场景化学习两篇.docx

场景化学习两篇.docx

《场景化学习两篇.docx》由会员分享，可在线阅读，更多相关《场景化学习两篇.docx（10页珍藏版）》请在冰豆网上搜索。

场景化学习两篇

场景化学习两篇

场景化学习

（一）

场景化学习——在学习中构建类似实战的场景，让学员研讨或练习在该场景下的处理方式，并通过即时反馈促发学员改变，最终学会如何应对，即所谓的“训对准战，训战结合”。

在职业乒乓球员训练中，常采用多球训练法和模拟比赛法——前者是通过反复接发球来巩固和纠正技术动作；后者则是从历史赛事中提炼出与不同选手对抗的战术，然后模拟比赛场景，锻炼球员的心理素质和实战能力。

（一）场景的定义与内涵

“场景”一词，最早出现在戏剧或影视剧中，指的是戏剧或影视剧中的场面、情景，它是在特定的时间、空间内发生的有一定的任务行动或因人物关系所构成的具体生活画面，相对而言，是人物的行动和生活事件表现剧情内容的具体发展过程中阶段性的横向展示[3]。

在戏剧和影视剧中，场景作为基本元素，它是由人物、时空、事件（行为）、环境（包括社会环境和自然环境等）等要素组合成的景况，强调的是以人物活动为中心、以塑造人物为主题的动态描写的生活画面。

但由于场景包含了人的因素，是在已有环境（包括自然环境和社会环境等）的基础上契合了文化、制度、习俗、行为、心理等要素所构成的生活画面，融入了对人们生活的理解，对人们的生活方式和行为模式的理解[4]。

正是因为场景这层内涵，被其他领域所广泛引用，使得其含义也得到了进一步的发展。

如社会学领域中，社会学家埃尔温·戈夫曼（ErvingGoffman）认为，“场景”是根据所处的环境、特定角色、特定的行为等因素构成的生活场面，注重的是人类的社会和行为[5]。

传播学领域中，著名传播学者约书亚·梅罗维茨（JoshuaMeyrowwitz）基于埃尔温·戈夫曼（ErvingGoffman）和马歇尔·麦克卢汉（MashallMcLuhan）理论基础上，提出的“场景”是超越地域的信息系统的“场景”，他认为“场景”是超越物质上定义的社会场合，并且有着自己的规则和角色预期，是由我们扮演的和观看的社会角色综合决定的[5]。

在城市社会学领域中，芝加哥大学社会学教授特里·克拉克（TerryClark）[6]认为，“场景”的构成是“生活娱乐设施”的组合，这些组合不仅蕴含了功能，也传递着文化和价值观[7]。

在计算机领域中，有学者认为“场景”是智能空间在某一状态下所包含的情境信息及其所需执行动作的集合，体现用户意图的高级情境[8]（高级情境是指不能由感知设备直接获取，而由基本情境通过情境融合推理得到的情境数据）。

而随着“互联网+”时代的到来，“场景”的内涵也逐渐渗透到互联网领域，这个时代的“场景”已经超越了原来社会、文化、心理等不同行为所构成复杂多元生活画面的物化概念，在更加强调对人及其行为关注的同时，也非常注重行为的时空特性的重要性，并透过具有时空特性的人类行为关系的表象，关注新时代下的“场景”实质——理解人类真实的场景需求，以获得对“场景”的真实认识和评价，注重的是以“人”为主体、以“人”为中心的精准化服务理念。

因此，互联网时代下的“场景”可以理解为：

它是基于特定的时空领域范围，围绕以“人”为中心，以需求为导向，以感知设备为载体，以事件为表现形式的行为序列总和。

该定义下的“场景”是人物、时间、空间、事件、背景等因素构成的统一体，它更加关注人类行为的时空立体感和行为事件的整体性和关联性（即行为事件发生的来龙去脉），以更好地理解人类生活方式、行为模式、思维范式等规律。

（二）场景的要素分析

为了更好地发掘隐含在场景数据下的人类社会现象和行为规律，还需要对场景的构成要素进行分析，进而才能对复杂的人类行为进行量化处理。

[9]基于前面对“场景”定义与内涵的分析，本文从量化的角度，将“场景”的要素分为主体（人）要素、时间要素、空间要素、设备（技术）要素和事件（行为）要素5个要素，这5个要素并不是独立存在的，而是相互制约、共同作用成为一个有机整体（如图1所示），并能很好地量化出人类日常生活的行为轨迹，即“什么人、什么时间、什么地点、做了什么事”，便于理解人们的真实诉求，匹配与他们需求相适应的服务信息，实现精准场景化服务。

图1场景的要素关系

主体要素：

场景中的主体要素是人，人是场景中最核心的要素，它既是场景化服务的起点，也是终点，体现以“人”为中心的服务理念。

关注主体要素就是关注场景中人的价值和作用，人激活了冰冷的场景，赋予场景以人文价值，同时，场景又反作用制约着人的主观能动性的发挥，它们相互制约，共同塑造着场景的多样化。

时间要素：

时间是场景最基础的要素，它是理解场景结构和历时变迁的关键所在，也是理解场景中主体及其行为的重要工具。

时间具有共时性和历史性，共时性侧重考察场景内各部分的相关关系，把握场景的结构，历史性侧重考察场景的发展变迁，把握场景的发展形态。

空间要素：

空间是场景的最基本的要素，它是场景发生、发展所依存的生存环境，同时，也是理解场景中主体及其行为的重要工具。

这里的“空间”超越了概念化的物理空间，不仅仅指地理范围的空间（由背景和物体构成），还包括地理空间的环境特征（如声音、光线、温度、湿度、气味等）。

设备要素：

设备是场景不可或缺的要素，它是感知场景的技术支撑，可以视为场景中人与物沟通的桥梁。

在类人格化的感知设备支持下，通过感知用户时空、动作、情感等情境变化信息，再透过感知设备无所不在的运算环境，量化计算用户真实的场景需求，主动地为用户提供适时、适宜的信息服务，使得场景从无生命的冰冷场变得具有感知能力，变得富有智慧性。

事件要素：

事件是场景必不可少的要素，它的重要性就相当于鱼离不开水一样。

这里的事件是指人与人、人与物互动关系产生的行为序列，这些行为序列形成了海量的用户数据，成为驱动场景化服务的底层引擎和枢纽要素，通过量化计算海量事件数据，可以精准匹配用户的场景需求。

数据交互越频繁，人与人、人与物的相关关系就越清晰，场景结构的解析也就越明晰。

（三）场景化服务的运行机制

在“互联网+”时代，场景化服务的核心是以用户场景作为出发点，通过分析用户场景数据，挖掘用户真实的需求，进而提供基于场景的精准化信息服务。

从某种程度上，场景化服务的最终目的就是向用户提供特定场景下的适配信息服务[10-13]。

而提供适配的信息服务离不开大数据技术的支持，只有在大数据的支持下，感知设备才能更具象地追踪用户的行为轨迹，进而深层次挖掘用户的真实需求，为用户提供精准化的信息或服务。

[14]从某种意义上说，“互联网+”时代下场景化服务的本质就是数据驱动的精准化服务的分析处理的过程。

[15-17]基于此，结合大数据分析的处理流程，由此得到“数据驱动”的场景化服务运行机制，如图2所示。

其运行机制主要经过数据的场景化计算、用户场景需求的理解、场景需求信息的匹配和推送等3个关键步骤的运算流程，这3个运算流程相互影响，共同作用构成了场景化服务的运行机制。

图2场景化服务运行机制

三、场景化的学习服务支撑架构的设计

通过上述对“场景”的内涵、要素以及场景化服务运行机制的梳理和分析，实现精准场景化服务，则需要经过数据的场景化计算、用户场景需求的理解、场景需求内容的匹配与推送等3个关键步骤的计算。

基于该架构的3个关键步骤，本文将场景化学习服务支撑架构划分为场景化的数据模型层、学习者场景模型层和场景化的推送模型层3层核心内容，这3层的内容既相对独立，又相互影响、相互制约，共同作用形成了一个闭环、自适应的学习服务支撑架构（如图3所示）。

图3场景化的学习服务支撑架构

从图3的架构图可以看出，该架构是基于大数据思维逻辑进行架构设计，从而保证了学习场景数据的完整性与连续性，有利于深层次发掘学习者的行为规律。

其中，第1层是场景化的数据模型层，它是学习服务支撑架构的数据基础层，目的是构建一个可共享、可重用的场景数据模型，打破各异构数据源的数据壁垒，实现各学习系统的数据共享互连。

其实现路径的设计主要包括异构数据的场景化规范、场景数据的形式化描述等关键步骤的设计;第2层是学习者场景模型层，它是学习服务支撑架构的数据分析层，目的是为每位学习者构建一个多粒度的学习者场景模型，挖掘出学习者在不同学习场景下真实的学习需求。

其实现路径的设计主要包括多粒度学习者场景发现算法的设计，周期性学习者场景发现算法的设计，多层次、多粒度的学习者场景序列集的生成等核心算法的设计。

第3层是场景化的推送模型层，它是学习服务支撑架构的数据应用层，目的是构建一个场景化的学习服务推送模型，实现精准化的学习服务推送，即匹配出学习者当前的学习场景需求，主动推送给学习者适配的学习资源。

其实现路径的设计主要包括学习场景的适配机制（学习场景的识别和需求匹配）、场景化的推送引擎、适应性内容呈现等核心部件的设计。

四、场景化学习服务架构的实现路径

为了更好地将场景化学习服务架构付诸实践应用，本文从技术实践层面分别对该架构的场景化数据模型、学习者场景模型和场景化推送模型等3层模型的实现路径进行设计。

（一）可共享、可重用的场景化数据模型的实现路径

可共享、可重用的场景化数据模型的实现路径，就是如何将多元异构的数据转化为场景化规范的数据，构建场景化的数据模型的过程。

为了更直观、更详细地描述该模型的实现路径，本文将模型的实现路径（如图4所示）划分为学习者情境监测、场景数据感知、数据场景化规范、场景数据的形式化描述、场景化数据模型生成等5个阶段。

第1阶段是学习者的行为轨迹数据归类分析阶段，主要是对各异构学习系统产生的行为轨迹数据进行归类分析，提取各异构数据源之间的数据共享特性，整合生成统一的数据接口，便于采集各异构数据源的学习行为轨迹数据。

第2阶段是场景数据感知阶段，主要借助互联网的感知设备，采用本地感知、协同感知等方式，捕捉并采集学习者学习场景的变化信息，生成学习场景元数据，并对这些元数据的属性进行语义化标注，便于生成规范化的场景数据。

第3阶段是数据的场景化规范阶段，主要是将采集到的场景数据转换为直接被机器读取和识别的结构化数据，生成标准通用的场景化数据规范格式。

该规范格式是在基于国际轻量级的学习技术规范——xAPI（ExperienceAPI）规范基础上生成的，其生成的规范化格式可以表示为：

Learning_Context（学习场景）=Time（时间维度）×Locate_Context（空间维度）×Device_Context（设备维度）×Event（事件维度），其数学公式表示为LC=T×L×D×E={（t，l，d，e）|t∈T，l∈L，d∈D，e∈E}，其中，t为时间集合T的元素，l为位置集合L的元素，d为设备集合D的元素，e为事件集合E的元素，由此生成的场景化数据格式可以描述为：

“谁在什么时间、什么地点、使用什么设备、做了什么的事情”，更能完整地勾勒出学习者学习活动的全貌，有利于深层次挖掘学习者真实的学习需求。

第4阶段是场景数据的形式化描述阶段，主要是将规范化后的场景数据进行形式化描述，通过将场景化数据的时间、空间、设备、事件4个维度进行序偶对组合之后，融合动态多维数据组合的数据形式化描述方法，生成不同维度组合的场景化数据描述语句，存储到xAPI的LRS（学习记录库）中，便于生成不同维度的共享场景数据模型。

第5阶段是场景化数据模型生成阶段，该阶段主要是基于前面4个阶段的运算结果，根据场景数据维度的划分方式，构建不同维度的数据立方体，生成可共享、可重用的场景化数据模型，以满足异构数据源之间的按需传输的数据传输要求。

图4场景化数据模型的实现路径

（二）多粒度学习者场景模型的实现路径

基于前面场景化的学习服务支撑架构的分析，学习者场景模型的实现就是通过对海量的学习场景数据进行分析，挖掘不同学习场景下学习者真实的个性化学习需求，进而为每位学习者构建个性化的学习场景需求模型。

其实现路径是通过对场景数据维度（时间维度、空间维度、设备维度和事件维度）信息进行分层次、多粒度描述，采用基于时空聚类的学习场景发现算法，生成多层次、多粒度的学习场景序列，并基于该学习场景序列，融合增量式场景聚类算法和时间分层聚类算法（以“天”为单位的时间粒度），将学习场景进行合并计算，挖掘学习者的热点学习场景，在此基础上，结合频繁序列挖掘算法，对热点学习场景中的事件序列进行频繁序列计算，分析提取该学习场景下的学习需求;而为了更深层次地挖掘学习者的潜在学习需求，本文基于生成的多层次、多粒度的学习场景序列，结合频繁序列挖掘算法挖掘学习场景的周期性模式，发掘学习者单个学习场景的周期性模式和多学习场景关联的周期性模式，最终构建出多层次、多粒度的学习者场景模型。

由此形成的模型实现路径如图5所示。

图5多粒度学习者场景模型的实现路径

（三）场景化学习服务推送模型实现路径

　　场景化的学习服务推送模型的实现，就是甄别学习者当前的学习场景需求，主动推送适配的学习信息服务或内容给学习者的过程。

其模型的实现路径是基于前面构建的多粒度学习者场景模型，结合场景的识别算法，感知当前的学习者场景，理解当前学习场景的学习需求，匹配当前学习场景的学习者特征状态（如认知水平、学习风格、社会网络、兴趣偏好、情感状态等特征），从而提高学习服务推送的精准度，保证场景之间语境的完整性和全面性。

本文通过多场景关联的周期式模式，发掘与当前学习场景相关联的学习场景需求，然后基于这种多场景融合的学习需求，自动链接适配的学习资源（如：

学习进度、学习内容、学习伙伴、学习活动等），融合Multi-Agent的协同过滤推送算法，选择合适的推送策略（如推送的时机、推送的方式、推送的场景等），生成最恰当的资源推送列表，找准合适的内容呈现策略，主动地推送给学习者适配的学习资源，便于学习者开展高效的学习。

同时，以此模型为基础，设计并开发“场景驱动的个性化学习服务推送的原型系统”开展应用实践研究，以验证该模型的有效性和精确性。

由此生成的实现路径图如图6所示。

图6场景化的学习服务推送模型的实现路径

五、结语

随着教育进入“互联网+”时代，互联网与教育的深度融合不断重构着新型的学习服务形态，精准的个性化学习服务模式已经成为当今时代的新型学习服务模式的重点发展方向。

为此，本文基于“场景”的视角，在对场景的内涵、要素以及场景化服务运行机制的分析基础上，探索场景化的学习服务支撑架构的核心内容及其实现路径，试图为“互联网+教育”时代下的新型学习服务模式设计的研究提供一个可行的实践框架。

本研究下一阶段的计划是基于该支撑架构和实现路径的设计，探索场景驱动的个性化学习服务模型的内部运行机制，并设计开发相应的原型系统付诸实践进行实验验证，从实践技术层面上进一步完善和优化场景化学习服务模式的架构设计。

场景化学习培训

（二）

人类进入“互联网+”时代，以“互联网”为代表的先进技术已经成为引领未来的战略性技术，其新理论、新技术与各社会领域的深度融合发展，引发了链式突破，推动着各社会领域从数字化、网络化向智能化的跨越[1]。

为抢抓互联网领域的战略高地，国务院在2015年7月出台了《关于积极推进“互联网+”行动的指导意见》[2]等相关的规划和政策，更是引发了各社会领域新一轮的变革浪潮。

教育领域也不例外，伴随着国家“互联网+”行动计划的稳步推进，互联网与教育的深度融合正逐渐颠覆传统的教育生态，不断重塑一个开放共享的新型教育生态，开启了“互联网+教育”时代的新征程。

在这样的时代背景下，教师和学生的界限不再泾渭分明，教育组织和非教育组织的界限也逐渐淡化，学习的发生不再拘泥于传统的学校范畴，还可以发生在不断变换的碎片化时空场景之中（如咖啡厅、休闲吧等），这就促使学习者越来越寻求一种即时性强、匹配度高、体验感好的个性化学习服务模式，而原有的学习服务模式已经难以适应新型学习者的即时性强、精准度高的个性化学习需求。

因此，如何对原有的学习服务模式进行重新架构与设计，以应对“互联网+教育”时代新型学习服务模式的即时性强、精准度高的个性化学习服务要求，实现学习服务模式从同质化服务模式向精准的个性化服务模式转型，则是当前教育技术领域亟须解决的难题之一。

　　纵观以往的学习服务模式研究，一方面由于以往科技水平的局限性，学习者的行为表征数据难以实现数字化，并且各个学习系统的数据也没有实现共享互连，导致难以获取学习者较为全面的学习行为轨迹数据，分析的结果也就难以让人信服;另一方面，以往传统的学习服务模式的研究，大部分是基于学习者自身的行为属性的分析结果来构建个性化学习服务模型，很少关注学习者行为的时空特性以及数据维度之间的语境关联分析，导致数据的描述难以还原出学习者真实的学习生活场景，导致无法深层次发掘学习者高层次的语义知识（如潜在学习行为模式、学习意图等），分析的结果就难以反映出学习者真实的学习需求，进而影响了学习服务的精准度。

而随着人类进入“互联网+”时代，人与设备的高度融合，以往多元、动态、碎片化的隐性场景特征逐渐被互联网设备所感知和理解，人类场景化特征也愈发凸显，极大地重构了人们以往的行为方式和生活形态，表征着一种新生活场景的崛起，引发了研究者试图用“场景理论”框架去重新诠释“互联网+”时代下人类的生活形态。

基于此，本文通过引入“场景”的理念，来探讨场景化的学习服务支撑架构及其实现路径，试图为“互联网+教育”时代下新型学习服务模式的研究提供一个可行性视角。

如何运用场景化，实现训战结合？

（内附华为经典案例）

华为作为全球领先的信息与通信（ICT）解决方案供应商，在实战中摸索了一套战略后备人才的培养方法，并成立了培训服务部，专门为客户提供人才发展咨询和培训服务。

在职业乒乓球员训练中，常采用多球训练法和模拟比赛法——前者是通过反复接发球来巩固和纠正技术动作；后者则是从历史赛事中提炼出与不同选手对抗的战术，然后模拟比赛场景，锻炼球员的心理素质和实战能力。

华为的场景化培训便是借鉴于此，并呈现出三点特征。

1.基于现实业务提炼典型业务场景和战例，使训与战保持高度的一致性和匹配度；

2.战例是被证明有效的“打法”（对应的解决方案）和工具模板，或者是可广泛借鉴的经验教训，确保将培训中所学快速复制或借鉴在实战中；

3.快速总结、迭代典型业务场景及其“打法”，形成可复制的流程、工具、模板，降低业务对人的依赖。

破解困境，“听时激动，回去不动”

传统的课堂培训多以老师讲授为主，学员更多以受训者的角色出现。

老师通过自己的经验总结，把自认为是知识点的内容一股脑儿地传授给学员，很多学员在课堂上听得很激动，但是回到工作场景中会发现，其中能够运用到的知识很少。

那么，如何改变这种现象，增强培训的效能？

场景化的培训方法破解了这个难题。

“场景”概念的火爆源自于《场景革命》。

在互联网时代下，人与人的连接方式发生了巨变。

场景就是连接不同群体中不同个体的方式。

换句话说：

人们是被场景连接在一起的。

这种连接所创造的独特价值会形成体验，促成消费，甚至创造个体生存意义。

场景是最真实的、以人为中心的体验细节，场景化培训也正是体现了“以学员为中心”的教学理念。

包含“具体情景”和“此情境下遇到的问题”这两个要素，都可以称为场景化培训。

从学习形式的角度看，案例教学、沙盘演练、红蓝对抗以及行动学习都可以使用场景化学习的方式。

在华为，无论培训是线上进行还是线下开展，培训内容都是基于场景展开，只是线上的场景会更偏重于技能的标准化操作指导。

培训的最终目标，是实现“知识—技能—行为—业绩”的转化，通常这一转化过程会出现“自然衰减”，导致培训效果打折扣。

为了解决这一问题，华为在学习设计时直接使用真实战例，搭建与实际工作场景相统一的模拟环境，通过一系列学习活动让学员把学习知识、训练技能、改变行为和产出绩效有效连接起来。

三大特征：

助力培训提高效能

华为正是抓住了场景化学习的三大特征，并且在培训中合理运用，有效地提高了培训效果。

更加贴近工作场景

传统的课堂培训多半是“听时激动，回去不动”，而场景化学习解决的是学员实际工作中的问题，促使他们提高在课堂中的参与度，且学习完成之后，他们的学习转化效果也会得到提升。

减少集中培训时间

比如，通过慕课（MOOC）、微课等形式，能够让学员随时随地学习。

同时，通过搭建云学习平台中的互动课堂，学员能够在导师的辅导下与一群有共同需求的人进行探讨。

利用线上平台，华为已经能够解决学员80%的业务知识和技能问题，剩下的20%便可以通过线下的各种学习形式来解决。

解决团队协作问题

在进行场景化培训时，业务部门高管和专家会选择关键场景，再识别该场景涉及的人群。

场景化学习更像是为这些拥有相同痛点的学员搭建一个学习圈，无论是线上互动还是线下讨论，都能够形成一种网状的学习环境。

发展路径：

贴近真实业务场景

目前，教育可以被分为三个阶段。

教育1.0时代：

以老师为中心

老师代表知识的“权威”，以单向讲授为主。

学员获取知识的渠道有限，知识主要是从老师那里获取。

这段时期，学习的主要形式便是老师传授知识。

教育2.0时代：

以学员为中心

教育2.0时代，脑科学、神经教育学的研究成果被应用到教学实践中，强调在培训中发挥学员的个性、认知和创造性。

学习应以学员为中心，学员要学会运用知识，并将其转化为自己的行为，以实现个人能力的提升。

而老师更多是思考通过怎样的学习方式催化学员的学习热情，这是2.0时代最突出的特点之一。

于是，便出现了很多不同的教学形式，比如无领导小组研讨、案例教学、沙盘演练、情景教学等。

这时，培训是在“别人假设的场景”下学习规律性的行动技巧，学员需要在培训后转化到自己的问题场景，转化过程中，培训效果会有衰减。

教育3.0时代：

自发组建学习型组织

随着互联网技术的不断发展，人们获取知识越来越便捷，社区和朋友圈也成为信息交互的主要渠道。

因而，教育3.0时代，人们自发组建学习型组织，他们通过主题研讨的形式对他们共同的业务痛点进行探讨。

实际上，教育3.0时代与场景化学习的紧密度更高，更加接近学员个体的真实业务场景。

找到赋能关键点，实施场景化训战

华为强调场景化训战，力求课堂中搭建的场景和工作场景几乎完全一致，力求做到在一种尽可能逼真的环境下实施培训，即“在战斗中学习、战斗”。

实际上，真正的工作场景瞬息万变，每个竞争对手的出牌方式不尽相同，而课堂中所搭建的场景相对稳定，因此，应努力做到搭建场景至少80%与业务场景相统一。

华为在面向外部客户进行场景化培训时，有三个标准：

第一，培训内容一定是场景化的，将业务场景嵌入学习本身，否则场景化学习毫无意义；

第二，培训必须做到实战，华为称之为“战例化”，就是培训过程中使用的案例必须从工作实际中来；

第三，技能实现标准化，从所有场景中抽离相关技能，从而形成标准化行为，让学员接收并加强训练，使学员在工作中遇到类似的场景时，能够第一时间做出标准化的行动。

场景化学习承载的是为了让学员在实际工作中提升业务水平的真实场景，它是一个个具体的场景，富有个性化和实战性。

但最终，场景化培训背后的教学目标是形成一套标准的作战方式和工作指导，让所有学员工作更高效、业绩更显性、行为更稳定。

所有的场景化学习都是为了让学员的行为更标准，不管是个人行为还是内部组织的运作都应实现标准化，这才是场景化培训的主要目的。

KSF精准聚焦工作场景

华为在设计场景化训练时，首先看工作产出成果，从这个结果往回倒推，即“以终为始”。

基于此，首先需要找到其中影响业绩达成的关键成功因素（keysuccessfactors，KSF），分析与这些关键因素相关的人群，并确认哪些行为会对业绩产生影响，这些行为需要哪些能力支撑。

这时，一个个的能力点便被圈出，接下来要做的就是搭建一个模拟的真实工作场景，着重训练学员的这些能力点。

例如，华为在帮助客户开展的项目管理类场景化培训中，首先，华为会罗列项目管理的全部步骤，分析其中的关键成功要素。

就项目分析和规划阶段而言，作为一名项目经理，最需要把握的是合同的范围、验收标准、概算和风险管理，否则就会在交付的过程中无法应对客户的超范围要求。

这便被视为此阶段最重要的影响因素。

因此，培训开展前期，首要的任务是拆解业务流，分析和找到其中的关键成功要素。

提炼出关键