Модели и методы принятия решений

Однако цифры помогают выявить кое-что пропущенное из статистики за прошлый сезон. Джеф Берроуз, к примеру, набирал 0,220 днем и 0,304 по вечерам. Узин Гросс имел 0,321 на искусственном покрытии, но всего 0,239 на траве. На Хита (0,338) можно было ставить в позиции нападения против таких бегунов, как Лопес (0,234). В этом сезоне Элвес намерен собрать гораздо более подробную информацию. «У меня будет записано, куда был отбит каждый мячик, — говорит он, — куда попадают удары игрока на линии, куда ложатся его ауты. Это позволит определить тенденции».

Так же важно, что компьютерная информация фиксирует тенденции  в игре противника, и, если тренер видит  определенную картину, он в состоянии  скорректировать игру защитников. «Эта работа становится увлекательной, —  говорит Элвес, — когда ты действительно влияешь на игру».

Время от времени в минувшем году и тренер Мартин проявлял интерес. Так, игрок команды соперников Боб  Оучинко как-то вечером сказал журналистам, что без проблем мог бы побить оклендца Регги Джексона. Мартин попросил Элвеса дать информацию — ив самом деле Регги имел 1 к 9 против Оучинко. В следующий раз Мартин уже не так сопротивлялся идее не ставить их друг против друга.

Однако чаще всего Элвес работал непосредственно на комментаторов. «Когда игры проходят в Окленде, перед Биллом и Лоном стоит по монитору, — рассказывал он, — они сразу видят средний балл игрока по подачам за сезон и его успехи. Они могут получить его показатели дома и на выезде, против конкретного подающего, в играх с конкретной командой, даже его достижения в той или другой позиции».

«В бейсболе достаточно силен  человеческий элемент, — говорит  Элвес. — Если вы будете напирать на цифры, погубите игру. Идея заключается в том, чтобы использовать компьютер, но не давать ему поработить мозг».

Тренер намерен использовать информацию Элвеса, в основном, для предигровой подготовки. «Игроки, обсуждая предстоящего соперника, обычно спорят, кто, к примеру, отбивает высоко, а кто низко, или где удобнее всего стоять против определенной подачи. Наши подающие будут обо всем знать заранее».

Источник: San Francisco Chromicle, March 25, 1983, pp. 77, 80. Reprinted with permission.

ПРОВЕРКА МОДЕЛИ НА ДОСТОВЕРНОСТЬ. После построения модели ее следует  проверить на достоверность. Один из аспектов проверки заключается в  определении степени соответствия модели реальному миру. Специалист по науке управления должен установить — все ли существенные компоненты реальной ситуации встроены в модель. Это, конечно, может оказаться непростым  делом, если задача сложна. Проверка многих моделей управления показала, что  они несовершенны, поскольку не охватывают всех релевантных переменных. Естественно, чем лучше модель отражает реальный мир, тем выше ее потенциал как  средства оказания помощи руководителю в принятии хорошего решения, если предположить, что модель не слишком сложна в  использовании.

Второй аспект проверки модели связан с установлением степени, в которой информация, получаемая с ее помощью, действительно помогает руководству совладать с проблемой.

Продолжим наш пример. Если бы модель для фармацевтической фирмы  действительно снабдила руководство  достоверной информацией о том, как часто и в каких количествах  следует заказывать материалы и  запасные части, ее можно было считать  полезной, поскольку выходная информация позволила бы руководству принять  эффективные корректирующие меры в  отношении задержек поставок.

Хороший способ проверки модели заключается в опробовании ее на ситуации из прошлого. Фармацевтическая фирма могла бы приложить свою модель к разрешению проблемы запасов  за последние три года. Если модель точна, решение проблемы запасов  с использованием конкретных количественных и временных показателей должно выявить конкретные причины, приведшие  к задержкам. Руководство могло  бы также определить, смогла ли полученная на модели информация (если ее удалось  бы получить) помочь в разрешении производственных трудностей и ликвидации задержек.

ПРИМЕНЕНИЕ МОДЕЛИ. После  проверки на достоверность модель готова к использованию. Как говорит  Шеннон, ни одну модель науки управления «нельзя считать успешно выстроенной, пока она не принята, не понята и  не применена на практике» . Это кажется очевидным, но зачастую оказывается одним из самых тревожных моментов построения модели. Согласно одному обследованию отделов, анализирующих операции на корпоративном уровне, лишь около 60% моделей науки управления были использованы в полной или почти полной мере. В других обследованиях также установлено, что финансовые руководители американских корпораций и западноевропейские управляющие маркетингом недостаточно широко используют модели для принятия решений . Основная причина недоиспользования моделей руководителями, которые должны их применять, возможно заключается в том, что они их опасаются или не понимают.

Если модели науки управления создаются специалистами штабных  служб (а так обычно и бывает), линейные руководители, для которых  они предназначены, должны принимать  участие в постановке задачи и  установлении требований по информации, получаемой из модели. Согласно исследованиям, когда это имеет место, применение моделей увеличивается на 50%. Кроме  того, таких руководителей следует  научить использовать модели, объяснив среди прочего, как модель функционирует, каковы ее потенциальные возможности  и ограничения.

ОБНОВЛЕНИЕ МОДЕЛИ. Даже если применение модели оказалось успешным, почти наверняка она потребует  обновления. Руководство может обнаружить, что форма выходных данных не ясна или желательны дополнительные данные. Если цели организации изменяются таким  образом, что это влияет на критерии принятия решений, модель необходимо соответствующим  образом модифицировать. Аналогичным  образом, изменение во внешнем окружении  — например, появление новых потребителей, поставщиков или технологии —  может обесценить допущения и  исходную информацию, на которых основывалась модель при построении.

 

 

 

 

 

 

 

 

МЕТОДЫ ПРИНЯТИЯ РЕШЕНИЙ

Практически любой метод  принятия решений, используемый в управлении, можно технически рассматривать  как разновидность моделирования. Однако по традиции термин «модель» обычно относится лишь к методам общего характера, только что описанным выше, а также к многочисленным их специфическим разновидностям. В дополнение к моделированию, имеется ряд методов, способных оказать помощь руководителю в поиске объективно обоснованного решения по выбору из нескольких альтернатив той, которая в наибольшей мере способствует достижению целей. Под заголовок данного раздела попадают платежная матрица и дерево решений, описанные ниже. Для облегчения использования этих методов и вообще повышения качества принимаемых решений руководство пользуется прогнозированием. Наиболее распространенные методы прогнозирования рассмотрены в следующем разделе. Наша цель заключается в том, чтобы помочь понять суть этих инструментов, а не научить ими пользоваться.

Платежная матрица

Суть каждого принимаемого руководством решения — выбор  наилучшей из нескольких альтернатив  по конкретным установленным заранее  критериям. (Если вы захотите вспомнить  рассмотрение ограничений и критериев  для принятия решений, обратитесь к  гл. 6). Платежная матрица — это один из методов статистической теории решений, метод, который может оказать помощь руководителю в выборе одного из нескольких вариантов. Он особенно полезен, когда руководитель должен установить, какая стратегия в наибольшей мере будет способствовать достижению целей.

По словам Н. Пола Лумбы: «Платеж представляет собой денежное вознаграждение или полезность, являющиеся следствием конкретной стратегии в сочетании с конкретными обстоятельствами. Если платежи представить в форме таблицы (или матрицы), мы получаем платежную матрицу», как показано на рис. 8.4. Слова «в сочетании с конкретными обстоятельствами» очень важны, чтобы понять, когда можно использовать платежную матрицу и оценить, когда решение, принятое на ее основе, скорее всего будет надежным. В самом общем виде матрица означает, что платеж зависит от определенных событий, которые фактически свершаются. Если такое событие или состояние природы не случается на деле, платеж неизбежно будет иным.

В целом платежная матрица  полезна, когда:

1. Имеется разумно ограниченное  число альтернатив или вариантов  стратегии для выбора между  ними.

2. То, что может случиться,  с полной определенностью не  известно.

3. Результаты принятого  решения зависят от того, какая  именно выбрана альтернатива и какие события в действительности имеют место.

Кроме того, руководитель должен располагать возможностью объективной  оценки вероятности релевантных  событий и расчета ожидаемого значения такой вероятности. Руководитель редко имеет полную определенность. Но также редко он действует в  условиях полной неопределенности. Почти  во всех случаях принятия решений  руководителю приходится оценивать вероятность или возможность события. Из предшествующего рассмотрения напомним, что вероятность варьирует от 1, когда событие определенно произойдет, до 0, когда событие определенно не произойдет. Вероятность можно определить объективно, как поступает игрок в рулетку, ставя на нечетные номера. Выбор ее значения может опираться на прошлые тенденции или субъективную оценку руководителя, который исходит из собственного опыта действий в подобных ситуациях.

Если вероятность не была принята в расчет, решение всегда будет соскальзывать в направлении  наиболее оптимистических последствий. Например, если исходить из того, что  инвесторы на удачной кинокартине  могут иметь 500% на инвестированный  капитал, а при вложении в торговую сеть — в самом благоприятном  варианте всего 20%, то решение всегда должно быть в пользу кинопроизводства. Однако если взять в расчет, что  вероятность большого успеха кинофильма весьма невысока, капиталовложения в  магазины становятся более привлекательными, поскольку вероятность получения  указанных 20% очень значительна. Если взять более простой пример, то выплаты при ставках в заезде на длинную дистанцию на скачках выше, поскольку выше вероятность, что не выиграешь вообще ничего.

Вероятность прямо влияет на определение ожидаемого значения — центральной концепции платежной  матрицы. Ожидаемое значение альтернативы или варианта стратегии — это сумма возможных значений, умноженных на соответствующие вероятности. К примеру, если вы считаете, что вложение средств (как стратегия действий) в киоск для торговли мороженым с вероятностью 0,5 обеспечит вам годовую прибыль 5000 долл., с вероятностью 0,2 — 10 000 долл. и с вероятностью 0,3 — 3000 долл., то ожидаемое значение составит:

5000 (0,5) + 10 000 (0,2) + 3000 (0,3) = 5400 долл.

Определив ожидаемое значение каждой альтернативы и расположив результаты в виде матрицы, руководитель без труда может установить, какой выбор наиболее привлекателен при заданных критериях. Он будет, конечно, соответствовать наивысшему ожидаемому значению. Исследования показывают: когда установлены точные значения вероятности, методы дерева решений и платежной матрицы обеспечивают принятие более качественных решений, чем традиционные подходы.

Рис. 8.5.Дерево решений.

Дерево решений

Дерево решений — еще  один популярный метод науки управления, используемый для выбора наилучшего направления действий из имеющихся  вариантов. «ДЕРЕВО РЕШЕНИЙ —  это схематичное представление  проблемы принятия решений». Как и  платежная матрица, дерево решений  дает руководителю возможность «учесть  различные направления действий, соотнести с ними финансовые результаты, скорректировать их в соответствии с приписанной им вероятностью, а затем сравнить альтернативы» . Концепция ожидаемого значения является неотъемлемой частью метода дерева решений.

Методом дерева решений можно  пользоваться в ситуациях, подобных описанной выше, в связи с рассмотрением  платежной матрицы. В этом случае предполагается, что данные о результатах, вероятности и т.п. не влияют на все  последующие решения. Однако дерево решений можно построить под  более сложную ситуацию, когда  результаты одного решения влияют на последующие решения. Таким образом, дерево решений — это полезный инструмент для принятия последовательных решений.

На рис. 8.5. проиллюстрировано  применение метода дерева решений для  разрешения проблемы, требующей определенной последовательности решений. Вице-президент  по производству из компании, в настоящее  время выпускающей электрические  газонокосилки, считает, что расширяется  рынок ручных косилок. Он должен решить, стоит ли переходить на производство ручных косилок, и если сделать это, — стоит или не стоит продолжать выпуск электрических газонокосилок. Производство косилок обоих типов  потребует увеличения производственных мощностей. До принятия решения руководитель собрал релевантную информацию об ожидаемых  выигрышах в случае тех или  иных вариантов действий и о вероятности  соответствующих событий. Эта информация представлена на дереве решений.

ПРИМЕР 8.3. Как сделать  полезными прогнозы деловой активности

Прогнозы полезны для  планирования и осуществления деловых операции только в том случае, если компоненты прогноза тщательно продуманы, а ограничения, содержащиеся в прогнозе, откровенно названы. Существует несколько способов сделать это:

Спросите себя, для чего нужен прогноз, какие решения  будут на нем основаны. Этим определяется потребная точность прогноза. Некоторые  решения принимать опасно, даже если возможная погрешность прогноза — менее 10%. Другие решения можно  принимать безбоязненно даже при  значительно более высокой допустимой ошибке.

Определите изменения, которые должны произойти, чтобы прогноз оказался достоверным. Затем с осмотрительностью оцените вероятность соответствующих событий.

Определите компоненты прогноза. Подумайте об источниках данных.

Определите, насколько ценен  опыт прошлого в составлении прогноза. Не настолько ли быстры изменения, что  основанный на опыте прогноз будет  бесполезным? Дают ли данные по подобным продуктам (или вариантам развития) основания для составления прогноза о судьбе вашего продукта? Насколько  просто или недорого можно будет  получить надежную информацию об опыте  прошлого?

Определите, насколько структурированным  должен быть прогноз. При прогнозировании  сбыта может быть целесообразно выделить отдельные части рынка (развивающиеся потребители, стабильные потребители, крупные и мелкие потребители, вероятность появления новых потребителей и т.п.).

Источник: Boardroom Reports, August 15, 1977, р. 10, in John С. Chambers, Satinder К. Mullick, and Donald D. Smith, An Executive's Guide to Forecasting (New York: Wiley, 1974). Reprinted from Boardroom Reports, Inc. Management's Source of Useful Information.

Используя дерево решений, руководитель находит путем возврата от второй точки к началу наиболее предпочтительное решение — наращивание производственных мощностей под выпуск косилок  обоих типов. Это обусловлено  ожидаемым выигрышем (3 млн. долл.), который  превышает выигрыш (1 млн. долл.) при  отказе от такого наращивания, если в  точке А будет низкий спрос на электрические косилки.