1. 课程导入与目标设定

产品碳足迹（Product Carbon Footprint，PCF）分析最常见的交付物，往往是一个数字：每功能单位多少千克二氧化碳当量（kg CO₂e）。但真正进入企业碳管理场景后，这个数字几乎立刻会遭遇三个追问——这个数准不准？哪些因素一变它就会变？如果明年产量翻倍、供应商换人、电网更绿，它会变成多少？敏感性分析与情景分析，正是回答这三问的方法体系。本课程围绕这一体系展开，共 30 节，从概念、方法、计算到报告与决策应用逐层推进。

三个核心概念的分工

先厘清边界，避免后续混用。产品碳足迹是核算对象，指产品在给定系统边界内全生命周期温室气体排放与清除的总和，通常以 kg CO₂e 表示，并绑定功能单位、系统边界、时间与地域。敏感性分析回答"哪个参数最要紧"：在保持其他条件不变的前提下，考察单个（或少数）输入参数变化对结果的影响程度，输出的是参数与结果之间的影响强度排序，例如"电力排放因子每变化 10%，碳足迹变化 6.8%"。情景分析回答"未来可能是什么样"：构造若干内部自洽、可区分的情景（如基准情景、政策加严情景、绿电替代情景），同时改变多个相关参数，输出的是不同未来路径下的结果区间与差异来源。

两者的关系可以概括为：敏感性分析为情景分析"筛选变量"，情景分析为敏感性结果"赋予现实含义"。只做敏感性，容易停留在数学层面；只做情景，容易把大量无关参数一并扰动，导致结论无法归因。二者配合，才能形成从"识别关键驱动"到"评估未来风险与机会"的完整链条。

为什么企业不能只交一个数

从合规与商业两个视角看，单点结果的风险都很高。合规侧，ISO 14067 与 PAS 2050 体系均要求对结果的不确定性来源作出说明，欧盟产品环境足迹（PEF）方法也强调数据质量评级与敏感性检验；商业侧，下游客户（尤其是大型品牌商）在设定科学碳目标（SBTi）后，会要求供应商提供减排路径而非静态数值。若企业只能回答"我的产品是 12.4 kg CO₂e"，却无法回答"如果改用绿电、如果铝材供应商换成再生铝、如果运输从空运改为海运，这个数会变成多少"，在客户碳绩效评估中就会处于被动。

更实际的价值在于资源分配。一个典型工业品的碳足迹往往呈现"少数环节占大头"的帕累托结构：某类机械部件案例中（以下为教学示例，非实测），原材料占 62%、制造电力占 21%、运输占 9%、其余占 8%。敏感性分析会进一步指出，原材料中某一种金属的排放因子敏感度系数高达 0.41，而运输的敏感度系数仅 0.06。这意味着企业把减排预算投在运输优化上，投入产出比远低于更换该金属的低碳供应商。没有敏感性分析，这类判断只能靠直觉。

本课程的学习目标

完成全部 30 节后，学习者应能达成以下四层目标。第一层是概念清晰：准确区分敏感性、不确定性、情景三组易混概念，理解各自适用的决策问题。第二层是方法可操作：能够独立完成单因素敏感性计算、敏感度系数求解、龙卷风图绘制，以及基准情景与替代情景的构造与量化。第三层是结果可解释：能对情景差异做归因分解，说明差异中有多少来自活动数据变化、多少来自排放因子变化、多少来自结构替代。第四层是结论可落地：能把分析结果转化为减排优先级、供应商要求、目标区间与披露口径。

建议的学习路径与前置准备

课程按"概念—方法—计算—应用"推进。前段建立框架与术语；中段进入计算，会用到电子表格或 Python 进行参数扰动与批量情景运算；后段进入案例与报告，讨论如何在碳足迹报告中呈现区间结果与关键假设。建议学习者提前准备三样东西：一份自己熟悉的产品物料清单（BOM）或至少一个产品的工序构成；一份可用的排放因子来源（如国家温室气体清单、ecoinvent、客户指定因子库）；一个能跑公式的表格工具。课程中的数值均为教学示例或合理假设，用于演示方法，不作为任何具体产品的实测结论引用。

贯穿全课的一条主线

请记住这条主线：先有可信的基准模型，才有有意义的敏感性与情景。如果功能单位定义不清、边界截断随意、活动数据与因子版本不匹配，那么再精细的敏感性计算也只是在放大误差。因此课程在进入扰动计算之前，会先花篇幅讨论模型质量与数据质量评级。这也是企业实操中最容易被跳过、却最影响结论可信度的一步。