175 · 思维模型

非连续性

识别新信息与旧思维模型系统性不相容并发生认知突变的时刻

分类:模型边界与假设审计英文/别名:Discontinuity
非连续性视觉图

① 是什么

一句话定义

非连续性,是外部世界持续增加的新信息与既有思维模型发生系统性不相容,使旧模型失去解释和预测能力,并迫使认知框架发生突变的过程。

资产类型与证据状态

课程/扑克卡方法论。依据《扑克牌最终》“非连续性”卡片收录;“新信息—旧模型不相容—旧模型崩溃—认知突变”按该课程框架整理,不扩展为所有学科对 discontinuity 的统一定义。

它解决什么问题

  • 过去有效的成功经验连续失效,却仍被当作偶然波动。
  • 行业出现越来越多旧模型无法解释的新事实。
  • 企业在旧认知框架里不断优化,但预测越来越差。
  • 需要判断:当前是连续变化,还是到了必须换模型的突变点。

它不解决什么问题

  • 不等同“主业见顶要找第二曲线”;新增长线是第二曲线问题。
  • 不等同任何突发事件;一次异常不足以证明旧模型崩溃。
  • 不负责主动改变组织规则;那是第二序列改变等模型的任务。
  • 不保证新模型天然更正确;新模型也必须做可检验预测。

核心链路

新信息不断增加 → 与旧思维模型系统性不相容 → 旧模型解释和预测能力崩溃 → 新旧模型之间发生认知突变。一次异常不算非连续性,必须看到连续、结构性的反例。

② 适用范围

适用问题对象

  • 行业范式、客户行为、技术基础、竞争结构快速变化,旧预测连续失效的场景。
  • 企业重大转型前的认知模型审计。
  • “过去为什么对、现在为什么突然不对”的历史断点分析。

关键假设与失效处理

只有当“新信息与旧模型系统性不相容”有连续证据时,才判为非连续性。若旧模型仍能解释主要事实,只是参数变化或短期异常,就保留旧模型并更新参数;若只是想布局新业务,直接用第二曲线。

易混淆模型与可替代模型

  • 非连续性 / 第二曲线:非连续性描述旧模型因新信息不相容而失效的突变;第二曲线描述独立的新增长逻辑。
  • 非连续性 / 第二序列改变:非连续性是认知模型和发展轨迹的突变;第二序列改变是规则、关系与反馈结构的改变。
  • 非连续性 / 单环学习 / 双环学习:非连续性识别新信息与旧思维模型系统性不相容造成的突变;双环学习主动重审目标、规则和支配变量。

正例问题

  • 过去十年有效的渠道逻辑连续两年预测失败,新的客户行为也无法用旧模型解释,是否已经发生非连续性?
  • 行业出现一组彼此一致的新事实,旧经验越优化越失效,我们该怎样判断旧认知框架是否已经崩溃?

反例问题

  • 主业增长见顶,我想提前找一条独立新业务。这个问题应优先用第二曲线,不能只因“变化大”就调用非连续性。

常见误用

  • 把任何黑天鹅、新闻或短期波动都叫非连续性。
  • 只说“时代变了”,没有写出旧模型的具体预测及其失败证据。
  • 旧模型一失效就马上相信新叙事,没有可证伪预测。
  • 把非连续性与第二曲线、颠覆式创新混成同一个概念。

来源与证据边界

课程/扑克卡方法论。依据《扑克牌最终》“非连续性”卡片收录;“新信息—旧模型不相容—旧模型崩溃—认知突变”按该课程框架整理,不扩展为所有学科对 discontinuity 的统一定义。

③ 怎么用

标准使用流程

  1. 写出旧模型。明确过去我们相信什么因果关系、用什么指标做预测、什么条件下它曾经有效
  2. 收集新信息。只列能与旧模型预测对照的事实,不用情绪词和个案故事代替趋势
  3. 检查不相容。区分普通误差、周期波动与系统性反例:旧模型是否在多个关键事实上连续预测失败? 第四步,找突变来源。分别检查外部环境与企业内部发生了什么变化,使旧模型赖以成立的前提失效
  4. 审计创新者窘境式认知习惯。检查决策是否过度依赖“眼见为实”、类比他企、盯竞争对手或从旧规则演绎未来
  5. 提出候选新模型。新模型必须不仅解释过去,还要给出未来可检验预测;若无法提高预测力,只能称为新叙事

诊断问题

  • 行业过去经历过哪些非连续性?外部和内部因素分别如何造成?
  • 企业自身过去经历过哪些非连续性?当时哪条旧模型先失效?
  • 当前有哪些新增事实与旧思维模型明显不相容?
  • 旧模型只是暂时误差,还是连续出现系统性预测失败?
  • 企业是否陷入创新者窘境式认知:决策是否过度“眼见为实”?
  • 是否经常直接类比其他企业、紧盯竞争对手,或只按旧逻辑演绎未来?
  • 候选新模型能解释哪些旧模型解释不了的事实?
  • 新模型对未来给出什么可证伪预测?

交付物

  • 新信息—旧模型冲突表。
  • 旧模型有效条件与失效证据表。
  • 非连续性时间线与突变来源图。
  • 候选新模型清单。
  • 新旧模型预测对照与可证伪测试。

+1 秒懂案例

假设一位小区店主过去用“周末天气好,到店客流就多”预测备货。后来连续多个晴天客流没有增加,同时预订配送明显变化;他先排除节假日、施工等临时干扰,再把旧模型的预测与实际记录逐次对照。

如果反例持续出现,店主才提出“购买转向线上预订”的候选新模型,并提前写出下一周两种模型各自的预测,用新一周订单检验。一次预测失误不等于非连续性;只有旧前提系统性失效、替代解释经受住检验,才有理由换框架。此为教学假设案例,不代表已经验证的行业趋势。