Cosa è l'analisi degli alberi decisionali (e a quale albero decisionale ci riferiamo)
Cerca 'albero decisionale' oggi e la maggior parte di ciò che trovi è un algoritmo di apprendimento automatico — un classificatore che suddivide i dati in base alle caratteristiche. Questa pagina riguarda lo strumento umano più antico: l'albero di analisi decisionale, la tecnica canonizzata in Decision Analysis di Howard Raiffa (1968) e nella tradizione di analisi decisionale di Harvard/Stanford, per ragionare sulle scelte in condizioni di incertezza.
La grammatica è piccola. I nodi decisionali (rappresentati come quadrati) sono punti in cui si sceglie. I nodi di opportunità (cerchi) sono punti in cui il mondo sceglie — un'approvazione arriva o non arriva, la domanda è alta o bassa — ogni ramo porta la tua probabilità stimata. I nodi terminali (foglie) portano il guadagno di arrivare lì. Il tempo scorre da sinistra a destra: prima l'impegno, poi le conseguenze a valle.
L'analisi è il rollback: partendo dalle foglie e lavorando all'indietro, ogni nodo di opportunità si riduce alla sua media ponderata per probabilità, ogni nodo decisionale al suo ramo migliore disponibile — perché quando arrivi lì, sceglierai il ramo migliore. Ciò che arriva alla radice è il valore atteso di ciascuna opzione iniziale, e spesso qualcosa di più utile: la scoperta che una strategia a fasi ('prima il pilota, poi decidi') domina sia l'impegno audace che il non fare nulla. Dove si trova nella cassetta degli attrezzi: modelli di decisione; per la versione statica della questione economica vedere analisi costi-benefici.
Quando usarlo — e quando non usarlo
Gli alberi decisionali si giustificano quando:
- ✓La decisione è sequenziale. Le scelte ora aprono o chiudono scelte future — piloti, investimenti graduali, strutture con opzione di espansione. Questo è il terreno di casa dell'albero, ed è ciò che i confronti piatti non possono vedere.
- ✓L'incertezza è discreta e stimabile. Approvazione normativa, chiusura dell'affare, traguardo tecnico — eventi sui quali puoi onestamente attribuire un intervallo di probabilità.
- ✓Suspecti che l'informazione abbia valore. Gli alberi valutano il ramo 'eseguire prima lo studio' — il valore atteso dell'acquisto della conoscenza prima di impegnarsi, uno dei contributi veramente profondi dell'analisi decisionale.
E dove ingannano:
- ✗Stake da mettere in gioco per l'azienda. Il valore atteso è il criterio giusto per decisioni ripetibili; per scommesse di sopravvivenza una tantum, una probabilità del 10% di rovina non è compensata da una media succulenta. L'atteggiamento verso il rischio deve essere considerato nell'analisi, e il valore atteso naive lo ignora.
- ✗Probabilità che nessuno può difendere. L'output dell'albero eredita la qualità delle sue stime; 0,6 digitato in un ramo è un'affermazione, e se nessuno può dire perché, l'aritmetica è teatro. (Questa è la connessione albero-argomento qui sotto.)
- ✗Esplosione combinatoria. Modellare ogni incertezza e l'albero diventa illeggibile. L'arte sta nel scegliere le due o tre incertezze che effettivamente guidano la decisione.
- ✗Profonda ambiguità. Quando non riesci nemmeno a enumerare i risultati, le probabilità sono premature — questo è il territorio della pianificazione degli scenari.
Passo dopo passo, con un esempio pratico
Scenario illustrativo: una startup di strumenti biotecnologici inventata che decide se lanciare il proprio prodotto ora o condurre prima uno studio di certificazione. La procedura:
- 1Inquadra la decisione principale. Tre rami dal primo quadrato: lanciare ora; eseguire prima lo studio di certificazione (un anno, a un costo); mettere da parte il prodotto.
- 2Mappa le incertezze per ramo. Lancia ora → nodo di probabilità: il mercato accetta il prodotto non certificato (stimato 40%) o lo rifiuta (60%). Studia prima → nodo di probabilità: certificazione concessa (70%) o negata (30%); se concessa, un ulteriore quadrato decisionale: lancia certificato (maggiore accettazione, stimato 80%) o licenzia la tecnologia.
- 3Allega i pagamenti alle foglie. Ogni stato finale riceve un valore: il successo del lancio certificato è il grande pagamento; il lancio non certificato fallito è una perdita più danno alla reputazione (costo esplicitamente indicato); l'archiviazione è zero meno lo sviluppo già sostenuto.
- 4Ripristina. Calcola la media di ogni nodo di opportunità in base alle sue probabilità; in ogni quadrato decisionale mantieni il miglior ramo. Supponiamo che i numeri rendano lo studio prima più vantaggioso rispetto al lancio immediato nonostante il ritardo di un anno — il miglioramento della certificazione nell'accettazione ripaga ampiamente l'attesa.
- 5Metti in evidenza le stime. A quale probabilità di accettazione il lancio immediato vince? Se la risposta è 55% e il tuo intervallo onesto è 30–50%, la conclusione è solida; se il punto di inversione si trova a metà intervallo, la decisione dipende da una stima — e quella stima merita l'analisi del passo 6.
- 6Interroga i numeri portanti. La stima di certificazione del 70% proveniva da qualche parte — approvazioni comparabili? giudizio del legale? Rendi esplicita e contestabile la base prima che l'aritmetica venga creduta.
Alberi decisionali e alberi argomentativi — complementi, non rivali
I nomi invitano alla confusione, quindi ecco la suddivisione chiara. Un albero decisionale calcola: date queste probabilità e guadagni, quale strategia vale di più? Un albero degli argomenti ragiona: queste probabilità e guadagni sono realmente credibili? In termini di qualità decisionale, l'albero decisionale struttura alternative (inclusi quelli in fase che l'analisi piatta ignora) e informazioni (stime rese esplicite); l'albero degli argomenti fornisce ragionamenti solidi su esattamente quegli input:
Ogni probabilità → una richiesta
"La certificazione ha successo con una probabilità di ~70%" diventa un argomento che porta la sua base — approvazioni comparabili, opinione del consulente — con sfide e supporto allegati, e una valutazione che riflette l'analisi del gruppo.
Ogni pagamento → un mini-caso
Il valore della foglia di grande successo è una previsione; le sue assunzioni (prezzi, tasso di adozione) diventano sotto-argomenti che qualcuno può attaccare prima che il numero faccia il suo lavoro.
La strategia raccomandata → rivendicazione principale
"Esegui prima lo studio" si trova alla radice con il rollback come prova principale — e i punti di inversione della sensibilità come domande aperte nominate.
Le stime si spostano → gli aggiornamenti dell'albero
Quando il consulente rivede le probabilità di approvazione, la richiesta si aggiorna, il rollback viene ricalcolato e il supporto visibile della raccomandazione cambia — niente foglio di calcolo obsoleto.
L'albero decisionale fa i calcoli; l'albero degli argomenti guadagna gli input. Esegui i numeri dove possono essere messi in discussione — vedi qualità della decisione per capire perché il collegamento di ragionamento è quello che nessun framework fornisce.
Alberi decisionali vs le alternative
| Se la tua domanda è… | Raggiungi per | Perché non un albero decisionale |
|---|---|---|
| Confronto one-shot, incertezza minore | Analisi costi-benefici | La macchina degli alberi non aggiunge nulla senza rami. |
| La flessibilità stessa è il valore — aspetta, stadio, abbandona | Pensiero delle opzioni reali | La logica delle opzioni estende l'albero con un'inquadratura a prezzo di mercato. |
| I risultati non possono essere enumerati, tanto meno probabilizzati. | Pianificazione degli scenari | Le probabilità su futuri inconoscibili sono un falso conforto. |
| Il sconto dei pagamenti lontani è il punto cruciale. | NPV & IRR: i limiti | Gli alberi ereditano ogni giudizio di sconto. |