環節。其價值在於建立共識、促進跨域思考、支持情境分析，並將前瞻分析轉化為實際策略。有效應用需要明確焦點、融合多元觀點及持續監控，以增強組織面對複雜未來的應變能力。

　　在具體實施過程中，蒐集的驅動因子應以中性方式表述，以便建構多種可能情境。常用的分類框架包括STEEP+V（社會、技術、經濟、環境、政治、價值觀）和PESTLE等。評估時多採用影響力與不確定性的2×2矩陣，劃分出四個象限進行探討，個別來說，高影響力且高不確定性的因子需透過情境分析來擬定策略；高影響力但低不確定性的因子可直接規劃對策；低影響力但高不確定性的因子需持續監控；而低影響力且低不確定性的因子則可暫時不處理。

　　驅動因子分析雖具多項優勢，但仍有限制需注意。此方法涉及高度主觀性，尤其在評估因子影響力與不確定性時缺乏統一量化標準，導致難以客觀比較。為減少偏見，應以數據等客觀證據作為佐證並納入多方觀點。儘管有助於理解潛在趨勢，其預測能力有限，應視為探索可能性的工具而非純粹預測工具。對快速變化的因子可能存在數據滯後問題，可透過建立動態監控機制和縮短分析週期來減緩此影響。

　　有效的驅動因子分析需投入大量時間和資源，包括文獻回顧、專家諮詢及研討會等，對資源有限的組織較具挑戰。最重要的是，分析結果必須轉化為具體行動步驟才能產生實際影響，若未能與決策過程有效結合，難以實現其真正價值。

二、視野掃描(Horizon Scanning)

　　視野掃描法旨在捕捉微弱訊號，以利推估發展趨勢並質疑現有框架。其作為預警系統，讓使用者能及早發現環境變化、評估風險與機會，並為戰略提供保障。其核心價值在於增強組織應對不確定性的能力，盡可能減少預料外的驚嚇，使決策更具前瞻性，從而在變化環境中保持競爭優勢並實現長期目標。

　　視野掃描是一個從確立目的、組建團隊到整合決策的系統化過程。一般來說，微弱訊號潛藏於大量資訊中，尚未被廣泛報導，但可能引起重大變革，具有挑戰既定假設和影響趨勢的潛力。收集這些訊號需透過多元管道，像是網路資料、灰色文獻、技術輔助分析工具、專家諮詢、參與式方法及文獻分析等。為系統性分類這些訊號，常用STEEP+V和PESTLE等分析框架，以減少盲點。且分析時亦可運用影響力與不確定性矩陣、趨勢雷達圖等視覺化工具，進行多情境分析以理解未來不確定性，最終將洞見整合至策略制定過程。

　　視野掃描作為前瞻分析工具面臨多重挑戰，包括難以平衡資源投入與有意義訊號發現，受主觀偏見與量化困難影響的可信度問題，以及決策者對不確定性的抗拒等。對此，可採取之改善方法包含建立結構化方法論和篩選機制，像是採用敘事化呈現與視覺化工具，讓決策者參與過程，並組建跨部門掃描團隊，甚至是結合AI分析與持續監測系統以納入更多廣泛觀點及數量之資料。

　　成功實施視野掃描需要多元背景團隊，平衡傳統與新興資訊來源，將結果有效整合入決策流程，並培養持續學習文化。組織應確保前瞻發現能轉化為實際行動，使視野掃描成為持續性而非一次性的組織活動，從而將其從潛在的組織負擔轉變為真正有價值的戰略資產。

三、文獻計量學(Bibliometrics)

　　文獻計量學乃應用數學和統計方法分析學術出版物，其透過統計技術分析各類出版資訊（如書籍、論文和期刊文章等）及其相關數據（摘要、關鍵詞、引用文獻），以量化的方式描述特定研究領域的學術產出趨勢，識別重要期刊、文章、作者與主題。這些分析還能評估個別研究者、機構和國家的學術貢獻與影響力，追蹤學科的發展軌跡，發現新興研究趨勢與知識缺口，促進跨學科合作與知識整合。

　　文獻計量分析是透過五個基本步驟進行，分別是：定義研究範圍、選擇分析技術、收集資料、執行分析及整理報告結果。實務中常用的計量指標包括期刊影響係數(Journal Impact Factor, JIF)、標準化引用影響力指標(Category Normalized Citation Impact, CNCI)、用來同時衡量學者產量與影響力的h指數等。資料可從多種管道獲取，實務上容易操作使用的資料庫包括嚴謹的Web of Science、覆蓋廣泛的Scopus、整合研究生命週期的Dimensions、生物醫學專精的PubMed、開放的OpenAlex，以及臺灣碩博士論文系統等。分析可聚焦於文獻、作者、內容、引用與研究經費來源等類別，並採用多種方法如引用分析、共被引分析、書目耦合、合著分析、期刊計量、學科分布、時間序列、機構表現評估、文字探勘關鍵字等，揭示學術發展脈絡與知識結構。

　　文獻計量分析作為研究評估工具存在多項需留意的缺陷，像是數據品質問題(資料庫錯誤與重複影響分析可靠性，需耗費大量時間清理)、方法論局限(在解釋研究意義時存在主觀性，關注易量化指標而可能忽略品質與原創性)、偏差與脈絡缺失(受數據庫覆蓋範圍、語言偏好及引用行為差異影響，難以完整反映研究價值)、失衡比較(不同學科出版文化差異導致跨領域比較可能不公平)及誤用風險(簡化的評估可能產生誤導性結論影響資源分配)。因此，文獻計量工具應作為全面評估的輔助而非唯一標準，必須與其他方法結合以提供更全面的學術評價。

四、外卡事件(Wild Cards)

　　外卡分析旨在識別和分析難以預測但高影響力的事件，幫助組織為不可預見的突發事件做準備，擴展決策思維視野，提高對不確定性的適應能力，並發現傳統趨勢分析可能忽略的潛在機會或威脅。

　　外卡分析過程包含三個關鍵階段：識別階段（透過腦力激盪、歷史審查、專家意見和情境工作坊探索極端可能性）、影響評估階段（評估概率與影響程度，建立影響矩陣並確定關鍵外卡）以及準備與應對計畫階段（發展情境、建立預警系統、制定應急預案並定期更新）。常見的資訊收集管道有：專業知識（跨領域專家、學術文獻、未來學研究機構）、大眾訊息（趨勢報導、社交媒體、科幻創作）、數據分析（監測系統大數據趨勢）以及組織內部資源（危機管理經驗與研發洞見）。收集而來的資訊則可以進一步採用STEEP/PESTE框架和ISI矩陣（可想像性、主題、影響）進行系統性分類、分析。此方法之應用面向包括作為情境規劃的補充測試政策選擇的穩定性、評估組織應對巨大衝擊的反應能力、促使決策者跳出慣常思考框架的策略對話工具，以及識別系統脆弱性及潛在破壞性事件。

　　然而，外卡分析亦面臨幾項挑戰，像是預測困難性（低機率高影響事件難以準確預測）以及分析侷限（過度關注負面外卡可能引起恐慌、風險難以量化、資源不足應對多種情境、決策者常忽視此類分析）。對此可對應採取之解決方案包括：建立跨領域專家團隊消除盲點、制定影響度與機率的資源優先順序機制、進行應對演練、設置多層級預警系統。並且，組織應同時考量正負面外卡、定期更新外卡清單、融入策略規劃流程、建立彈性資源動員機制，並將外卡分析定位為準備工具而非預測工具，同時確保情境具有合理因果邏輯，維持分析的可信度和實用性。

五、結語

　　上述簡單介紹之情資蒐集工具看似各自有其強大的應用潛力，但這些工具的真正價值還是在於整合應用，針對彼此之短處進行補強，來獲取相對最客觀全面的資料；藉由將定量與定性、短期與長期、確定性與不確定性的分析相結合，構建更具全面性的環境感知系統。然而，有效的前瞻分析非常需要組織文化的支持，包括對於不確定性的坦然接受、對多元觀點的包容，以及將前瞻洞見轉化為實際行動的決心。而透過建立系統化、持續性的前瞻分析機制，將使得組織能夠在變局中保持清晰視野，培養策略靈活性，並逐步構建面對未來挑戰的組織韌性。不僅是適應變化，更能在變革中把握機遇，實現永續發展。因此，總得來說，前瞻分析的最終目標並不是完美預測未來，而是培養組織在任何可能情境下的適應能力，使其在不確定環境中仍能保持方向感並繼續前行。

六、參考資料

Adler, R., Ewing, J., and Taylor, P. 2009. Citation statistics (with discussion). Stat. Sci., 24:1-28.

Aria, M. and Cuccurullo, C. 2017. bibliometrix: An R-tool for comprehensive science mapping analysis. J. Informetr., 11(4):959-975.

Barber, M. P. 2006. Wildcards – signals from a future near you. J. Future Stud., 11(1):75-94.

Bouyssou, D. and Marchant, T. 2011. Bibliometric rankings of journals based on impact factors: an axiomatic approach. J. Informetr., 5:75-86.

Bredahl, L. 2022. Introduction to Bibliometrics and Current Data Sources. Published by ALA TechSource. 58(8):5-11.

Broadus, R. N. 1987. Toward a definition of "bibliometrics". Scientometrics, 12:373-379.

Browman, H. and Stergiou, K. I. 2008. Use and Misuse of Bibliometric Indices in Evaluating Scholarly Performance. Septentrio Conference Series.

Burton, B., Kumar, S., and Pandey, N. 2020. Twenty-five years of The European Journal of Finance (EJF): A retrospective analysis. Eur. J. Financ., 26(18):1817-1841.

Chapman, C. A., Bicca-Marques, J. C., Calvignac-Spencer, S., et al. 2019. Games academics play and their consequences: how authorship, h-index and journal impact factors are shaping the future of academia. Proc. R. Soc. Lond., B, Biol. Sci., 286:2019-2047.

Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., and Lim, W. M. 2021. How to conduct a bibliometric analysis: An overview and guidelines. J. Bus. Res. 133:285-296.

FEMA. 2025. Strategic Foresight 2050 Methods. Washington, D.C.

Government Office for Science. 2024. The Futures Toolkit .

Hirsch, J. E. 2005. An index to quantify an individual's scientific research output. Proc. Natl. Acad. Sci. USA, 102:16569-16572.

InCites Help Center. 2024. Category Normalized Citation Impact (CNCI). [online] Available at: https://incites.zendesk.com/hc/en-gb/articles/250873121156-Category-Normalized-Citation-Impact-CNCI [Accessed 13 Mar. 2025].

Kessler, M. M. 1963. Bibliographic coupling between scientific articles. American Documentation, 14(1):123-131.

Knowles, K., Falez, A., Hashmi, F., Permezel, M., Tobal, A., Verma, P., Stanley, D., Young, R.,and Cooper, O. 2024. Policy Fit for the Future. Australia.

Lewison, G. and Devey, M. E. 1999. Bibliometric methods for the evaluation of arthritis research. Rheumatology (Oxford), 38:13-20.

Mathankar, A. R. 2018. Bibliometrics: An Overview. Int. J. Libr. Inf. Sci., 7(3):9-15.

Mendonça, S., Cunha, M. P., Kaivo-Oja, J., and Ruff, F. 2004. Wild Cards, weak signals and organizational improvisation. Futures, 36(2): 201-218.

Mendonça, S., Pina e Cunha, M., Kaivo-oja, J., and Ruff, F. 2004. Wild cards, weak signals and organisational improvisation. Futures, 36: 201-218.

Ninkov, A., Frank, J. R., and Maggio, L. A. 2022. Bibliometrics: Methods for studying academic publishing. Perspect. Med. Educ. 11:173-176.

OECD. 2025. Strategic foresight toolkit for resilient public policy: a comprehensive foresight methodology to support sustainable and future-ready public policy. Paris.

Pacific Community. 2023. The Pacific pathfinder: a toolkit to imagine and create futures. Noumea.

Salini, S. 2016. An Introduction to Bibliometrics. In T. Greenfield & S. Greener (Eds.), Research Methods for Postgraduates (Chapter 14).

Saritas, O., and Smith, J. E. 2011. The Big Picture – trends, drivers, wild cards, discontinuities and weak signals. Futures, 43(3): 292-312.

Seglen, P. O. 1997. Why the impact factor should not be used for evaluating research. Br. J. Med., 314:498-502.

Smith, C. J., and Dubois, A. 2010. The 'Wild Cards' of European futures: Planning for discontinuities? Futures, 42: 846-855.

Stuart, D. 2014. Web metrics for library and information professionals. London (UK): Facet.

Stuart, D. 2018. Open bibliometrics and undiscovered public knowledge. Online Inf. Rev., 42:412-418.

UNDP. 2022. UNDP RBAP: Foresight Playbook. New York.

Urashima, K. 2021. An Overview of the 11th Foresight Survey in Japan. Innovation and Development Policy, 3(2): 79-90.

Wallin, J. A. 2005. Bibliometric methods: Pitfalls and possibilities. Basic Clin. Pharmacol. Toxicol., 97(5):261-275.

Waltman, L. and van Eck, N. J. 2012. The inconsistency of the h-index. J. Am. Soc. Inf. Sci. Technol., 63:406-415.

Weinberg, B. H. 1974. Bibliographic coupling: A review. Information Storage and Retrieval, 10(5-6):189-196.

Zupic, I. and Cater, T. 2015. Bibliometric methods in management and organization. Organizational Research Methods, 18(3):429-472.

文章摘譯

• 農業科技決策資訊平台管理團隊