Cynefin Framework | Cynefin 框架

Cynefin框架 (/ˈkʌnɪvɪn/ KUN-iv-in) 是由Dave Snowden在1999年服务于IBM时创建，用于帮助人们在复杂的环境中感知问题并作出相应的决策。

Cynefin提供五种决策环境或“领域”：

• Simple/Obvious（简单/明显）
• 繁杂（Complicated）
• 复杂（Complex）
• 混沌（Chaos）
• 无序（Disorder）

简单/明显域：已知的已知

简单/明显域的特点是稳定，而且所有人都能轻易辨别其中明确的因果关系，正确答案往往不言自明而且无可置疑。在这个“已知的已知”领域中，决定不会受到质疑，原因是各方的理解相同，几乎不存在变数的问题，通俗一点讲，就是具有高度的一致性和确定性。

在这种情况下，需要进行直接管理和监控。决策的路径通常是：感知 - 分类 - 回应，过程就是认识和识别问题，并对问题进行分类，最后根据分类找到对应的规则或者最佳实践进行回应（决策）。

最佳实践是过去的实践，或者说是根据过去的经验和既定的思路总结出来的最佳的应对方式，这是简单/明显域面临的最大风险。另外，过度简化后强行塞入进错误的分类也是这个领域经常会发生的现象。

繁杂域：已知的未知

和简单/明显域不同，繁杂域也许包括多个正确答案。同时，尽管因果关系明确，但并非所有人都能看到两者的联系，需要一定的专业知识并分析得出。这是个“已知的未知”领域，通常具有一定的一致性或者确定性，例如：一辆汽车是非常繁杂的，它由上万个零件组合而成。我们将一辆汽车拆解后可以原封不动地将其组装回去，但是这里面有一个专业化程度的问题，也就是说，对汽车结构非常熟悉的专家可以近乎完美的将零件组装成汽车，而其他人却很难能够做到。

在繁杂域里，体现的是一种细节复杂性，决策的过程通常是：感知 - 分析 - 回应，决策者必须先了解情况，进行分析并采取适当的、专业的应对措施。这个过程并不容易，而且往往需要综合多位专业人士的建议来辅助决策。在这个领域里面，人工智能和大数据分析可以帮助我们很好的分析问题并作出当前情况下良好的决策。

复杂域：未知的未知

复杂域中可能存在正确答案，然而，在开始的时候通常无法找到正确答案，原因和结果的对应关系只能通过事后回顾推断出来。相对于繁杂域，复杂域更像是热带雨林。汽车是静态的，细节复杂的，其整体就是各个零件之和。热带雨林却一直在不断变化——物种灭绝、气候模式变迁、农业项目改变了水流路径——其整体远大于各个部分之和。这是“未知的未知”领域，现代社会中绝大多数问题都属于这个领域。

在复杂域里面，体现的是一种动态复杂性，决策的过程可能是：探索 - 感知 - 回应，决策的路径可能是一步一步探索出来的，决策者需要进行“安全的失败试验（Safety Failure Experiment）”，这通常是一个个小的PDSA（Plan - Do - Study - Act）循环，让事情的规律逐渐自行显现出来。

对于复杂域，命令-控制型的管理者，对试验没有耐心的管理者，通常都是最终的失败者。那些容忍失败，小步试错，搭建舞台，让事情的规律自行浮现的管理者则会成功，他们将会看到许多创新机会、创造性以及新的业务模式。

混沌域：不可知

在混沌域中，寻找正确答案毫无意义，原因在于根本无从确定因果关系，因为它们总是在变化，而且不存在可管理的模式，这是个不可知的领域。

通常，混沌域中决策者的首要任务不是发现规律，而是“迅速止血”。决策者必须首先采取措施来建立秩序，然后发现哪里存在稳定性以及哪里缺失稳定性，进而予以应对。通常的过程是：行动 - 感知 - 回应，具体方法是先采取行动将局势从混沌变为复杂，进而在复杂情景下识别出自行浮现的模式。

无序：无可知

无序域表示没有明确哪些其他域适用的情况。走出这一领域的方式是将问题分解，并将每一部分分配给其他四个领域之一，然后决策者可以根据不同领域作出适当的并进行管理。

Cynefin框架被广泛的应用于多个领域，是相对通用的一种概念性框架，同时也揭示了这个世界存在的客观现象。

随着我们对事件或问题的探索以及认识的不断加深，它们会沿着顺时针的方向在这个框架内移动：混沌到复杂，复杂到繁杂，繁杂到简单。而传统命令-控制型的管理方式却会导致事件或问题进入逆时针循环，简单到繁杂，繁杂到复杂，复杂道混沌。

不可否认，一些规则的破坏者，那些喜欢尝试打破并重建规则的人，可能会产生另一种逆时针移动：混沌到简单，他们通常被称为创新颠覆者。

参考资料：https://en.wikipedia.org/wiki/Cynefin_framework