Analiza decyzji (DA) - KamilTaylan.blog
4 maja 2021 17:34

Analiza decyzji (DA)

Co to jest analiza decyzji (DA)?

Analiza decyzji (DA) to systematyczne, ilościowe i wizualne podejście do podejmowania i oceny ważnych wyborów, przed którymi czasami stają firmy. Ronald A. Howard, profesor nauk o zarządzaniu i inżynierii na Uniwersytecie Stanforda, przypisuje się zapoczątkowaniu tego terminu w 1964 r. Pomysł ten jest używany zarówno przez duże, jak i małe korporacje przy podejmowaniu różnych rodzajów decyzji, w tym w zarządzaniu, operacjach, marketingu, kapitale inwestycje lub wybory strategiczne.

Zrozumienie analizy decyzji (DA)

Analiza decyzji wykorzystuje różnorodne narzędzia do oceny wszystkich istotnych informacji pomocnych w procesie podejmowania decyzji i obejmuje aspekty psychologii, technik zarządzania, szkolenia i ekonomii. Jest często używany do oceny decyzji, które są podejmowane w kontekście wielu zmiennych i które mają wiele możliwych wyników lub celów. Z procesu tego mogą skorzystać osoby lub grupy próbujące podjąć decyzję związaną z zarządzaniem ryzykiem, inwestycjami kapitałowymi i strategicznymi decyzjami biznesowymi.

Kluczowe wnioski

  • Analiza decyzji to systematyczne, ilościowe i wizualne podejście do podejmowania strategicznych decyzji biznesowych.
  • Analiza decyzji wykorzystuje różnorodne narzędzia, a także obejmuje aspekty psychologii, technik zarządzania i ekonomii.
  • Ryzyko, inwestycje kapitałowe i strategiczne decyzje biznesowe to obszary, w których można zastosować analizę decyzji.
  • Drzewa decyzyjne i diagramy wpływów to reprezentacje wizualne, które pomagają w procesie analizy.
  • Krytycy argumentują, że analiza decyzji może łatwo doprowadzić do paraliżu analitycznego oraz, z powodu przeciążenia informacją, niemożności podjęcia jakichkolwiek decyzji.

Graficzną reprezentację alternatyw i możliwych rozwiązań, a także wyzwań i niepewności można utworzyć na drzewie decyzyjnym lub diagramie wpływu. Opracowano również bardziej wyrafinowane modele komputerowe, aby pomóc w procesie analizy decyzji.

Celem takich narzędzi jest zapewnienie decydentom alternatywnych rozwiązań podczas próby osiągnięcia celów biznesowych, przy jednoczesnym określeniu związanych z nimi niepewności i zapewnieniu miar, jak dobrze cele zostaną osiągnięte po osiągnięciu ostatecznych rezultatów. Niepewności są zwykle wyrażane jako prawdopodobieństwa, podczas gdy tarcia między sprzecznymi celami są postrzegane w kategoriach kompromisów i funkcji użyteczności. Oznacza to, że cele są postrzegane pod kątem ich wartości lub, jeśli zostaną osiągnięte, ich oczekiwanej wartości dla organizacji.

Pomimo pomocnego charakteru analizy decyzji, krytycy sugerują, że główną wadą tego podejścia jest „ paraliż analityczny ”, czyli przemyślenie sytuacji do tego stopnia, że ​​nie można podjąć żadnej decyzji. Ponadto niektórzy badacze badający metodologie stosowane przez decydentów argumentują, że ten rodzaj analizy nie jest często wykorzystywany.

Przykłady analizy decyzji

Jeśli firma deweloperska decyduje się na budowę nowego centrum handlowego w jakimś miejscu, może przeanalizować kilka elementów, które pomogą im w procesie decyzyjnym. Mogą to być ruch w proponowanej lokalizacji w różne dni tygodnia o różnych porach, popularność podobnych centrów handlowych w okolicy, dane demograficzne, lokalna konkurencja i preferowane zwyczaje zakupowe mieszkańców obszaru. Wszystkie te elementy można umieścić w programie do analizy decyzji i przeprowadzić różne symulacje, które pomagają firmie podjąć decyzję dotyczącą centrum handlowego.

Innym przykładem jest firma, która ma patent na nowy produkt, który ma być szybko sprzedawany przez dwa lata, zanim stanie się przestarzały. Firma staje przed wyborem, czy sprzedać patent teraz, czy zbudować produkt we własnym zakresie. Każda opcja wiąże się z możliwościami, ryzykiem i kompromisami, które można przeanalizować za pomocą drzewa decyzyjnego uwzględniającego korzyści ze sprzedaży patentu, a wersety dotyczące samodzielnego wytwarzania produktu. W ramach tych dwóch gałęzi drzewa można utworzyć inną grupę drzew decyzyjnych, aby uwzględnić takie rzeczy, jak optymalna cena sprzedaży patentu lub koszty i korzyści związane z wytwarzaniem produktu we własnym zakresie.