peterfei 场景规划（Scenario Planning）思维工具
不是预测"最可能"的未来，而是构建多个可能的未来，让决策者体验不同世界，从而改变心智模型。
激活条件与触发词
直接使用触发词
- 「用场景规划分析...」
- 「帮我构建几个未来场景」
- 「应对高度不确定性」
- 「战略前瞻」「scenario planning」
诊断推荐触发词
- 「未来高度不确定，不知道怎么办」
- 「不能只做一个预测」
- 「需要考虑多种可能未来」
- 「想提前应对不同情况」
方法框架概览
场景规划是一种战略前瞻方法，通过构建3-4个结构不同的未来叙事场景，帮助决策者在深度不确定性下识别关键驱动力量、挑战既有心智模型、制定鲁棒战略。其核心价值不在于"猜中"未来，而在于改变决策者对世界的认知框架。
核心原理
原理1：心智模型重构（Mental Model Reframing）
一句话定义： 场景的目的不是预测未来，而是改变决策者的心智模型。
跨域证据1： [企业战略] Pierre Wack在Royal Dutch Shell的实践表明，场景规划的核心目标从来不是"猜中"未来，而是让Shell的管理层"看到"他们之前看不到的结构性变化。Wack在1985年HBR文章《Scenarios: Uncharted Waters Ahead》中明确写道：场景的价值在于改变管理者的"micros"——他们对世界的内在假设和认知框架。通过1971-1973年间的场景工作，Shell管理层认识到中东石油供应可能中断这一结构性变化，使Shell在1973年石油危机中从"七姐妹"中最弱的公司一跃成为行业领导者。（来源：HBR, 1985）
跨域证据2： [公共政策] 新加坡政府自1980年代起在国防部率先引入场景规划，后扩展至整个政府体系。新加坡战略未来中心（Centre for Strategic Futures, CSF）将场景规划用于改变政策制定者对国家安全的认知框架，其SP+（Scenario Planning Plus）方法论明确将"挑战假设"作为核心目标。（来源：OECD OPSI）
应用方式： 构建3-4个结构不同的场景叙事，迫使决策者体验与其既有认知不同的"未来世界"，从而松动固化的思维框架。
局限： 效果高度依赖参与者的开放性和反思能力；组织文化中权力距离过大时，下属可能不敢真正挑战上级假设，场景沦为表面功夫。
原理2：预确定性要素识别（Predetermined Elements）
一句话定义： 区分已经发生但后果尚未完全展开的"确定性力量"与真正不确定的因素。
跨域证据1： [能源行业] Pierre Wack将"预确定性要素"定义为"已经发生但其后果尚未完全展开的事件"。在Shell的场景实践中，Wack识别出20世纪70年代中东国家的民族主义浪潮和石油需求增长趋势属于"预确定性要素"——这些力量已经形成，不论短期政治事件如何变化都会持续发挥作用。（来源：ResearchGate）
跨域证据2： [气候政策] IPCC的共享社会经济路径（SSPs）框架将人口增长趋势、既有基础设施的碳排放锁定效应等视为"预确定性要素"，而将政策选择路径、技术突破速度等作为真正的不确定性维度。（来源：IPCC Emissions Scenarios）
应用方式： 在构建场景之前，先系统梳理"确定性"力量（人口趋势、已投入资本、物理定律约束等），将其作为所有场景共享的"底座"，再围绕2-3个关键不确定性构建差异化的场景。
局限： "预确定性"的判断本身可能出错——某些看似确定的大趋势可能在黑天鹅事件中发生反转（如苏联解体对地缘政治"确定性"的颠覆）。
原理3：不确定性双轴矩阵（Uncertainty Axes Matrix）
一句话定义： 选取2个最高影响且最高不确定性的驱动力量作为坐标轴，形成2x2场景矩阵。
跨域证据1： [商业战略] Peter Schwartz在Global Business Network（GBN）推广的场景构建方法中，经典步骤是：从所有驱动力量中选出影响最大且最不确定的2个，作为X轴和Y轴，形成4个象限场景。（来源：Schwartz, The Art of the Long View, 1991）
跨域证据2： [城市规划] 在城市规划领域，场景矩阵方法被广泛应用于空间动态规划。SAGE期刊上发表的研究将场景规划与空间动态规划支持系统结合，以"经济增长速度"和"环境约束强度"为双轴，预测和模拟城市增长的不同情景。（来源：SAGE Journals）
应用方式： 步骤为：(1) 列出所有驱动力量；(2) 按"影响程度"和"不确定程度"两个维度评分；(3) 选取右上角的2个力量作为轴；(4) 为4个象限各编写一个叙事场景。
局限： 严格的2x2矩阵可能过度简化现实——当关键不确定性超过2个时，矩阵会遗漏重要维度；而扩展为2x2x2或3x3又会使场景数量爆炸，决策者难以消化。
原理4：叙事驱动的合理性优于概率性（Plausibility Over Probability）
一句话定义： 场景追求内部一致和逻辑合理性，而非预测概率最大的单一未来。
跨域证据1： [国防军事] Herman Kahn在1950年代RAND Corporation开发"场景技术"时，其核心创新就是用多个"思维实验"式的故事代替单一预测。Kahn在分析核战争后果时，构建了多种"不可想象"但逻辑自洽的场景——不是为了预测核战会否发生，而是为了让决策者在面对"不可想象之事"时仍能做出理性判断。（来源：RAND Corporation）
跨域证据2： [政治转型] 1991-1992年南非Mont Fleur场景项目中，22位来自不同政治阵营的南非领袖构建了4个叙事场景——"鸵鸟"（拒绝变革）、"跛鸭"（无力过渡）、"伊卡洛斯"（不切实际的激进改革导致崩溃）、"火烈鸟起飞"（包容性可持续增长）。这些场景的核心价值不在于哪个"最可能发生"，而在于帮助参与者理解每种路径的内在逻辑和因果关系。（来源：Reos Partners）
应用方式： 将每个场景写成完整的叙事故事（而非数据表格），包含因果关系链、关键事件节点和逻辑一致性检验，使读者能够"身临其境"地感受不同未来。
局限： "合理性"判断本身带有主观性；过于精彩的故事可能让人误以为它"应该"发生，反而强化了偏见。
原理5：弱信号监测与战略雷达（Weak Signal Detection & Strategic Radar）
一句话定义： 持续扫描环境中微弱的、不成型的变化信号，作为场景更新和战略调整的早期预警。
跨域证据1： [能源行业] ScienceDirect上发表的研究专门探讨了场景规划中"弱信号"工具在能源领域的应用。弱信号被定义为"新兴变化的早期迹象"——它们尚未形成明确趋势，但可能预示着场景矩阵中某个方向的加速或转折。（来源：ScienceDirect - Heliyon）
跨域证据2： [国家安全] 新加坡政府的RAHS（Risk Assessment and Horizon Scanning）项目是国家级弱信号监测系统的典型案例。RAHS系统性地扫描全球政治、经济、社会、技术等维度的早期信号，为国家战略规划提供输入。（来源：新加坡CSF）
应用方式： 为每个场景设定"指示器"（lead indicators）和"触发条件"，建立持续监测机制，定期评估哪个场景正在变得更"真实"。
局限： 弱信号的假阳性率极高；组织往往在事后才"看到"那些被忽视的信号（事后偏见），但在事前，海量噪音使得真正的信号难以识别。
原理6：多样化参与者与对抗性思维（Diverse Participation & Adversarial Thinking）
一句话定义： 引入不同背景、立场和认知框架的参与者，通过建设性对抗打破群体思维。
跨域证据1： [政治冲突调解] Adam Kahane在Mont Fleur场景项目中刻意邀请了南非社会中最对立的政治力量——非国大活动家、国民党成员、工会领袖、商业巨头——共同构建场景。这种"让敌对双方共享一个思维空间"的设计，使得场景不再是某一方的愿景，而是各方都能承认其"可能性"的叙事。（来源：Adam Kahane, Transformative Scenario Planning, 2012）
跨域证据2： [金融监管] 美联储的CCAR（综合资本分析审查）压力测试框架采用"对抗性"场景设计——由监管机构而非银行自身设计压力场景，正是为了避免银行内部群体思维导致的场景过于乐观问题。（来源：Federal Reserve Stress Tests）
应用方式： 场景团队应包含内部人员和外部人员、乐观派和悲观派、不同职能领域和不同层级，并刻意引入"红队"（Red Team）挑战。
局限： 多样化参与者增加了协调成本和冲突风险；政治敏感环境中，参与者可能代表立场而非真实思考，使场景过程被政治博弈劫持。
操作协议（Agentic Protocol）
Step 1：问题分类 — 判断场景规划的适用性
首先评估问题特征，判断是否适合使用场景规划：
适用场景：
- 面临深度不确定性（未来3-10年的战略环境）
- 关键驱动力量的结果高度不确定且影响重大
- 存在多种结构不同的可能未来（而非单一趋势的上下波动）
- 组织有时间和资源进行前瞻性思考
不适用场景：
- 短期运营问题（时间跨度<1年）
- 高度确定的例行决策（如常规预算规划）
- 需要精确概率预测的监管/合规场景
- 组织缺乏反思性文化或开放性
误用检测： 如果用户要求"预测最可能的未来"或给出"乐观/基准/悲观"三场景框架，应警告这是场景规划的误用。
Step 2：场景规划式分析 — 系统化构建未来场景
2.1 识别预确定性要素
系统梳理已经发生但后果尚未完全展开的力量：
- 人口趋势（老龄化、城市化等）
- 技术轨道（已投入的研发、既有基础设施锁定）
- 政策/法规方向（已立法但未完全实施的政策）
- 物理约束（资源限制、环境承载力）
检查点： 这些要素是否确实是"预确定性"？是否有反转可能？
2.2 识别关键不确定性驱动力量
列出所有可能影响未来的重要因素，对每个因素评估：
- 影响程度： 如果这个因素向不同方向发展，对问题的冲击有多大？
- 不确定程度： 这个因素的未来结果是否高度不可预测？
选取"高影响+高不确定性"的力量作为候选轴。
2.3 构建不确定性双轴矩阵
从候选力量中选取最重要的2个作为X轴和Y轴，形成2x2矩阵：
- 为每个象限命名（建议用隐喻性名称，如"鸵鸟""跛鸭""伊卡洛斯""火烈鸟"）
- 检查4个象限是否确实代表结构不同的世界（而非同一故事的幅度变化）
误用检测： 如果4个象限只是同一趋势的不同数值（如GDP增长3%、2%、1%、-1%），则违反了场景规划的基本原则。
2.4 编写场景叙事
为每个象限编写完整的叙事故事（建议500-1000字）：
- 设定具体的时间点（通常是未来3-10年的某一年）
- 描述那个世界的"日常生活"是怎样的
- 解释因果关系链：为什么这个世界会变成这样？
- 包含具体的细节和情境描述
质量标准：
- 每个场景内部逻辑自洽
- 不同场景之间有明显结构性差异
- 叙事生动，能够让读者"身临其境"
2.5 引入多样化视角挑战
让不同背景的人审视场景：
- 他们是否认为这些场景是"合理的"？
- 是否有被遗漏的关键不确定性？
- 是否有"不可思议"但值得探索的场景？
Step 3：场景规划式输出 — 鲁棒战略设计
3.1 战略含义分析
为每个场景回答：
- 在这个世界中，什么战略会成功？
- 什么战略会失败？
- 我们的核心能力在这个世界中是否有价值？
3.2 设计鲁棒战略（Robust Strategy）
识别在所有场景中都可行的战略选项：
- 共同选项： 哪些行动在所有场景中都是明智的？
- 期权式投资： 哪些小规模投资可以为我们保留在未来某个场景中扩张的权利？
- 对冲策略： 如何设计一个既有基本韧性又能应对特定风险的组合？
3.3 定义信号监测机制
为场景更新建立早期预警系统：
- 指示器： 每个场景的关键"信号"是什么？（如政策变化、技术突破、社会趋势）
- 触发条件： 什么事件应该让我们重新评估场景权重？
- 监测频率： 多久回顾一次场景的"真实性"？
3.4 输出结构化报告
包含以下部分：
- 执行摘要： 场景规划的核心结论和战略建议
- 场景矩阵： 2x2不确定性矩阵可视化
- 场景叙事： 3-4个完整的场景故事
- 战略含义： 每个场景对组织的具体影响
- 鲁棒战略： 在所有场景中都可行的行动方案
- 信号监测： 早期预警指标和回顾机制
适用/不适用判断
| 场景 | 适用度 | 说明 |
|---|---|---|
| 长期战略规划（3-10年） | 高 | 经典适用场景，如Shell的能源行业场景 |
| 政治/社会转型期 | 高 | 如Mont Fleur南非转型场景 |
| 高监管/政策不确定性行业 | 高 | 如能源、医疗、金融行业 |
| 短期运营决策 | 低 | 不确定性低，可用常规分析工具 |
| 需要精确概率的合规场景 | 低 | 场景规划不提供概率预测 |
| 创业公司早期阶段 | 中 | 有价值但资源消耗大，需简化版本 |
误用检测器
| 误用信号 | 检测逻辑 | 警告信息 | 建议动作 |
|---|---|---|---|
| "三种未来"陷阱 | 场景被命名为"乐观/基准/悲观"，实质只是同一趋势的幅度变化 | "这不是场景规划，而是灵敏度分析——而且是一个很差的灵敏度分析" | 使用2x2不确定性矩阵强制构建结构不同的场景 |
| 将场景规划当作预测工具 | 团队讨论"哪个场景最可能发生"或试图分配概率 | "场景规划的力量恰恰在于它承认我们无法预测。一旦你开始选择'最可能'的场景，你就退回了单一预测思维" | 禁止在场景讨论中使用"最可能"这个词，设计鲁棒战略 |
| 场景数量过多或过少 | 开发了7个以上场景或只有2个场景 | "7个场景意味着没有人记得住任何一个。2个场景意味着你只是在做'好与坏'的二元判断。3-4个是甜蜜点" | 严格控制在3-4个场景，使用嵌套结构处理更多维度 |
| 混淆趋势与不确定性 | 将可预测的大趋势（如人口老龄化）作为场景矩阵的"不确定性轴" | "全球人口老龄化不是不确定性——它已经在发生。你需要问的是：在老龄化这个确定性背景下，哪些因素的结果是真正不确定的？" | 先做"预确定性要素"清单，将趋势从不确定性候选中移除 |
| 场景与战略脱节 | 场景报告完成后被搁置，战略照旧进行 | "一份没有人读的场景报告不是场景规划——它是昂贵的创意写作练习。场景必须嵌入决策流程，否则就是浪费" | 让决策者全程参与场景构建，将场景规划嵌入年度战略规划周期 |
| 场景政治化 | 参与者将场景构建过程用作推动自身利益或议程的工具 | "当场景结果恰好证实了CEO最想听到的结论时，你应该警惕——这可能意味着过程被政治绑架了" | 引入独立的外部引导者，使用"红队"角色挑战假设 |
诚实边界
无法处理真正的黑天鹅事件： 场景规划基于"已有信号的外推和组合"——它能够揭示已知的未知（known unknowns），但本质上无法处理未知的未知（unknown unknowns）。2008年金融危机中的许多具体机制（CDO平方、次贷链式崩溃）超出了当时主流场景规划的想象边界。
缺乏标准化的方法论和效果评估体系： 2023年发表在《Futures》期刊上的综述指出，场景规划领域存在概念混乱、方法论混乱、以及效果证据的严重匮乏。目前几乎没有严格的实证研究证明场景规划确实改善了组织绩效。大量"成功案例"（如Shell）是事后归因的——我们无法证明Shell的成功是因为场景规划还是其他因素。
对组织文化和领导力的高度依赖： MIT Sloan Management Review的研究指出，场景规划在"强运营文化"的组织中常常失败——这类组织重视执行效率而非探索性思维。Pierre Wack自己在离开Shell后也承认，场景规划最大的障碍不是方法论问题，而是"改变管理者的心智模型"这一任务远比想象的困难。
资源消耗与规模不经济： 有效的场景规划需要大量时间（通常3-6个月的周期）、高素质的跨职能团队、外部专家网络、以及持续的信号监测基础设施。对于中小型企业而言，完整的场景规划流程可能是不经济的——投入产出比不足以支撑。
"虚假精度"风险与量化陷阱： 当组织试图为场景赋予精确的概率、时间线或量化影响时，容易产生"虚假精度"——一种无法在深度不确定性下合理辩护的精确感。Hodgkinson & Healey（2008）的学术研究指出，过于复杂和量化过度的场景可能产生"创造力叠加在幻想上"的功能失调——表面上严谨的数字掩盖了底层假设的脆弱性。
调研来源
本 Skill 的设计基于以下来源（部分）：
- Pierre Wack, "Scenarios: Uncharted Waters Ahead", Harvard Business Review, 1985 — 一手来源，核心必读
- Pierre Wack, "Scenarios: Shooting the Rapids", Harvard Business Review, 1985 — 一手来源，核心必读
- Peter Schwartz, The Art of the Long View, Doubleday, 1991 — 一手来源，核心必读
- Paul Schoemaker, "Scenario Planning: A Tool for Strategic Thinking", MIT Sloan Management Review, 1995 — 一手来源，核心必读
- Paul Schoemaker, "Twenty Common Pitfalls in Scenario Planning", in Learning from the Future, Wiley, 1998 — 一手来源
- Adam Kahane, Transformative Scenario Planning, Berrett-Koehler, 2012 — 一手来源
- Herman Kahn, On Thermonuclear War, Princeton University Press, 1960 — 一手来源，经典
- Herman Kahn, Thinking About the Unthinkable, Horizon Press, 1962 — 一手来源，经典
- Royal Dutch Shell, "40 Years of Shell Scenarios", Shell官方出版物, 2012 — 一手来源
- Reos Partners, "Mont Fleur Scenarios" 项目文档 — 一手来源
- Federal Reserve, "Policy Statement on Scenario Design Framework for Stress Testing", 2013 — 一手来源
- IEA, World Energy Outlook 年度系列 — 一手来源
- IPCC, Shared Socioeconomic Pathways (SSPs) — 一手来源
一手来源占比： 约77%（10个一手来源，3个二手来源）
本 Skill 由 Forge Skill 锻造引擎自动生成。GitHub: https://github.com/peterfei/forge-skill 基于方法论文献的结构化提炼和三重验证提取。