敏感性分析、决策树和蒙特卡洛模拟在风险定量分析中承担不同任务：敏感性分析找出对结果影响最大的变量，决策树比较离散方案下的期望值，蒙特卡洛模拟汇总多个不确定变量，给出工期或成本的区间与达标概率。三者通常按“建基准—筛变量—定方案—做模拟—落储备”的顺序组合使用。量化结果需要写入风险登记、评审记录和监控指标，ONES可用于承载项目计划、基线与评审等管理动作。
要点总览（TL;DR）
- 敏感性分析回答“哪个变量最影响结果”，用单变量变动和龙卷风图排出关键变量；决策树回答“有限方案下选哪条路径”，用期望值比较；蒙特卡洛模拟回答“整体不确定性下结果落在什么区间”，输出分位值与达标概率。
- 实施顺序通常为：建立可量化风险基准→敏感性分析筛关键变量→决策树处理关键决策点→蒙特卡洛模拟汇总整体不确定性→把分位值对应的储备写入储备计划与监控指标。
- 敏感性分析要统一变动幅度，并注意单变量法忽略变量联动；决策树要求概率有来源、后果值口径与基准一致；模拟要记录分布参数、抽样次数与随机种子，保证结果可复现。
- 量化结果以区间和概率表达，储备建议需与所选置信水平明确对应，并与干系人对齐后再写入承诺工期或预算。
- 量化结论要落到风险登记、评审记录与监控指标中；ONES 的项目计划可承载 WBS 分解与任务依赖，里程碑可标记决策点，基线对比可跟踪计划与执行偏差。
三种方法各回答什么问题、按什么顺序用
三种方法容易混用，常见情形是用模拟去回答本该由敏感性分析回答的“哪个变量最关键”，或者用决策树处理连续变量的整体不确定性。先分清各自回答的问题，再按顺序组合，能减少无效建模。
| 方法 | 回答的问题 | 主要输出 | 典型使用时机 |
|---|---|---|---|
| 敏感性分析 | 哪个变量对项目结果影响最大，影响幅度多大 | 按影响幅度排序的变量清单、龙卷风图 | 量化工作开始时，用于聚焦 |
| 决策树 | 在有限备选方案和可估概率下，选哪条路径 | 各方案期望值、推荐路径、决策节点 | 存在明确方案取舍的关键决策点 |
| 蒙特卡洛模拟 | 多个变量同时波动时，结果落在什么区间，达标概率多少 | 累积分布曲线、P50/P80/P90分位值、达标概率 | 需要确定储备或承诺置信水平时 |
组合顺序建议为：建立可量化的风险基准，用敏感性分析筛出少数关键变量，用决策树处理关键决策点上的方案取舍，用蒙特卡洛模拟汇总整体不确定性，最后把分位值对应的储备建议写入储备计划和监控指标。这个顺序的价值在于逐层收敛：敏感性分析把几十个风险收敛到几个关键变量，决策树解决其中涉及方案选择的节点，模拟只对收敛后的变量建模，运行成本和解释难度都可控。
顺序并非绝对。若项目已有明确的方案二选一决策，且变量数量少，可以先做决策树；若合同要求提交整体工期置信水平，模拟是必做项，敏感性分析可作为模拟结果的补充解释。判断依据是当前要回答的管理问题，而非方法本身的复杂度。
第一步：建立可量化的风险基准
三种方法共用同一套输入。基准不统一，后续排序、期望值和分位值都无法互相印证。这一步的输入包括风险登记册、WBS或成本科目、三点估算（乐观、最可能、悲观）以及可用的历史数据。
动作上要做三件事。第一，统一计量单位：工期统一到天，成本统一到某一币种金额，避免同一模型里混用人和天、万元和元。第二，为每个关键变量确认取值范围和分布形态的初步判断，三点估算本身就是三角分布的输入。第三，确认变量之间的相关性，例如设备到货延迟往往同时推高工期和赶工成本，这类联动关系要在建模前标注，不能留到结果解释阶段才发现。
输出是一份可量化风险清单和一张基准估算表。清单中每个变量应包含：变量名称、所属WBS或成本科目、三点估算值、单位、负责人、与其他变量的相关性说明。完成标志是每个关键变量都有区间和负责人，且所有估算采用同一口径。基准估算表同时作为后续敏感性分析的比较起点和模拟结果的对照基准。
第二步：用敏感性分析筛出关键变量
敏感性分析的操作对象是基准估算表中的变量。做法是单变量逐一变动：固定其他变量，将某一变量按其取值范围或统一比例（如±10%）上下调整，记录目标值（总工期或总成本）的变化幅度。对每个变量重复这一动作，把结果按影响幅度排序，即可绘制龙卷风图——条形越长，该变量对结果的影响越大。
操作时注意两点。变动幅度要统一，否则不同变量之间不可比；变动范围应来自基准表中的区间，而非随意设定。输出是一份按影响幅度排序的关键变量清单，通常保留排名靠前的少数变量进入后续建模。
完成标志是明确哪些变量进入后续建模，并记录取舍理由，例如“排名第五之后的变量单独变动对总成本影响低于2%，不纳入模拟”。判读时需注意单变量法的局限：它假设其他变量不变，忽略了变量之间的联动。两个单独影响都不大的变量若高度相关，同时波动可能显著放大结果，这类情况要在模拟阶段通过相关性设置补充，不能仅凭敏感性排序下结论。
第三步：用决策树比较离散方案
决策树适用于备选方案有限、每个方案下的概率可以估计的离散决策，例如自建还是外协、一次采购还是分批采购。输入包括备选方案清单、每个方案下各结果的概率与后果值，以及决策节点和机会节点的划分。
构建步骤是从左到右画树：最左侧为决策节点（方框），引出各备选方案；每个方案后接机会节点（圆圈），引出可能的结果及其概率；末端为后果值。计算时从右到左：先算每个机会节点的期望值，即各结果概率乘以后果值后求和，再减去该方案的前期成本，得到各方案的净期望值。比较净期望值，数值更优的方案即为推荐路径。
以一个演示情景说明：某交付项目需决定关键模块自建还是外协。自建方案前期投入80万元，按期完成的概率0.7，对应总成本200万元；延期的概率0.3，对应总成本280万元。期望总成本为0.7×200+0.3×280=224万元。外协方案前期投入50万元，按期概率0.85，总成本230万元；延期概率0.15，总成本300万元，期望总成本为0.85×230+0.15×300=240.5万元。按期望值，自建方案更优。该情景为演示数据，不代表真实项目。
完成标志是每个概率都有来源依据（历史数据、专家判断或合同条款），后果值口径与基准估算表一致。适用边界要清楚：决策树处理的是方案有限、概率可估的离散选择；当不确定变量多且连续时，方案组合会迅速膨胀，此时应把方案取舍之外的变量交给蒙特卡洛模拟处理。
第四步：用蒙特卡洛模拟汇总整体不确定性
模拟的输入是敏感性分析筛出的关键变量、每个变量的概率分布（三点估算对应三角分布，有充分历史数据时可用正态分布等）、变量相关性设置，以及工期或成本的汇总公式。汇总公式要与WBS和成本科目的结构一致，否则抽样结果无法对应到实际工作包。
动作分三步。第一，为每个关键变量设定分布及参数，并记录假设来源。第二，设定抽样次数，通常数千次以上，变量多或尾部关注度高时适当增加。第三，运行模拟并检查收敛：增加抽样次数后分位值是否稳定，若波动明显说明次数不足或分布假设有问题。
输出是结果的累积分布曲线和分位值。P50表示有50%概率不超过的工期或成本，P80、P90同理。达标概率则是给定目标值后，结果不超过该值的概率。储备建议通常对应某一置信水平下的分位值与基准值之差，例如按P80确定工期储备，意味着有80%的把握在该工期内完成。
解读时要注意，输出是概率区间而非单一确定值。选择P50还是P80取决于项目对超期的容忍度和合同约束，需要与干系人对齐置信水平后再写入储备计划。完成标志是分布假设有依据、结果可复现（记录分布参数、抽样次数和随机种子）、储备建议与所选分位值明确对应。
角色分工与各阶段交付物
量化工作跨多个角色，职责不清时最容易出现概率假设无人负责、口径各说各话的情况。下表按角色列出动作与交付物，可作为启动量化工作时的分工依据。
| 角色 | 主要动作 | 交付物 |
|---|---|---|
| 项目经理 | 组织量化工作、确认基准口径、主持结果评审 | 基准估算表确认记录、评审纪要 |
| 风险负责人 | 维护风险清单、提供概率与区间依据、跟踪关键变量 | 可量化风险清单、关键变量清单 |
| 技术或业务专家 | 提供变量取值范围、分布假设与相关性判断 | 变量假设说明 |
| 财务或计划岗 | 核对成本与工期口径、复核期望值与储备金额 | 口径核对记录、储备建议 |
整体交付物包括：基准估算表、关键变量清单、决策树（含期望值计算过程）、模拟报告（含分布假设、分位值与达标概率）、储备计划。每项交付物应指定唯一负责人，并在评审中确认。量化结果需要落到风险登记、评审记录与监控指标中；ONES的项目计划可承载WBS分解与任务依赖，里程碑可标记决策点，基线对比可用于跟踪计划与执行的偏差，使量化结论与项目执行数据保持在同一处对照。
示例：一个交付项目的三步量化
以下为演示情景，用于说明三种方法的串联过程，数据不代表真实项目。某交付项目合同工期180天，预算1200万元，存在设备到货、人力投入、外协质量等多项不确定性。
第一步，建立基准。项目组按WBS列出12个关键变量，统一以天和万元计量，为每个变量给出三点估算并指定负责人，形成基准估算表，基准工期180天、基准成本1200万元。
第二步，敏感性分析。对12个变量逐一按区间变动，记录对总工期和总成本的影响。结果显示关键设备到货时间与人力投入规模排名前两位，单独变动即可造成总工期±15天以上；其余变量影响均在±5天以内。项目组保留这两个变量及与之相关的外协质量变量进入后续建模，并记录取舍理由。
第三步，决策树。针对关键模块是否外协，按前述方法计算两条路径的期望成本，结合质量风险后果值，选择期望成本更优且质量后果可控的路径，并将该决策点标记为里程碑。
第四步，模拟。对保留的三个变量设定三角分布并标注设备到货与人力投入的正相关，运行一万次抽样，得到工期累积分布：P50为182天，P80为196天，P90为205天。项目组按P80确定工期储备16天，按同一置信水平确定成本储备，写入储备计划。
第五步，落地。将设备到货时间、人力投入规模设为监控指标，在项目例会上按实际数据更新区间；当实际值偏离假设区间时触发重新模拟。里程碑用于跟踪外协决策的执行节点，基线对比用于观察计划与执行偏差是否超出模拟给出的区间。
完成检查：结果可信与可用的判断标准
量化工作容易流于形式，表现为假设无来源、结果无人使用。以下清单可按阶段逐项核对。
- 输入检查：每个变量的区间与分布假设都有来源说明；工期与成本口径统一；变量相关性已标注。
- 过程检查：敏感性排序有记录且变动幅度统一；决策树每个概率有依据，期望值计算过程可复核；模拟的分布参数、抽样次数与随机种子有记录，结果可复现。
- 输出检查：结果以区间和概率表达，而非单一确定值；储备建议与所选分位值明确对应；达标概率与合同或管理目标可比。
- 落地检查：结果纳入储备计划；关键变量纳入监控指标并有更新机制；评审记录留存，干系人对置信水平达成一致。
出现以下情形应视为阻断项，暂停使用结果：概率假设无任何依据支撑；不同交付物的计量口径不一致；结果未与干系人对齐即写入承诺工期或预算。这些情形下，量化结论无法支撑决策，继续使用反而会放大误判。
常见问题
项目风险很多，是否每个风险都要做蒙特卡洛模拟？
通常不需要。模拟的输入应是敏感性分析筛出的少数关键变量，而不是全部风险。做法是先用单变量变动对风险清单排序，保留对总工期或总成本影响明显的变量进入建模；排名靠后、单独变动影响很小的变量可以不纳入模拟，但要在记录中写明取舍理由。变量数量少、相关性简单时，模拟的运行和解释成本都更低；变量多且高度相关时，才需要扩大建模范围并补充相关性设置。
决策树和蒙特卡洛模拟都能处理不确定性，什么时候优先用哪一个？
看当前要回答的管理问题。需要在几个明确备选方案之间做取舍，且每个方案下的结果和概率可以估计时，用决策树比较期望值更直接，例如自建还是外协、一次采购还是分批采购。需要给出整体工期或成本的区间、确定储备或承诺置信水平时，用蒙特卡洛模拟。两者也可以衔接：决策树先定方案路径，模拟再对该路径下的连续变量汇总不确定性。方案数量多、变量连续变化时，决策树的分支会迅速膨胀，此时把方案取舍之外的变量交给模拟处理。
概率和区间假设缺乏历史数据时，量化还能做吗？
可以做，但要把假设来源写清楚。常见做法是用三点估算（乐观、最可能、悲观）作为三角分布的输入，由技术或业务专家给出区间并说明判断依据，如类似项目经验、供应商承诺或合同条款。没有依据支撑的概率假设属于阻断项，结果不宜直接用于承诺工期或预算。可行路径是先以专家判断完成首轮量化，在项目执行中按实际数据更新区间，当实际值偏离假设区间时触发重新模拟，让假设逐步被数据修正。
模拟结果应该按 P50 还是 P80 确定储备？
取决于项目对超期的容忍度和合同约束，没有统一标准。P50 表示有一半概率不超过该值，储备较紧，适合超期后果可控、进度压力大的情形；P80、P90 对应更高的达标概率，储备更充足，适合合同罚则严格或后续环节依赖强的项目。选定置信水平后，储备金额或工期应等于该分位值与基准值之差，并在评审中与干系人确认。同一项目内工期和成本宜采用一致的置信水平，便于结果互相印证。
量化结果做完后，怎么保证在项目执行中持续有效？
把关键变量转为可跟踪的监控指标，并约定更新机制。例如将设备到货时间、人力投入规模列入项目例会跟踪项，按实际数据更新区间；当实际值超出假设区间时触发重新模拟，而不是等期末再回顾。储备计划、评审记录与监控指标应互相对应，便于追溯某个储备数字来自哪次模拟和哪个置信水平。量化结论与执行数据放在同一处对照，能减少结果做完即归档的情况；ONES 的项目计划、里程碑与基线对比可用于承载这类跟踪动作，具体功能范围以实际版本为准。
