回答董事会的假设性问题，无需重建整个模型

董事会提出的假设性问题，并非每次都是真正意义上的预测问题。有时它要窄得多:“如果本季度 COGS 高出百分之五，毛利率和净利润会是什么样子?” 这不是要求重新预测全年数据，而是要求看清一个数字如何在已有的报表中层层传导。如果把这类问题当作完整的情景演练来处理，包括新的假设、重建驱动因素集合、等待有人重新运行模型，那么原本应该几秒钟解决的问题就会拖成几天，等答案出来时，会议中的那个时机早已过去。

更窄的问题需要更窄的工具

当董事会问的是在一套真正不同的假设下未来会怎样，比如流失了一个客户、利率发生变化、招聘冻结持续数个季度，这时完整的情景重新预测才是正确的工具。这属于真正的建模工作，应当通过正规的预测引擎来完成。

但许多实时的董事会提问其实完全不涉及未来，而是关乎结构。给定已披露的报表，一个科目如何与另一个科目关联?如果这个具体数字当初不同，哪些小计和合计会随之变动，变动多少?这是一个关于财务报表内部既有关系的只读问题，而非要求向前推演任何内容。回答它不需要触碰预测，也不需要更改底层模型中的任何一个数字。

扰动一个数字，观察其传导

这正是值得随时具备的具体能力:一个只读的敏感性探测工具，取一个已披露的数字，假设性地改变它，然后沿着财务报表实际的依赖结构向上传导，即科目与其所汇入的小计、合计之间的连接。没有任何内容被作为预测重新计算，底层模型中也没有任何内容被更改。这只是沿着已有关系进行的一次线性推演，精确报告如果这一个输入不同，哪些下游数字会变动、变动多少。

这里的关键区别在于:它不会构建新情景，不会运行 DCF,不会计算 IRR,也不会生成驱动因素敏感性的龙卷风图。那些是更重、专为未来建模而设计的工具，与此各自独立存在。敏感性探测工具给你的是更即时、更有限的东西:一个关于“这一涟漪效应会带来什么”的结构性答案，提问的当下就能得到，因为这是对已经定义好的关系做算术，而非一次新的模型运行。

为什么这些限制正是重点

理解这个工具的诚实方式，是看它拒绝做什么。它不会告诉你 COGS 上升百分之五是否是一个值得据以规划的合理情景，那是熟悉业务的人才能做出的判断，不是一次报表结构推演能回答的。它不会在该假设下预测明年的数字，只会展示这一变化对已披露期间意味着什么。它也不会触及底层数字，该探测工具从设计上就是只读的，因此在现场会议中回答一个假设性问题，绝不会让实际数字面临被意外编辑的风险。

正是这种局限性，让它足够快，可以在会议现场使用。一个必须防范篡改账本、或者在回答之前必须重建驱动因素集合的工具，跟不上董事会会议的节奏。一个只沿既有关系推演的工具则可以。

与其他讨论的衔接之处

本文是对差异分析会议更深入讨论的补充，在那类会议中，问题通常关乎已经发生的事，而非假设。它也值得与你如何处理完整的预算与实际对比审查结合起来看，因为对实际数字的敏感性探测和对预算的差异推演，回答的是相关但不同的问题。如果董事会的假设性问题其实是关于下个季度而非本季度，那正是把它纳入常规董事会汇报周期的时机，而不是试图当场回答。

目标不是让每一个董事会问题都能实时回答，有些确实需要完整情景模型那种更缓慢、更谨慎的工作。目标是不再把简单的结构性问题，导入为处理困难问题而设计的流程。关于财务团队如何处理此类实时汇报时刻的更多内容，参见财务团队应用场景中心。