مدیریت یک سازمان اغلب با انتخابهای متعدد مواجه میشود که این امر به نوبهی خود گزینههای بسیاری را پیش روی او میگذارد. در بسیاری از موارد، مدیریت تنها منابع لازم برای انتخاب یکی از گزینهها را دارد که این مسئله مدیریت را با مشکلِ هزینه فرصت (هزینههای ناشی از رد بهترین گزینه جایگزین در هنگام اخذ یک تصمیم) روبهرو میکند. یکی از راه های کاربردی استفاده از درخت تصمیم است. اما درخت تصمیم گیری چیست ؟ در ادامه با آموزش دو مثال برای درخت تصمیم گیری با ما همراه باشید…
در این ویدئوی آموزشی استفاده از اکسل برای ایجاد درخت تصمیم را خواهید آموخت:
برای دانلود افزونه، انتهای صفحه را ببینید…
درخت تصمیم چیست؟
در برخی مواقع تصمیم گیری در مورد انتخاب یک گزینه ممکن است دشوار باشد. یک روش مفید برای ارزیابی گزینهها، درخت تصمیم است. این تکنیک گزینههای سرمایه گذاری مختلف را که تحت شرایط ریسکی و عدم اطمینان در دسترس تصمیم گیرنده قرار دارند را به صورت یک طرح گرافیکی، و به شکل تصمیمات متوالی و رویدادهای احتمالی، بررسی میکند.
درخت تصمیم یک ابزار پشتیبانی از تصمیم گیری است که همانگونه که از اسم آن مشخص است از نموداری درخت مانند استفاده میکند. این نمودار به صورت بیان تصمیم و ارزیابی پیامدهای احتمالی هر تصمیم ، از جمله نتایج رویدادهای احتمالی، هزینههای منابع و ابزارها ایجاد میشود. درخت تصمیم یک راه برای نمایش یک الگوریتم است که شامل عبارات کنترلی و شرطی است.
بیشتر بخوانید: انتخاب بهترین گزینه بر اساس مقایسه | پیاده سازی روش ISM در اکسل
درخت تصمیم در مدیریت ریسک
اصطلاح تجزیه و تحلیل تصمیم، در سال ۱۹۶۴ توسط رونالد اِی هاوارد مطرح شد. یکی از کاربردهای درخت تصمیم گیری در مدیریت است. در بحث مدیریت ریسک پروژه ، درخت تصمیم به تحلیل گر کمک میکند تا با در نظر گرفتن وقایع آینده، بهترین تصمیم گیری را در زمان حال داشته باشد. بنابراین، خروجی اصلی مورد انتظار ما در بحث مدیریت ریسک ، تحلیل و ارزیابی منطقی ریسک است یعنی تمامی گزینههایی را که میتوان انتخاب کرد و همچنین ارزش انتظاری تمامی خروجیهای ممکن (مانند میزان سود یا برگشت سرمایه) را نمایش دهد.
درخت تصمیم به زبان ساده یک روش ترسیمی است که تصمیمات مختلف و خروجیهای محتملی که با این تصمیمات ممکن است اتفاق بیفتد را به صورت متوالی نمایش میدهد. درخت تصمیم از یک پیشامد یا یک تصمیم اولیه آغاز میشود و مسیرها و خروجیهای ممکن را به عنوان نتیجهای از پیشامدها مدل میکند.
بیشتر بخوانید:
ارزیابی ریسک به روش FMEA چیست ؟
دانلود نرم افزار FMEA
تعریف استاندارد PMBOK از درخت تصمیم
PMBOK درخت تصمیم را به عنوان نموداری تعریف میکند که تعاملات کلیدی بین تصمیم ها و حوادث احتمالی مربوط به آن را به شکلی که تصمیم گیرندگان درک کنند به تصویر میکشد. درخت تصمیم گیری یک دنبالهای از تصمیمات و نتایج مورد انتظار از اتخاذ این تصمیمات را نشان میدهد. در جایی که احتمال رویدادها و مقادیر خروجی مشخص است، بهعنوان مدل های کمی تصمیم گیری در فرآیند تصمیم گیری مورد استفاده قرار می گیرند.
هدف و نحوهی استفاده از درخت تصمیم چیست؟
به زبان ساده هدف درخت تصمیم، تولید یک مقدار کمی مورد انتظار برای هر گزینهی تصمیم گیری است که این مقدار از مجموع احتمالات و ارزشهای وزنی آنها به دست میآید.
- نمودار با یک گره تصمیم شروع میشود
- رویدادهای احتمالی مهم و تصمیمات به شکل متوالی بهعنوان فرآیند تصمیم گیری رسم میشوند
- تصمیم ها بهصورت گرههای مربعی رسم میشوند که با خطوط مستقیم یا «شاخهها» به یکدیگر وصل میشوند
- یک درخت تصمیم گیری ساختاری شبیه به نمودار است که در آن هر گره داخل درخت تصمیم یک “آزمون و آزمایش” و هر شاخهی این درخت نتیجه آزمایش را نشان میدهد
- زمانی که یک گره به انتها میرسد، مسیر ریشه تا گره انتهایی یک دسته یا طبقهبندی را نشان می دهد
- زمانی که به طور مثال هزینه و احتمالات تقریبا مشخص باشد میتوان به عنوان مدل های کمی تصمیم گیری استفاده شود
مثالی از نحوه کارکرد درخت تصمیم:
مثال زیر به زبان ساده استفاده از درخت تصمیم را نشان میدهد. این مثال نتایج احتمالی از باز کردن یا باز نکردن یک کارخانه جدید را پیشبینی میکند که در آن شرایط مختلف تصمیم گیری بررسی میشود. واکنش رقیب و وضعیت اقتصادی بعد از انتخاب هر تصمیم را در نظر میگیرد و همچنین تصمیم گیری در مورد اینکه آیا پیش برود یا نه، به لحاظ آماری و با میزان سود برگشتی از هر تصمیم محاسبه میشود.
در این مثال به عنوان نمونه تصمیم برای بازنکردن کارخانه جدید دارای هزینه 50 میلیون تومانی برای شرکت است؛ و همچنین بعد از اتخاذ این تصمیم با توجه به بررسی شرکت رقیب، احتمال بازکردن کارخانه جدید توسط رقیب 50% است. میخواهیم این شرایط را با حالت دیگری، یعنی تصمیم برای باز کردن یک کارخانه جدید، با اطلاعات موجود در شکل بالا بررسی کنیم. برای این کار از نرم افزار اکسل برای بررسی این شرایط استفاده میکنیم چون با آدرسدهی مناسب امکان آنالیز حساسیت نیز در آن وجود خواهد داشت. نتایج در درخت زیر نشان داده شده است.
با بررسی درخت تصمیمی که ترسیم کردیم مشخص شد با توجه به رویدادهای احتمالی آینده، حدود 8 حالت مختلف می تواند برای کسب و کار ما اتفاق بیفتد و در بهترین حالت انتخاب، انتخاب طرح دوم یا همان بازکردن کارخانه جدید برای ما درآمد بیشتری را خواهد داشت و درآمدمان 103 میلیون تومان خواهد بود، در صورتی که اگر طرح اول را انتخاب کنیم حدود 47 میلیون تومان درآمد نصیب شرکت خواهد شد.
بیشتر بخوانید: شبیه سازی مونت کارلو در کنترل پروژه + دانلود فایل آموزش
مثال دوم از درخت تصمیم
در این مثال ما دو طرح 1 و 2 را برای انتخاب و اجرا در پیش رو داریم. طرح اول ایجاد یک بازار بزرگ و طرح دوم ایجاد یک بازار محدود و کوچک است که اطلاعات آن در جدول زیر مشخص شده است. به عنوان مثال میزان سرمایه گذاری در طرح دوم 20 میلیون تومان است و احتمال میانگین سود بالا 65% و احتمال میانگین سود کم 35% خواهد بود.
ترسیم درخت تصمیم در اکسل برای انتخاب یکی از دو طرح برپایی یک بازار بزرگ یا محدود
بعد از وارد کردن اطلاعات در درخت تصمیم مشخص میشود که انتخاب طرح اول، ایجاد یک بازار بزرگ برای شرکت دارای سود بازگشتی بیشتری معادل 32 میلیون تومان خواهد بود.
مزایای استفاده از درخت تصمیم چیست ؟
دو مثال قبلی نشان داد که چقدر استفاده از درخت تصمیم می تواند در تصمیم گیری مفید باشد و اگر تعداد حالات ما بیشتر و پیچیدهتر باشد اهمیت این روش بیش از پیش مشخص خواهد شد. این تکنیک به روشن سازی و ارتباط بین یک توالی از انتخابها و تصمیمات کمک میکند. این تکنیک در صنایع بزرگ و کوچک برای تصمیم گیری و همچنین به عنوان مدل های کمی تصمیم گیری در مورد روشهای ساخت و ساز، قراردادها و تصمیمات سرمایه گذاری جدید استفاده میشود. درخت تصمیم میتواند در هر وضعیتی که در آن یک گزینه یا هزینه فرصت وجود دارد و نیاز به ارزیابی یک تصمیمگیری است بکار برود.
درخت های تصمیم برای چه مواردی استفاده می شوند؟
درختان تصمیم با وجود معایبی که دارند، هنوز یک ابزار قدرتمند و محبوب هستند. آنها معمولاً توسط تحلیلگران داده برای انجام تجزیه و تحلیل و پیش بینی (به عنوان مثال برای توسعه استراتژی های عملیات در مشاغل) استفاده می شوند. آنها همچنین یک ابزار محبوب برای یادگیری ماشین و هوش مصنوعی هستند، جایی که از آنها به عنوان الگوریتم های آموزشی برای یادگیری نظارت شده استفاده می شود (یعنی دسته بندی داده ها بر اساس تست های مختلف، مانند طبقه بندی “بله” یا “خیر”.)
به طور کلی، درختان تصمیم در طیف وسیعی از صنایع برای حل بسیاری از مشکلات استفاده می شوند. به دلیل انعطاف پذیری، آنها در بخش هایی از فناوری و سلامت گرفته تا برنامه ریزی مالی استفاده می شوند. مثالها عبارتند از:
- یک تجارت فناوری که فرصت های توسعه را بر اساس تجزیه و تحلیل داده های فروش گذشته ارزیابی می کند.
- یک شرکت اسباببازی که بر اساس اطلاعات جمعیتی نشان میدهد که مشتریان احتمالاً خرید میکنند، و بر آن اساس تصمیم میگیرد بودجه تبلیغاتی محدود خود را کجا هدف قرار دهد.
- بانکها و ارائهدهندگان وام مسکن از دادههای تاریخی برای پیشبینی میزان احتمال عدم پرداخت وامگیرنده در پرداختهای خود استفاده میکنند.
- تریاژ اتاق اورژانس ممکن است از درخت های تصمیم برای اولویت بندی مراقبت از بیمار استفاده کند (بر اساس عواملی مانند سن، جنسیت، علائم و غیره)
- سیستمهای تلفن خودکار که شما را به نتیجهای که نیاز دارید راهنمایی میکنند، به عنوان مثال. برای گزینه اول ، 1 را فشار دهید. برای گزینه دوم، 2 را فشار دهید و غیره.
همانطور که می بینید، استفاده های زیادی برای درختان تصمیم وجود دارد!
گذاشتن کامنت