决策思维工具 —— 决策树分析法

又称概率分析决策方法，是指将构成决策方案的有关因素，以树状图形的方式表现出来，并据以分析和选择决策方案的一种系统分析法。是风险型决策最常用的方法之一，特别是勇敢于分析比较复杂的问题。以损益值为依据，比较不同方案的期望损益值（简称期望值），决定方案的取舍，其最大特点是能够形象地显示出整个决策问题在时间上和不同阶段上的决策过程，逻辑思维清晰，层次分明，非常直观。

决策思维工具 —— 决策树分析法

• 概念含义
  • 基本概念
    • 概率分析决策方法
    • 是指将构成决策方案的有关因素，以树状图形的方式表现出来，并据以分析和选择决策方案的一种系统分析法
    • 是风险型决策最常用的方法之一，特别是勇敢于分析比较复杂的问题
    • 以损益值为依据，比较不同方案的期望损益值（简称期望值），决定方案的取舍，其最大特点是能够形象地显示出整个决策问题在时间上和不同阶段上的决策过程，逻辑思维清晰，层次分明，非常直观
• 主要内容
  • 结构
    • 决策树是由不同结点和方案枝构成的树状图形
      • • 决策点
          • 需要决策一次，就有一个决策点。
          • 从决策点上引出的分枝称为方案枝，方案枝的枝数表示可行方案的个数
      • • 方案的状态结点(也称自然状态点)
          • 从结点上引出的分枝称为状态枝，状态枝的枝数表示可能出现的自然状态
      • • 结果点(也称末稍)
          • 在结果点旁列出不同状态下的收益值或损失值，供决策之用
  • 种类
    • 决策树根据问题的不同可分为
      • 单级决策树
        • 单级决策树是只需进行一次决策（一个决策点）就可以选出最优方案的决策
      • 多级决策树
        • 需要进行两次或两次以上的决策，才能选出最优方案的称为多级决策。其决策原理与单级决策相同，但要分级计算收益期望值
• 工具应用
  • 绘制步骤
    • 首先确定决策点
      • 决策点一般用“口”表示，然后以决策点引出若干条直线，代表各个备选方案
    • 这些直线称为方案枝
    • 方案枝后面连接一个“○”称为机会点
      • 从机会点画出的各条直线称为概率枝，代表将来不同的状态，概率枝后面的数值代表不同方案在不同状态下可能获得的收益值
    • 为了便于计算，对决策树中的“口” (决策点)和“○” (机会点)均进行编号，编号的顺序是从左至右，从上到下
    • 画出决策树后，按照绘制决策树相反的程序，即从右向左逐步后退，根据预期值分层进行决策
  • 绘决策树基本规则
    • 对一个决策问题必须选择—终结的评价时间点
      • 也就是全部策略应有同一时间点被评价．全部收支值应是同时间点上的，否则分析忽略了金钱的时间价值
    • 决策和结局结点的可能序列展开成从一个决策结点出发的依时间顺序排列的各种支路，各支路不应有交接点(除出发点) 换句话说，一个结点只仪能有一条支路进入
    • 从一个决策钻点或结局结点仿射出的支路必须是互斥的且包括一切可能
  • 决策步骤
    • 由左向右作图画决策树，把某个决策问题未来发展的可能性和结果用树状图形反映出
      • 画决策树的过程，也就是拟定各种方案的过程
    • 将各个数值、状态及概率标在树上，特别要注意状态概率的准确性
    • 计算各方案的收益或损失期望值
      • 从树的末梢开始，以从右到左的方向计算各点的期望值，把计算结果标在结点上方
      • 状态点的期望值=∑（损益值×概率值）×经营年限
    • 按照期望值准则进行决策，把优选方案的损益期望值标在决策点上方
      • 计算各方案在整体经营有效期限的净效果，即最终期望值
      • 方案净效果=该方案状态点的期望值－该方案投资额
    • 对落选方案，在方案枝上画上“ //”符号，表示删枝
      • 如果是多阶段或多级决策，则需要重复第二、三、四步工作
  • 生成过程
    • 通常，决策树法包含以下步骤，但在实际应用中，可以跳过其中的一步或几步
    • 提出决策问题，明确决策目标
    • 建立决策树模型——决策树的生长
      • 提出所有可能的分枝规则，即可能的决策指标及其所分类别(分类资料)或分类阈值 C(等级或计量资料)
      • 由以上候选的分枝规则中选择最佳者，选择的标准是使产生的两个子结内个体间有最大的相似程度，即使两个子结内“纯度”达到最大
    • 树的剪枝及最佳树的选择
      • 一株达到尽量延展的“最大树”通常是过度拟合的，模型可能不仅拟合了训练集中主要分枝变量的特征，也拟合了其中的误差，即“噪声”，因此需要对其进行修剪，使过度拟合得以纠正，以得到最佳拟合且相对简练的决策树
    • 确定各终结点及计算综合指标
      • 从树梢至树根的方向，采用回乘法，即对各决策结点下全部结局的期望效用与其事前概率的乘积求和，得到各决策方案的期望效用值，并跟据综合指标值对各方案排序，进行优劣取舍
    • 树的评估
• 优缺点
  • 优点
    • 它构成一个简单的决策过程，使决策者可以按顺序有步骤地进行
    • 决策树法有直观的图形，便于决策者进行科学的分析、周密的思考
    • 将决策树图形画出后，便于集体讨论和共同分析，有利于进行集体决策
    • 决策树法对比较复杂问题进行决策，特别是对多级决策问题尤感方便，甚至在决策过程中，通过画决策树逐级思考可以走一步看一步，三思后行
  • 缺点
    • 在分析的过程中有些参数没有包括在树中，显得不全面
    • 如果分级太多或出现的分枝太多，画起来就不方便
• 实例分析
  • 案例 1：某饭店“单级决策树”分析
    • 某旅游胜地拟建一饭店，提出甲、乙两方案，甲为建高档饭店，投资 25000万元，乙为建中档饭店，投资 13000 万元，建成后饭店要求 15 年收回投资。根据预测。该地区饭店出租率较高的概率是 0.7，较低的概率是 0.3，若建高档饭店。当出租率较高时，每年可获利 3000 万元，出租率不高时，将亏损 300 万元；若建中档饭店，出租率较高时，每年可获利 1200 万元，出租率不高时，可获利 300万元。另据预测，在 15 年中，情况会发生变化，必须将 15 年分成前 6 年和后 9年两期进行考虑。如果在前 6 年，本地区旅游业发展较快，则后 9 年可发展得更好，饭店出租率高的概率可上升至 0.9，如前 6 年发展较慢，则后 9 年的情况相应较差，饭店出租率低的概率为 0.9，请决策应采用哪一个方案。
      • • 按题意画出决策树
      • 先计算后 9 年的收益期望值
        • 点④： [3000× 0.9+(-300)× 0.1]× 9=24030
        • 点⑤： [3000× 0.1+(-300)× 0.9]× 9=270
        • 点⑥： [1200× 0.9+300× 0.1]× 9=9900
        • 点⑦： [1200× 0.1+300× 0.9]× 9=3510
      • 再计算两个方案全部收益期望值
        • 点②： [3000× 0.7+(-300)× 0.3]× 6+24030× 0.7+270× .3=28962
        • 点③： (1200× 0.7+300× 0.3)× 6+9990× 0.7+3510× 0.3=13626
      • 各方案实际收益期望值
        • 高档饭店 28962-25000(投资)=3962(万元)
        • 中档饭店 13626-13000(投资)=626(万元)
      • 结论
        • 根据期望值准则进行决策，应采用建高档饭店的方案，净收益期望值为 3962 万元。将建中档饭店的方案删除
  • 案例 2：某饭店“多级决策树”分析
    • 某饭店决定投资建饭店消耗品生产厂，提出三个方案，一是建大厂，投资350 万元；二是建小厂，投资 170 万元；三是建小厂，如果经营得好再扩建，扩建再投资 150 万元，管理人员对未来 10 年中前 4 年、后 6 年的损益值和概率进行了预测
      • 计算各点的收益期望值
        • 点⑧： (80× 0.8+10× 0.2)× 6=396
        • 点⑨： (40× 0.8+5× 0.2)× 6=198
        • 点⑧和点⑨期望值相比，前者较大，所以应选择扩建，对不扩建进行删枝
        • 把点⑧期望值减投资后所得 246 万元移到点⑥上来，这是第一次决策
      • 点④： (80× 0.8+10× 0.2)× 6=396
      • 点⑤： (80× 0.2+10× 0.2)× 6=144
      • 点⑥： 396-150=246
      • 点⑦： (40× 0.2+5× 0.8)× 6=72
      • 点②： (80× 0.6+10× 0.4)× 4+396× 0.6+144× 0.4=503.2
      • 点③： (40× 0.6+5× 0.4)× 4+246× 0.6+72× 0.4=280.4
      • 各方案实际收益期望值
        • 建大厂： 503.2-350=153.2(万元)
        • 建小厂： 280.4-170=110.4(万元)
      • 结论
        • 应采用直接建大厂的方案，净收益期望值为 153.2 万元
• 相关工具
  • 事件树分析
    • 概念含义
      • 事件树分析（ Event Tree Analysis，简称 ETA）
      • 起源于决策树分析，它是一种按事故发展的时间顺序由初始事件开始推论可能的后果，从而进行危险源辨识的方法
      • 事件树分析法是一种时序逻辑的事故分析方法，它以一初始事件为起点，按照事故的发展顺序，分成阶段，一步一步地进行分析，每一事件可能的后续事件只能取完全对立的两种状态（成功或失败，正常或故障，安全或危险等）之一的原则，逐步向结果方面发展，直到达到系统故障或事故为止
    • 主要功能
      • ETA 可以事前预测事故及不安全因素，估计事故的可能后果，寻求最经济的预防手段和方法
      • 事后用 ETA 分析事故原因，十分方便明确
      • ETA 的分析资料既可作为直观的安全教育资料， 也有助于推测类似事故的预防对策
      • 当积累了大量事故资料时，可采用计算机模拟，使 ETA 对事故的预测更为有效
      • 在安全管理上用 ETA 对重大问题进行决策，具有其他方法所不具备的优势
    • 事件树编制
      • (1)确定初始事件
        • 事件树分析是一种系统地研究作为危险源的初始事件如何与后续事件形成时序逻辑关系而最终导致事故的方法
        • 正确选择初始事件十分重要
          • ①根据系统设计、系统危险性评价、系统运行经验或事故经验等确定
          • ②根据系统重大故障或事故树分析，从其中间事件或初始事件中选择
      • (2) 判定安全功能
        • 系统中包含许多安全功能，在初始事件发生时消除或减轻其影响以维持系统的安全运行
        • 常见的安全功能
          • ①对初始事件自动采取控制措施的系统，如自动停车系统等
          • ②提醒操作者初始事件发生了的报警系统
          • ③根据报警或工作程序要求操作者采取的措施
          • ④缓冲装置，如减振、压力泄放系统或排放系统等
          • ⑤局限或屏蔽措施等
      • (3)绘制事件树
        • 从初始事件开始，按事件发展过程自左向右绘制事件树，用树枝代表事件发展途径
      • (4)简化事件树
        • 在绘制事件树的过程中，可能会遇到一些与初始事件或与事故无关的安全功能，或者其功能关系相互矛盾、不协调的情况，需用工程知识和系统设计的知识予以辨别，然后从树枝中去掉，即构成简化的事件树
    • 事件树定性分析
      • （ 1）找出事故连锁
        • 事件树的各分枝代表初始事件一旦发生其可能的发展途径
      • （ 2）找出预防事故的途径
        • 事件树中最终达到安全的途径指导我们如何采取措施预防事故
    • 事件树定量分析
      • 1.各发展途径的概率
        • 各发展途径的概率等于自初始事件开始的各事件发生概率的乘积
      • 2.事故发生概率
        • 事件树定量分析中，事故发生概率等于导致事故的各发展途径的概率和
      • 3.事故预防
        • 事件树分析把事故的发生发展过程表述得清楚而有条理，对设计事故预防方案，制定事故预防措施提供了有力的依据
• 参考书目
  • 1. 余绪缨、蔡淑娥．企业经济活动分析．武汉大学出版社． 1998．
  • 2. 林璧属．旅游饭店实务管理．清华大学出版社． 2005．
  • 3. 高洪深．决策支持系统(DSS)理论•方法•案例．清华大学出版社． 2005．
  • 4. 刘玉明．工程经济学．清华大学出版社． 2006．
  • 5. 徐盛华、陈子慧．现代企业管理学． 清华大学出版社． 2004．
  • 6. 左美云、周彬．实用项目管理与图解．清华大学出版社． 20 02．
  • 7. 陈传明, 周小虎．管理学(21 世纪新编管理学教材)．清华大学出版社． 20 03．
  • 8. 刘兴倍．管理学原理．清华大学出版社． 2004．
  • 9. 西尔比格、郑伏虎． MBA 十日读/美国著名商学院课程精要．中信出版社． 1997．
  • 10. 孙军, 张英奎．现代管理．清华大学出版社． 2004．
• 现代管理决策者常用的有效工具