第二节 情景分析与预测分析理论

一 情景与预测

1．预测分析方法

预测分析法就是根据客观对象的已知信息而对事物在将来的某些特征、发展状况的一种估计、测算活动。运用各种定性和定量的分析理论与方法，对事物未来发展的趋势和水平进行判断和推测的一种活动。预测学的出现不是孤立的，它是在人类社会生产力和科学技术日益发达的基础上应运而生的，它与其他的学科诸如经济学、数学、系统工程学、统计学、电子计算机技术等都有密切的关系。预测分析理论很多是这些学科理论的应用、延伸和发展。它的方法很多是借助于其他早已成熟的学科的成果。

预测分析方法现代化、科学化的要求是：定性分析数量化、定量分析模型化、模型分析计算机化等。

预测分析法，据统计至今已有150种以上，常用的也有二三十种。常用的预测方法可分为三大类：①定性预测法。包括特尔菲法、专家会议法、岗位分析法等。②数学模型法。包括回归模型法、时序模型法、动态需求系统等。③模拟模型。包括交互影响模拟技术法、数字模拟仿真法。在实际的预测工作中，可根据研究的实际情况选择恰当的方法，亦可多种方法同时运用，以相互印证预测的结果。

针对不同的未来预测及分析，有多种方法可供选择，如Cornish认为，主要有以下方法：扫描（Scanning）；趋势分析（Trend analysis）；趋势监测（Trend monitoring）；趋势映射（Trend projection）；情景分析（Scenarios）；投票（Polling）；头脑风暴（Brainstorming）；模型（Modelling）；游戏（Gaming）；历史分析（Historical analysis）；愿景分析（Visioning）。

一个综合的预测项目主要由表2-3所示的要素构成。

2．情景与预测的关系

从广义上讲，情景分析法是预测工具中的一种，但情景分析的过程又不是传统意义上的预言或预测，而是对未来各种不可知现象的一种描述方法。

情景介于预测与猜测之间，预测多是线性的，有一种明确结果，而情景往往是多种可能方案。构建情景也不是猜测，而是基于多种定性或定量的方法进行描述，并通过模型等工具进行敏感性分析，当然，也应用到多种预测方法。情景与预测、猜测的关系参见图2-2。

预测（Forecasting）、情景（Scenarios）、愿景（Visions，也常用“希望”——Hope表述）和猜测（Speculation）几者的区别主要在于：随着时间的推移，预测、情景、愿景和猜测几者的不确定性逐步增加，可预期性逐渐降低。参见图2-3。

情景与预测及愿景的区别见表2-4。

二 情景分析法与传统预测方法比较

1．情景分析法与传统预测方法的区别

传统预测方法往往假定未来的发展结果是唯一的，并根据近年的发展情况进行趋势外推，得出关于未来发展状况的预测。传统的外推式的预测

方法以及在此基础上建立的各种长远规划，适用于相对稳定的环境或不确定性较低的环境。但当不确定性较高时，比如“未来处在有一定变化范围的前景或者前景完全不明”，人们“要么对未来发生的事件和结果不知，要么虽然知道可能发生的事件和结果（这意味着有多种可能性），但是不知道其时间和概率”，预测的作用就被大打折扣，甚至会带来错误的结果。由于缺乏对各种突发事件的敏感性以及对动荡环境的灵活适应性，预测已不能满足制定各类战略规划的需要。

情景分析则恰恰相反，它是居于未来发展的不确定性，对未来的发展做出多种可选择的描述，这不同于预测技术的“过去—现在—未来”的趋势外推思想。情景分析法承认“未来不一定是过去和现在的时间连续体”，采用情景分析的目的不是预测未来到底是哪种情景，也不是为未来的各种情景的出现概率赋值（在情景分析的历史上，理性流派曾经想通过数学方法精确预测情景在未来出现的概率，但由于违背了不确定性的本质，最终走进了死胡同），而是通过多种情景将未来环境的发展变化演示出来，利用情景提供的关于未来的信息，深刻理解不确定性并为之做好准备，以便在未来从容应对。

情景与传统预测方法的区别见图2-4。

Rubin和Kaivo-oja认为，未来有三种情形，并回答三个不同的问题：

•有可能的未来（Possible futures）——可能发生什么（What may happen）？

•很有可能的未来（Probable futures）——什么最有可能发生（What is most likely to happen）？

•更可取的未来（Preferable futures）——我们更愿意发生什么（What would we prefer to happen）？

一般来说，传统预测方法适用于中间情况，而情景分析更适用于第一种情况，即不确定性较大的情况。

2．情景分析法与传统预测方法的联系

传统的预测方法主要是统计预测方法，利用经济模型、回归分析和时间序列等方法，对历史数据进行分析，预测未来的发展趋势。众所周知，在拥有大量历史数据，而且关键变量间的关系在未来保持不变时，统计预测方法比较有效。但在动荡多变和错综复杂的环境下，统计预测方法因其基于关键变量间的历史联系的假设跟实际情况不符而很难奏效。

情景分析是对系统环境变化下的组织长期发展态势作深层次分析；而趋势外推等传统技术是在结构确定的情况下对组织的短期发展作进一步的定量描述。不过，情景分析方法并不排斥趋势外推方法，而是吸取趋势外推方法的有效部分，如对组织进行稳定环境下的短期预测，并在此基础上对其长远预测的不可靠性部分进行补充和拓展，这样便形成了一个新的预测思维方法。

情景分析法与趋势外推等传统预测方法的联系见图2-5。

3．情景预测工具与其他预测工具的比较

情景分析法是一种预测分析方法，但情景分析的过程又不是传统意义上的预言或预测。情景分析法是基于未来发展的不确定性，对未来的发展做出多种可选择的描述；而其他预测方法，则往往假定未来的发展结果是唯一的，并根据近年的发展情况进行趋势外推，得出关于未来发展状况的预测。

情景分析法与其他预测方法的比较见表2-5。

三 提升情景分析预见准确性的方法

1．导致预见准确性低的六个因素

Paul Goodwin和George Wright认为，主要有六个因素导致预见的不准确性：

（1）资料参考不够（Sparsity of reference class）。预见的准确性往往来源于对大量相似事件及资料的把握，掌握资料不够，预见也就缺乏基础。

（2）引用过时的内容或不包含异乎寻常的事件（Reference class is outdated or does not contain extreme events）。未来的世界是多变的，预见如不打破常规，就难以发现那些以往没有发生的事件。

（3）使用不适当的统计模型（Use of inappropriate statistical models）。合适的模型有利于认知未来，但由于任何模型都有局限性，模型使用错误更容易误导分析。

（4）因果关系错位的危险（The danger of misplaced causality）。预见往往基于一些假定条件，参数设定失误，预见自然难以准确。

（5）认知偏差（Cognitive biases）。无论是资料掌握不够，或是模型使用错误，都会导致认知的偏差。同时，过分信赖经验，也容易产生认知的偏差。

（6）框架的轻率（Frame blindness）。情景分析框架的设定有严格的程序，轻率随意设定情景框架，容易产生不严谨，以致偏差。

2．对策

在情景分析中，应对不确定性的主要方法有：创建有挑战性的架构；有效识别不确定性的边界；使用回溯逻辑构建情景；加强利益相关者分析；情景评价方法的灵活性、多样性、可靠性；提升直觉逻辑的能力。

同时，要采取以下措施增加稀有事件的可预见性：①保护策略；②为所有可能发生的重大事件准备方案；③拓宽可能情景的范围；④通过魔鬼似的讨论，提升德尔菲法和情景分析的可行性。

Paul Goodwin和George Wright认为，要提升情景分析法预见的准确性，需要重视应用以下方法：①统计预测（Statistical forecasting）; ②专家判断（Expert judgment）; ③结构判断分解（Structured judgmental decomposition）; ④结构（案例）类推（Structured analogies），参考类似的结构，可以快速得出结论，然而，在使用该方法时，容易对罕见的事件判断失误；⑤基于判断调整的统计预测（Statistical forecasting with judgmental intervention or adjustment）; ⑥德尔菲法（Delphi）; ⑦预测市场（Prediction markets）; ⑧情景规划（Scenario planning）。

导致预见准确性低的因素，以及提升情景分析法预见准确性的方法见表2-6。