Analisis Pokok Keputusan: Contoh, Langkah, EV

TL;DR

Pohon keputusan memetakan pilihan sebagai nod keputusan bercabang dan nod peluang, kemudian mengembalikan nilai yang dijangkakan untuk mencari strategi terbaik. (Teknik perniagaan — bukan algoritma ML.)

•Petak = pilihan anda, bulatan = pilihan dunia — dengan kebarangkalian pada cabang peluang dan ganjaran di daun
•Gulung balik dari kanan ke kiri: purata di nod peluang, pilih yang terbaik di nod keputusan — akar menunjukkan nilai jangkaan setiap pilihan
•Kuasa supernya adalah penjujukan: komitmen berperingkat dan strategi beli-maklumat-dahulu menjadi jelas dan berharga
•Probabiliti adalah titik lemah — pada pokok hujah, ia menjadi tuntutan dengan bukti daripada tekaan yang ditaip.

Apa itu analisis pokok keputusan (dan pokok keputusan yang mana yang kita maksudkan)

Cari 'pohon keputusan' hari ini dan kebanyakan yang anda temui adalah algoritma pembelajaran mesin — sebuah pengklasifikasi yang membahagikan data berdasarkan ciri. Halaman ini adalah tentang alat manusia yang lebih lama: pohon analisis keputusan, teknik yang diabadikan dalam Howard Raiffa's Decision Analysis (1968) dan tradisi analisis keputusan Harvard/Stanford, untuk berfikir melalui pilihan di bawah ketidakpastian.

Tatabahasa adalah kecil. Node keputusan (dilukis sebagai kotak) adalah titik di mana anda membuat pilihan. Node peluang (bulatan) adalah titik di mana dunia membuat pilihan — kelulusan datang atau tidak, permintaan tinggi atau rendah — setiap cabang membawa kebarangkalian yang anda anggarkan. Node terminal (daun) membawa pulangan bagi berakhir di sana. Masa mengalir dari kiri ke kanan: komitmen pertama dahulu, akibat hiliran selepas itu.

Analisis adalah rollback: bermula dari daun dan bekerja ke belakang, setiap nod peluang meruntuh kepada purata tertimbang kebarangkalian, setiap nod keputusan kepada cabang terbaik yang ada — kerana apabila anda sampai di sana, anda akan memilih cabang terbaik. Apa yang sampai di akar adalah nilai jangkaan setiap pilihan awal, dan sering kali sesuatu yang lebih berguna: penemuan bahawa strategi berperingkat ('pilot dahulu, kemudian putuskan') mengatasi kedua-dua komitmen berani dan tidak melakukan apa-apa. Di mana ia berada dalam kotak alat: model pembuatan keputusan; untuk versi statik soalan wang lihat analisis kos-manfaat.

Bila untuk menggunakannya — dan bila tidak untuk menggunakannya

Pohon keputusan berfungsi dengan baik apabila:

✓Keputusan adalah berurutan. Pilihan sekarang membuka atau menutup pilihan kemudian — juruterbang, pelaburan berperingkat, struktur pilihan untuk berkembang. Ini adalah kawasan rumah pokok, dan inilah yang tidak dapat dilihat oleh perbandingan rata.
✓Ketidakpastian adalah terpisah dan boleh dianggarkan. Kelulusan pengawalseliaan, penutupan perjanjian, pencapaian teknikal — peristiwa yang anda boleh dengan jujur meletakkan julat kebarangkalian.
✓Anda mengesyaki maklumat mempunyai nilai. Pokok menilai cabang 'jalankan kajian terlebih dahulu' — nilai yang dijangkakan untuk membeli pengetahuan sebelum membuat komitmen, salah satu sumbangan yang benar-benar mendalam dalam analisis keputusan.

Dan di mana mereka menyesatkan:

✗Taruhan yang melibatkan syarikat. Nilai yang dijangkakan adalah kriteria yang tepat untuk keputusan yang boleh diulang; untuk taruhan kelangsungan hidup sekali, peluang 10% untuk kebankrapan tidak dapat diimbangi oleh purata yang menarik. Sikap terhadap risiko perlu dimasukkan dalam analisis, dan EV naif mengabaikannya.
✗Probabiliti yang tiada siapa boleh pertahankan. Keluaran pokok mewarisi kualiti anggarannya; 0.6 yang ditaip ke dalam cabang adalah satu tuntutan, dan jika tiada siapa yang boleh mengatakan mengapa, aritmetik itu adalah teater. (Ini adalah sambungan argumen-pokok di bawah.)
✗Letupan kombinatorial. Modelkan setiap ketidakpastian dan pokoknya menjadi tidak dapat dibaca. Kesenian adalah memilih dua atau tiga ketidakpastian yang sebenarnya mempengaruhi keputusan.
✗Kekaburan mendalam. Apabila anda tidak dapat menyenaraikan hasilnya, kebarangkalian adalah terlalu awal — itu adalah wilayah perancangan senario.

Langkah demi langkah, dengan contoh yang telah diselesaikan

Senario ilustratif: sebuah startup alat bioteknologi yang direka cipta memutuskan sama ada untuk melancarkan produknya sekarang atau menjalankan kajian pensijilan terlebih dahulu. Prosedur:

1Rangka keputusan utama. Tiga cabang dari kotak pertama: luncurkan sekarang; jalankan kajian pensijilan terlebih dahulu (satu tahun, dengan kos); simpan produk.
2Peta ketidakpastian mengikut cabang. Luncurkan sekarang → nod peluang: pasaran menerima produk yang tidak disahkan (dianggarkan 40%) atau menolaknya (60%). Kajian dahulu → nod peluang: pensijilan diberikan (70%) atau ditolak (30%); jika diberikan, satu lagi kotak keputusan: luncurkan yang disahkan (penerimaan lebih tinggi, dianggarkan 80%) atau lesenkan teknologi tersebut.
3Lampirkan ganjaran di daun. Setiap keadaan akhir mendapat nilai: kejayaan pelancaran yang disahkan adalah ganjaran besar; pelancaran tidak disahkan yang gagal adalah kerugian ditambah kerosakan reputasi (dihitung secara eksplisit); penangguhan adalah sifar tolak pembangunan yang telah dibelanjakan.
4Kembali semula. Rata-rata setiap nod peluang mengikut kebarangkalian; pada setiap kotak keputusan, simpan cabang terbaik. Anggapkan bahawa angka-angka menjadikan kajian dahulu lebih berbaloi daripada melancarkan sekarang walaupun terdapat kelewatan setahun — peningkatan pengesahan terhadap penerimaan lebih daripada membayar untuk menunggu.
5Tekankan anggaran. Pada tahap kebarangkalian penerimaan manakah pelancaran sekarang menang? Jika jawapannya adalah 55% dan julat jujur anda adalah 30–50%, kesimpulannya adalah kukuh; jika titik flip berada di tengah julat, keputusan bergantung pada anggaran — dan anggaran itu memerlukan perhatian langkah 6.
6Interogasi nombor yang menyokong beban. Anggaran pensijilan 70% datang dari suatu tempat — kelulusan yang setara? penilaian penasihat? Jadikan asasnya jelas dan boleh dicabar sebelum aritmetik dipercayai.

Pohon keputusan dan pohon hujah — pelengkap, bukan saingan

Nama-nama tersebut mengundang kekeliruan, jadi berikut adalah pemisahan yang jelas. Sebuah pohon keputusan mengira: memandangkan kebarangkalian dan pulangan ini, strategi manakah yang paling berharga? Sebuah pohon hujah beralasan: adakah kebarangkalian dan pulangan ini sebenarnya boleh dipercayai? Dalam istilah kualiti keputusan, pohon keputusan menyusun alternatif (termasuk yang tidak diperhatikan dalam analisis rata yang berperingkat) dan maklumat (anggaran yang dinyatakan secara jelas); pohon hujah menyediakan penalaran yang kukuh tentang tepat input-input tersebut:

Setiap kebarangkalian → satu tuntutan

"Pensijilan berjaya dengan kebarangkalian ~70%" menjadi satu hujah yang membawa asasnya — kelulusan yang sebanding, pandangan penasihat — dengan cabaran dan sokongan yang dilampirkan, serta penilaian yang mencerminkan pemeriksaan kumpulan tersebut.

Setiap pembayaran → satu kes mini

Nilai daun kejayaan besar adalah ramalan; andaian-andaiannya (penetapan harga, kadar penerimaan) menjadi sub-hujah yang boleh diserang oleh seseorang sebelum angka itu melakukan kerjanya.

Strategi yang disyorkan → tuntutan utama

"Jalankan kajian terlebih dahulu" terletak di akar dengan rollback sebagai bukti utama — dan titik flip sensitiviti sebagai soalan terbuka yang dinamakan.

Anggaran bergerak → pokok mengemas kini

Apabila penasihat menyemak semula peluang kelulusan, tuntutan dikemas kini, pengembalian dikira semula, dan sokongan yang kelihatan bagi cadangan berubah — tiada hamparan yang lapuk.

Versi satu ayat

Pohon keputusan melakukan pengiraan; pohon hujah memperoleh input. Jalankan nombor di tempat yang boleh dicabar — lihat kualiti keputusan untuk mengapa pautan penalaran adalah yang tidak disediakan oleh mana-mana rangka kerja.

Pohon keputusan vs alternatif lain

Jika soalan anda adalah…	Capai untuk	Mengapa tidak menggunakan pokok keputusan
Perbandingan satu tembakan, ketidakpastian kecil	Analisis kos-manfaat	Mesin pokok tidak menambah apa-apa tanpa dahan.
Fleksibiliti itu sendiri adalah nilai — tunggu, tahap, tinggalkan	Pemikiran pilihan sebenar	Logik pilihan memperluas pokok dengan pembingkaian harga pasaran
Hasil tidak dapat dihitung, apatah lagi diproses menjadi kebarangkalian.	Perancangan senario	Kebarangkalian mengenai masa depan yang tidak dapat diketahui adalah keselesaan yang salah.
Pengurangan pembayaran yang jauh adalah inti masalah.	NPV & IRR: had-had	Pohon mewarisi setiap keputusan pengurangan diskaun.

Soalan Lazim

Apa itu analisis pokok keputusan dalam perniagaan?

Satu teknik analisis keputusan — berbeza daripada algoritma pembelajaran mesin yang berkongsi nama — yang memetakan keputusan sebagai diagram bercabang: nod keputusan (kotak) di mana anda memilih, nod peluang (bulatan) di mana peristiwa tidak pasti diselesaikan dengan kebarangkalian yang dianggarkan, dan hasil di daun. Menggulung kembali dari daun (purata berat kebarangkalian di nod peluang, cabang terbaik di nod keputusan) menghasilkan nilai jangkaan bagi setiap pilihan awal. Rawatan kanonik adalah Analisis Keputusan Howard Raiffa (1968). Kekuatan khasnya adalah dalam menangani keputusan berturutan — juruterbang, komitmen berperingkat — yang tidak dapat dilihat oleh perbandingan rata.

Bagaimana anda mengira nilai yang dijangkakan dalam pokok keputusan?

Bekerja ke belakang dari daun. Pada setiap nod peluang, kalikan pulangan setiap cabang dengan kebarangkaliannya dan jumlahkan — purata itu menjadi nilai nod. Pada setiap nod keputusan, ambil nilai cabang terbaik yang ada, kerana apabila anda sampai ke titik itu, anda akan memilihnya. Ulangi sehingga ke akar, di mana setiap pilihan awal membawa nilai jangkaan. Kemudian lakukan ujian tekanan: cari kebarangkalian di mana cadangan itu bertukar, dan bandingkan titik pertukaran itu dengan julat ketidakpastian jujur anda — kesimpulan yang bertukar dalam julat anda bergantung pada anggaran yang memerlukan perhatian yang serius.

Bilakah anda TIDAK seharusnya menggunakan nilai jangkaan?

Apabila keputusan adalah satu kali dan risiko adalah tidak dapat diterima. Nilai yang dijangkakan adalah kriteria yang tepat untuk keputusan yang boleh diulang, di mana purata sebenarnya terwujud selepas banyak percubaan. Untuk pertaruhan yang melibatkan syarikat, strategi dengan purata yang lebih tinggi tetapi peluang yang bermakna untuk kerugian tidaklah lebih baik — sikap terhadap risiko sememangnya perlu diambil kira dalam analisis. Respons praktikal: beri berat kepada hasil berdasarkan utiliti dan bukannya wang mentah, hadkan strategi untuk mengehadkan kes terburuk, atau struktur semula keputusan kepada peringkat supaya cabang yang bencana boleh ditinggalkan lebih awal — sering kali apa yang ditunjukkan oleh pokok itu.

Dari manakah kebarangkalian dalam pokok keputusan berasal?

Daripada penilaian — dan itu adalah kelemahan jujur kaedah tersebut. 0.7 pada satu cabang adalah satu tuntutan yang dibuat oleh seseorang, berdasarkan kes-kes yang sebanding, pendapat pakar, atau kadar asas, dan hasil pokok itu hanya sebaik tuntutan-tuntutan tersebut. Disiplin: tulis asas di sebelah setiap anggaran, uji ketahanan yang memikul beban, dan berikan mereka satu forum di mana mereka boleh dicabar. Di situlah pokok hujah melengkapi pokok keputusan: setiap kebarangkalian menjadi satu tuntutan dengan bukti dan bukti balas, dinilai oleh orang-orang yang paling layak untuk menilainya.

Apakah perbezaan antara pokok keputusan dan pokok hujah?

Mereka menjawab soalan yang berbeza dan berfungsi dengan baik apabila dihubungkan. Pokok keputusan mengira: memandangkan kebarangkalian dan pulangan ini, strategi manakah yang mempunyai nilai jangkaan terbaik? Pokok hujah berfikir: adakah kebarangkalian dan pulangan ini boleh dipercayai — apa yang menyokongnya, apa yang menyerangnya, dan bagaimana kes untuk cadangan itu bertahan di bawah cabaran? Dalam amalan, input pokok keputusan (setiap anggaran, setiap ramalan pulangan) wujud sebagai tuntutan pada pokok hujah, dan outputnya (strategi yang disyorkan) terletak di akar dengan rollback sebagai bukti utama.

Rangka kerja berkaitan

Analisis Kos-Manfaat

Menimbang kos terhadap manfaat dengan jujur: langkah monetisasi, keputusan yang dibuat dalam jumlah keseluruhan, dan perkara tidak ketara yang merosakkan CBA naif.

Berikan anggaran anda tempat untuk salah.

Kebarangkalian sebagai tuntutan dengan bukti, ganjaran sebagai kes mini, dan cadangan yang dikemas kini apabila input berubah — aritmetik pokok keputusan pada nombor yang diperdebatkan.

Mula Percuma — Tiada Kad Kredit

Percuma selamanya untuk individu

Analisis Pokok Keputusan: Memetakan Pilihan, Peluang, dan Nilainya

Analisis Pokok Keputusan