Что такое анализ с помощью дерева принятия решений? 5 шагов к принятию лучших решений

Приходилось ли вам когда-нибудь принимать решение, зная, что оно будет иметь серьёзные последствия? Если да, то вы знаете, что особенно трудно определить наилучший курс действий, когда вы не уверены в результатах. 

Анализ дерева решений поможет вам визуализировать влияние ваших решений, чтобы вы могли найти лучший курс действий. В этой статье мы покажем вам, как создать дерево решений, чтобы вы могли использовать его в процессе управления проектами.

Что такое дерево принятия решений?

Дерево решений — это блок-схема, которая начинается с одной основной идеи, а затем разветвляется в зависимости от последствий ваших решений. Она называется «деревом принятия решений», потому что модель обычно выглядит как дерево с ветвями. 

Такие деревья используются для анализа, который включает в себя визуальное описание потенциальных результатов, затрат и последствий сложного решения. С помощью дерева решений можно рассчитать ожидаемое значение каждого результата на основе решений и последствий, которые к нему привели. Затем, сравнивая результаты друг с другом, можно быстро оценить наилучший курс действий. Дерево решений также можно использовать для решения проблем, управления затратами и выявления возможностей. 

Символы дерева принятия решений

Дерево принятия решений включает в себя следующие символы:

• Альтернативные ветви: две линии, которые отходят от одного решения на дереве. Эти ветви показывают два результата или решения, которые вытекают из первоначального решения на вашем дереве.

• Узлы принятия решений: узлы принятия решений представляют собой квадраты и отображают решение, принимаемое на вашем дереве. Каждое дерево решений начинается с узла принятия решения. 

• Узлы вероятности: это круги, которые показывают несколько возможных результатов.

• Конечные узлы: конечные узлы — это треугольники, которые показывают окончательный результат.

Анализ с помощью дерева принятия решений объединяет эти символы с примечаниями, объясняющими ваши решения и результаты, а также любыми соответствующими значениями, объясняющими ваши прибыли или убытки. Можно нарисовать дерево решений вручную или использовать инструмент для создания блок-схем, чтобы построить его в цифровом виде. 

Для чего используется анализ с помощью дерева принятия решений?

Анализ с помощью дерева принятия решений можно использовать для принятия решений во многих областях, включая операционную деятельность, планирование бюджета и управление проектами. По возможности включайте в дерево количественные данные и цифры. Чем больше у вас данных, тем проще будет определить ожидаемые значения и проанализировать решения на основе чисел. 

Например, если вы пытаетесь определить, какой проект является наиболее рентабельным, можно использовать дерево решений для анализа потенциальных результатов каждого проекта и выбрать тот, который, скорее всего, принесет наибольший доход. 

Как создать дерево решений

Следуйте этим пяти шагам, чтобы создать диаграмму дерева решений для анализа неопределенных результатов и достижения наиболее логичного решения. 

1. Начните со своей идеи

Начните свою диаграмму с одной основной идеи или решения. Начните с узла решения, а затем добавьте отдельные ветви для различных вариантов, между которыми вы выбираете.

Например, если вы хотите создать приложение, но не можете решить, создавать ли новое или обновить существующее, используйте дерево решений, чтобы оценить возможные результаты каждого из них. 

В этом случае исходный узел решения будет следующим: 

• Создать приложение

Три варианта (или ветви), между которыми вы выбираете: 

• Создать новое приложение для планирования

• Обновление существующего приложения для планирования

• Создать приложение для повышения продуктивности команды

2. Добавьте узлы шансов и решений

После добавления основной идеи в дерево продолжайте добавлять узлы шансов или решений после каждого решения, чтобы расширить дерево. После узла вероятности может потребоваться альтернативная ветвь, поскольку для выбора этого решения может быть несколько потенциальных результатов. 

Например, если вы решите создать новое приложение для планирования, есть вероятность, что ваш доход от него будет большим, если оно будет пользоваться успехом у клиентов. Но есть и вероятность, что приложение не будет пользоваться успехом, что приведёт к небольшому доходу. Ключевым моментом является отображение обоих потенциальных результатов в дереве решений. 

3. Расширяйте дерево до конечных точек

Продолжайте добавлять узлы шансов и решений в дерево решений до тех пор, пока не сможете расширить его дальше. На этом этапе добавьте в дерево конечные узлы, чтобы обозначить завершение процесса его создания. 

После завершения дерева можно приступать к анализу каждого из решений. 

4. Рассчитайте значения дерева

В идеале дерево принятия решений должно содержать количественные данные. Чаще всего в деревьях решений используются данные о денежной стоимости. 

Например, создание или обновление приложения обойдётся вашей компании в определённую сумму денег. Создание одного приложения также будет стоить больше или меньше, чем другого. Запись этих значений в дереве под каждым решением может помочь вам в процессе принятия решений. 

Вы также можете попробовать оценить ожидаемую ценность каждого решения, будь то большая или малая. Зная стоимость каждого результата и вероятность его наступления, можно рассчитать ожидаемое значение каждого результата по следующей формуле:

• Ожидаемая ценность (EV) = (Первый возможный результат x Вероятность результата) + (Второй возможный результат x Вероятность результата) - Стоимость 

Рассчитайте ожидаемое значение, умножив оба возможных результата на вероятность того, что каждый результат произойдёт, а затем сложите эти значения. Вам также нужно будет вычесть любые первоначальные затраты из общей суммы. 

5. Оценка результатов

Получив ожидаемые результаты для каждого решения, определите, какое из них лучше всего подходит вам, исходя из размера риска, на который вы готовы пойти. Не всегда стоит выбирать вариант с наибольшей ожидаемой ценностью. Это связано с тем, что, хотя это может привести к высокой выгоде, это также означает принятие на себя самого высокого уровня риска для проекта.  

Имейте в виду, что ожидаемая ценность в анализе дерева принятия решений определяется алгоритмом вероятности. Вы и ваша команда должны определить, как лучше всего оценить результаты дерева.

Преимущества и недостатки анализа с помощью дерева решений

При правильном использовании анализ с помощью дерева принятия решений может помочь вам принимать более обоснованные решения, но у него есть и свои недостатки. Если вы понимаете недостатки, связанные с деревьями решений, то можете воспользоваться преимуществами этого инструмента принятия решений. 

Плюсы

Когда вы пытаетесь принять сложное решение и обрабатываете большой объём данных, дерево решений поможет вам визуализировать возможные последствия или выгоды, связанные с каждым вариантом. 

• Прозрачность: самое лучшее в деревьях решений то, что они обеспечивают целенаправленный подход к принятию решений для вас и вашей команды. Проанализировав каждое решение и рассчитав его ожидаемую ценность, вы получите чёткое представление о том, какое решение наиболее целесообразно для вас. 

• Эффективность: деревья решений эффективны, поскольку для их создания требуется мало времени и ресурсов. Другие инструменты принятия решений, такие как опросы, пользовательское тестирование или прототипы, могут потребовать месяцев и больших денег. Дерево решений — это простой и эффективный способ решить, что делать. 

• Гибкость: если после создания дерева у вас появится новая идея, вы сможете легко добавить её в дерево. Если в ходе анализа вы получите новую информацию, можно добавить ветви для возможных результатов. 

Минусы

У дерева решений есть недостатки, которые делают его неидеальным инструментом для принятия решений. Понимая эти недостатки, вы можете использовать дерево как часть более широкого процесса прогнозирования.

• Сложность. Хотя деревья решений часто приводят к определённым конечным точкам, они могут стать сложными, если добавить в них слишком много решений. Если дерево разветвляется во многих направлениях, вам может быть трудно удержать его в рамках и рассчитать ожидаемые значения. Лучший способ использовать дерево решений — сделать его простым, чтобы оно не вызывало путаницы и не теряло своих преимуществ. Это может означать использование других инструментов принятия решений для сужения круга вариантов, а затем применение дерева решений, когда у вас останется всего несколько вариантов.

• Нестабильность. Важно поддерживать стабильность значений в дереве решений, чтобы уравнения оставались точными. Если изменить даже небольшую часть данных, более крупные данные могут развалиться.

• Рискованность. Поскольку дерево решений использует алгоритм вероятности, ожидаемое значение, которое вы рассчитываете, является оценкой, а не точным прогнозом каждого результата. Это означает, что к этим оценкам следует относиться с долей скептицизма. Если вы недостаточно взвесите вероятность и выгоды от своих результатов, вы можете взять на себя большой риск с решением, которое вы выберете. 

Пример анализа с помощью дерева решений

В приведенном ниже примере анализа с помощью дерева принятия решений показано, как можно построить древовидную диаграмму, если вы выбираете между созданием или обновлением нового программного приложения. 

По мере ветвления дерева ваши результаты включают большие и малые доходы, а затраты на проект вычитаются из ожидаемых значений.

Узлы принятия решений из этого примера: 

• Создать новое приложение для планирования: 50 тыс. долл. США

• Обновление существующего приложения для планирования: 25 000 $

• Создать приложение для повышения производительности команды: 75 000 $

Узлы вероятности из этого примера:

• Большой и малый доход для первого решения: 40 и 55%

• Большой и малый доход для второго решения: 60 и 38%

• Большой и малый доход для третьего решения: 55 и 45%

Конечные узлы из этого примера:

• Потенциальная прибыль для первого решения: 200 000 или 150 000 $

• Потенциальная прибыль для второго решения: 100 тыс. долл. США или 80 тыс. долл. США

• Потенциальная прибыль для третьего решения: 250 000 или 200 000 долларов

Хотя создание нового приложения для повышения продуктивности команды обойдётся команде дороже всего, анализ дерева решений показывает, что этот проект также принесёт компании наибольшую ожидаемую ценность. 

Используйте дерево решений, чтобы найти лучший результат

Можно нарисовать дерево решений вручную, но использование программного обеспечения для сопоставления возможных решений упростит добавление различных элементов в блок-схему, внесение изменений при необходимости и расчёт значений дерева. С помощью интеграции Asana с Lucidchart можно создать подробную диаграмму и поделиться ею с командой в централизованном инструменте управления проектами. 

Программное обеспечение для построения дерева решений позволит вам чувствовать себя уверенно в своих навыках принятия решений, чтобы вы могли успешно руководить своей командой и управлять проектами.