chain-estimation-decision-storytelling

估算 → 决策 → 叙述

目录

• 工作流
• 常见模式
• 防护措施
• 快速参考

分为三个阶段：估算（通过范围和概率量化不确定变量）、决策（运用期望值或评分找出最佳选项）、叙述（将分析整理成面向利益相关者、具有说服力的故事）。

快速示例：

# Should we build custom analytics or buy a SaaS tool?

## Estimation
Build custom: $200k-$400k dev cost (60% likely $300k), $50k/year maintenance
Buy SaaS: $120k/year subscription, $20k implementation

## Decision
Expected 3-year cost:
- Build: $300k + (3 × $50k) = $450k
- Buy: $20k + (3 × $120k) = $380k
- Difference: $70k savings with Buy

Expected value with risk adjustment:
- Build: 30% chance of 2x cost overrun → $510k expected
- Buy: 95% confidence in pricing → $380k expected
- Recommendation: Buy (lower cost, lower risk)

## Story
"We evaluated building custom analytics vs. buying a SaaS solution. While building seems cheaper initially ($300k vs. $380k over 3 years), custom development carries significant risk—30% of similar projects experience 2x cost overruns, bringing expected cost to $510k. The SaaS solution offers predictable pricing, faster time-to-value (2 months vs. 8 months), and proven reliability. Recommendation: Buy the SaaS tool, saving $130k in expected costs and delivering value 6 months earlier."

工作流

复制此检查清单并跟踪进度：

Chain Estimation → Decision → Storytelling Progress:
- [ ] Step 1: Clarify decision and gather inputs
- [ ] Step 2: Estimate uncertain variables
- [ ] Step 3: Analyze decision with expected value
- [ ] Step 4: Craft persuasive narrative
- [ ] Step 5: Validate and deliver

步骤 1：明确决策并收集输入

明确选择（需要做出什么决策？），确定备选方案（比较 2-5 个选项），列出不确定因素（哪些变量未知或具有概率性？），确定受众（需要说服谁？），并明确约束条件（预算、时间表、要求）。确保决策可执行，且各选项互斥。

步骤 2：估算不确定变量

对于每个备选方案，量化成本（固定成本、可变成本、机会成本），估算收益（收入、节省、生产力），为各种情景分配概率（最佳情况、基本情况、最坏情况），并进行敏感性分析（哪些输入最重要？）。使用范围而不是单点估计。对于简单情况 → 使用 resources/template.md 进行结构化估算。对于复杂情况 → 学习 resources/methodology.md 中的高级技术（蒙特卡洛、决策树、实物期权）。

步骤 3：用期望值分析决策

计算每个备选方案的预期结果（按概率加权的平均值），使用决策标准（NPV、投资回收期、IRR、效用）进行比较，找出占优选项（期望值或风险调整后回报最高的选项），并测试稳健性（在合理的输入范围内，结论是否仍然成立？）。明确记录假设。针对特定决策类型的方法，请参阅常见模式。

步骤 4：编写有说服力的叙述

按以下结构组织内容：问题陈述（为什么这个决策很重要）、考虑过的备选方案（展示你做过分析）、分析摘要（关键数字和逻辑）、建议（给出明确选择并说明理由）、后续步骤（获批后会发生什么）。根据受众调整内容：高管关注最终结论和风险，技术团队关注方法和假设，财务人员关注数字和敏感性。

步骤 5：验证并交付

使用 resources/evaluators/rubric_chain_estimation_decision_storytelling.json 进行自查。确认：估算有来源或逻辑依据，概率经过校准（不过度自信），期望值计算正确，敏感性分析找出了关键驱动因素，叙述清晰且有说服力，明确陈述了假设，并承认风险和局限性。最低标准：得分 ≥ 3.5。创建 chain-estimation-decision-storytelling.md 输出文件，其中包含完整分析和建议。

常见模式

对于自建还是采购的决策：

• 估算：开发成本（工作量 × 费率）、维护成本、SaaS 订阅费用、实施成本
• 决策：3-5 年总拥有成本（TCO），并根据进度超期和功能缺失风险进行调整
• 说法：“自建能让我们掌握主动权，但成本会多出 $X，耗时也会多 Y 个月……”

对于市场进入决策：

• 估算：TAM/SAM/SOM、CAC、LTV、达到盈利的时间
• 决策：考虑市场不确定性后的预期 NPV（乐观/悲观情景）
• 说法：“如果我们现在进入市场，基准情景下第 3 年收入将达到 $X；但如果市场普及速度较慢……”

对于资源分配：

• 估算：每项计划的成本、预期影响（收入、成本节省、战略价值）
• 决策：影响/工作量评分或按预期价值排序
• 说法：“在 $X 的预算下，这 3 项计划预计可带来 $Y 的回报，而其他方案为 $Z……”

对于技术决策：

• 估算：迁移成本、运营成本、性能提升、风险降低
• 决策：3-5 年 TCO 加上经风险调整后的收益
• 说法：“迁移到 X 需要预先投入 $Y，但每年可节省 $Z，并降低故障风险……”

对于招聘/人员配置决策：

• 估算：薪酬、招聘成本、上手时间、生产力影响
• 决策：每单位新增产出的成本，与其他方案（承包商、供应商、自动化）对比
• 说法：“新增 3 名工程师，成本为 $X，可增加 $Y 的产能，从而……”

注意事项

应该：

• 对不确定的估算使用范围（避免虚假的精确度）
• 基于数据或明确的推理分配概率
• 正确计算预期值（按概率加权的结果）
• 进行敏感性分析（检验假设）
• 明确说明假设
• 承认风险和局限
• 根据受众调整叙述方式（高管、技术人员或财务人员）
• 说明“哪些情况会改变我的看法”
• 展示推导过程（方法透明）
• 检验结论的稳健性（更换假设后结论是否仍然成立？）

不应该：

• 对高度不确定的变量使用单点估算
• 声称结果精确无误（不确定性为 ±50% 时却写“$347,291”）
• 忽略风险或不利情景
• 只挑选乐观假设
• 隐瞒假设或方法
• 夸大对估算的信心
• 跳过敏感性分析
• 未分析其他方案就提出建议
• 使用未向受众解释的行话
• 忘记说明后续步骤或决策标准

常见陷阱：

• 锚定偏差：第一个估算在未经其他方案检验的情况下成为“默认”值
• 乐观偏差：高估最好情景出现的可能性
• 沉没成本谬误：将不应影响前瞻性决策的历史成本纳入考虑
• 过度自信：估算范围过窄，未能反映真实的不确定性
• 忽略机会成本：未考虑资源还可以用于哪些其他事项
• 分析瘫痪：花太多时间估算，而不是依据现有信息做出决策

快速参考

• 模板：resources/template.md - 结构化的估算 → 决策 → 叙述框架
• 方法：resources/methodology.md - 高级技术（蒙特卡洛、决策树、实物期权）
• 示例：resources/examples/ - 完整示例（自建还是采购、市场进入、招聘决策）
• 质量评估标准：resources/evaluators/rubric_chain_estimation_decision_storytelling.json
• 输出文件：chain-estimation-decision-storytelling.md
• 关键区别：将定量严谨性（估算、预期值）与定性说服力（叙述、利益相关方协调）相结合
• 适用场景：需要争取支持且存在不确定性的重大决策（不适用于常规选择或纯数据驱动的优化）