Читать статья по менеджменту: "Как бороться с неопределенностью: техники выработки оптимальных решений" Страница 2

(Назад) (Cкачать работу)

Пример. Вероятность того, что после вакцинации у вас поднимется температура, составляет 25 %. Из этого следует, что состояние «температура» имеет вероятностное значение 0,25, в то время как состояние «нет температуры» — значение 0,75. Риск инфицирования составляет для вас 3 % (вероятностное значение — 0,03), а вероятность того, что вы не будете инфицированы, таким образом, составляет 97 % (вероятностное значение — 0,97).

При сложных решениях вам приходится сталкиваться с гораздо большим количеством ступеней-состояний. Если происходит случай А (а не В), то может произойти как случай С, так и случай D, из чего вытекают различные последствия. Но с какой вероятностью? Здесь действует правило умножения. Вы должны умножить вероятностные значения случая А на вероятностные значения случая С или, соответственно, случая D.

Пример. Вероятность того, что после вакцинации вы будете инфицированы и у вас поднимется температура, составляет 0,75 % (0,25 х 0,03 = 0,0075). Вероятность же того, что после вакцинации у вас не поднимется температура и вы не будете инфицированы, составляет 72,75 % (0,75 х 0,97 = 0,7275).

Проблема, однако, состоит в том, что в большинстве случаев вероятностное значение вам неизвестно. Тогда вам нужно произвести оценку. И подобная оценка значений не только может быть неточной или произвольной, но имеет также опасную тенденцию усиливаться и фальсифицировать результат. Можно лишь посоветовать очень осторожно обращаться с подобными оценками.

В конце каждого «дерева решений» выстраиваются в виде кроны (или, скорее, корней) последствия каждого решения. Этот список поможет вам найти правильное решение. Просмотрите каждое последствие в отдельности и проверьте, какие из них наиболее близко подводят вас к осуществлению цели. Какова вероятность этих последствий?

В идеальном случае все последствия можно оценить по одному критерию, например сколько денег вы получите. в таком случае вы можете сравнить различные альтернативы, например: если вы выберете альтернативу А, то выиграете 10 тыс. евро при условии, что произойдет событие X. Если же произойдет событие Y, то вы потеряете 3 тыс. евро.

Чем более различны по содержанию предполагаемые последствия, тем менее выразительным получается «дерево решений».

Пример. Г-н Якоб хочет решить, стоит ли ему купить собаку. В конце его «дерева решений» возникают следующие последствия: «Я не смогу больше свободно путешествовать», «2,5 тыс. евро», «Каждый день ходить гулять в парк» и «Никакой защиты от грабителей». Теперь г-н Якоб не знает, на что ему решиться.

Для анализа последствий вам необходимо нечто вроде общего знаменателя, а именно ваши критерии оценки, т. е. ваши цели. Если у вас не одна цель, то и «деревьев решений» должно быть несколько.

«Дерево решений» показывает вам, какие последствия могут иметь ваши решения и определенные события. Для этого вам нужно все максимально упростить. Вы можете внести в «дерево решений» лишь небольшое количество событий. Кроме того, все должно быть ясно и четко систематизировано, а это не всегда возможно. В «дереве решений» нет места для промежуточных аспектов. Единственный смысл «дерева решений» состоит в том, что вы получаете более наглядную

Похожие работы