TYPE 03 · PREDICTIVE
预测型问题
接下来可能怎样？从基准率出发，随着新证据更新概率，并准备多个情景。
先用大白话理解它
预测不是给未来贴一个确定答案，而是估计不同结果发生的概率、范围和条件。好预测同时写明时间窗口、基准率、关键假设、置信区间以及收到新信息后如何更新。
- 需要评估销量、工期、风险或趋势
- 结果尚未发生且存在多个可能分支
- 历史数据可参考，但当前条件又有变化
- 错误预测会影响资源准备
- 问题可以通过一次查询得到当前事实
- 决策对预测不敏感，无需投入高成本建模
预测型问题的 4 步分析法
按顺序完成；每一步都要留下可以复查的文字或证据。
- 01
明确预测对象
写清指标、时间范围和结果区间，避免“以后会不会更好”。
在何时之前，什么指标可能落在哪个范围？
- 02
寻找基准率
先看相似项目通常怎样，再考虑当前案例的特殊信息。
同类事情过去 100 次通常如何分布？
- 03
列出驱动变量
区分领先信号、滞后结果和无法控制的外部变量。
哪三个变量最可能改变结果？
- 04
情景化并更新
给出乐观、基准和悲观情景；新证据出现时更新概率。
什么信号出现时必须修改判断？
预测新功能能否按期上线
未经分析
大家感觉下周应该能做完。
- 1
同类功能过去准时率为 55%，这是初始基准率。
- 2
当前核心接口已联调，但迁移脚本未在真实数据验证。
- 3
设置乐观 25%、基准 50%、延期 25% 三种情景。
- 4
真实数据演练失败后，把延期概率更新到 55%。
分析后的可行动结论
团队不再争论“能不能”，而是提前安排降级范围和迁移演练，管理延期风险。
这个类型优先使用哪些方法？
满足这些条件，才算分析完成
- ✓是否给出概率或范围，而非单点承诺？
- ✓是否先看基准率再讲特殊性？
- ✓是否定义触发更新的信号？