2.

Revisão da Literatura
2.1 Scenario planning

O ambiente empresarial é caracterizado por crescentes níveis de incerteza, que se traduz na

incapacidade dos decisores em compreender quais serão os principais eventos ou
mudanças nos seus ambientes de negócio (Duncan, 1972). Tal incerteza, aliada a níveis de
turbulência, novidade e ambiguidade (Ramírez & Wilkinson, 2016), pode representar um
obstáculo central para o planeamento estratégico e para as decisões de investimento, já que
afeta os fundamentos do próprio planeamento estratégico: a possibilidade de fazer
previsões precisas (Porter, 1980). Como tal, a capacidade de uma organização gerar
prospetivas estratégicas pode resultar numa importante fonte de criação ou manutenção de
vantagens competitivas e melhoramento do desempenho organizacional a médio-longo
prazo (Rohrbeck & Kum, 2018).

Num contexto empresarial complexo e altamente dinâmico, surge, assim, a necessidade de

conceber e desenvolver técnicas e ferramentas para a elaboração de estudos prospetivos, de
forma a permitir às empresas contemplar o futuro e as suas incertezas para apoiar a criação
das suas estratégias a longo prazo (Amer et al., 2013; Bradfield et al., 2005). Das várias
opções existentes, o uso de scenario planning tem ganho bastante popularidade, dado que
permite a criação de cenários alternativos de como o futuro se pode desenrolar e preparar
possíveis eventualidades, tornando as empresas mais flexíveis e inovadoras (Amer et al,
2013; Bradfield et al., 2005). Ademais, pode servir como base de suporte aos processos de
planeamento estratégico (Amer et al., 2013; Ramirez et al., 2020; Wright et al., 2020).

Scenario planning trata-se, portanto, de uma ferramenta prospetiva versátil que pode ser
utilizada para planeamento estratégico e desenvolvimento de prospetiva estratégica em
contextos empresariais (Bradfield et al., 2005; Hodgkinson et al., 2006), devido a três
vantagens identificadas na literatura. Em primeiro lugar, pode ajudar as organizações a
melhorar a sua compreensão dos processos causais, ligações e sequências lógicas
subjacentes a eventos que possam moldar o futuro. Em segundo lugar, permite desafiar o
pensamento convencional e as mentalidades estabelecidas. Por último, é capaz de
contribuir para melhorar o processo de tomada de decisão, a fim de informar o
desenvolvimento de estratégias (Wright et al., 2013). Ademais pode ter contributos
indiretos, na forma de aprendizagem organizacional e servir como ferramenta de
comunicação (Mietzner & Reger, 2005). Em virtude destes benefícios, scenario planning
também é frequentemente empregue no contexto da literatura científica (Van der Heijden
et al., 2002; Wright et al., 2013), onde surge como um conceito umbrella, abrangendo uma
vasta gama de métodos, definições e abordagens (Amer et al., 2013).

O uso de cenários possibilita o desenvolvimento de múltiplos futuros plausíveis,

fornecendo uma base para a geração de estratégias (Meissner & Wulf, 2013), podendo
abranger diversos problemas, como i) opções de políticas e as suas contrapartidas, ii)
dinâmicas futuras do sistema e do seu ambiente e iii) mudanças forçadas emergentes
(Haimes, 2009,). Desta forma, cenários são capazes de captar a complexidade e
interdependência de um sistema e as dimensões não numéricas, como é o caso da mudança
de comportamento (Arboleda et al., 2021). Ao começar com qualquer situação, a
formulação de cenários facilita, então, a consideração de diversos futuros possíveis,
exigindo ao utilizar que pense em interdependências entre os elementos do sistema
estudado (Arboleda et al., 2021). Por conseguinte, estes permitem a visualização dos
resultados de interações complexas no sistema socioeconómico (Godet, 2010).

Convém ressalvar que o uso de scenario planing não é direcionado para prever o futuro
mais provável, mas sim explorar múltiplas situações futuras possíveis com o intuito de
expandir a esfera de pensamento dos participantes, aquando no processo de
desenvolvimento de um dado cenário (Godet, 2000). Como tal, cenários diferem das
previsões. Enquanto nos primeiros são exploradas uma série de resultados possíveis,
resultantes de um entendimento das incertezas, nas segundas o objetivo passa por
identificar o caminho mais provável e estimar as incertezas associadas (Pillkahn, 2008).

No geral, o uso da técnica de scenario planning é bastante popular no ambiente

empresarial, dado os benefícios previamente enumerados. Não obstante, o seu uso em
empresas não é imune a algumas desvantagens apontadas na literatura, nomeadamente o
vasto tempo necessário para a sua elaboração (Mietzner & Reger (2005), a necessidade de
serem atualizados regularmente (Hoffmann, 2017) e a possibilidade de levar a um excesso
de confiança e foco no futuro (Burt et al., 2015).

2.1.1 Métodos e escolas de scenario planning

Atualmente, não existe uma abordagem metodológoca única na técnica de scenario

planning, sendo que na sua revisão sistemática da literatura do tema, Amer et al. (2013)
identifica uma vasta panóplia de métodos, tipologias, técnicas e passos, proposta por
diversos autores, relativa ao uso de scenario planning. Estes autores destacam, por
exemplo, os trabalhos de Bishop et al. (2007), Bradfield et al (2005) ou Schoemaker
(1995).

O número de métodos e técnicas na literatura chega a ser tão elevado, que alguns autores
descrevem o seu estado atual como sendo um “caos metodológico” (Martelli, 2001;
Spaniol and Rowland, 2018), faltando ainda uma base conceptual sólida (Bradfield et al.,
2016). Tal dificulta o trabalho dos académicos em desenvolver uma compreensão
abrangente das ligações entre prospetiva estratégica e scenario planning (Spaniol &
Rowland, 2018).

No geral, os métodos apresentados para construção de cenários podem variar entre

simplistas a complexos, qualitativos a quantitativos (Amer et al., 2013). Algumas técnicas
de construção baseiam-se, essencialmente, em abordagens e contributos qualitativos,
enquanto outras usam extensivamente ferramentas estatísticas e computacionais, ou seja,
são de caráter quantitativo (Vecchiato & Roveda, 2010). Assim, podemos caracterizar os
cenários consoante a sua base de dados, sejam eles quantitativos ou qualitativos (Van
Notten et al., 2003).

Uma possível tipologia apresentada por Börjeson et al. (2006) divide os estudos de
cenários em três tipos, dependendo da sua natureza, bem como o grau de complexidade e
incerteza envolvida. Estes são cenários preditivos (“O que vai acontecer?”), cenários
exploratórios (“O que pode acontecer?”) e cenários normativos (“Como é que um objetivo
específico pode ser alcançado?”) (Börjeson et al., 2006). Os mesmos autores também
apontam três tipos de técnicas principais para a formulação de cenários. Primeiramente,
temos as técnicas de geração, que resultam da geração e coleção de ideias e conhecimento
relativas ao futuro, obtidas de entrevistas, workshops, inquéritos, entre outros.
Segundamente, surgem as técnicas de integração, que envolve o uso de modelos
quantitativos e qualitativo para desenvolvimento dos diferentes cenários. Por último,
técnicas de consistência que procuram assegurar a consistência entre os diferentes cenários
formulados (Börjeson et al., 2006).

Com maior relevância na literatura científica, surge as três escolas de scenario planning,
propostas por Bradfield et al. (2005), cada uma com as suas técnicas e abordagens para a
formulação de cenários. São elas a escola de lógica intuitiva, a escola de tendências
probabilísticas modificadas e a escola francesa la prospective.

A escola de lógica intuitiva assenta numa abordagem descritiva e qualitativa, de forma a

construir cenários flexíveis ao combinar a imaginação e pensamento críticos dos
utilizadores (Wilkinson & Kupers, 2014). Ajuda a determinar as relações entre as
incertezas críticas (principais forças motrizes de mudança) e as tendências (por exemplo
tecnológicas) (Wright et al., 2013). Para tal, esta escola é orientada para processos,
havendo muitas variações dela, que vão de cinco até quinze passos ou mais, tornando-a na
escola mais dominante na literatura (Bradfield et al., 2005).

Por outro lado, a escola de tendências probabilísticas modificadas segue uma abordagem
quantitativa, assente num raciocínio probabilístico, incorporando duas metodologias
distintas baseadas em matrizes, análise de impacto de tendências e análise de impacto
cruzado (Bradfield et al., 2005). Tais técnicas envolvem a modificação probabilística de
tendências extrapoladas (Amer et al., 2013).

Por último, a escola la prospective, de origem francesa, caracteriza-se por uma abordagem
formalizada que utiliza uma combinação ferramentas qualitativas e quantitativas, sendo
descrita pelos acadêmicos, portanto, como sendo uma mistura da escola de lógica intuitiva
e a escola de tendências probabilísticas (Bradfield et al., 2005). Tipicamente, é bastante
usada para auxiliar decisores no desenvolvimento de políticas (Arboleda et al., 2021),
como é o caso do planeamento do setor público francês (Bradfield et al., 2005).

Na tabela XX encontra-se uma breve sistematização das três escolas descritas, com base
nos trabalhos de Amer et al. (2013) e Bradfield et al. (2005). De ressalvar, que mesmo com
a proposta das três escolas de scenario planning, numa revisão feita por Hussain et al.
(2017), os autores concluem que os requisitos e circunstâncias de cada intervenção leva à
criação de variações nos métodos usados por cada autor. No entanto, genericamente
podemos identificar três fases chave no processo, nomeadamente a preparação, a
construção e a elaboração de estratégias (Amer et al., 2013).

Tabela 1 - Breve sistematização das escolas de scenario planning

Lógica intuitiva La prospective Tendências probabilísticas

modificadas

Origem Anglo-saxónica Francesa Anglo-saxónica

Propósito Dar sentido a certas Permitir tomadas de Fazer previsões

situações e decisão e desenvolvimento extrapolativas e avaliação
desenvolvimento de de políticas ou estratégias de políticas
estratégias

Tipo de Subjetiva e qualitativa. Mista. Abordagem Objetiva e quantitativa.

Metodologia Abordagem orientada ao orientada ao resultado Abordagem orientada ao
processo resultado

Ferramentas Genéricas, como Micmas, SMIC e análise Impacto de tendências,

(exemplos) brainstorming, análise MACTOR simulação de Monte-Carlo
PEST e análise dos e análise de séries
stakeholders temporais

Nr. de cenários Em geral 2 a 4 Múltiplos 3 a 6 dependendo do nr. de

gerados simulações

Output Conjunto qualitativo de Múltiplos cenários Cenários quantitativos,

cenários, igualmente quantitativos e qualitativos com análise de séries
plausíveis, na forma de suportados por uma análise temporais, incluindo
narrativas abrangente análise probabilística

2.1.1.1 A escola de lógica intuitiva e a matriz de cenários 2x2

Apesar de existir uma ampla coleção de métodos para uso em scenario planning, como
discutido anteriormente, de todos a abordagem a mais empregue na literatura é a da escola
da lógica intuitiva, chegando mesmo a ser denominada como o método padrão de scenario
planning (Bradfield et al., 2005; Hodgkinson et al., 2006). Trata-se da técnica mais
amplamente aceite devido à utilização de narrativas ricas para delinear potenciais
caminhos evolutivos do futuro, sendo, por isso, adequada à discussão de casos de estudos
em gestão (Wright et al., 2013). Ou seja, é uma abordagem essencialmente qualitativa e
descritiva para a formulação de cenários flexíveis, combinando a imaginação e pensamento
crítico dos participantes (Wilkinson & Kupers, 2014). A sua utilização ajuda a determinar
as relações entre incertezas críticas, as principais forças motrizes de mudança, e novas
tendências (e.g. sociais, políticas ou tecnológicas), bem como o comportamento de
organizações ou setores individuais, que possam ter interesse no dado futuro em estudo
(Wright et al., 2013). Aliás, uma vantagem principal desta escola é o desenvolvimento de
uma narrativa que mostra claramente as interações entre eventos que conduzem a um
determinando cenário (Amer et al., 2013).

A escola de lógica intuitiva segue uma abordagem baseada na plausabilidade, que ajuda a
gestão de uma organização a focar na criação de narrativas que descrevam relações de
causa-efeito num processo de tomada decisão (Mackay & Tambeau, 2013). Ademais, os
cenários formulados, baseados nas forças motrizes mais relevantes e incertas da indústria,
podem ser desenvolvidos em histórias de causalidade consistentes, numa estrutura
cronológica, de onde podem derivar estratégias para a respetiva organização (Van der
Heijden et al., 2002; Wright et al., 2013). Aliás, esta promoção do pensamento estratégico
no processo estratégico é um dos grandes objetivos deste método, a fim de obter um plano
estratégico mais holístico e baseado em contingências (Schoemaker, 1995). Num estudo de
Meissner e Wulf (2013), os autores concluem, que das ferramentas de planeamento
estratégico investigadas, este método relevou-se o mais eficaz em garantir uma elevada
qualidade na tomada decisão no processo estratégico.

Relativamente ao processo usado na lógica intuitiva, este pode variar no seu número de
etapas, consoante diversas propostas presentes na literatura. De uma forma geral, Tapinos
(2012) sugere que que tal processo pode ser dividido duas grandes fases: i) a geração de
cenários, que termina no criação das narrativas, e ii) uso dos cenários como base para
desenvolvimento de estratégia. Para passos mais concretos, existem várias propostas, como
as expostas nos trabalhos de Wright et al. (2013) ou Shoemaker (1995). Também bastante
mencionada na literatura, temos a metodologia denominada GBN, formulada por Schwartz
(1996). Nela, o autor descreve 8 etapas para a elaboração dos cenários, nomeadamente:

1. Identificação da decisão ou questão principal – traz um objetivo ao processo de

formulação de cenários, resultando num foco do estudo

2. Análise do microambiente – quais as forças existentes no ambiente onde a

organização ou setor em estudo se insere

3. Análise das forças motrizes – variáveis sociais, políticas, económicas e

tecnológicas

4. Priorizar as forças motrizes por importância e incerteza

5. Seleção da lógica dos cenários – criação de um número de cenários, com

importância para os decisores
 6. Descrição dos cenários – realizada com base na análise dos fatores e tendências
principais identificadas na etapa 2 e 3, bem como na definição lógica dos cenários,
cujas principais condicionantes referem-se às incertezas críticas

7. Implicações – confrontar os cenários com a questão principal, para verificar as

implicações resultantes de cada um deles. Daqui pode surgir vulnerabilidades e
oportunidades existentes

8. Seleção dos indicadores principais

Dentro da escola intuitiva, podemos, ainda, distinguir duas abordagens diferentes, apesar
de ambas partirem do foco nas incertezas de um dado ambiente empresarial, para a seleção
das incertezas mais críticas a serem usadas como premissa base para a formulação de
cenários (Wright et al., 2013). A primeira, chamada abordagem indutiva, é vagamente
estruturada e conta com a capacidade de se alcançar um consenso dentro de um grupo de
peritos e tomadores de decisão. A segunda, denominada abordagem dedutiva, utiliza
técnicas simples de prioritização para construir uma matriz de cenários 2x2, baseada nas
duas maiores fontes de incerteza (i.e., forças motrizes de mudança) do ambiente em
análise, resultando em quatro cenários distintos, localizados no quadrante de um extremo
de cada incerteza crítica selecionada (ver Figura XX). Tanto uma quanto a outra são
subjetivas e de natureza qualitativa (Bradfield et al., 2005), sendo que a metodologia GBN
adequa-se bem aos autores que pretendam seguir uma destas abordagens (Schwartz, 1996).

Figura 1 - Matriz de cenários 2x2 (elaboração própria)

2.2. Indústria automóvel

2.2.1 Novas tendências do setor automóvel

A indústria automóvel caracteriza-se por ser altamente dinâmica e precursor para o
desenvolvimento de novas práticas e tecnologias, na forma de uma aposta forte em
inovação, que se traduz num alto investimento em investigação e desenvolvimento (I&D).

Só no espaço europeu, a título de exemplo, este setor lidera a classificação de maior

investimento privado em I&D por setor, com cerca de 60 mil milhões de euros investidos
em 2020 (ACEA, 2022). Gerando um volume de negócios que representa 7% do PIB da
UE, trata-se de um setor crucial para a economia, bem como a prosperidade europeia
(Comissão Europeia, n.d.).

Com tal elevado investimento em I&D, esta indústria apresenta ciclos de novas tendências
a nível de práticas e tecnologias, imperando a atenção de todos os stakeholders de forma a
serem capazes de as implementar. Atualmente, na indústria automóvel, surgem duas
grandes tendências a ter em conta, nomeadamente a eletrificação e a digitalização deste
setor (Brown et al., 2021; Pelle & Tabajdi 2021).

2.2.1.1 Eletrificação

Para perceber a tendência da eletrificação do setor automóvel, é necessário, primeiramente,

discutir a atual preocupação com a sustentabilidade ambiental. Um dos grandes desafios
para mitigar as mudanças climáticas prende-se com a descarbonização dos transportes
movidos a combustíveis fósseis (Tran et al., 2012).

Em 2019, a Comissão Europeia articula um conjunto de políticas e estratégias a fim de

combater estes desafios climáticos e ambientais, sob a forma do Pacto Ecológico Europeu,
que apresenta o grande objetivo em atingir, em 2050, zero emissões líquidas de gases com
efeito de estufa (Comissão Europeia, 2019). Um dos pontos principais deste pacto passa
pela questão dos transportes, responsáveis por um quarto das emissões de gases com efeito
de estufa. De forma a alcançar a tão desejada neutralidade climática, seria necessário
reduzir em 90% tais emissões, sendo apontada, como uma das possíveis soluções, a
transição para veículos movidos a combustíveis sustentáveis, como é o caso dos elétricos
(Brown et al., 2021; Comissão Europeia, 2019).

Assim, com a crescente pressão por parte das autoridade e reguladores, aliada à maior
procura por parte do consumidor, verifica-se uma tendência de eletrificação na indústria
automóvel, uma vez que os carros elétricos, ou híbridos, podem auxiliar a redução de gases
CO2 (De Rubens et al., 2018; Gnann et al., 2018), resultando no aumento constante da sua
cota de mercado (Casper & Sundin, 2021).

2.2.1.2 Digitalização

No panorama atual da indústria automóvel, as empresas estão em vias de transformar o seu

negócio focado em produtos para um modelo de negócios orientado para serviços de
mobilidade (Lengton et al., 2015). Esta mudança disruptiva pode ser explicada pelo efeito
de globalização, uma concorrência mais severa e, em especial, a transformação digital do
setor (Gao et al., 2016). No presente, as tecnologias digitais já representam pelo menos
50% do valor total de um veículo ligeiro de passageiros (CCOO, 2018). No futuro, através
da digitalização, são apontadas as tendências de autonomia, conectividade e partilha
(Athanasopoulou et al., 2019; Brown et al., 2021; Gao et al., 2016).

Estas mudanças são suscetíveis de alterar a estrutura global de produção industrial, em

parte devido à concorrência de países emergentes e outras indústrias, como por exemplo, a
de tecnologias da informação (Simonazzi et al., 2020).
Referências

ACEA (2022, abril 4). R&D investment by top 10 industrial sectors in the EU.
https://www.acea.auto/figure/rd-investment-by-top-10-industrial-sectors-in-eu/

Amer, M., Daim, T.U., & Jetter, A. (2013). A review of scenario planning. Futures, 46, 23-
40. https://doi.org/10.1016/j.futures.2012.10.003

Arboleda, M. R., Pfeiffer, A., Bezama, A., & Thraen, D. (2021). Anticipatory study for
identifying the key influential factors of the biogas system in Germany contributing to the
energy system of 2050. Futures, 128, 102704.
https://doi.org/10.1016/j.futures.2021.102704

Athanasopoulou, A., de Reuver, M., Nikou, S., & Bouwman, H. (2019). What technology
enabled services impact business models in the automotive industry? An exploratory study.
Futures, 109, 73-83. https://doi.org/10.1016/j.futures.2019.04.001

Bishop, P., Hines, A., & Collins, T. (2007). The current state of scenario development: an
overview of techniques. foresight, 9(1), 5-25. https://doi.org/10.1108/14636680710727516

Börjeson, L., Höjer, M., Dreborg, K-H., Ekvall, T., & Finnveden, G. (2006). Scenario
Types and techniques: towards a user’s guide. Futures, 38 (7), 723–739.
https://doi.org/10.1016/j.futures.2005.12.002

Bradfield, R., Derbyshire, J., & Wright, G. (2016). The critical role of history in scenario
thinking: Augmenting causal analysis within the intuitive logics scenario development
methodology. Futures. 77, 56-66. https://doi.org/10.1016/j.futures.2016.02.002

Bradfield, R., Wright, G., Burt, G., Cairns, G., & Van der Heijden, K. (2005). The origins
and evolution of scenario techniques in long range business planning. Futures, 37(8), 795-
812. https://doi.org/10.1016/j.futures.2005.01.003

Brown, D., Flickenschild, M., Mazzi, C., Gasparotti, A., Panagiotidou, Z., Dingemanse, J.,
& Bratzel, S. (2021). O future do setor automóvel da UE. Departamento Temático das
Políticas Económicas e Científicas e da Qualidade de Vida.
https://www.europarl.europa.eu/RegData/etudes/STUD/2021/695486/IPOL_STU(2021)69
5486_PT.pdf

Burt, G., Mackay, D. J., & Perchard, A. (2015). Managerial hyperopia: A potential
unintended consequence of foresight in a top management team?. Technological
Forecasting and Social Change, 101, 134-146.
https://doi.org/10.1016/j.techfore.2013.12.001
Casper, R., & Sundin, E. (2021). Electrification in the automotive industry: effects in
remanufacturing. Journal of Remanufacturing, 11(2), 121-136.
https://doi.org/10.1007/s13243-020-00094-8

CCOO (2018). Situación y Perspectivas en el Sector del Automóvil. Medidas Ambientales,

Digitalización y Automatización de la Industria. Confederación Sindical de Comisiones
Obreras. https://industria.ccoo.es/9ddeee3ef0745110d18ae92f9a4bc706000060.pdf

Comissão Europeia (2019). Comunicação da Comissão ao Parlamento Europeu, ao

Conselho Europeu, ao Conselho, ao Comité Económico e Social Europeu e ao Comité das
Regiões: Pacto Ecológico Europeu. https://eur-lex.europa.eu/resource.html?
uri=cellar:b828d165-1c22-11ea-8c1f-01aa75ed71a1.0008.02/DOC_1&format=PDF

Comissão Europeia (n.d.). Automotive Industry. Acedido a 9 de janeiro de 2023 em

https://single-market-economy.ec.europa.eu/sectors/automotive-industry_en

De Rubens, G.Z., Noel, L., & Sovacool, B.K. (2018). Dismissive and deceptive car
dealerships create barriers to electric vehicle adoption at the point of sale. Nature Energy,
3(6), 501–507. https://doi.org/10.1038/s41560-018-0152-x.

Duncan, R. B. (1972). Characteristics of Organizational Environments and Perceived

Environmental Uncertainty. Administrative Science Quarterly, 17(3), 313–327.
https://doi.org/10.2307/2392145

Gao, P., Kaas, H., Mohr, D., & Wee, D. (2016). Automotive Revolution Perspective
Towards 2030, McKinsey Report. McKinsey and Company.

Gnann, T., Stephens, T.S., Lin, Z., Plötz, P., Liu, C., Brokate, J., 2018. What drives the
market for plug-in electric vehicles? - A review of international PEV market diffusion
models. Renewable and Sustainable Energy Reviews, 93, 158–164.
https://doi.org/10.1016/j.rser.2018.03.055.

Godet, M. (2000). The art of scenarios and strategic planning: tools and pitfalls.
Technological forecasting and social change, 65(1), 3-22. https://doi.org/10.1016/S0040-
1625(99)00120-1

Godet, M. (2010). Future memories. Technological Forecasting and Social Change, 77(9),
1457-1463. https://doi.org/10.1016/j.techfore.2010.06.008

Haimes, Y. Y. (2009). On the complex definition of risk: A systems‐based approach. Risk

Analysis: An International Journal, 29(12), 1647-1654. https://doi.org/10.1111/j.1539-
6924.2009.01310.x

Hodgkinson, G. P., Whittington, R., Johnson, G., & Schwarz, M. (2006). The role of
strategy workshops in strategy development processes: Formality, communication, co-
ordination and inclusion. Long range planning, 39(5), 479-496.
https://doi.org/10.1016/j.lrp.2006.07.003

Hoffmann, C.H. (2017). Strengths and Weaknesses of Scenario Planning as a Risk

Management Tool. In: Assessing Risk Assessment (pp. 213-218). Springer Gabler.
https://doi.org/10.1007/978-3-658-20032-9_13

Hussain, M., Tapinos, E., & Knight, L. (2017). Scenario-driven roadmapping for
technology foresight. Technological Forecasting and Social Change, 124, 160-177.
https://doi.org/10.1016/j.techfore.2017.05.005

Lengton, M., Verzijl, D., Dervojeda, K., Netherlands, P., Probst, L., & Frideres, L. (2015).
Internet of Things connected cars. Business Innovation Observatory Contract.
https://ec.europa.eu/docsroom/documents/13394/attachments/2/translations/en/renditions/
pdf

MacKay, B., & Tambeau, P. (2013). A structuration approach to scenario praxis.

Technological Forecasting and Social Change, 80(4), 673-686.
https://doi.org/10.1016/j.techfore.2012.06.003

Martelli, A. (2001). Scenario building and scenario planning: state of the art and prospects
of evolution. Futures Research Quarterly, 17(2), 57-70.

Meissner, P., & Wulf, T. (2013). Cognitive benefits of scenario planning: Its impact on
biases and decision quality. Technological Forecasting and Social Change, 80(4), 801-
814. https://doi.org/10.1016/j.techfore.2012.09.011

Mietzner, D., & Reger, G. (2005). Advantages and disadvantages of scenario approaches
for strategic foresight. International Journal Technology Intelligence and Planning, 1(2),
220-239. https://doi.org/10.1504/IJTIP.2005.006516

Pelle, A., & Tabajdi, G. (2021). Covid-19 and transformational megatrends in the
European automotive industry: Evidence from business decisions with a Central and
Eastern European focus. Entrepreneurial Business and Economics Review, 9(4), 19-33.
http://dx.doi.org/10.15678/EBER.2021.090402

Pillkahn, U. (2008). Using trends and scenarios as tools for strategy development: shaping
the future of your enterprise. John Wiley & Sons.

Porter, M.E. (1980). Competitive strategy: techniques for analysing industries and
competitors. Free Press

Ramirez, R., & Wilkinson, A. (2016). Strategic reframing: The Oxford scenario planning
approach. Oxford University Press.
Ramirez, R., Bhatti, Y., & Tapinos, E. (2020). Exploring how experience and learning
curves decrease the time invested in scenario planning interventions. Technological
Forecasting and Social Change, 151, 119785.
https://doi.org/10.1016/j.techfore.2019.119785

Rohrbeck, R., & Kum, M. E. (2018). Corporate foresight and its impact on firm
performance: A longitudinal analysis. Technological Forecasting and Social Change,
129(4), 105–116. https://doi.org/10.1016/j.techfore.2017.12.013.

Schoemaker, P. J. (1995). Scenario planning: a tool for strategic thinking. Sloan

management review, 36(2), 25-50.

Schwartz, P. (1996), The Art of the Long View: Planning for the Future in an Uncertain
World. Currency Doubleday.

Simonazzi, A., Sanginés, J. C., & Russo, M. (2020). The future of the automotive industry:
dangerous challenges or new life for a saturated market?. Institute for New Economic
Thinking Working Paper Series, (141). https://doi.org/10.36687/inetwp141

Spaniol, M. J., & Rowland, N. J. (2018). The scenario planning paradox. Futures, 95, 33-
43. https://doi.org/10.1016/j.futures.2017.09.006

Tapinos, E. (2012). Perceived environmental uncertainty in scenario planning. Futures,

44(4), 338-345. https://doi.org/10.1016/j.futures.2011.11.002

Tran, M., Banister, D., Bishop, J. D., & McCulloch, M. D. (2012). Realizing the electric-
vehicle revolution. Nature climate change, 2(5), 328-333.
https://doi.org/10.1038/nclimate1429

Van der Heijden, K., Bradfield, R., Cairns, G., & Wright, G. (2002). The sixth sense:
accelerating organizational learning with scenarios. John Wiley & Sons.

Van Notten, P. W., Rotmans, J., Van Asselt, M. B., & Rothman, D. S. (2003). An updated
scenario typology. Futures, 35(5), 423-443. https://doi.org/10.1016/S0016-3287(02)00090-
3

Vecchiato, R., & Roveda, C. (2010). Strategic foresight in corporate organizations:

Handling the effect and response uncertainty of technology and social drivers of change.
Technological Forecasting and Social Change, 77(9), 1527-1539.
https://doi.org/10.1016/j.techfore.2009.12.003

Wilkinson, A., & Kupers, R. (2014). The essence of scenarios: Learning from the Shell
experience. Amsterdam University Press.
Wright, G., Bradfield, R., & Cairns, G. (2013). Does the intuitive logics method–and its
recent enhancements–produce “effective” scenarios?. Technological Forecasting and
Social Change, 80(4), 631-642. https://doi.org/10.1016/j.techfore.2012.09.003

Wright, G., O'Brien, F., Meadows, M., Tapinos, E., & Pyper, N. (2020). Scenario planning
and foresight: Advancing theory and improving practice. Technological Forecasting and
Social Change, 159, 120220. https://doi.org/10.1016/j.techfore.2020.120220