情景规划是一种战略规划方法,通过构建和比较多种可能的未来情景,为当下的决策提供依据。情景规划并不将某一种未来认定为最有可能发生的情况,并据此安排所有活动,而是考察社会、经济、技术、环境和政治变化的不同组合可能如何影响组织、行业或公共政策。其主要目的在于揭示隐含假设、识别薄弱环节与机遇,并制定在不同条件下仍然有效的战略。
情景不只是乐观或悲观的预测。它描述一组相互协调的未来状况,通常还会从因果关系上说明这些状况可能如何形成。情景可以将定性叙述与定量模型结合起来,但数值精确度和指定概率都不是这种方法的必要条件。
目的与概念基础
许多决策的影响会延续至可靠预测所能覆盖的时期之后。对基础设施、工业产能、劳动力技能或研究与开发的投资,可能取决于无法有把握地预测的技术、法规和需求模式。
情景规划通过区分三个问题来应对这一难题:
- 可能发生什么? 关注外部可能出现的变化。
- 这些变化意味着什么? 关注这些变化对特定目标、资产或活动的影响。
- 现在可以做些什么? 关注能够保留选择空间、降低风险暴露或把握机遇的选择。
这种方法尤其适用于深度不确定性:决策者无法有把握地确定未来条件、就适当的因果模型达成一致,或为各种结果赋予可靠概率的情况。它并不能消除不确定性,而是将选定的不确定因素明确呈现出来,并考察其影响。
情景规划也着眼于有限理性带来的局限。个人和组织往往习惯于用熟悉的分类框架理解新信息,将近期趋势外推至未来,并忽视既有关注范围之外的变化。相互对照的情景有助于挑战这些思维习惯,不过情景规划活动本身也仍然可能受到偏见影响。
历史发展
现代情景规划并非源自某一项单独的发明,而是由几种相互交织的传统发展而来。
第二次世界大战后,军事与国防研究人员利用假设的事件序列考察战略选择,尤其是涉及核武器的选择。赫尔曼·卡恩先后在兰德公司和哈德逊研究所工作,推动了利用情景探索复杂未来局势的方法的发展与普及。
与此同时,法国形成了以加斯东·贝尔热及后续实践者为代表的“前瞻研究”(la prospective)传统,强调对长期未来的探索,以及可能的未来与当下行动之间的关系。
20世纪60年代和70年代,情景规划在企业中的应用逐渐扩大。荷兰皇家壳牌集团通过皮埃尔·瓦克等规划人员的工作产生了尤为显著的影响。其方法强调不同的世界观和非连续性变化,而不只是编制数值预测。壳牌在20世纪70年代石油危机前后的经历,成为这一方法后续发展的重要案例。这里的关键区别在于:让决策者做好识别突变的准备,并不等于预测突变发生的确切时间或具体形式。
此后,包括彼得·施瓦茨在内的实践者推动情景规划广泛应用于企业战略、政府和非营利组织。如今,其应用领域包括区域发展、安全、能源系统和气候变化。
情景、预测及相关方法
情景规划与多种分析方法存在交集,但它们的用途有所不同。
| 方法 | 核心问题 | 通常关注的重点 |
|---|---|---|
| 预测 | 根据现有证据和假设,预计会发生什么? | 估计的结果,有时包括概率分布 |
| 情景规划 | 哪些实质上不同的未来可能影响这项决策? | 内部协调的多种可能情景及其战略影响 |
| 敏感性分析 | 选定输入发生变化时,结果如何变化? | 结果对参数的依赖程度 |
| 压力测试 | 系统能否承受特定的不利条件? | 脆弱性与韧性 |
| 应急规划 | 特定事件发生后,应采取哪些行动? | 触发条件、职责与响应程序 |
| 回溯分析 | 要实现某个特定的未来,需要作出哪些改变? | 从理想终点倒推的实现路径 |
预测可以包含多个情景,情景规划活动也可以纳入预测。二者的区别在于目的,而非术语:情景规划不要求选定某一种未来作为核心预测。
敏感性分析通常一次改变一个参数,或考察一组给定范围内的输入。情景规划则通常同时改变多个相互作用的条件,不仅考虑参数值的变化,也考虑关系、制度或行为的变化。
例如,银行压力测试可能考察经济衰退、资产价格下跌和失业率上升对金融韧性的影响。这类活动使用情景,但其核心目标比广泛探索不同战略环境更为具体。
主要方法
探索性情景
探索性情景从当前条件出发,研究不同的未来可能如何形成。当组织希望理解外部变化,而不预设某个理想终点时,这类情景就很有用。
例如,一家公司可以考察技术变迁以及贸易规则、消费者行为和能源成本的变化可能如何重塑其所在行业。
规范性情景与回溯分析
规范性情景描述被认为值得追求的未来,或由某个特定目标界定的未来。回溯分析则进一步考察实现这一终点所需的步骤和促成条件。
例如,区域交通规划可以探索实现特定排放目标或可达性目标的路径。终点值得追求,并不意味着通向它的路径必然会实现;路径是否可行,取决于实施过程、资源、制度和行为。
定性与定量情景
定性方法侧重叙述、制度变迁、利益相关方行为和因果机制。定量方法则运用经济、人口、工程或其他模型,计算内部一致的结果。
混合方法将两者联系起来。例如,关于电气化加速的叙述,可以转化为对电力需求、发电能力、投资和排放的假设。模型结果随后可能揭示其中的不一致之处,促使人们修改叙述。
量化能够增强分析的严谨性,但并不能使假设自动成为事实。即使初始条件相近,不同模型也可能得出不同结果。
典型规划流程
情景规划没有必须普遍遵循的固定程序,但许多实践都采用以下常见步骤。
1. 确定决策与范围
首先确定核心问题、时间跨度和决策背景。“世界将会是什么样?”通常不如以下问题有用:“未来十五年,在不同能源和贸易条件下,哪些生产投资仍然可行?”
时间跨度应当反映决策从启动到落实所需的时间、资产寿命以及决策的可逆程度。
2. 识别驱动因素
参与者考察可能改变运营环境的各种变化。常见类别包括人口、技术、经济状况、环境变化、政治、法律和社会价值观。
相关驱动因素可能包括人口学层面的变化、经济增长、利率或关键材料的可获得性。分析需要区分相对持久的趋势,以及可能导致结果显著不同的不确定因素。
3. 选择关键不确定因素
并非每一种不确定性都值得单独构建一个情景。规划人员通常优先考虑潜在影响大、同时不确定程度也高的因素。
因素之间的相互作用同样重要。技术采用、监管和消费者需求可能相互促进,也可能相互制约。将它们视为彼此独立的因素,可能产生具有误导性的组合。
4. 构建情景组合
一种常见技术是将两个主要不确定因素置于相互垂直的坐标轴上,由此形成四个情景。这种二乘二矩阵易于传达,但并非情景规划的必要形式。
其他方法包括结合多个维度、使用模拟,或围绕不同的因果模式构建情景。目标是形成一组数量适中、能够揭示重要差异的情景,而不是穷尽一切可以想象的情况。
有用的情景应具有以下特征:
- 合理可信: 有站得住脚的机制与假设作为支撑。
- 内部协调: 各组成要素之间不存在未经解释的矛盾。
- 具有区分度: 呈现出有实质差异的条件。
- 与决策相关: 能够影响实际选择。
- 具有挑战性: 质疑重要假设,而不只是重复人们熟悉的预期。
5. 评估战略影响
在各个情景中检验每项拟议战略。分析可以涵盖财务表现、运营可行性、法律要求、分配效应以及不可逆的投入与承诺。
成本收益分析和现金流折现法可以为这一阶段提供支持,但其结果仍然以情景假设为条件。
6. 制定行动与监测安排
情景规划应当明确行动、职责和需要监测的指标。常见成果包括:
- 稳健行动: 在多种未来情景中都能取得可接受的表现。
- 条件性行动: 在特定条件出现时采取的行动。
- 探索性投资: 用于获取信息或保留未来选择空间的投资。
- 路标指标: 帮助判断重要假设是否正在发生变化的指标。
情景需要定期审查。监测不只是为了找出最终“胜出”的情景:实际变化可能融合多个情景中的要素,也可能超出最初设定的情景范围。
应用示例
假设一家制造商正在决定,是建设一座大型专用工厂,还是建设若干规模较小、适应性更强的生产设施。两个重要的不确定因素是市场一体化程度和工业能源成本。
| 能源成本相对较低 | 能源成本相对较高 | |
|---|---|---|
| 市场一体化程度较高 | 大规模生产和国际分销可能具有吸引力 | 一体化市场仍然可以进入,但效率与能源采购变得更加重要 |
| 市场碎片化程度较高 | 尽管存在重复建设,区域性产能仍可能降低贸易壁垒带来的风险 | 灵活的区域生产和能源效率变得重要,但整体盈利能力可能受到限制 |
这一简化框架并不能确定哪项投资最优。它引导人们关注单一需求预测可能遗漏的问题:关税风险、运输需求、工厂灵活性以及供应链的可靠性。
制造商可以比较四种情况下的资本投入和运营成本,进而选择分阶段建设、保留扩建选择,或确定在什么条件下专用工厂会成为更好的选择。这些选择涉及机会成本:灵活性可以提高适应能力,但也可能牺牲一部分有利条件下的效率。
不确定条件下的决策准则
情景规划并不规定唯一的决策规则。战略可以根据平均表现、最低可接受表现、失败风险或适应能力来评估。
如果存在有充分依据的概率,决策者可以比较期望值。当概率缺乏充分依据时,可以采用其他方法,包括:
- 稳健性: 在多种条件下满足特定要求。
- 最大最小准则: 选择最坏情况下结果最好的方案。
- 最小最大后悔准则: 相对于各情景中的最佳方案,使最大差距最小化。
这些准则可能导向不同的选择。高度谨慎的准则可能为了避免不利结果,而放弃相当可观的潜在收益。稳健性也取决于所考察的情景;在范围狭窄的情景组合中表现良好,并不意味着能够抵御所有可能的未来情况。
情景规划可以通过凸显随着信息改善而推迟、分阶段实施、扩大或放弃投资的价值,为实物期权思维提供支持。
应用领域
企业将情景规划用于资本配置、产品组合、市场进入和组织能力建设。政府则将其用于城市规划、基础设施、公共服务以及长期财政压力的应对。
能源与气候领域的应用考察技术、政策、消费模式和环境条件的不同组合。这些情景是有条件的路径,不一定是预测,也不一定表示发生的可能性。
金融机构利用情景考察信用风险、流动性风险以及范围更广的系统性风险。发展机构则借助情景探索人口变化、资源约束、制度与经济转型之间的相互作用。
局限与方法论争议
情景选择具有主观性。 参与者决定哪些不确定因素重要,以及哪些变化看起来合理可信。专业知识可以改善这种选择,但无法确保所有重要可能性都已纳入考虑。
叙述的连贯性可能被误当作发生概率。 一个生动且有说服力的故事,可能让人觉得它比证据所支持的更有可能发生。详细的因果序列也会引入更多可能不成立的假设。
简单框架可能掩盖复杂性。 双轴矩阵可能遗漏重要变量,或暗示密切关联的驱动因素彼此独立。少量情景无法代表所有可能结果。
数字可能制造虚假的精确感。 详细推演反映的可能是模型结构和输入假设,而非关于未来的有力证据。赋予概率尤其需要谨慎,因为选定的一组情景往往既不穷尽所有可能,也不相互排斥。
参与过程可能再现组织中的权力关系。 高层决策者可能排除令人不安的可能性,而研讨活动可能更偏好共识而非分歧。纳入不同视角可以拓宽分析,但参与本身并不能证明结论有效。
战略影响难以衡量。 情景规划活动可能增进共同理解,却未必带来容易衡量的决策收益。反过来,如果精心编制的叙述与预算、激励机制和实施权限脱节,也可能几乎不产生影响。
因此,评估情景规划的质量,主要依据其假设的透明度、所探索的重要不确定因素的范围,以及它对决策的贡献,而不是看某个叙述后来是否显得“预测”了事件。