UNCERTAINTY METHOD
敏感性分析
SENSITIVITY ANALYSIS改变一个输入，观察结论对哪些假设最敏感。
什么时候该用，什么时候别用？
- 商业模型、工期或容量模型依赖假设
- 多个输入都有不确定范围
- 需要决定先验证哪个变量
- 模型关系本身错误，调参数没有意义
- 多个变量强相关却只做单变量测试
敏感性分析的具体操作步骤
按顺序完成；每一步都要留下可以复查的文字或证据。
- 01
明确输出与基准
选择最终关心的结果和当前输入组合。
哪个输出决定行动？
- 02
设置合理范围
为关键输入使用历史分布或可信上下界。
这个变量现实中可能变化多少？
- 03
逐项改变输入
先保持其他变量不变，记录输出变化和决策翻转点。
输入变化 10%，输出变化多少？
- 04
聚焦敏感变量
为高敏感变量补数据、留缓冲或设计对冲。
怎样降低结论对它的脆弱性？
跟着一个例子完整走一遍
原始问题
评估订阅产品的新价格是否盈利。
- 1
输出是年度贡献利润，输入含价格、转化、流失和服务成本。
- 2
逐项测试显示价格变化影响线性，流失率超过 8% 时利润转负。
- 3
其他变量在合理范围内不会改变结论。
- 4
先小流量测试涨价后的流失，而非继续精确估计服务成本。
得到的结论
验证预算集中到真正会翻转决策的流失率假设。
复制后直接填写
第一次不用追求完美，先把空白处填出来，再根据证据修改。
关键输出：【】
基准输入：【】
变量 A 范围 / 输出变化：【】
变量 B 范围 / 输出变化：【】
决策翻转点：【】
优先验证/缓冲：【】看似在用，其实容易用错
- 范围随意，产生夸张结论
- 只报输出变化，不找决策翻转点
- 忽略变量间的联动