课程总览
一、如何破除线性思维，建立系统性前瞻视角？
- 1. 前瞻性思维的商业复利 – 为什么做得更快不如看得更早？
- 前瞻性思维 - 从适应未来到塑造未来
- 消费电子行业的变革压力：速度、复杂性与不确定性
- PESTLE框架快速上手：建立环境扫描的结构化思维
- 小组
- 讨论：用PESTLE快速分析智能家居面临的宏观环境变化
- 2. 问题重构 - 从解决已知问题到发现未知机会
- 颠覆式创新 vs 渐进式创新
- 识别确定性与不确定性的研发挑战
- 将技术问题转化为系统性问题
二、可能性地图 – 如何在复杂环境中看见趋势背后的连锁机会？
- 1. 掌握因果循环图的核心语法
- 符号语言：一目了然的表达变化与相互影响
- 反馈循环：快速识别增长引擎与稳定机制
- 绘制技巧与常见误区精讲
- 案例解析：拆解5G普及与可穿戴设备生态的CLD
- 2. 实战绘制AI技术对消费电子产品的系统影响图谱
- 确定核心变量（技术、数据、用户、商业四个维度拆解）
- 连接只能变量与产品生态的因果关系，寻找关键回路（寻找强化循环与平衡循环）
- 识别AI杠杆点：何处干预最有效？有哪些潜在风险？
三、从看见未来到塑造未来- 如何用PIPA设计具有弹性的先机路径？
- 1. 学习参与式影响路径分析（PIPA）框架
- PIPA核心：从趋势到行动的路径映射
- 识别关键利益相关者及其影响
- 定义决策节点与里程碑
- 2. 为系统风险设计韧性路径
- 基于CLD的如果…那么…推理
- 规划多分支路径以应对不确定性
- 融入用户体验考量：路径如何影响终端用户？
- 演练：针对小组CLD中的主要风险，制定研发调整PIPA
四、如何主流视野之外捕捉先机？ – AI赋能识别大事件的早期弱信号
- 1. 运用STEEP框架进行结构化趋势扫描
- 社会、技术、经济、环境、政治多维度解析
- 趋势与弱信号的区别：从主流到边缘
- 消费电子领域的弱信号特征
- 2. 借助AI增强扫描广度、深度与速度
- 提示词工程：如何让AI生成高质量的STEEP趋势列表？
- 人机协作模式：AI发散，人类收敛与验证
- 注意边界：AI的局限性与信息核查
五、为不确定性布局 – 如何构建并演练多种可能的未来情景？
六、如何在突变发生快速转向新机会？- 野卡事件下的系统重回与机会捕捉
七、综合
八、课程总结与反馈
