Разработка управленческого решения с использованием метода «Дерево решений»

Групповые решения. С усложнением задач управления производственными системами выработка и принятиё решений все чаще являются предметом группового, коллективного творчества. Решения становятся коллегиальными.

Решения, связанные с риском, как правило, особо ответственны. Поэтому здесь роль выбора решения весьма велика. Ответственность, однако, далеко не единственная причина, по которой приходится прибегать к групповым решениям. Групповой выбор решения в ряде случаев, оказывается менее субъективным, дает возможность выявить больше альтернатив, всесторонне оценить многочисленные варианты, выбрать из них лучшие и устранить слабые.

3) По объекту управления. В зависимости от степени охвата объекта выделяют общие, частные, локальные решения.

• общие (глобальные) решения охватывают всю управляемую систему. Принятие подобных решений требует глубокого и всестороннего изучения деятельности объекта как целостной системы;
• частные решения касаются отдельных сторон деятельности объекта. Обычно они не требуют предварительного серьезного анализа работы всего объекта;
• локальные решения отличаются от частных тем, что имеют отношение к конкретному элементу системного объекта (например, к одному цеху организации).

4) По длительности действия, масштабу и характеру целей  решения подразделяют на:

• стратегические;
• тактические;
• оперативные.

Стратегические решения масштабны и рассчитаны на большой срок. Тактические решения обычно краткосрочны и принимаются для выполнения частных и локальных задач.

5) По содержанию решения  подразделяются на:

• решения количественного характера (например, вложить определенную сумму средств в модернизацию производства или маркетинг);
• решения неколичественного характера (например, прием на работу или перевод сотрудника на другую должность).

6) По степени полноты  имеющейся информации решения  могут приниматься в условиях  определенности и неопределенности. В свою очередь каждая из  этих групп решений может быть  подразделена на подгруппы. Например, в зависимости от степени неопределенности различают:

• стандартные решения;
• решения при слабой неопределенности;
• решения при значительной неопределенности;
• решения при большой неопределенности.

7) по условиям принятия  решения подразделяются на:

• решения, принимаемые в условиях определенности, когда решение основывается на точном определении оптимального результата, который будет, достигнут в результате его реализации;
• решение, принимаемое в условиях риска, когда принимается решение, которое может дать лучший результат, но одновременно велика вероятность значительных потерь;
• решение, принимаемое в условиях неопределенности, когда выбирается вариант решения, который может дать результат наиболее близкий к выбранному критерию оценки оптимального решения, но никакой уверенности в его реализации нет.

8) По характеру информации  выделяют программируемые и непрограммируемые  решения или детерминированные  и вероятностные.

9) По сфере действия  решения подразделяются на политические, экономические, организационные, социальные, технические, технологические и комплексные. Необходимость принятия подобных решений обусловлена наличием в любой организации соответствующих подсистем, каждая из которых имеет оригинальный набор элементов и условия функционирования.

10) По степени уникальности  выделяют рутинные, селективные, адаптационные  и новаторские решения.

Рутинные решения принимаются согласно отработанному механизму и имеющейся программе действий. При селективных решениях инициатива принимается в ограниченных пределах (например, при оценке различных известных альтернатив и выборе из них рациональных). Адаптационные решения рассчитываются на дополнительные, непредусмотренные трудности. При их разработке сочетается использование творческого и нестандартного подхода на основе идей с отработанными ранее возможностями. Новаторские решения связаны со сложностью и непредсказуемостью событий.

11) По юридическому оформлению  решения могут быть в виде  плана, приказа, распоряжения, инструкции.

12) По способу фиксации  они делятся на устные и письменные.

Перечисленные виды решений принимаются в основном в процессе оперативного управления персоналом. Для стратегического и тактического управления любой подсистемы системы менеджмента принимаются рациональные решения, основанные на методах экономического анализа, обоснования и оптимизации.

 

4. Выводы

 

Управление – это процесс целенаправленного воздействия на управляемую систему или объект управления с целью обеспечения его эффективного функционирования и развития.

Принятие решений является неотъемлемой частью деятельности человека в любой сфере: политической, экономической, культурной, личной жизни и т.д. Существенным отличительным признаком управленческого решения является то, что оно принимается при наличии назревшей проблемы. А поскольку такие проблемы возникают при управлении любым объектом (промышленным предприятием, банком или государственным учреждением) постоянно, то функция принятия решений заключается в постоянном решении в процессе управления той или иной задачи.

Руководителям приходится перебирать многочисленные комбинации потенциальных действий для того, чтобы найти правильное действие для данной организации в данное время и в данном месте. По сути, чтобы организация могла четко работать, руководитель должен сделать серию правильных выборов из нескольких альтернативных возможностей. Следовательно, управленческое решение – это выбор альтернативы.

Принятие управленческого решения – это выбор того, как и что планировать, организовывать, мотивировать и контролировать.

Многообразие решений представляет собой некоторый комплекс, понимание которого облегчается на основе системного подхода, позволяющего раскрыть строгую систему решений. В такой системе решений должны проявляться как общие признаки, так и специфические особенности, присущие отдельным видам решений.

 

2. ТЕХНОЛОГИЯ РАЗРАБОТКИ УПРАВЛЕНЧЕСКОГО РЕШЕНИЯ МЕТОДОМ «ДЕРЕВА РЕШЕНИЙ»

 

2.1. Общая характеристика метода «дерево решений»

 

Дерево решений – популярный метод науки управления, используемый для выбора наилучшего направления действий из имеющихся вариантов. Дерево решений – это схематичное представление проблемы принятия решений. Оно 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.

 

Рисунок 2. Дерево решений. 

 

На рис. 2 проиллюстрировано применение метода дерева решений для разрешения проблемы, требующей определенной последовательности решений. Вице-президент по производству из компании, 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.

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

• Спросить 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.
• Определить изменения, которые должны произойти, чтобы прогноз оказался достоверным. Затем с осмотрительностью оцените вероятность соответствующих событий.
• Определить компоненты прогноза. Подумайте об источниках данных.
• Определить, 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?
• Определить, 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.).

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.

Руководитель продолжает двигаться назад к текущему моменту (первой точке принятия решений) и рассчитывает ожидаемые значения в случаях альтернативных действий – производства только электрических или только ручных косилок. Ожидаемое значение для варианта производства только электрических косилок составляет 6,5 млн. долл. (0,7 х 8 млн. долл. + 0,3 х 3 млн. долл.). Подобным образом рассчитывается ожидаемое значение для варианта выпуска только ручных косилок, которое равно всего 4,4 млн. долл. Таким образом, наращивание производственных мощностей под выпуск косилок обоих типов является наиболее желательным решением, поскольку ожидаемый выигрыш здесь наибольший, если события пойдут, как предполагается.

Дерево решений позволяет представить проблему схематично и сравнить возможные альтернативы визуально. Этот метод можно использовать в применении к сложным ситуациям, когда результат принимаемого решения влияет на последующие.

 

 

2.2. Алгоритм построения «дерева решений»

 

В наиболее простом виде дерево решений – это способ представления правил в иерархической, последовательной структуре. Основа такой структуры – ответы «Да» или «Нет» на ряд вопросов.

Рисунок 3.  Дерево решений «Играть ли в гольф?»

На рис. 3 приведен классический пример дерева решений, задача которого – ответить на вопрос: «Играть ли в гольф?». Чтобы решить задачу, т.е. принять решение, играть ли в гольф, следует отнести текущую ситуацию к одному из известных классов (в данном случае – «играть» или «не играть»). Для этого требуется ответить на ряд вопросов, которые находятся в узлах этого дерева, начиная с его корня.

Первый узел нашего дерева «Солнечно?» является узлом проверки, т.е. условием. При положительном ответе на вопрос осуществляется переход к левой части дерева, называемой левой ветвью, при отрицательном – к правой части дерева. Таким образом, внутренний узел дерева является узлом проверки определенного условия. Далее идет следующий вопрос и т.д., пока не будет достигнут конечный узел дерева, являющийся узлом решения. Для нашего дерева существует два типа конечного узла: «играть» и «не играть» в гольф.

В результате прохождения от корня дерева (иногда называемого корневой вершиной) до его вершины решается задача классификации, т.е. выбирается один из классов – «играть» и «не играть» в гольф.

Целью построения дерева решения в нашем случае является определение значения категориальной зависимой переменной.

Итак, основными элементами дерева решений являются:

Корень дерева: «Солнечно?»

Внутренний узел дерева или узел проверки: «Температура воздуха высокая?», «Идет ли дождь?»

Лист, конечный узел дерева, узел решения или вершина: «Играть», «Не играть».

Ветвь дерева (случаи ответа): «Да», «Нет».

В рассмотренном примере решается задача бинарной классификации, т.е. создается дихотомическая классификационная модель. Пример демонстрирует работу так называемых бинарных деревьев.

В узлах бинарных деревьев ветвление может вестись только в двух направлениях, т.е. существует возможность только двух ответов на поставленный вопрос («да» и «нет»).

Бинарные деревья являются самым простым, частным случаем деревьев решений. В остальных случаях, ответов и, соответственно, ветвей дерева, выходящих из его внутреннего узла, может быть больше двух.

Рассмотрим более сложный пример. База данных, на основе которой должно осуществляться прогнозирование, содержит следующие ретроспективные данные о клиентах банка, являющиеся ее атрибутами: возраст, наличие недвижимости, образование, среднемесячный доход, вернул ли клиент вовремя кредит. Задача состоит в том, чтобы на основании перечисленных выше данных (кроме последнего атрибута) определить, стоит ли выдавать кредит новому клиенту. Такая задача решается в два этапа: построение классификационной модели и ее использование.