Astra gpt-6-astra · effort ultra срез: 2026-09-21 источников: 66 слов: 13385 complete
What-if анализ и сценарное моделирование: подходы и практики
Сценарии исследуют разные контексты, what-if рассчитывает условные последствия, а прогноз оценивает ожидаемое будущее. Для SMB предложена связка модели драйверов, допущений, решений и триггеров; универсальный эффект на прибыль не доказан.
Вердикт
Для слоя планирования SMB целесообразна связка «разные контексты → модель драйверов → сравнение действий → сигналы и пересмотр». Это авторский вывод из сопоставления методов, а не общепринятый единый стандарт гипотеза. Сценарии исследуют возможные условия и меняют представления руководителей, тогда как прогноз оценивает ожидаемую траекторию при оговорённых условиях; это различение поддерживается действующей практикой Shell и OSPA факт [S1, S2]. Для большинства простых оперативных решений отправной точкой служат прозрачная экономика, one-/multi-way what-if и break-even, а не сложная симуляция гипотеза.
Сложность следует добавлять по механизму неопределённости. Распределения нужны для обоснованного риска, сценарии контекста — для структурных изменений, SD/DES/ABM — когда существенны накопления, очереди или взаимодействие агентов гипотеза. Главная ограничивающая граница — недостаток причинных доказательств универсального улучшения результатов компаний именно от scenario planning; сильнее подтверждены отдельные процессы обучения и прогнозных суждений эмпирика [S3, S4]. Самая сильная альтернатива для обратимых решений с быстрым откликом — простой прогноз с резервом и ограниченный эксперимент, который создаёт новые данные гипотеза.
Для продукта приоритетны происхождение допущений, ограничения, версии и проверка фактом. LLM полезны как интерфейс извлечения, критики и запуска расчётов; их способность писать убедительные тексты не подтверждает правильность бизнес-выводов гипотеза. Уверенность высокая в различиях методов и необходимости явно задавать условия расчёта, средняя в предложенной архитектуре переноса между тремя сегментами и низкая в обещании измеримого универсального ROI без локальной проверки гипотеза.
Что это и как работает
Философия: проверять решения, а не угадывать единственное будущее
Scenario planning — организованное исследование нескольких возможных контекстов для сегодняшнего решения. Shell прямо отделяет свои сценарии от прогнозов, стратегии и бизнес-плана: они служат одним из входов стратегического обсуждения. Это описание практики самой компании, а не независимое доказательство её эффективности факт [S1].
What-if — условный расчёт последствий. Вопрос имеет форму «если изменятся входы или правило действия, что выдаст данная модель?»: результат истинен относительно её структуры и допущений, а не автоматически относительно мира гипотеза.
| Понятие | На какой вопрос отвечает | Результат | Что нельзя подменять |
|---|---|---|---|
| Прогноз | Что ожидается при имеющихся данных и оговорённых условиях? | Точка, интервал или распределение с датой формирования | Целью, желанием собственника или безусловной гарантией |
| Сценарий контекста | Какие разные условия способны изменить решение? | Согласованное описание мира и траектории к нему | Только тремя процентами роста выручки |
| What-if | Что получится при заданных входах и действиях? | Условный результат модели | Доказательством причинного эффекта вмешательства |
| План | Что будет сделано, кем, когда и за какие ресурсы? | Обязательства и условия пересмотра | Прогнозом того, что точно произойдёт |
| Бюджет | Какие ресурсы разрешено использовать? | Версия финансовых ограничений | Наиболее честной текущей оценкой будущего |
| Решение / policy | Какой вариант или правило реакции выбрать? | Действие сейчас либо функция наблюдаемых сигналов | Сценарием внешнего мира |
Таблица — проектная таксономия для продукта. Она синтезирует разделение сценария и плана у Shell, процесс OSPA и логику driver-based planning; границы сущностей предлагаются автором гипотеза [S1, S2, S5].
| Ось неопределённости | Практический смысл | Последствие для метода |
|---|---|---|
| Риск с обоснованными вероятностями | Модель исходов достаточно устойчива, распределение оценено и проверяется | Monte Carlo, decision analysis, вероятностный прогноз |
| Эпистемическая неопределённость | Не хватает знания о параметрах или структуре | Диапазоны, альтернативные модели, сбор информации, чувствительность |
| Глубокая неопределённость | Нет согласия о механизмах, вероятностях или критериях успеха | Exploratory scenarios, robust decision making, адаптивные действия |
| Случайная вариативность | Даже при хорошей модели погода, длительности и спрос меняются | Распределения и повторные симуляции, запас устойчивости |
| Неоднозначность целей | Прибыль, качество, нагрузка и сохранение команды конфликтуют | Явные критерии и границы приемлемости до расчёта |
Риск и неопределённость здесь — рабочее различение, а не универсальный словарь. Случайная и эпистемическая части часто смешаны; увеличение числа прогонов не устраняет ошибку механизма или неизвестный режим рынка гипотеза. RAND предлагает искать уязвимости решений в большом пространстве будущих условий и оценивать устойчивость при альтернативных предположениях факт [S6].
Школы и способы построения сценариев
| Подход | Вход → процедура → выход | Допущения и точка поломки | Основание |
|---|---|---|---|
| Shell / Pierre Wack, intuitive logics | Стратегический вопрос, тренды, предопределённые элементы, неопределённости → разные причинные истории → изменение представлений руководителей | Если истории не затрагивают действующие убеждения и решения, остаётся литературное упражнение | Официальное описание Shell; атрибуция Wack проверена по издательской аннотации факт [S1, S7] |
| Peter Schwartz / традиция GBN | Фокусное решение, факторы среды → отбор важных неопределённостей, сюжетов и индикаторов → небольшой набор различающихся миров | Простота 2×2 помогает обсуждению, но две оси не обязаны исчерпывать систему; GBN здесь название традиции, не рекомендация действующего поставщика | Книга подтверждена по издательской странице; конкретная техника 2×2 — по открытому toolkit факт [S8, S9] |
| Paul Schoemaker | Горизонт и участники → тренды и неопределённости → темы сценариев → проверка согласованности → уточнение информации и количественных моделей | Комбинации экстремумов первоначально полезны, но логически невозможные комбинации необходимо отбрасывать | Авторская методическая статья, не сравнительное испытание мнение [S10] |
| Oxford Scenario Planning Approach, Ramírez–Wilkinson | Сначала пользователь, назначение и ситуация → отделение среды взаимодействий от внешнего контекста → совместное переосмысление → новые варианты действий | Plausibility устанавливается через аргументацию; присвоение процентов целым историям в этой школе отвергается | Позиция школы, не запрет вероятностей во всех методах мнение [S2] |
| Матрица 2×2 | Две важные неопределённости с осмысленными полюсами → четыре сочетания → причинные истории и последствия | Оси не должны быть одним и тем же фактором под разными именами; пустой квадрант нельзя заполнять вопреки физике | Процедура toolkit факт [S9]; ограничения выбора осей — авторская проверка гипотеза |
| General Morphological Analysis, Tom Ritchey | Параметры и дискретные состояния → морфологическое поле → cross-consistency assessment пар → допустимые конфигурации | Отсечение несовместимых пар сокращает пространство; оно не доказывает вероятность конфигурации и может пропустить противоречие высшего порядка | Авторское описание метода факт [S11]; последнее ограничение — логический вывод гипотеза |
| Cross-impact / Cross-Impact Balances, CIB | Состояния факторов и экспертные оценки направленных влияний → матрица → поиск конфигураций, где выбранные состояния не уступают альтернативам по суммарной поддержке | CIB проверяет согласованность внутри заданной сети; баллы влияния не становятся вероятностями и не доказывают причинность | Официальное описание алгоритма факт [S12] |
Exploratory и normative — разные направления вопроса. Первое исследует «что может случиться», второе — «какое будущее желательно и как к нему прийти»; backcasting начинает с желаемого состояния и восстанавливает необходимые промежуточные изменения факт [S9]. В продукте полезно хранить orientation, чтобы целевой сценарий не смешивался с внешним контекстом или прогнозом гипотеза.
Качественное и количественное дополняют друг друга. История объясняет изменение механизма спроса, труда или предложения; численная модель проверяет следствия для мощности, денег и сроков. Сценарий может менять структуру модели, а не только значения её коэффициентов гипотеза.
Как собирать входы
| Метод | Механика | Результат и ограничение |
|---|---|---|
| Horizon scanning | Регулярно собирать внешние сигналы, фиксировать источник, горизонт, механизм влияния и контраргумент | Реестр наблюдений, а не список модных слов; пропуск неудобных источников сужает пространство сценариев факт [S9] |
| Delphi | Несколько раундов экспертных оценок с обратной связью и возможностью пересмотра | Карта согласия и расхождения; консенсус не равен истинности факт [S9]; последнее — методологическое ограничение гипотеза |
| Разбор факта и base rates | Сопоставить прежние оценки с исходами, найти похожие случаи | Внешняя точка отсчёта для диапазонов, а не подгонка под желаемую историю гипотеза |
| Интервью с операционными ролями | Спросить, какое допущение ломает план и что видно раньше финансового результата | Ограничения и ранние сигналы, которые не видны в сводном P&L гипотеза |
Driver-based planning и rolling forecast
Driver-based model связывает операционные причины с результатом. AFP описывает модели с небольшим набором входов, влияющих на финансовые выходы; полезность зависит от обоснованности связей и качества данных, а обещание большей точности само по себе не является результатом испытания мнение [S5].
Контекст s → внешние входы Xs(t)
Решение a → управляемые входы и правила Ua(t)
Модель m + допущения θ + ограничения C → Y(s,a,m,θ,t)
Y → сравнение вариантов по критериям → выбранное действие
Наблюдения → проверка допущений и сигналов → новая версия, без стирания старой
Rolling forecast сдвигает горизонт при поступлении факта. Обновляется оценка ожидаемых результатов, а не автоматически разрешённые расходы; частоту следует выбирать по скорости получения полезной информации мнение [S13]. Для SMB предлагается отдельно хранить факт, прогноз, утверждённый бюджет и варианты расчёта, связанные одной моделью драйверов гипотеза.
Корреляционный драйвер не обязательно является рычагом управления. Если продажи исторически растут вместе с рекламным бюджетом, простая замена бюджета не доказывает, что продажи вырастут по прежнему коэффициенту: бюджет мог увеличиваться в ответ на спрос. Для такого what-if требуется допущение о причинном механизме, эксперимент либо диапазон альтернативных откликов гипотеза.
Количественные методы: от одного входа до динамической системы
| Метод | Входы и процедура | Что означает выход | Где ломается |
|---|---|---|---|
| One-way what-if / tornado | Меняется один вход, остальные фиксируются; диапазоны эффектов сортируются | Чувствительность конкретного выхода около выбранной базы | Ранг зависит от диапазона и базы; взаимодействия пропущены. В Crystal Ball tornado именно так отличается от sensitivity по корреляциям прогонов факт [S14] |
| Multi-way what-if | Сетка сочетаний двух или нескольких входов, пересчёт ограничений | Поверхность результата и пороги смены решения | Число комбинаций растёт; сетка не задаёт вероятности и может включать невозможные миры гипотеза |
| Global sensitivity | Исследуется совместное пространство входов; screening Morris или разложение дисперсии Sobol | Влияние входов и взаимодействий в пределах заданного распределения | Стандартное разложение Sobol предполагает независимость входов; при зависимостях нужна подходящая процедура, иначе атрибуция неоднозначна факт [S15] |
| Break-even | Уравнение результата решается относительно цены, объёма, урожайности или удержания | Граница выполнимости, не вероятность достижения | Постоянные и переменные затраты, период и мощность должны совпадать. Для одной услуги Q_BE = F/(p−v), если p>v факт [S16] |
| Monte Carlo | Выборка совместных входов → расчёт модели на каждом прогоне → распределение выходов | Условные квантили, вероятность убытка или нарушения ограничения | Неверная зависимость, хвосты, пропущенный режим и структура модели сохраняют ошибку при любом количестве прогонов гипотеза; программная реализация факт [S17] |
| System dynamics | Запасы, потоки, обратные связи, задержки и начальные условия → интегрирование во времени | Траектории и последствия правил управления | Хорошее совпадение с прошлым не устанавливает правильность причинного механизма; нужны разные тесты мнение [S18] |
| Discrete-event simulation, DES | Клиенты/работы, события, очереди, длительности, ресурсы и календарь → продвижение времени по событиям | Ожидание, пропускная способность, отказы и загрузка | Средние длительности скрывают очереди; распределения, warm-up и начальное состояние должны соответствовать задаче факт [S19]; ограничение авторское гипотеза |
| Agent-based modeling, ABM | Разнородные агенты, состояния, сеть и правила взаимодействий → многократные прогоны | Возникающие общие паттерны и распределения | Правдоподобное поведение отдельных агентов не доказывает правильность агрегата; слишком много неподтверждённых правил факт [S19]; ограничение авторское гипотеза |
В системной модели накопления должны сохраняться. Простейшая дискретная запись: stock[t+1] = stock[t] + inflow[t] − outflow[t]; потоки здесь уже интегрированы за шаг. Если поток задан в единицах в день, при недельном шаге требуется умножение на длительность; это отдельная автоматическая проверка гипотеза.
Точка и распределение дают разные ответы при ограничениях. Иллюстрация: спрос равен 0 или 200 с одинаковыми вероятностями, запас — 100; средний спрос 100, но ожидаемые продажи E[min(D,100)] = 50, а расчёт по среднему даёт 100. Это собственный расчёт механизма flaw of averages, который популяризирует Sam Savage, а не измеренный бизнес-кейс гипотеза [S20].
Как обосновывать Monte Carlo
- Сначала определить событие. «Убыток в конце месяца» и «хотя бы один кассовый разрыв за сезон» — разные выходы; второй требует траектории денег и дат платежей гипотеза.
- Отделить происхождение диапазонов. Исторические данные, экспертная оценка и специально жёсткий стресс — разные основания; min/max сценария не следует автоматически превращать в P5/P95 гипотеза.
- Калибровать суждения повторением и обратной связью. Для заявленных 90%-ных интервалов ожидается около 90% покрытий на сопоставимом наборе вопросов; Hubbard Decision Research предлагает обучение такой калибровке. Заявления поставщика об успешности обучения не равны независимому доказательству переноса на конкретный бизнес вендор [S21].
- Сохранять зависимости. Цены и урожай, приобретение и отток клиентов, отсутствие сотрудников и отмены визитов могут зависеть друг от друга; последовательность плохих месяцев нельзя заменять независимыми месячными жеребьёвками гипотеза.
- Проверять сходимость и структурную устойчивость отдельно. Стабильность P95 между seeds означает вычислительную стабильность, но не достоверность хвоста; альтернативные структуры и распределения запускаются как отдельные эксперименты гипотеза.
Число прогонов — параметр вычисления, а не значок качества. Для независимых Bernoulli-индикаторов нарушения Monte Carlo standard error приблизительно равна sqrt(p_hat(1−p_hat)/N); это ошибка симуляционного оценивания внутри модели, не интервал полной неопределённости бизнеса гипотеза. Если событие не встретилось, оценка нулевой частоты не доказывает невозможности редкого события гипотеза.
Методы выбора и организационной проверки
| Метод | Процедура и полезный результат | Допущение / ограничение | Основание |
|---|---|---|---|
| Decision analysis, Howard; дерево решений | Выборы, случайные события, информация и полезность; сворачивание дерева от конца | Нельзя позволять раннему решению использовать ещё неизвестный исход; требуется явная функция ценности | Атрибуция influence diagrams подтверждена аннотацией факт [S22]; прикладная схема — гипотеза |
| Real options | Оплатить право пилотировать, отложить, расширить или остановить; моделировать последующее решение после сигнала | Опцион имеет стоимость, срок и ограничения исполнения; «потом наймём» не опцион без доступного ресурса | Методическая работа de Neufville факт [S23] |
| Stress testing | Задать тяжёлый согласованный шок и проверить результат/восстановление | Стресс не обязан быть наиболее вероятным; выбранный шок не покрывает все пути отказа | Официальная практика Bank of England факт [S24] |
| Reverse stress testing | Задать неприемлемый исход и найти сочетания условий, ведущие к нему | Найденные условия ещё требуют оценки правдоподобия; банковские требования не переносятся как обязанность SMB | Механизм факт [S24]; перенос — гипотеза |
| Pre-mortem, Gary Klein | Представить, что план провалился; независимо собрать причины, обсудить и пересмотреть план | Генерирует гипотезы отказа, а не вероятности; полезность зависит от возможности говорить против принятого плана | Авторская процедура мнение [S25] |
| Wargaming | Участники играют клиентов, конкурентов, поставщиков; ходы и ответы меняют состояние | Выигрыш участника не прогноз рынка; роль, информация, правила и adjudication влияют на результат | Руководство практики факт [S26] |
| Red teaming | Независимая роль проверяет допущения, пропуски и способы разрушить план; может применять wargaming | Нужны аргументы и журнал изменений, иначе критика становится ритуалом или борьбой статусов | Руководство практики факт [S26]; ограничение — гипотеза |
| Backcasting | Желаемое состояние → необходимые промежуточные условия → шаги от настоящего | Неподконтрольное условие нельзя объявить задачей команды; обратный путь проверяется прямой моделью | Механизм факт [S9]; проверка — гипотеза |
Правило выбора не следует из симулятора. При обоснованных вероятностях допустимо a* = argmax E[U(Y_a)]; линейная полезность означает нейтральность к риску, а не универсальную рациональность. При спорных вероятностях можно сравнить maximin, minimax regret и достижение минимально приемлемых результатов, явно показав цену осторожности гипотеза.
RDM совместим с вероятностным анализом. Groves и Lempert начинают с кандидатов действий, находят области провала и затем обсуждают компромиссы, в том числе вероятностные пороги, меняющие предпочтение факт [S27]. Иллюстрация: действие A даёт 100 в хорошем мире и −100 в плохом, B всегда даёт 40; при линейной полезности A лучше лишь при вероятности плохого мира менее 30%, без необходимости притворяться, что эта вероятность точно известна гипотеза.
Ценность измерения определяется возможностью изменить решение. В предлагаемой схеме совершенная информация имеет верхнюю границу ценности EVPI = E[max_a U(a,X)] − max_a E[U(a,X)]; реальное исследование даёт неполный сигнал Z и оценивается как EVSI = E_Z[max_a E[U(a,X) | Z]] − max_a E[U(a,X)]. Измерение оправдано, когда улучшение с учётом его цены и задержки достаточно существенно; большой вклад входа в разброс результата сам по себе не означает высокую ценность измерения гипотеза.
Digital twin — среда поддержания и применения модели, а не ещё один способ назначить вероятности. NIST подчёркивает синхронизацию и необходимость валидации цифровых двойников; достоверность нельзя выводить из наличия красивого интерфейса или телеметрии факт [S28]. Для SMB двойник оправдан, когда состояние существенно меняется между решениями и регулярная синхронизация меняет выбор; иначе достаточно версионируемой модели и периодического импорта факта гипотеза.
Связь с действиями
Рабочий цикл заканчивается правилом реакции. Предлагаемая последовательность: решение → разные контексты → модель последствий → сравнение действий → наблюдаемый сигнал → срок реакции и владелец → проверка фактом. Набор историй без последних звеньев не образует слоя управления гипотеза.
| Элемент | Пример-иллюстрация | Проверка |
|---|---|---|
| Ранний сигнал | Снижение записей на будущие недели | Доступен раньше соответствующей потери выручки |
| Триггер | Порог держится два последовательных пересмотра | Есть окно, допустимая задержка и правило при пропуске данных |
| Ответ | Управляющий использует waitlist и меняет предложение свободных часов | Есть владелец, ресурс и ожидаемый срок эффекта |
| Срок исполнения | До окончательного закрытия расписания | Реакция ещё способна повлиять на исход |
| Проверка | Сопоставить ожидаемые и выполненные визиты, маржу и отмены | Сохранена версия оценки до события, а не переписанный задним числом план |
Все параметры этой таблицы — предложение методологии. Их нужно выбирать по доступности данных и задержке управленческого действия, а не по универсальной периодичности гипотеза.
Актуальность и доказательная база на дату среза
Что действительно известно об эффективности
Уверенность выше в механике методов, чем в универсальном эффекте на прибыль. Обзор обзоров Cordova-Pozo и Rouwette включает 13 обзоров, поиск по пяти базам до публикаций 2021 года; только четыре обзора затрагивали оценку эффективности. Авторы отмечают дефицит прозрачных исследований эффектов, неоднородность методов и перевес успешных самоописаний эмпирика [S3].
| Источник и дизайн | Результат | Что разрешает заключить | Ограничение |
|---|---|---|---|
| Chermack et al., 2017: нерандомизированный pre/post, четыре организации с вмешательством и четыре сравнения, 48 и 44 участника | Самооценка resilience в группе сценариев выросла с 3,91 до 4,20; заявлено p=0,02 | Сценарная работа может менять восприятие собственной адаптивности | Добровольцы, самоотчёт, различие исходных уровней; «значимо в одной группе, незначимо в другой» не доказывает различия эффектов. В статье также есть несогласованность степеней свободы t-теста с n, поэтому точная величина эффекта не принимается без исходных данных эмпирика [S29] |
| Rohrbeck–Kum, 2018: 83 европейские многонациональные компании, данные 2008 → 2015; финансовые данные доступны для 70, капитализация для 42 | Авторы сообщают прибыльность выше средней на 33% и рост капитализации 75% против среднего 25%, то есть втрое | Есть наблюдательная связь broader foresight-capability с результатами | Компании с выручкой свыше €100 млн; это комплекс практик, а не отдельно сценарии. Не рандомизировано, есть отсев; перенос на SMB и причинный эффект не установлены эмпирика [S30] |
| AFP, кейс производственной компании, 2024: рассказ участника | Подготовка информации сокращена с четырёх дней до четырёх часов; команда из семи человек поддерживает более 75 dashboards | Иллюстрирует рабочую связку драйверов, автоматизации данных и обсуждения | Компания не названа, нет контроля и независимого аудита; эффект нельзя приписать только модели драйверов мнение [S31] |
| California Management Review, специальный выпуск 2026: вводная статья ведущих исследователей | Акцент на решениях, обучении и работе с неопределённостью; AI назван недостаточно исследованной областью | Подтверждает живую исследовательскую повестку к срезу | Редакторский синтез и позиция сторонников метода, не новый эксперимент мнение [S32] |
Для малых компаний трёх целевых сегментов прямого доказательства единой методологии не найдено. Нельзя выдавать результаты крупных многонациональных компаний или геополитического forecasting за доказанный ROI для салона и небольшой продуктовой команды гипотеза.
Распространённость и траектория 2016–2026
| Период / сегмент | Проверяемое наблюдение | Вывод с границей |
|---|---|---|
| 2016–2020, стратегическая работа | OSPA оформляет сценарии как совместное переосмысление ситуации; в 2020 школа подчёркивает итеративность и отказ от вероятностей целых историй мнение [S33, S2] | Это развитие дисциплины, а не замена всех количественных методов |
| 2023–2026, сценарное планирование | Обзор 2023 и выпуск CMR 2026 продолжают обсуждать эффективность и связь с решениями факт [S3, S32] | Метод действующий; репрезентативного временного ряда внедрения в SMB не найдено |
| 2024–2025, FP&A | Официальные материалы AFP описывают модели драйверов; обследование и дискуссия AFP показывают сосуществование EPM и таблиц факт [S5, S34] | Распространение ПО не равно зрелости сценарной практики |
| Агро | DSSAT, APSIM и институциональные outlook дают существующие механизмы работы с погодой, управлением и ценами | Конкретные основания и ограничения приведены в отраслевой практике ниже |
| Продуктовая разработка | Переносимы модели когорт, adoption, пропускной способности и churn | Массовость формального scenario planning именно в небольших software-командах не установлена |
| Салоны красоты | Доступны данные записей, длительностей и выручки для операционных what-if | Репрезентативных исследований применения сценарной методологии салонами не найдено |
Последние три строки — границы переноса, а не измеренные рыночные тренды. Расчётные схемы для них предлагаются как проверяемые иллюстрации гипотеза.
Масштаб распространения инструментов измерен лучше, чем качество сценариев. В открытом резюме AFP 2025 указаны 362 ответа FP&A-практиков: 96% используют таблицы для планирования, 71% — EPM хотя бы ежеквартально, 23% — AI ежедневно, еженедельно или ежемесячно. Это самоотбор участников профессионального обследования, не перепись компаний и не отдельная выборка SMB; полный отчёт и микроданные недоступны в этом исследовании эмпирика [S35].
Споры, влияющие на проектирование продукта
Вероятностные суждения и анализ модели имеют отдельную эмпирическую базу. Она не должна использоваться как доказательство любого сценарного workshop гипотеза.
| Исследование | Дизайн и наблюдение | Ограничение |
|---|---|---|
| Mellers et al., включая Tetlock, 2014 | Двухлетний турнир, случайное назначение обучения/взаимодействия, 199 разрешившихся вопросов; в анализируемой survey-части 1593 и 943 участника по годам. Обучение вероятностям и командная работа улучшали Brier; в первый год probability training превосходило scenario training | Геополитические вопросы, образованная самоотобранная выборка; это не проверка стратегического планирования компаний. Всего вместе с market traders было 2246 и 1648, но рынки в этой статье не анализируются эмпирика [S4] |
| Saltelli et al., 2017 | Из 324 просмотренных работ включено 280; 57 подтверждённых случаев one-at-a-time для нелинейных моделей и 125 неясных по методу/линейности | Популярное «65% неверны» объединяет подтверждённые и неясные случаи; выборка высокоцитируемых работ не представляет все бизнес-модели эмпирика [S15] |
| FarmDESIGN, Groot et al., 2012 | Биоэкономическая модель одной смешанной фермы 96 га, четыре цели, Pareto-компромиссы; проверялись конструкция и результаты | Демонстрация решения конфликтующих целей, не причинное измерение прироста прибыли от внедрения; первичный пример архитектуры whole-farm, без утверждения об актуальном состоянии её ПО эмпирика [S36] |
В 2024–2026 заметнее стала связка текста, расчёта и проверки. OECD–FAO 2026 использует Aglink-Cosimo для baseline и отдельного adverse scenario; USDA 2026 прямо называет свой baseline условным сценарием, предполагающим нормальную погоду и отсутствие новых шоков факт [S37, S38]. NIST в материалах 2025–2026 подчёркивает валидацию цифровых двойников, а в документации Pigment и объявлении @RISK появились конкретные агенты поверх моделей; это развитие реализации, не доказанный скачок качества решений факт [S28, S39]; наличие @RISK Agent beta заявлено поставщиком вендор [S40].
- Plausibility против probability. OSPA сознательно не назначает вероятности сценариям; количественное принятие решений может требовать распределений. Решение конфликта — хранить условные распределения внутри контекста отдельно от необязательных весов контекстов, а не принуждать все истории суммироваться к 100% мнение [S2]; архитектурный вывод гипотеза.
- Обучение против измеримого результата. Хороший workshop может изменить представления и всё же не улучшить решения. Проверка должна охватывать изменённые действия, сохранённые альтернативы и своевременность реакции, а не только удовлетворённость встречей гипотеза [S3].
- Простота против полноты. Удобная матрица может скрыть сочетания факторов; морфология и CIB расширяют охват ценой экспертного труда и вычислений факт [S11, S12].
- Непрерывность против постоянной суеты. Пересчитывать модель после каждого шума не обязательно полезно: обновление нужно привязать к существенному факту, сроку годности допущения или смене решения гипотеза.
Где применимо и где нет, плюсы и минусы
Ниже — авторская карта применимости классов методов. Это рекомендации из описанных механизмов, не установленные отраслевые нормативы гипотеза.
Подходит, когда
- Параметры меняются, механизм достаточно понятен. Driver-based what-if и break-even быстро показывают границу цены, загрузки или затрат.
- Есть несколько устойчивых источников вариативности. Monte Carlo полезен для риска нарушения лимита, если обоснованы распределения и зависимости.
- Возможна смена правил игры. OSPA, intuitive logics, морфология или CIB помогают проверить несколько структурно разных миров.
- Результат зависит от накопления и задержки. System dynamics позволяет исследовать рост клиентской базы, истощение ресурсов или петлю «перегрузка → качество → churn».
- Главное ограничение — очереди и конкретные ресурсы. DES или модель расписания выявляет проблемы, скрытые месячной средней загрузкой.
- Поведение разных участников и связи между ними существенны. ABM либо ограниченный wargame оправданы, если суммарная модель теряет механизм взаимодействий.
- Ошибка необратима, а информацию можно получить позже. Дерево решений и реальные опционы сравнивают полное обязательство с пилотом, отсрочкой и поэтапным расширением.
Не подходит, когда
- Нет решения, которое может измениться. Большой сценарный проект станет производством документов; достаточно реестра наблюдений до появления выбора.
- Нужен точный ответ на неизвестный причинный эффект. Симуляция на неподтверждённой связи не заменит тест цены или локальный агрономический опыт.
- Источники данных ещё не согласованы. Детальный расчёт на разных определениях выручки, клиента или рабочего часа увеличивает ложную точность.
- Владельцы не готовы пересматривать действия. Сигналы не сработают, если бюджет и договорённости считаются неизменными при любом результате.
- Стоимость анализа выше цены обратимой ошибки. Для малого изменения расписания полезнее ограниченная проба с быстрым разбором факта, чем ABM.
- Валидация дорогой модели невозможна в нужный срок. Для разового решения простой диапазон и запас устойчивости могут быть честнее цифрового двойника.
Плюсы
- Делает допущения видимыми. Команда обсуждает спорный драйвер и его основание, а не только итоговую цифру бюджета.
- Показывает границы решений. Порог безубыточности или смены варианта полезнее уверенной точки, скрывающей уязвимость.
- Сохраняет альтернативы. Подготовленный ответ на внешний сигнал сокращает объём анализа в момент изменения ситуации.
- Соединяет операционные и финансовые последствия. Одна модель показывает, как доступность мастеров, инженерные дни или урожай влияют на итог.
- Поддерживает проверяемую автоматизацию. Входы, версии и результаты можно сравнивать независимо от текста LLM.
Минусы
- Имеет стоимость поддержки. Даже небольшая модель требует владельца, обновления факта и проверки единиц.
- Позволяет спрятать предвзятость в структуру. Выбор осей, диапазонов и исключённых действий способен заранее определить победителя.
- Сложные модели труднее опровергать. Дополнительные параметры и поведенческие правила могут повысить правдоподобие без роста достоверности.
- Числа создают избыточное доверие. Квантиль или вероятность с десятичными знаками не отражают автоматически структурную неопределённость.
- Эффект трудно причинно измерить. Успешный исход может быть удачей, а плохой — следствием маловероятного, но учтённого риска; нужна запись качества решения до исхода гипотеза [S3].
Альтернативы и дерево решений
Предмет — не единичный алгоритм, поэтому сравниваются способы организовать решение под неопределённостью. Первая строка — предлагаемая связка; остальные семь строк — прямые рабочие альтернативы для той же задачи. Сравнение и выбор ниже — авторский синтез механизмов раздела 1 гипотеза.
| Подход | Когда предпочтительнее | Данные и горизонт | Выигрыш относительно связки | Цена и ограничение |
|---|---|---|---|---|
| Сценарии контекста + driver-based what-if + триггеры | Внешние режимы и операционная экономика одновременно влияют на решение | От недели до нескольких сезонов; смешанные данные | Соединяет разные миры, расчёт и действие | Требует согласовать версии и владельцев |
| Прогноз + резерв по диапазону/распределению исходов | Механизм стабилен, повторы часты, ошибка обратима | История, короткий горизонт | Дешевле в поддержке; точность легко проверять | Слабо защищает от структурного разрыва; термин интервала выбирается по реальной статистической модели |
| One-/multi-way sensitivity + break-even | Требуется решение по цене, объёму или ресурсу | Немного драйверов, день–сезон | Самый прозрачный порог и быстрый старт | Нет вероятности результата, ограничен охват взаимодействий |
| Probabilistic model + Monte Carlo + decision analysis | Распределения обоснованы, потери существенны | Повторы/экспертная калибровка, любой моделируемый горизонт | Риск лимита, квантили, ожидаемая полезность | Зависит от распределений, структуры и предпочтений |
| Качественные OSPA / intuitive logics / 2×2 | Контекст может качественно измениться, мало надёжных чисел | Сигналы и эксперты, месяцы–годы | Лучше выявляет скрытые рамки проблемы | Без расчёта трудно проверить ресурсы и бюджет |
| Морфология + CIB / scenario discovery + RDM | Много зависимых факторов или спорны вероятности | Экспертные влияния либо ансамбль моделей | Систематический поиск конфигураций и уязвимостей | Значимая аналитическая работа; охват ограничен введёнными факторами |
| SD / DES / ABM, при необходимости digital twin | Временная динамика, очереди или сеть определяют результат | Подробные операционные данные, шаг минуты–сезоны | Воспроизводит механизм, потерянный в сводной формуле | Дорого моделировать и валидировать; двойник добавляет синхронизацию |
| Пилот / эксперимент + последовательное решение | Неизвестен причинный отклик, можно ограничить ущерб | Данные ещё предстоит собрать, короткие циклы | Даёт новое наблюдение вместо уточнения предположений | Задерживает полный запуск; не всякий риск допускает безопасный эксперимент |
Дерево решений
- Если никакое доступное действие не меняется от результата анализа→реестр сигналов и простой прогноз; полноценный сценарный проект не запускать.
- Если критично не пересечь порог выживания или исполнения обязательств→reverse stress test, затем проверка конкретных мер восстановления.
- Если вероятности обоснованы повторными данными→Monte Carlo траекторий + вероятность нарушения лимита + стресс вне исторического диапазона.
- Если вероятности спорны→несколько тяжёлых согласованных контекстов + RDM с границами приемлемости и триггерами.
- Если неизвестен отклик на собственное действие, например на цену→ограниченный эксперимент + decision tree с обновлением допущений.
- Если эксперимент невозможен или ошибка необратима→диапазон альтернативных откликов + sensitivity + реальный опцион на этапное обязательство.
- Если спор идёт о внешнем механизме и возможны разные режимы→сценарии контекста.
- Если нужны разные взгляды на саму проблему, а чисел мало→OSPA с пользователем решения и независимой критикой.
- Если две неопределённости дают содержательно разные миры→2×2 + проверка согласованности + модель драйверов.
- Если существенных состояний и взаимосвязей больше→морфологическое поле с cross-consistency; при направленных влияниях — CIB.
- Если механизм достаточно устойчив→выбрать минимальную расчётную модель.
- Если несколько входов почти линейно меняют итог→one-way tornado + break-even.
- Если есть ограничение, нелинейность или взаимодействие→multi-way grid; при высокой цене ошибки — global sensitivity.
- Если нужен именно риск результата и есть основания распределений→Monte Carlo с зависимостями и проверкой калибровки.
- Если агрегированная модель теряет важный механизм→симуляция нужного класса.
- Если важны запасы, потоки и задержки→system dynamics.
- Если важны очереди, расписание и совместимость ресурсов→DES или оптимизация расписания с симуляционной проверкой.
- Если важны различия агентов и взаимодействие в сети→ABM; если данных о правилах нет → wargame как генератор гипотез, затем сбор данных.
- Если состояние быстро меняется и синхронизация влияет на повторные решения→валидированная симуляция + digital twin; иначе → периодический импорт факта.
- Если доступна только очень малая команда и решение обратимо→таблица драйверов + два контрастных what-if + один порог реакции как стартовая иллюстрация масштаба.
- Если команда больше, но решения и зависимости остаются простыми→та же таблица с версиями и владельцами; увеличение штата само по себе не основание для усложнения метода.
Горизонт выбирается по инерции решения, а не по шаблону. У посева он включает сезон, у найма — срок выхода на продуктивность, у салона — время изменения доступных часов; долгосрочное строительство или изменение бизнес-модели требует отдельного слоя контекста гипотеза.
Практическое применение
Минимальный рабочий процесс для компании
Предлагаемый процесс — адаптация для 5–500 человек, а не измеренный отраслевой стандарт. Он сохраняет разделение контекста, расчёта и решения, но размер встречи и количество сценариев подчинены цене ошибки гипотеза.
| Шаг | Действие и результат | Ответственный | Иллюстрация трудоёмкости |
|---|---|---|---|
| 1. Зафиксировать выбор | Решение, deadline, допустимые действия, критерии, худший приемлемый исход | Собственник / владелец решения | 30–60 минут |
| 2. Собрать исходную экономику | Единицы, календарь, наблюдения, причинные связи, ограничения | Операционный владелец + аналитик | Полдня–два дня для простой модели |
| 3. Вытащить неопределённость | Реестр допущений, данные против мнений, неизвестные механизмы | Владельцы драйверов | Одна короткая рабочая сессия |
| 4. Выбрать метод | Дерево раздела 4; написать разные контексты или диапазоны | Владелец решения + критик | От часа для сетки до нескольких сессий для контекста |
| 5. Посчитать действия | Матрица «контекст × действие», пороги, ресурсная выполнимость | Аналитик / model owner | По сложности модели, без общей нормы |
| 6. Проверить | Pre-mortem, альтернативные объяснения, экстремальные входы и факты вне калибровки | Человек, не автор расчёта | Отдельная проверка до решения |
| 7. Принять и назначить реакцию | Решение, ранние сигналы, триггеры, ресурсы, сроки | Владелец решения | 30–60 минут |
| 8. Сохранить и обновлять | Неизменяемая версия, журнал причин пересмотра, сопоставление с фактом | Model owner + владельцы допущений | Иллюстрация: 30 минут в неделю на активный риск |
Один человек может совмещать роли, но проверка должна отличаться от создания. Для маленького салона достаточно управляющего и администратора; продукту нужны коммерческий и инженерный владельцы; ферме — агроном и человек, отвечающий за деньги. Для более крупной компании добавляются права на сущности и отдельный владелец интеграций, а не обязательный сценарный комитет гипотеза.
| Масштаб | Предлагаемая форма | Ритм — иллюстрация, не норма |
|---|---|---|
| 5–20 человек | Один рабочий файл, реестр допущений рядом, журнал решений | Короткая проверка активных сигналов еженедельно; полный пересчёт при существенном изменении |
| 20–100 человек | Общая модель, владельцы драйверов, импорт факта, доступ по ролям | Месячный rolling forecast; сценарии контекста перед важными обязательствами |
| 100–500 человек | Версии моделей и данных, интеграции, независимая проверка значимых изменений | Единый календарь факта и forecast; событийный пересмотр сценариев |
Стоимость входа состоит прежде всего из времени и качества данных. Иллюстрация первого цикла: 8 часов владельца и 16 часов аналитика при условной внутренней ставке 30 денежных единиц в час дают 720 денежных единиц без лицензий; это способ учёта стоимости, не оценка рыночной цены внедрения гипотеза. Симуляция с отсутствующими данными о длительностях, почве или отклике клиентов не имеет надёжной оценки трудоёмкости до обследования данных гипотеза.
Агро: выбор до посева, пересмотр после наблюдений
Урожайность должна быть выходом агрономических предпосылок. DSSAT использует погоду, почву, сорт и управление и требует проверки относительно наблюдений; APSIM показывает what-if по сроку сева, удобрениям, густоте и влажности факт [S41, S42]. Whole-farm слой добавляет землю, труд, воду, затраты и конфликтующие цели, как в FarmDESIGN факт [S36].
Отраслевой outlook задаёт контекст, а не урожай конкретного поля. USDA Projections to 2035 опубликован в феврале 2026 с основными исходными данными до November 2025 WASDE; дата публикации, дата данных и горизонт различаются. OECD–FAO 2026–2035 опубликован 29 июня 2026 и включает отдельный неблагоприятный сценарий факт [S38, S37].
Иллюстрация: ферма выбирает сорт для 100 га до заказа семян. Обычный сорт стоит 700/га, постоянные затраты — 20 000; устойчивый дороже на 30/га. Условные урожаи обычного/устойчивого — 6/5,8 т/га в нормальную погоду и 4/4,8 при засухе; это придуманные параметры, которые перед практическим применением требуют местных опытов гипотеза.
Результат = площадь × урожайность × цена − площадь × затраты_на_га − постоянные_затраты
Regret(действие, мир) = лучший результат среди допустимых действий в этом мире − результат действия
| Мир — все числа иллюстративны | Цена за т | Обычный сорт: результат | Устойчивый: результат | Regret обычного | Regret устойчивого |
|---|---|---|---|---|---|
| Нормальная погода, низкая цена | 200 | 30 000 | 23 000 | 0 | 7 000 |
| Засуха, низкая цена | 200 | −10 000 | 3 000 | 13 000 | 0 |
| Нормальная погода, высокая цена | 250 | 60 000 | 52 000 | 0 | 8 000 |
| Засуха, высокая цена | 250 | 10 000 | 27 000 | 17 000 | 0 |
Среди двух действий «вся площадь одним сортом» minimax regret выбирает устойчивый. Иллюстрация: максимальный regret равен 8 000 вместо 17 000; лучший возможный результат выше у обычного сорта, поэтому слово «лучше» требует критерия гипотеза. Если допустимо линейное смешение без дополнительных издержек, иллюстрация 32 га обычного и 68 га устойчивого уменьшает максимальный regret до 5 440; это демонстрирует влияние набора действий, а не обещание полезности диверсификации любой фермы гипотеза.
Триггер должен уважать сезонную необратимость. Иллюстрация: ниже 4,5 т/га при зафиксированной цене 200 обычный сорт не покрывает указанные затраты; после посева этот сигнал запускает пересмотр cash-flow и мер управления влагой, а не смену сорта задним числом. Агроном владеет оценкой урожайности, финансовый владелец — календарём платежей; итоговая сезонная маржа не гарантирует отсутствия кассового разрыва гипотеза.
Продуктовая разработка: adoption, churn и доступная мощность
Bass model описывает диффузию первых приобретений, а не активную базу SaaS. В авторском комментарии используется механизм внешнего и внутреннего влияния; исходная работа проверяла 11 категорий consumer durables, что не является валидацией churn-модели софта факт [S43]; сведения об исходной проверке доступны только в аннотации эмпирика [S44].
dN/dt = (p + q·N/m)·(m − N)
N — накопленные первые adopters; m — потенциал рынка; p,q — коэффициенты 1/время.
Активные[t+1] = активные[t] − ушедшие[t] + новые[t] + реактивации[t].
MRR_end = active_end × monthly_price (только для одинаковой цены и без expansion/contraction).
Активная база и накопленная диффузия хранятся раздельно. Stripe выделяет new, expansion, contraction, churn и reactivation MRR; это полезный референс учётных сущностей, а не доказательство коммерческих эффектов сценариев факт [S45]. Для новой категории продукта неизвестный размер рынка m и ранние наблюдения делают точную S-кривую особенно ненадёжной мнение [S43].
| Иллюстрация одного месяца | Сохранить цену | Повысить цену при ослаблении спроса |
|---|---|---|
| Клиенты на начало | 1000 | 1000 |
| Churn начальной когорты | 3% | 6% |
| Новые активные к концу | 100 | 80 |
| Клиенты на конец | 1070 | 1020 |
| Месячная цена | 50 | 55 |
| MRR на конец | 53 500 | 56 100 |
| Условный полный следующий месяц после затрат 10/клиент и постоянных 40 000 | 2 800 | 5 900 |
Это run-rate на конец, не выручка и прибыль прошедшего месяца. Иллюстрация предполагает отсутствие churn у новых клиентов до конца месяца, единую цену, отсутствие расширений и одинаковую стоимость обслуживания; коммерческие отклики на цену являются отдельными допущениями гипотеза.
Релизная мощность рассчитывается отдельно. Иллюстрация: четыре инженера × 20 дней × 75% доступности = 60 engineer-days при работе на 72 дня; релиз не помещается. Пятый инженер при той же доступности 75% и сразу одинаковой продуктивности даёт суммарно 75 дней, но дополнительные постоянные затраты 8 000 превращают второй коммерческий вариант из +5 900 в −2 100 за условный полный месяц; предположение о мгновенном выходе на продуктивность требует отдельной проверки гипотеза. Достаточность суммарных дней — необходимая проверка ресурса, а не гарантия срока при последовательных задачах и зависимостях гипотеза.
Сценарная дорожная карта связывает ветви с наблюдениями. Иллюстрация: владелец продукта проверяет удержание зрелой когорты новой цены, технический владелец — доступную мощность; при недостатке мощности сокращается scope или сдвигается срок, а прогноз adoption пересчитывается с новым временем релиза. Календарный релиз и коммерческий эффект не объединяются в одно допущение «команда успеет — спрос вырастет» гипотеза.
Салон: подробная операционная иллюстрация
Пример начинается с продаваемых часов, а не с процента роста выручки. Иллюстрация: четыре мастера × 20 дней × восемь уже очищенных от перерывов продаваемых часов = 640 одночасовых слотов; услуги одинаковы, квалификация взаимозаменяема, кресел хватает. Спрос — 520 записей, явка 90%, цена 40, переменные затраты 20 на выполненную услугу, постоянные — 8 000; сдельная часть 14 уже входит в переменные затраты и повторно не прибавляется к постоянным гипотеза.
Принято записей = min(спрос на записи, доступные слоты)
Ожидаемо выполнено = принято записей × вероятность явки
Ожидаемый результат = ожидаемо выполнено × (цена − переменные затраты) − постоянные
Break-even выполненных услуг = постоянные / маржинальный доход на услугу
| Сценарий — иллюстрация | Слоты | Спрос | Явка | Ожидаемые услуги | Ожидаемый результат |
|---|---|---|---|---|---|
| Исходный | 640 | 520 | 90% | 468 | 1 360 |
| Один мастер недоступен | 480 | 520 | 90% | 432 | 640 |
| Улучшение явки | 640 | 520 | 95% | 494 | 1 880 |
| Цена 44, спрос падает до 450 | 640 | 450 | 90% | 405 | 1 720 |
Пример порога: 400 выполненных услуг покрывают затраты. При явке 90% нужно не менее 445 принятых записей, чтобы покрыть затраты в ожидании; непрерывный порог booked-utilization — 69,44% при 640 слотах и 92,59% при 480. Это не гарантия фактической безубыточности: распределение явок и общие причины отмен рассчитываются отдельно гипотеза.
Средняя месячная загрузка не проверяет расписание. Если востребованный мастер доступен утром, а спрос приходится на вечер, суммарные свободные часы не делают запись выполнимой. Square демонстрирует существующие сущности длительности, сотрудника, no-show и экспорта истории; для реального салона следует считать интервалы по квалификациям и ресурсам, при сложных очередях — DES факт [S46]; рекомендация — гипотеза.
| Иллюстрация рабочего цикла | Конкретное действие |
|---|---|
| Первое внедрение | Управляющий проверяет экономику одной услуги; администратор выгружает записи, явки и длительности; вместе сверяют определение продаваемого часа |
| Еженедельный сигнал | Ожидаемый маржинальный доход от визитов на следующие две недели сопоставляется с постоянными затратами именно этих двух недель |
| Реакция | Администратор активирует waitlist и предлагает свободные окна; изменение цены рассматривается отдельным вариантом с изменением спроса |
| Проверка спустя месяц | Сопоставляются прежняя версия ожиданий, принятые записи, фактические явки, выручка и переменные затраты |
| Пересмотр через несколько месяцев | Если отклонения систематически связаны с мастером/временем/услугой, агрегированная модель заменяется сегментами или расписанием |
Поведение после нескольких месяцев — гипотеза процесса, а не наблюдательный кейс салона. Ошибки первого применения: повторный учёт зарплаты, загрузка без календаря, повышение цены без отклика спроса, отсутствие снимка прежних допущений и пересмотр триггера уже после результата гипотеза. В опубликованном производственном кейсе AFP полезным оказался быстрый цикл включения факта и общего понимания драйверов, но его эффект и масштаб нельзя напрямую переносить на эти иллюстрации мнение [S31].
Интерактивная проверка приложена: scenario-demo.html меняет драйверы трёх иллюстраций и показывает результаты, ограничения и JSON. В демонстрации реализована арифметика; методология и структура будущего продукта имеют статус предложения, согласование с пользователем не заявляется гипотеза.
Артефакты
Артефакты ниже — предлагаемая информационная архитектура. Единицей работы считается связка решения, допущений и воспроизводимого расчёта; рассказ о будущем служит понятным человеку представлением этой связки гипотеза.
| Артефакт | Назначение и обязательные поля | Жизненный цикл | Пример заполнения — иллюстрация |
|---|---|---|---|
| Decision brief | id, вопрос, варианты, горизонт, крайний срок, критерий, ограничения, владелец |
Владелец создаёт до модели; закрывает решением, сохраняет отвергнутые варианты и основание | farm-seed-1: сорт до заказа; минимум regret, нельзя менять сорт после посева |
| Реестр допущений | id, утверждение, тип знания, источник, дата данных/доступа, область применимости, значение/диапазон, единица, владелец, уверенность с основанием, дата проверки |
Владелец предлагает; критик проверяет; новая версия при изменении; устаревшее сохраняется с причиной | salon-show-1: явка 0,90, условная оценка, администратор, пересмотр после месяца |
| Модель драйверов | Входы, вычисляемые показатели, формулы, размерности, единицы, лаги, ограничения, граница модели, версия | Model owner создаёт и тестирует; структурная правка — новая версия, не тихая замена формулы | product-v1: начальная когорта, новые, churn, MRR; мощность релиза отдельным блоком |
| Набор сценариев | Фокусный вопрос, horizon, orientation, контекст, механизм, отличия, общий baseline, overrides, доказательства/контраргументы, возможные сигналы | Авторы создают набор; участники критикуют; сценарий архивируется по утрате полезности, не только «не сбылся» | farm-dry-low: засуха + цена 200; вероятность не задана |
| What-if лист / experiment | Модель, входные диапазоны, вариации, фиксированные параметры, матрица действий/миров, ожидаемые инварианты, результат | Аналитик создаёт; движок запускает; неизменяемый run связан с версией | salon-price-test: цена 44 вместе со спросом 450, результат 1720 |
| Карта сигналов и триггеров | Метрика, источник, окно, порог, persistence, missing-data rule, срок реакции, owner, action, ограничение ресурса, отмена тревоги | Владелец действия утверждает перед использованием; логируются наблюдения, срабатывания, отмены и исполнения | booking-warning: ожидаемые услуги ниже количества безубыточности соответствующего периода → waitlist |
| Журнал решений и проверки фактом | Дата оценки, run ID, доступная тогда информация, решение, критерий, ожидаемые исходы, actual, объяснение отклонения, follow-up | Снимок до действия; факты добавляются позже; прежние ожидания не редактируются | Churn оказался выше допущения: отдельно ошибка модели, цена, состав когорты и задержка релиза |
| Карточка валидации модели | Область применимости, проверочные данные, version, тесты, ошибки, структурные ограничения, проверяющий | До использования и при дрейфе; сохраняется вместе с моделью | Утверждение «есть арифметический тест» не означает «отклик спроса валидирован» |
Набор сценариев и вероятностная модель — разные артефакты. Для exploratory worlds probability=null означает отсутствие назначенной вероятности; равные веса для удобства сравнения нужно называть аналитическими весами, а не вероятностями. Для распределения сохраняются family, параметры, единицы, границы, зависимости, происхождение и область калибровки гипотеза.
Один и тот же набор полей в трёх сегментах
| Поле | Агро — иллюстрация | Продукт — иллюстрация | Салон — иллюстрация |
|---|---|---|---|
| Решение | Выбрать сорт | Цена и дополнительный инженер | Расписание и работа с явкой |
| Внешний контекст | Погода × рыночная цена | Adoption и реакция клиентов | Доступность мастера и спрос |
| Допущение | Урожай 4 т/га при засухе | Churn начальной когорты 6% | Явка 90% |
| Драйвер | Гектары, т/га, цена/т | Клиенты, цена, engineer-days | Слоты, записи, цена/услугу |
| Ограничение | Площадь 100 га, дата заказа | Релиз требует 72 engineer-days | Не более доступных слотов и совместимых ресурсов |
| Выход | Маржа, cash по датам, regret | MRR, run-rate, достижимость релиза | Услуги, результат, порог записей |
| Проверка фактом | Поле/сорт/сезон и фактические цены | Зрелая когорта и завершённая работа | Записи, явки, фактическая длительность |
| Реакция | После посева — меры влагоснабжения/денег | Пересмотр цены/scope/срока | Waitlist, предложение свободных окон |
Источник допущения не должен исчезать при экспорте. Например, USDA normal weather — допущение внешнего baseline, а не наблюдение об ожидаемой погоде конкретного поля; такая потеря смысла создаст ошибку даже при корректном JSON гипотеза [S38].
Жизненный цикл и граница валидации
Допущение: proposed → reviewed → active → challenged → superseded / retired
Модель: draft → computationally_checked → empirically_evaluated → released → deprecated
Сценарий: draft → internally_consistent → decision_reviewed → monitoring → archived
Run: created → validated_inputs → computed → checked → frozen
Триггер: proposed → approved → monitoring → fired → acted / dismissed → reviewed
Названия статусов — предложение, не универсальный стандарт. Согласованность текста, корректность программы, эмпирическая адекватность и право выполнять действие отмечаются независимо; один флаг validated=true скрывает важные различия гипотеза. APSIM отдельно требует predicted-versus-observed validation и sensibility tests для непокрытых данных, а также единицы переменных — полезный отраслевой референс этой границы факт [S47].
Распределения можно переносить как данные. SIPmath у Probability Management задаёт референс stochastic information packets и зависимостей; для собственного продукта подходит как ориентир обмена вероятностными объектами, без принятия вендорских обещаний эффективности факт [S20]. Предлагаемый минимум воспроизводимости: snapshot входов, model version, engine version, seed для стохастического запуска, набор допустимых действий, критерий выбора и hash артефактов гипотеза.
С чем используется в связке
| Связка | Что предшествует | Что следует | Возможный конфликт |
|---|---|---|---|
| Scanning → сценарии → модель драйверов | Сигналы и отдельные факты | Численная проверка действий и ресурсов | Красивый рассказ навязывает коэффициенты без основания |
| Forecast → what-if → rolling forecast | Прогноз условно ожидаемой траектории | Новая оценка после факта | Замена прогноза желаемым бюджетом уничтожает проверку точности |
| Premortem / red team → стресс | Согласованный кандидат плана | Уязвимости, сигналы и меры | Критик придумывает невероятные катастрофы без связи с решением |
| Decision analysis → real options | Последовательность информации и обязательств | Пилот, отсрочка, расширение, остановка | Модель использует будущий исход раньше получения информации |
| RDM → adaptive pathways | Карта условий, где стратегии проваливаются | Переходы между действиями по сигналам | Доля успешных sampled worlds выдаётся за вероятность успеха |
| Сценарии → бюджет и календарь ресурсов | Выбранное действие и ограничения | Резерв, этапность, условия перераспределения | Бюджет автоматически переписывается каждым черновым сценарием |
| Эксперимент → обновление допущения | Неизвестная реакция, безопасный тест | Диапазон причинного эффекта и новая версия | Подгонка модели на тех же данных объявляется внешней валидацией |
| SD / DES / ABM → digital twin | Проверенная модель и решение о частоте обновления | Синхронизация состояния и повторные what-if | Свежесть телеметрии принимается за адекватность механизма |
Таблица — авторская композиция методов. Механика реальных опционов, RDM, premortem и модельных проверок имеет первичные основания; конкретные интерфейсы для SMB предлагаются в этом исследовании гипотеза [S23, S27, S25, S18].
Связь с OKR, roadmap, деревом метрик и OST ограничена обменом сущностями. Из планирования поступают ограничения, диапазоны и условные ветви; обратно — цели, кандидаты действий и проверенные гипотезы. Сценарная вероятность не должна автоматически превращаться в приоритет, а желаемая метрика — в прогноз гипотеза.
Метрики здоровья и антипаттерны
Метрики разделяют три объекта: расчёт, суждения и управленческий процесс. Все численные нормы ниже, кроме математического определения калибровки, — локальные ориентиры, которые требуется установить до наблюдения результата гипотеза.
| Признак | Здоровая норма | Симптом деградации | Источник |
|---|---|---|---|
| Связь с решением | У каждого активного набора есть действие, владелец и дата; ориентир: не хранить активный сценарий без назначения | Сценарии обсуждаются, решения не меняются | Авторский ориентир гипотеза |
| Происхождение допущений | Для существенных входов указаны источник/условность, единицы, дата и владелец | В модели неизвестные константы и «так договорились» | Авторский ориентир гипотеза |
| Проверка модели | Размерности, экстремальные условия, ограничения, сравнение с отложенными наблюдениями | Только совпадение с обучающей историей | Практические рекомендации мнение [S18]; пример требований факт [S47] |
| Покрытие интервалов | Для сопоставимых 90%-ных оценок доля покрытий близка к 90% с учётом размера и зависимости выборки | Большинство фактов вне узких интервалов | Определение/практика калибровки факт [S21] |
| Вероятностные прогнозы | Brier = mean((p−y)^2), шкала 0–1 для бинарного исхода; сравнивать с base-rate baseline и одинаковыми вопросами | Красивые вероятности без даты, исхода и шкалы | Авторское соглашение гипотеза; другая шкала 0–2 у Mellers требует пересчёта факт [S4] |
| Чувствительность выбора | Известны пороги, меняющие предпочтительное действие | Tornado есть, но никто не знает, что делать иначе | Авторский ориентир гипотеза |
| Сигналы и реакция | Время от появления наблюдаемого сигнала до последнего момента эффективного действия превышает задержку данных + обсуждение + исполнение | Триггер срабатывает после момента, когда можно было действовать | Авторский ориентир гипотеза |
| Тревоги | Записываются fired/acted/dismissed, ложные и пропущенные сигналы | Порог постоянно передвигают; неизвестно, кто реагирует | Авторский ориентир гипотеза |
| Проверка фактом | Отдельно ошибка входа, структуры, исполнения и внешнего шока; исходный snapshot сохранён | Старая оценка заменена новой, прошлые ошибки исчезли | Авторский ориентир гипотеза |
| Стоимость процесса | Часы/лицензии/интеграции сопоставляются с ценой изменения решения | Поддержка сложнее и дороже задачи | Авторский ориентир гипотеза |
Brier не оценивает качество exploratory-сценария. Для неполного набора контекстов полезнее различимость, согласованность, покрытие решающих неопределённостей и выявленные изменения действия; для прогнозных утверждений — калибровка и proper scores. Ex-post regret одного решения не отделяет удачу от качества процесса, поэтому нужен журнал ex-ante оснований гипотеза.
Антипаттерны
«Сценарий назначен прогнозом»
Как выглядит: руководитель спрашивает, какой из четырёх миров «правильный», и требует распределить 100% без основания.
Почему возникает: управленческий запрос на одну цифру смешивает exploratory worlds с вероятностным прогнозом.
Как чинить: отдельно хранить контексты, условные расчёты и проверяемые прогнозные вопросы; null оставлять null.
Когда менять практику: если неопределённость сводится к повторяемой вариативности, перейти к вероятностному forecast; иначе сохранить контексты без ложных процентов. Это авторская рекомендация гипотеза.
«Базовый план плюс-минус процент»
Как выглядит: три колонки выручки отличаются на 10%, штат и причинная экономика одинаковы — иллюстрация.
Почему возникает: копирование бюджета проще обсуждения механизма изменения спроса или доступности ресурсов.
Как чинить: менять драйверы, зависимости и ограничения; показать условия смены предпочтительного действия либо обосновать его устойчивость во всём рассмотренном пространстве.
Когда менять практику: если проценты действительно достаточны для простого риска, назвать работу sensitivity analysis и не устраивать сценарный workshop. Это авторская рекомендация гипотеза.
«Точность симуляции вместо достоверности»
Как выглядит: миллион прогонов выдаёт риск 2,731% при неизвестном распределении — иллюстрация.
Почему возникает: малую вычислительную ошибку путают с точностью модели мира.
Как чинить: раскрыть происхождение распределений, зависимости и альтернативные структуры; округлять результат по качеству знания.
Когда менять практику: если распределения не защищаются данными или калиброванными суждениями, использовать диапазоны, stress/RDM и сбор информации. Это авторская рекомендация гипотеза.
«Сценарии для отчёта»
Как выглядит: завершён красивый документ, но нет бюджета реакции, owner и даты повторной проверки.
Почему возникает: оценивается качество презентации, а не изменение поведения.
Как чинить: каждую существенную уязвимость связать с действием, сигналом и сроком; неактуальные истории архивировать.
Когда менять практику: если решения уже фиксированы и не могут быть пересмотрены, сократить работу до конкретного contingency plan и мониторинга. Это авторская рекомендация гипотеза.
«Модель без памяти»
Как выглядит: коэффициенты меняются в единственном файле, каждый новый forecast объявляется «всегда ожидавшимся».
Почему возникает: нет реестра допущений и immutable runs, а признание ошибки воспринимается как некомпетентность.
Как чинить: сохранить старую версию, источник изменения и исход; отдельно оценивать человека, гипотезу и исполнение.
Когда менять практику: если ручной файл перестал сохранять происхождение и историю, перенести реестр и runs в версионируемое хранилище; усложнение математики эту проблему не решает. Это авторская рекомендация гипотеза.
Инструменты и софт
Инструменты здесь — референсы реализации сущностей, не рейтинг рынка. Проверка выполнена 2026-09-21 по официальным страницам; приложения не разворачивались, интеграции и договорные права не тестировались. Цена лицензии не включает подготовку данных, построение модели и её поддержку гипотеза.
| Продукт | Сущности и ключевые операции | Интеграции | Ограничения и цена входа на 2026-09-21 |
|---|---|---|---|
| Anaplan | Model → Modules → Line items; Time, Versions, Lists; разделение Input/Driver/Output, пересчёт и сравнение версий факт [S48] | Data Orchestrator: импорт, преобразование и загрузка из файлов, баз/хранилищ и других моделей факт [S49] | Нужны model builder и владелец данных — оценка внедрения гипотеза. Численная публичная цена в проверенном потоке не установлена, pricing ведёт на contact факт [S50] |
| Pigment | Applications, Blocks, Metrics, Boards; Shared/Local Scenarios с изменением inputs/formulas и сравнением. Общая структура и списки; формулы между сценариями не рассчитываются, Local/Shared не конвертируются факт [S51] | Импорт и классы ERP/CRM/HRIS/API описаны официально, но часть карточек коннекторов помечена roadmap; доступность конкретного подключения требует отдельной проверки факт [S52] | Подходит как референс scenario overlay, не произвольных структурных веток гипотеза. На странице demo/contact численного тарифа нет факт [S53] |
| @RISK | Excel inputs с распределениями/зависимостями, outputs, Monte Carlo, fitting, sensitivity/tornado; оптимизация в соответствующей конфигурации факт [S17] | Excel, XDK; отдельный AI connector описан в разделе 10 | Нужна проверенная табличная экономика и вероятностная компетенция гипотеза. Платная годовая подписка; численные цены в индексе магазина не подтверждены прямым отображением, поэтому надёжная сумма не приводится факт [S54] |
| AnyLogic | Агенты, события/очереди/ресурсы, stocks/flows; parameter variation, Monte Carlo, sensitivity, calibration, compare runs факт [S55] | Excel, текст, базы, GIS, Cloud/export описаны в официальном сравнении | Нужен специалист по симуляции гипотеза. Professional — по запросу; PLE имеет ограничения и предназначена для обучения, её нельзя считать бесплатной коммерческой лицензией SMB факт [S55, S56] |
Остальные референсы закрывают отдельные слои. Их наличие не заменяет проверку выбора метода гипотеза.
| Категория / продукт | Что взять как референс | Ограничение |
|---|---|---|
| Электронные таблицы | Прозрачная модель небольшого числа драйверов, one-/two-way расчёты, отдельный журнал | Версии, права и происхождение быстро становятся ручной обязанностью; распространённость подтверждена AFP эмпирика [S35] |
| Cube | Excel/Google Sheets поверх измерений, сценариев и ролей; текущие Bronze/Silver/Gold — quote, API указан дополнением | Общий текст и карточки планов расходятся по MCP, состав пакета не установлен; старые публичные суммы не приняты за текущий тариф факт [S57] |
| Causal / Lucanet | Модель финансовых драйверов как часть более широкой xP&A-среды | Приобретение Causal объявлено 31.10.2024; прежние standalone positioning и free tiers не принимаются за состояние на срез факт [S58] |
| Oracle Crystal Ball | Spreadsheet assumptions, forecasts, Monte Carlo/sensitivity; Decision Optimizer для оптимизации с ограничениями | Доступна trial, численный тариф в прочитанной странице не установлен; состояние развития не выводится из слов конкурентов факт [S59] |
| Vensim | Stocks/flows, views, sensitivity и управляющие sliders; PLE+ поддерживает связь с Excel | В официальном магазине PLE+ $169, Professional $1195, DSS $1995 за новую лицензию; налоги, поддержка и полная стоимость не проверены факт [S60, S61] |
| DSSAT / APSIM | Модели crop-management для аграрных экспериментов | Нужны местные данные, параметры сорта/почвы и проверка наблюдениями; не готовый финансовый план фермы факт [S41, S47] |
Выбор масштаба — авторская рекомендация. Соло: таблица с явными допущениями, затем @RISK/Crystal Ball или код при необходимости распределений. Команда: общий реестр, версии и модель драйверов, при существенных правах/интеграциях — FP&A-платформа; организация: те же принципы с управлением данными и изменениями. AnyLogic/Vensim выбираются по нужному механизму, а не по размеру компании гипотеза.
Адаптация под LLM и агентов
Что существует на дату среза
LLM уже подключаются к расчётным моделям, но доказанность бизнес-результата отстаёт от продукта. Документация Pigment AI обновлена 02.09.2026: описаны Modeler, Analyst, Custom Agents, Missions и MCP; агенты работают в контексте прав пользователя факт [S39]. Lumivero 04.05.2026 объявил beta @RISK Agent: Claude через MCP получает структуру Excel-модели и результаты, помогает анализу; коннектор заявлен без доплаты клиентам @RISK, LLM предоставляет пользователь вендор [S40].
| Эмпирика | Что исследовано | Что нельзя заключить |
|---|---|---|
| Kozachek, Futures 2026 | 1080 человеческих коротких scenario theses из 238 reports и 3240 GPT-тезисов; Delphi 42 специалистов. Отмечены технологический уклон и слабое различение горизонтов | Это оценка текстов и восприятия, не целых процессов или финансовых решений. Прочитан индексированный фрагмент, полный текст не проверен; GPT-3/3.5/4 не представляют все модели сентября 2026 эмпирика [S62] |
| ForecastBench, v5 от 28.02.2025 | 500 public и 39 superforecasters; 200 вопросов, 498 результатов по горизонтам 7/30/90/180 дней. Brier медианного агрегата SF 0,096, лучшего варианта Claude-3.5-Sonnet-20240620 — 0,122, p<0,001; вариант модели использовал crowd freeze values и scratchpad | Это не средний балл отдельного человека и не рейтинг моделей на срез. Для части неразрешённых market-вопросов используются community aggregates; модель также получала коллективные прогнозы на входе, поэтому результат не трактуется как полностью независимое предсказание эмпирика [S63] |
| Ball et al., препринт 2025 | 14 моделей с white-box доступом к внутренним представлениям; probe-анализ связи persona-to-party в немецком электоральном контексте, проблемы вариативности и чувствительности формулировкам | Не исследование SaaS-покупателей или всех API-моделей, но основание не принимать синтетическую популяцию за наблюдённый спрос без отдельной валидации эмпирика [S64] |
Открытый код существует для отдельных компонентов. dannyallover/llm_forecasting реализует поиск новостей, отбор, рассуждение и агрегацию прогнозов; dpaleka/consistency-forecasting — проверки согласованности прогнозов. На 21.09.2026 прочитаны публичные README, commits не закреплены и код не запускался; это исследовательские референсы, не готовый сценарный слой компании факт [S65, S66].
Разделение труда
| Задача | Разумная автоматизация | Что остаётся проверять человеку |
|---|---|---|
| Извлечение допущений | Найти утверждения в документах, предложить поля, владельцев и ссылки на фрагменты | Действительно ли это допущение, а не факт/цель/обязательство |
| Генерация сценариев | Несколько разных механизмов, контраргументы, missing drivers | Правдоподобие, существенные пропуски, релевантность решению |
| Критика | Противоречия истории и входов, дубликаты осей, неявное знание будущего | Причинность, допустимость вариантов, независимость критики |
| What-if | Предложить patch входов и вызвать разрешённый движок | Обоснованность диапазонов и решений |
| Интерпретация | Объяснить разницу результатов со ссылками на run и drivers | Смысл вывода и достаточность модели |
| Мониторинг | Извлекать сигналы, сверять пороги, создавать проект реакции | Важность сигнала, право менять бюджет/расписание/обязательства |
Таблица — предлагаемая архитектура, а не доказанный универсальный workflow. Несколько агентов одной модели не образуют независимую экспертную выборку; согласие между ними не измеряет вероятность. Для критики полезнее разные источники, разные явные предпосылки и независимые вычислительные проверки гипотеза.
Машиночитаемая модель — предложение
Предлагается разделять сущности вместо хранения одного большого текста сценария. Каждая из следующих сущностей имеет собственную версию и происхождение; JSON — средство представления, не подтверждение истинности гипотеза.
| Сущность | Минимальные поля | Смысл |
|---|---|---|
| Context | id, orientation, horizon, mechanism, sourceRefs, probability |
Внешний мир; null разрешён и не равен нулю |
| Decision | id, action, owner, decidedAt, informationAvailableAt, constraints |
Управляемый выбор, отделённый от внешнего мира |
| Assumption | id, kind, value или distribution, unit, source, owner, asOf, reviewAt, scope |
Наблюдение, elicited assessment и условная иллюстрация различаются |
| Driver / Formula | id, unit, timeBasis, dimension, expressionAst, dependencies |
Вход либо вычисляемый показатель; проверяемая формула вместо произвольного кода |
| ModelVersion | id, version, boundary, timeStep, initialState, constraints, validationRefs |
Структура механизма и область его применимости |
| Scenario | contextId, modelVersion, assumptionOverrides, decisionIds, status |
Связка мира с моделями и допустимыми действиями |
| Run | id, ссылки, inputHash, engineVersion, seed, sampleDesign, outputs, diagnostics |
Воспроизводимый расчёт; Monte Carlo и детерминированный режим различаются |
| Trigger | metric, operator, threshold, window, persistence, missingData, owner, action, leadTime |
Наблюдаемый критерий реакции |
| Observation / Review | observedAt, availableAt, actual, priorRunId, assessment, changeReason |
Факт и последующая проверка без стирания прошлого |
Ниже — сокращённая иллюстрация соглашений, а не JSON Schema и не готовый контракт API. Полный исполняемый учебный пример с формулами и допущениями приложен как scenario-model-example.json; validate-example.py проверяет его числовые и ссылочные ограничения гипотеза.
{
"schemaVersion": "proposal-1",
"context": {
"id": "salon-context-1",
"orientation": "exploratory",
"probability": null
},
"decision": {
"id": "keep-schedule",
"action": "keep_schedule",
"owner": "salon-manager"
},
"model": {
"id": "salon-monthly",
"version": "1.0",
"timeStep": "month"
},
"inputs": {
"slots": 640,
"bookings": 520,
"show_rate": 0.9,
"price": 40,
"variable_cost": 20,
"fixed": 8000
},
"outputs": {
"completed_expected": 468,
"profit_expected": 1360,
"break_even_completed": 400,
"loss_probability": null
},
"provenance": "illustration; all values assumed"
}
Один набор ожидаемых значений не позволяет вычислить вероятность убытка. Для этого нужны распределение и зависимость явок, неопределённость спроса, длительностей и прочих существенных величин; поле loss_probability поэтому пустое, несмотря на известную среднюю прибыль гипотеза.
Что проверяется автоматически
| Уровень | Автоматическая проверка | Что этим не доказано |
|---|---|---|
| Структура | Обязательные поля, типы, уникальные IDs, разрешимые ссылки, версии и перечисления | Полнота картины будущего |
| Размерности | Валюта и база цен, единицы и шаг времени, поток против запаса | Правильность экономического механизма |
| Формулы | Разрешённые AST-операции, допустимые зависимости, отсутствие необъявленных циклов; явный solver для алгебраической петли | Что найденная зависимость причинная |
| Ограничения | Неотрицательные ресурсы, show/churn в [0,1], served≤capacity, сохранение stocks/flows |
Что ограничения мира перечислены полностью |
| Вероятности | Нормировка только для заявленного полного взаимоисключающего набора; согласованность связанных событий | Правильность исходных вероятностей |
| Зависимости | Симметрия/диагональ и положительная полуопределённость корреляционной матрицы; согласованный sample design | Адекватность хвостовых и временных зависимостей |
| Время и информация | Observation availableAt не позже решения, которое его использует; реакции успевают до deadline |
Возможность получить сигнал в реальном процессе |
| Сравнение действий | Общие внешние условия, горизонт, единицы и критерий; одинаковые правила проверки с учётом изменения ресурсов и затрат каждым действием | Что набор действий достаточно широк |
| Воспроизводимость | Snapshot, hashes, engine, seed и версия приводят к тому же результату в заданной среде | Переносимость на другой движок или истинность мира |
| Проверка фактом | Error, coverage, Brier для разрешённых вопросов; флаги дрейфа и просроченных допущений | Причину отклонения без дополнительного анализа |
Эти проверки — проектные требования, лишь часть реализована в учебном валидаторе. В нём проверяются ссылки, версия, единицы его простых формул, границы входов и совпадение арифметики; общая система вероятностей, журнал прав, причинная валидация и производственное хранение не реализованы гипотеза.
Безопасный и проверяемый цикл агента
- Получить ограниченный контекст. Агент читает разрешённую версию модели, источники и задачу решения; внешние документы считаются данными, а не инструкциями гипотеза.
- Предложить изменение. Выход агента — patch с причиной, источником, полями неопределённости и перечнем затронутых формул, а не скрытая правка модели гипотеза.
- Проверить и рассчитать. Детерминированный валидатор блокирует некорректные входы; расчётный движок считает outcomes и diagnostics; LLM не подставляет собственную арифметику в сохранённый run гипотеза.
- Сравнить и объяснить. Агент приводит run IDs, изменённые драйверы, допущения и альтернативы; отрицательные результаты сохраняются гипотеза.
- Разделить расчёт и исполнение. Право моделировать не даёт права нанимать сотрудника, менять цены или бюджет; фактическое действие подчиняется уже установленным полномочиям компании гипотеза.
Недопустимая автоматизация — превращать выдуманную уверенность в данные. Нельзя получать «вероятность рынка» из уверенного текста, считать синтетических клиентов наблюдаемой выборкой или позволять агенту менять факты ради согласованности модели гипотеза. Проверка источников, раздельные полномочия, воспроизводимые runs и обратная связь важнее количества ролей в агентной дискуссии гипотеза.
Происхождение, ключевые фигуры, что читать
История важна здесь как объяснение действующих различий. Wack и Shell отвечали на ограниченность привычного прогноза при изменении внешней среды; Schwartz сделал сценарную работу доступнее управленцам; Schoemaker систематизировал построение и проверку альтернатив. Эти линии не отменены более новыми OSPA, моделями драйверов и вероятностными инструментами факт [S7, S8, S10]; вывод о совместимости — гипотеза.
За 2016–2026 акцент смещается к интеграции с решениями, регулярному обновлению и вычислительным средам. Книга Ramírez–Wilkinson 2016 фиксирует OSPA как процесс переосмысления, а текущая повестка 2026 сохраняет вопросы полезности, обучения и AI открытыми. Это описание прочитанных работ, не количественная оценка скорости распространения мнение [S33, S32].
- Wack, Scenarios: Uncharted Waters Ahead (1985). Каноническая постановка проблемы; здесь прочитана издательская аннотация, полная статья не заявляется прочитанной факт [S7].
- Schwartz, The Art of the Long View. Практическая сценарная традиция; проверена издательская страница издания 1996, не содержание полной книги факт [S8].
- Schoemaker, Scenario Planning: A Tool for Strategic Thinking (1995). Открытая авторская статья полезна как последовательность построения и проверки сценариев мнение [S10].
- Ramírez и Wilkinson, Strategic Reframing (2016). Основной источник OSPA; аннотация и открытые объяснения школы помогают понять purpose-first и отказ от процентов целых миров, книга целиком недоступна факт [S33, S2].
- Ritchey, General Morphological Analysis. Практический вход в структурирование качественных конфигураций вместо произвольного списка сюжетов мнение [S11].
- Howard и Matheson, Influence Diagrams. Канонический референс формального разделения выбора, случайности и информации; здесь доступна аннотация факт [S22].
- Sterman, All Models Are Wrong. Критический текст о границах модели и многократных видах проверки, полезный против доверия одному backtest мнение [S18].
- Hubbard Decision Research, The Role of Calibration in Risk Analysis; Savage / Probability Management, Chancification. Первый — практический источник калибровки с коммерческой заинтересованностью, второй — референс передачи распределений и зависимостей как данных мнение [S21, S20].
- Klein, Pre-Mortem Method; Mellers et al. с Tetlock, Psychological Strategies. Разделение генерации причин провала и экспериментально исследуемой точности прогнозных суждений мнение [S25, S4].
- Cordova-Pozo и Rouwette (2023); Saltelli et al. (2017). Два наиболее полезных критических чтения: ограничения доказательств scenario planning и некорректное применение sensitivity analysis мнение [S3, S15].
- UK Futures Toolkit (2024). Открытые процедуры и формы; длительности и горизонт публичной политики нельзя механически переносить в малую компанию мнение [S9].
- ForecastBench v5 (2025); Kozachek (2026). Различение точности probabilistic forecasting и свойств LLM-сценарных текстов; полезны прежде всего границами выводов мнение [S63, S62].
Открытые вопросы и границы уверенности
Срез исследования — 2026-09-21; отсутствие результата поиска не доказывает отсутствия практики. Поиск целевой, а не систематический обзор всей мировой литературы; источники отбирались для механизмов, доказательств и переносимости в продукт. Подпоиски выполнялись внутри Astra, ответ другого участника исследования не использовался.
| Граница | Что известно / не установлено | Что изменило бы вывод |
|---|---|---|
| ROI для SMB | Не найдена сильная причинная оценка одной сценарной методологии сразу для трёх целевых сегментов | Проспективное сравнение решений/команд с учётом изначальной сложности, затрат и соблюдения процесса |
| Эмпирика сценарного планирования | Квазиэксперименты и наблюдательные исследования поддерживают отдельные эффекты; нет основания обещать универсальный процент прибыли | Репликации, объективные исходы, независимые данные, явная контрольная стратегия |
| Локальная модель | Все отраслевые числа — иллюстрации; эластичность, урожаи сортов, продуктивность новичка и явки не измерялись | Собственные наблюдения, локальные опыты и временно отложенная проверка |
| Распределения и зависимости | Без данных нельзя установить хвосты, временную корреляцию и structural breaks | Проверяемые источники диапазонов и альтернативные структуры |
| LLM | Нет сравнительной оценки всех актуальных моделей на сентябрь 2026 для решений SMB; использованы конкретные опубликованные выборки | Prospective evaluation на заранее сохранённых сценариях, фактах и экономических решениях |
| Книги и статьи | Wack, Schwartz, Oxford book, Howard и Bass 1969 — аннотации; полное чтение не заявляется | Доступ к полным текстам мог бы уточнить атрибуции и детали, но не заменил бы эмпирику эффективности |
| ScienceDirect и OUP | Некоторые прямые открытия дают ошибку; обзор 2023 и Kozachek прочитаны по доступным индексированным фрагментам, не целиком | Полный текст для проверки методов/таблиц; до этого спорные детали не считаются установленными |
| Продукты и цены | Проверены официальные страницы, не tenant и договор; численная цена @RISK видна только фрагментарно и не принята за установленную | Демонстрационный доступ и предложение поставщика, если выбор ПО станет отдельной задачей |
| Динамические страницы и GitHub | Недатированная документация фиксирует увиденное при доступе, не историю всех функций; README без закреплённого commit | Архив версии, release notes и проверяемый запуск |
| Демонстрация | Арифметика и программные ограничения проверены локально; визуальная проверка в настоящем браузере не выполнялась | Пользовательское тестирование и проверка в целевых браузерах |
Предлагаемая методология требует пилота на реальных решениях. Критерий пересмотра — не совпадение всего мира с одной историей, а обнаружение недостающего механизма, просроченного сигнала, недопустимого действия или дорогой поддержки без влияния на решение гипотеза.
Границы доступа отражены в реестре. «Полный текст» для веб-документа означает доступность и чтение содержательной страницы; для длинных документов проверялись релевантные разделы, не каждая таблица. «Фрагмент» и «аннотация» не повышены до полного доступа из-за наличия поискового результата.
Учёт работы: 94 поисковых запроса и 132 операции открытия веб-страниц, включая повторные и неуспешные. Итоговый реестр содержит 66 источников: 47 с доступным полным текстом страницы/документа/README, 14 фрагментов и пять аннотаций; просмотренные, но не использованные материалы не включены. Использованы web search/open/find, локальные PowerShell/Python/Node.js и apply_patch; локальная проверка формы, арифметика трёх примеров и восемь отрицательных проверок JSON пройдены.
Самопроверка отделена от харнесса: результат записан в self-validation-by-astra.json. Проверены все 15 заголовков, front matter, ссылки и порядок 66 источников, обязательные структуры, существование приложений и отсутствие заглушек; официальный валидатор исследования из родительской папки не запускался в силу границы доступа участника.
Реестр источников
| ID | Название | Автор или издатель | URL | Публикация | Доступ (дата) | Вид доступа | Что подтверждает |
|---|---|---|---|---|---|---|---|
| S1 | What are Shell Scenarios? | Shell | shell.com/news-and-insights/scenarios/what-are-shell-scen… | без даты | 2026-09-21 | полный текст | 0–2: назначение сценариев, границы и корпоративная практика |
| S2 | Scenario planning: an answer to turmoil? | Saïd Business School, University of Oxford | sbs.ox.ac.uk/oxford-answers/scenario-planning-answer-turmoil | 2020-01-28 | 2026-09-21 | полный текст | 1, 7, 11: OSPA, plausibility, contextual/transactional environment |
| S3 | Types of scenario planning and their effectiveness: A review of reviews | Kathya Cordova-Pozo, Etiënne A.J.A. Rouwette; Futures | doi.org/10.1016/j.futures.2023.103153 | 2023-05 | 2026-09-21 | фрагмент | 0, 2, 11: 13 обзоров, ограничения оценки эффективности; доступен развёрнутый индексированный текст, прямое открытие ошибочно |
| S4 | Psychological Strategies for Winning a Geopolitical Forecasting Tournament | Barbara Mellers et al., включая Philip E. Tetlock | faculty.wharton.upenn.edu/wp-content/uploads/2015/07/2014… | 2014-03-21 | 2026-09-21 | фрагмент | 2, 8: рандомизированные условия обучения, 199 вопросов, состав выборки, шкала Brier |
| S5 | AFP FP&A Guide to Driver-based Models and Plans | Association for Financial Professionals | financialprofessionals.org/training-resources/resources/g… | 2024-03-05 | 2026-09-21 | фрагмент | 1: модель драйверов; прочитана открытая страница, не закрытый guide |
| S6 | Robust Decision Making | RAND | rand.org/pubs/tools/TL320/tool/robust-decision-making.html | без даты | 2026-09-21 | полный текст | 0, 1, 4, 7: уязвимости и робастные решения |
| S7 | Scenarios: Uncharted Waters Ahead | Pierre Wack; Harvard Business Review | store.hbr.org/product/scenarios-uncharted-waters-ahead/85516 | 1985-09-01 | 2026-09-21 | аннотация | 11: атрибуция Wack, полная статья не прочитана |
| S8 | The Art of the Long View | Peter Schwartz; Penguin Random House | penguinrandomhouse.com/books/162919/the-art-of-the-long-v… | 1996-04-15 | 2026-09-21 | аннотация | 1, 11: издание и сценарный подход; книга не прочитана |
| S9 | The Futures Toolkit HTML, edition 2024 | UK Government Office for Science | gov.uk/government/publications/futures-toolkit-for-policy… | 2024-08-29 | 2026-09-21 | полный текст | 1, 5–8, 11: scanning, Delphi, 2×2, backcasting, windtunnelling |
| S10 | Scenario Planning: A Tool for Strategic Thinking | Paul J. H. Schoemaker; Sloan Management Review | ftms.edu.my/images/Document/MOD001074%20-%20Strategic%20M… | 1995 | 2026-09-21 | полный текст | 1, 11: процесс, согласованность сценариев |
| S11 | General Morphological Analysis: A general method for non-quantified modeling | Tom Ritchey; Swedish Morphological Society | swemorph.com/ma.html | 2013 | 2026-09-21 | полный текст | 1, 11: морфологическое поле и cross-consistency assessment |
| S12 | CIB Analysis — Step-by-Step: Scenario construction | Wolfgang Weimer-Jehle; CIB-Lab, University of Stuttgart | cross-impact.org/english/CIB_e_Alg_4.htm | без даты | 2026-09-21 | полный текст | 1: алгоритм балансов и согласованность, не вероятности |
| S13 | Implementing a Rolling Forecast — Key Takeaways | Association for Financial Professionals | financialprofessionals.org/training-resources/resources/g… | без даты | 2026-09-21 | полный текст | 1, 7: принципы rolling forecast |
| S14 | Measuring Variable Effects with the Tornado Analysis Tool | Oracle | docs.oracle.com/cd/E52437_01/en/crystal_ball_users_guide/… | без даты | 2026-09-21 | полный текст | 1, 9: tornado как OAT в Crystal Ball; отличие от correlation-based sensitivity |
| S15 | Why So Many Published Sensitivity Analyses Are False. A Systematic Review of Sensitivity Analysis Practices | Andrea Saltelli et al. | arxiv.org/pdf/1711.11359 | 2017-11-30 | 2026-09-21 | фрагмент | 1, 2, 8: OAT против global sensitivity; обзор 280 публикаций и ограничения выборки |
| S16 | Break-even point | U.S. Small Business Administration | legacy.sba.gov/business-guide/plan-your-business/calculat… | без даты | 2026-09-21 | полный текст | 1, 5: формула fixed costs / (price − variable cost), разделение смешанных затрат |
| S17 | Risk analysis software in Excel — @RISK | Lumivero | lumivero.com/products/at-risk/ | без даты | 2026-09-21 | полный текст | 9: Monte Carlo, distributions, correlations, outputs, fitting, XDK, optimization |
| S18 | All Models Are Wrong: Reflections on Becoming a Systems Scientist | John D. Sterman | web.mit.edu/jsterman/www/All_Models_Are_Wrong_(SDR).pdf | 2002 | 2026-09-21 | фрагмент | 1, 8, 11: stocks/flows, границы и тестирование системной модели |
| S19 | The Big Book of Simulation Modeling: Chapter 2 — Three methods in simulation modeling | Andrei Borshchev / The AnyLogic Company | anylogic.com/upload/books/new-big-book/2-three-methods-in… | без даты | 2026-09-21 | фрагмент | 1, 4, 9: механика SD, DES, ABM, ресурсы и очереди |
| S20 | Chancification: Wiring Your Organization for Probability | Probability Management / Sam Savage | probabilitymanagement.org/chancification | без даты | 2026-09-21 | полный текст | 1, 6, 10: SIPmath, распределения как данные, зависимости |
| S21 | The Role of Calibration in Risk Analysis | Peter Mallik, Kathleen Schmidt / Hubbard Decision Research | hubbardresearch.com/the-role-of-calibration-in-risk-analy… | 2026-02-19 | 2026-09-21 | полный текст | 1, 2: калиброванные оценки; AIE и value of information; данные поставщика обучения |
| S22 | Influence Diagrams | Ronald A. Howard, James E. Matheson | gsbpreserve.stanford.edu/view/61825/influence-diagrams | 2005-09-01 | 2026-09-21 | аннотация | 1, 11: авторская атрибуция influence diagrams, формальное описание решений |
| S23 | Real Options: Dealing With Uncertainty in Systems Planning and Design | Richard de Neufville | web.mit.edu/ardent/www/Real_opts_papers/delftpaperpublica… | 2003 | 2026-09-21 | фрагмент | 1, 4, 7: реальный опцион, цена и исполнение гибкости, ограничения оценки |
| S24 | The Bank of England’s approach to stress testing the UK banking system | Bank of England | bankofengland.co.uk/stress-testing/2024/boes-approach-to-… | 2024-11-29 | 2026-09-21 | фрагмент | 1, 2: действующий подход с 2025, stress и reverse stress, определение уязвимости |
| S25 | Pre-Mortem Method of Risk Assessment | Gary Klein | gary-klein.com/premortem | без даты | 2026-09-21 | полный текст | 1, 7, 11: premortem, авторство и процедура |
| S26 | Wargaming Handbook | UK Ministry of Defence | assets.publishing.service.gov.uk/government/uploads/syste… | 2017-08 | 2026-09-21 | фрагмент | 1, 7: wargaming, red teaming и интерпретация результатов |
| S27 | A New Analytic Method for Finding Policy-Relevant Scenarios | David G. Groves, Robert J. Lempert | rand.org/content/dam/rand/pubs/reprints/2007/RAND_RP1244.pdf | 2007 | 2026-09-21 | фрагмент | 1, 4: RDM, связь с expected utility, пороги вероятностей и scenario discovery |
| S28 | Validating and Advancement | NIST | nist.gov/digital-twins/validating-and-advancement | 2026-02-13 | 2026-09-21 | полный текст | 1, 2, 9: доверие к digital twins, синхронизация и валидация |
| S29 | The effects of scenario planning on participant reports of resilience | Thomas J. Chermack, Laura M. Coons, Gregory O’barr, Shiva Khatami | chermackscenarios.com/wp-content/uploads/2020/10/The-effe… | 2017 | 2026-09-21 | полный текст | 2: квазиэксперимент, 48+44 участника, самоотчёты и ограничения |
| S30 | Corporate foresight and its impact on firm performance: A longitudinal analysis | René Rohrbeck, Menes Etingue Kum; Technological Forecasting and Social Change | pure.au.dk/ws/portalfiles/portal/179651094/Rohrbeck_Corpo… | 2018-04 | 2026-09-21 | полный текст | 2: выборка 83, прибыль 70, капитализация 42; наблюдательная связь 2008–2015 |
| S31 | Creating Alignment and Transparency Through a Driver-Based Model | AFP Member; Association for Financial Professionals | financialprofessionals.org/training-resources/resources/a… | 2024-03-05 | 2026-09-21 | полный текст | 2, 5: самоотчёт компании; четыре дня → четыре часа |
| S32 | Scenario Planning for Strategic Decision-Making, Learning, and Managing Uncertainty | Chermack, Crawford, Haigh, Phadnis, Ramírez, Schoemaker; California Management Review | journals.sagepub.com/doi/10.1177/00081256261432933 | 2026-05-06 | 2026-09-21 | полный текст | 2, 10–11: актуальные споры, решения и обучение, недостаток исследований AI |
| S33 | Strategic Reframing: The Oxford Scenario Planning Approach | Rafael Ramírez, Angela Wilkinson; Oxford University Press | academic.oup.com/book/9616 | 2016-03-01 | 2026-09-21 | аннотация | 11: библиография и замысел OSPA; книга не прочитана |
| S34 | Why Aren’t FP&A Teams Using the EPM Tools They Bought? | AFP Staff; Association for Financial Professionals | afponline.org/training-resources/resources/articles/Detai… | 2025-05-05 | 2026-09-21 | полный текст | 2, 9: использование EPM и таблиц, ограничения переноса на SMB |
| S35 | 2025 AFP FP&A Benchmarking Survey Report: Technology & Data | Association for Financial Professionals | afponline.org/training-resources/resources/survey-researc… | 2025 | 2026-09-21 | фрагмент | 2: открытое резюме, 362 ответа, таблицы 96%, EPM 71%; полный отчёт не прочитан |
| S36 | Multi-objective optimization and design of farming systems | Jeroen C.J. Groot, Gerard J.M. Oomen, Walter A.H. Rossing / Agricultural Systems | humidtropics.cgiar.org/wp-content/uploads/downloads/2014/… | 2012-07 | 2026-09-21 | полный текст | 1, 2, 5: whole-farm модель, Pareto trade-offs, кейс 96 га, цикл работы с фермером и ограничения валидации |
| S37 | Agricultural and food markets: Trends and prospects — OECD-FAO Agricultural Outlook 2026–2035 | OECD / FAO | oecd.org/en/publications/oecd-fao-agricultural-outlook-20… | 2026-06-29 | 2026-09-21 | полный текст | 1, 2, 5: baseline с предпосылками, adverse scenario, вариативность исторических доходов как условная вероятностная модель |
| S38 | USDA Agricultural Projections to 2035 | USDA | ers.usda.gov/sites/default/files/_laserfiche/outlooks/113… | 2026-02 | 2026-09-21 | полный текст | 1, 2, 5: официальный baseline прямо определён как условный сценарий, а не прогноз; нормальная погода, политика, отсутствие новых шоков |
| S39 | Pigment AI | Pigment | kb.pigment.com/docs/pigment-ai | 2025-04-23 | 2026-09-21 | полный текст | 9, 10: обновление 2026-09-02, Modeler/Analyst/Custom Agents, Missions, MCP, права |
| S40 | Introducing @RISK Agent: The intelligence layer behind better decisions | Lumivero | lumivero.com/resources/blog/introducing-risk-agent-the-in… | 2026-05-04 | 2026-09-21 | полный текст | 10: beta Claude/MCP к @RISK, интерпретация/review; connector без доплаты, свой LLM; вендор |
| S41 | DSSAT Overview | DSSAT Foundation | dssat.net/about/ | без даты | 2026-09-21 | полный текст | 1, 5, 9: входы crop model, what-if по управлению, обязательность сверки с наблюдениями; версия 4.8.6 от 2026-07-01 |
| S42 | Module 4: Sowing A Crop | APSIM Initiative | docs.apsim.info/docs/user-tutorials/module4/modulefourtut… | без даты | 2026-09-21 | полный текст | 1, 5, 9: явный what-if эксперимент по удобрениям, срокам сева, норме высева, стартовой влажности |
| S43 | Comments on ‘A New Product Growth for Model Consumer Durables’: The Bass Model | Frank M. Bass / Management Science | pubsonline.informs.org/doi/pdf/10.1287/mnsc.1040.0300 | 2004-12 | 2026-09-21 | полный текст | 1, 5, 11: механизм диффузии, проблема трёх параметров на трёх наблюдениях, price sensitivity как planning tool |
| S44 | A New Product Growth for Model Consumer Durables | Frank M. Bass / Management Science | pubsonline.informs.org/doi/10.1287/mnsc.15.5.215 | 1969-01-01 | 2026-09-21 | аннотация | 1, 2, 11: исходная модель начальных покупок, тест на 11 категориях consumer durables |
| S45 | What is MRR, or monthly recurring revenue? How to calculate, increase and use MRR to guide growth | Stripe | stripe.com/en-ch/resources/more/what-is-monthly-recurring… | 2026-05-11 | 2026-09-21 | полный текст | 5, 6: MRR и компоненты new, expansion, contraction, churn, reactivation; только референс практики вендора |
| S46 | Adjust your appointment settings | Square Support Center | squareup.com/help/us/en/article/5351-manage-your-square-a… | без даты | 2026-09-21 | полный текст | 5, 6, 9: референс длительностей услуг, назначения сотрудников, no-show и экспорта истории |
| S47 | Science contributions | APSIM Initiative | docs.apsim.info/docs/contribute/science-contributions | без даты | 2026-09-21 | полный текст | 1, 6, 8, 10: единицы переменных, validation против факта, sensibility tests за пределами данных |
| S48 | Modules | Anaplan / Anapedia | help.anaplan.com/modules-5d25099d-15ae-426c-ade1-33b658f5… | 2025-09-04 | 2026-09-21 | полный текст | 6, 9: модели, модули, Time/Versions/Lists, input/driver/output |
| S49 | Anaplan Data Orchestrator | Anaplan / Anapedia | help.anaplan.com/anaplan-data-orchestrator-c6188479-0975-… | 2026-09-03 | 2026-09-21 | полный текст | 9: импорт, трансформация, загрузка моделей и внешние источники |
| S50 | Contact Anaplan Offices | Anaplan | anaplan.com/contact/ | без даты | 2026-09-21 | полный текст | 9: pricing URL переадресует на contact, численная цена публично не установлена |
| S51 | Get started with Scenarios in Pigment | Pigment | kb.pigment.com/docs/get-started-scenarios | 2025-08-22 | 2026-09-21 | полный текст | 1, 6, 9: Shared/Local scenarios, сравнение inputs/formulas, общая структура и ограничения |
| S52 | Unified Business Planning with Data Integrations | Pigment | pigment.com/integrations | без даты | 2026-09-21 | полный текст | 9: классы integrations; roadmap-ярлыки не следует считать подтверждением доступного connector |
| S53 | Pigment — Book a demo | Pigment | pigment.com/contact | без даты | 2026-09-21 | полный текст | 9: публичный вход через demo/contact, численный тариф не установлен |
| S54 | Buy @RISK software | Lumivero Shop | shop.lumivero.com/risk-and-decision/at-risk | без даты | 2026-09-21 | фрагмент | 9: annual subscriptions; цены $2900/$3500 лишь в индексированном фрагменте, прямой renderer их не вывел |
| S55 | Download AnyLogic | The AnyLogic Company | prd.anylogic.fr/downloads/ | без даты | 2026-09-21 | полный текст | 9: multimethod, experiments, imports/export, commercial quote, PLE ограничения; релиз 8.9.9 2026-06-18 |
| S56 | AnyLogic Editions: PLE, Researcher, Professional | The AnyLogic Company | anylogic.help/anylogic/ui/editions.html | без даты | 2026-09-21 | фрагмент | 9: PLE только classroom/personal learning, commercial/private research Professional |
| S57 | Transparent and Upfront Pricing | Cube | cubesoftware.com/pricing | без даты | 2026-09-21 | полный текст | 9: Bronze/Silver/Gold quote-only, Excel/Sheets, scenarios, roles, API add-on, integrations |
| S58 | Causal, key player in the financial planning and analysis market, becomes part of the Lucanet Group | Lucanet | lucanet.com/en/press-releases/causal-joins-the-lucanet-gr… | 2024-10-31 | 2026-09-21 | полный текст | 9: приобретение Causal, развитие xP&A CFO Platform |
| S59 | Crystal Ball | Oracle | oracle.com/applications/crystalball/ | без даты | 2026-09-21 | полный текст | 9: spreadsheet Monte Carlo, forecasting, Decision Optimizer, trial |
| S60 | Vensim PLE Plus | Ventana Systems | vensim.com/vensim-ple-plus/ | без даты | 2026-09-21 | полный текст | 9: data connectivity, Monte Carlo sensitivity, views, flight simulator controls |
| S61 | Vensim store | Ventana Systems | vensim.com/store/ | без даты | 2026-09-21 | полный текст | 9: отображаемые цены новых лицензий PLE+ $169, Professional $1195, DSS $1995 |
| S62 | Entering the age of hybrid futures: A comparative study of human and GPT-generated scenarios | Diana Kozachek / Futures | doi.org/10.1016/j.futures.2025.103705 | 2026-02 | 2026-09-21 | фрагмент | 2, 10: 1080 human и 3240 GPT scenario theses, Delphi N=42; фрагмент Methods через официальный поисковый индекс, прямой open не работает, полный текст не прочитан |
| S63 | ForecastBench: A Dynamic Benchmark of AI Forecasting Capabilities (v5; ICLR 2025) | Ezra Karger et al. | arxiv.org/html/2409.19839v5 | 2025-02-28 | 2026-09-21 | полный текст | 2, 10: v5; 500 public, 39 superforecasters; 200 вопросов и 498 результатов на 4 горизонтах; медианный агрегат SF Brier 0.096 против Claude 0.122, p<0.001 |
| S64 | Human Preferences in Large Language Model Latent Space: A Technical Analysis on the Reliability of Synthetic Data in Voting Outcome Prediction | Sarah Ball, Simeon Allmendinger, Frauke Kreuter, Niklas Kühl | arxiv.org/html/2502.16280v1 | 2025-02-22 | 2026-09-21 | полный текст | 2, 10: 14 white-box LLM, немецкий электоральный контекст, вариативность и чувствительность prompts; препринт |
| S65 | llm_forecasting | Danny Halawi et al. | github.com/dannyallover/llm_forecasting | без даты | 2026-09-21 | полный текст | 10: публичный код к NeurIPS 2024; news retrieval, relevance, reasoning, aggregation |
| S66 | consistency-forecasting | David Paleka et al. | github.com/dpaleka/consistency-forecasting | без даты | 2026-09-21 | полный текст | 10: публичный референс проверки согласованности вероятностных прогнозов |
Словарь терминов
- What-if analysis анализ «что, если»
- вычисление последствий заданного изменения входов, правил или структуры модели.
- Scenario planning сценарное планирование
- исследование разных возможных будущих контекстов ради сегодняшних решений.
- Forecast прогноз
- оценка будущего при известной информации и оговорённых условиях, допускающая точку или распределение.
- Exploratory / normative исследовательский / целевой
- направление сценария от возможных изменений либо от желаемого будущего.
- Plausibility правдоподобие
- аргументированная возможность сценария, не численная вероятность его наступления.
- OSPA Оксфордский подход
- сценарная работа через совместное переосмысление рамки ситуации и вариантов действий.
- GBN Global Business Network
- связанная со Schwartz историческая профессиональная традиция сценарной работы.
- Driver-based planning планирование по драйверам
- расчёт результатов через операционные входы и зависимости.
- FP&A / EPM / xP&A финансовое планирование и анализ / управление эффективностью / расширенное планирование
- функции и программные среды объединения финансовых и операционных планов.
- Rolling forecast скользящий прогноз
- регулярное добавление нового периода к горизонту после обновления факта.
- Baseline базовая линия
- явно определённая версия условий для сравнения, не обязательно наиболее вероятное будущее.
- Horizon scanning сканирование горизонта
- систематический сбор внешних сигналов возможных изменений.
- Delphi метод Дельфи
- несколько раундов экспертных оценок с обратной связью и пересмотром.
- Morphological analysis / CCA морфологический анализ / проверка попарной совместимости
- построение пространства состояний и отсечение несовместимых сочетаний.
- Cross-impact / CIB перекрёстные влияния / баланс влияний
- работа с взаимными воздействиями факторов; CIB ищет согласованные конфигурации заданной сети.
- Sensitivity analysis / OAT анализ чувствительности / по одному фактору
- исследование изменения выхода вслед за входами; OAT фиксирует остальные значения.
- Tornado диаграмма «торнадо»
- ранжированные полосы эффектов изменения входов; способ расчёта зависит от инструмента.
- Morris / Sobol методы глобальной чувствительности
- screening значимых факторов и оценка вкладов в дисперсию с определёнными математическими предпосылками.
- Monte Carlo Монте-Карло
- оценивание распределений результатов через повторную случайную выборку входов.
- Calibration / coverage калибровка / покрытие
- согласование заявленных вероятностей или уровней интервалов с частотой исходов в сопоставимых повторениях.
- Epistemic uncertainty неопределённость знания
- незнание параметров, механизмов или структуры модели.
- Deep uncertainty глубокая неопределённость
- отсутствие согласия о моделях, вероятностях или ценностях для выбора.
- Flaw of averages ошибка усреднения
- подстановка средних входов в нелинейную модель может не дать среднего выхода.
- System dynamics / stock / flow системная динамика / запас / поток
- моделирование накоплений, их изменений, задержек и обратных связей.
- DES дискретно-событийная симуляция
- моделирование процессов через события, очереди и ограниченные ресурсы.
- ABM агентное моделирование
- моделирование системы через состояния и взаимодействия неоднородных участников.
- Warm-up начальный переходный период
- участок симуляции до исследуемого режима; нужен не во всех задачах.
- Digital twin цифровой двойник
- связанная с состоянием реального объекта модель, используемая для мониторинга и исследования действий.
- Decision analysis / influence diagram анализ решений / диаграмма влияния
- формальная организация выбора, неопределённости, информации и ценности.
- Expected utility ожидаемая полезность
- математическое ожидание ценности результата по выбранной вероятностной модели.
- Real option реальный опцион
- заранее созданное право без обязанности выполнить дальнейшее действие на определённых условиях.
- Value of information / EVPI / EVSI ценность информации / ожидаемая ценность совершенной информации / ожидаемая ценность выборочной информации
- улучшение выбора благодаря полному знанию либо неполному наблюдаемому сигналу; расходы на получение информации учитываются отдельно.
- RDM робастное принятие решений
- поиск решений и адаптаций, сохраняющих приемлемость при широком наборе предположений.
- Regret / minimax regret / maximin сожаление / минимум максимального сожаления / максимум худшего результата
- критерии сравнения действий относительно лучшего в каждом мире либо собственного худшего исхода.
- Adaptive pathways адаптивные пути
- последовательности действий с переходами, зависящими от наблюдаемых условий.
- Stress / reverse stress test прямой / обратный стресс-тест
- расчёт последствия тяжёлых условий либо поиск условий, приводящих к неприемлемому результату.
- Pre-mortem предварительный разбор провала
- поиск причин воображаемого уже случившегося провала плана.
- Wargaming / adjudication ролевая стратегическая игра / разрешение результатов ходов
- проверка взаимодействий решений участников по установленным правилам.
- Red teaming независимая критическая проверка
- организованное оспаривание допущений, ограничений и устойчивости плана.
- Backcasting / windtunnelling обратное построение пути / проверка в сценариях
- поиск шагов к целевому будущему и испытание варианта действий в разных контекстах.
- Break-even / contribution / P&L безубыточность / маржинальный доход / отчёт о прибылях и убытках
- порог покрытия затрат, выручка за вычетом переменных затрат и финансовый результат периода.
- Cash-flow денежный поток
- поступления и выплаты по времени; отличается от прибыли.
- Adoption / churn / cohort принятие продукта / отток / когорта
- первые использования, уход активных клиентов и группа с общим стартовым условием.
- MRR / run-rate месячная повторяющаяся выручка / темп результата
- нормированный месячный объём подписок и экстраполяция текущего состояния на полный период.
- Scope / capacity / engineer-days объём работ / мощность / инженерные дни
- содержание релиза, доступный ресурс и условная единица инженерной трудоёмкости.
- No-show / show-up / waitlist неявка / явка / лист ожидания
- состояния записи клиента и очередь для заполнения освободившихся окон.
- Whole-farm / Pareto frontier модель всей фермы / Парето-граница
- совместная экономика и ресурсы хозяйства; набор альтернатив без улучшения одной цели без ухудшения другой.
- Trigger / lead time / persistence триггер / время упреждения / устойчивость сигнала
- условие реакции, доступный запас времени и требуемая длительность подтверждения.
- Brier score / proper score оценка Брайера / корректная оценочная функция
- способ оценить вероятностные прогнозы, стимулирующий честное сообщение вероятностей.
- Base rate базовая частота
- частота события в подходящем классе сравнения, используемая как исходная точка.
- Backtest / drift / structural break проверка на прошлом / дрейф / структурный разрыв
- проверка на исторических данных, изменение распределений и смена механизма.
- LLM / MCP большая языковая модель / протокол контекста модели
- текстовый агент и интерфейс доступа к инструментам и данным.
- AST / schema / patch абстрактное синтаксическое дерево / схема / изменение
- формальная запись вычисления, структура допустимых данных и явное предложение правки.
- Snapshot / immutable run / provenance снимок / неизменяемый расчёт / происхождение
- сохранённые входы и результаты с историей основания и версии.
- Seed / sample design / copula начальное состояние генератора / схема выборки / копула
- средства воспроизводимости, формирования прогонов и описания зависимости распределений.
- SIPmath формат стохастических информационных пакетов
- референс представления и обмена распределениями и зависимостями.
- Non-anticipativity неупреждение информации
- запрет использовать ещё неизвестное наблюдение при выборе более раннего действия.
- ROI / TCO отдача на инвестицию / полная стоимость владения
- результат относительно затрат и совокупность лицензий, внедрения и поддержки.