Wat zijn de voordelen van beslissingsbomen?

Ondernemers moeten elke dag beslissingen nemen over zaken die met onzekerheid te maken hebben. Informatie is niet perfect en de beste keuze is niet altijd duidelijk. Een manier om met deze vage situaties om te gaan, is door een beslissingsboom te gebruiken. Beslissingsbomen hebben tal van voordelen die hen nuttige hulpmiddelen voor managers maken.

Wat is een beslissingsboom?

Een beslissingsboom is een managementtool die alle besluitalternatieven en resultaten presenteert in een diagramdiagram van het stroomdiagram, zoals een boom met takken en bladeren. Elke tak van de boom vertegenwoordigt een beslissingsoptie, de kosten en de waarschijnlijkheid dat dit waarschijnlijk is. De bladeren aan het einde van de takken tonen de mogelijke uitbetalingen of uitkomsten. Een beslissingsboom illustreert grafisch alle mogelijke alternatieven, kansen en uitkomsten en identificeert de voordelen van het gebruik van beslissingsanalyse.

Hoe werkt een beslissingsboom?

Laten we beginnen met een eenvoudig voorbeeld en uitleggen hoe beslissingsbomen worden gebruikt om beleggingsalternatieven te waarderen. Stel dat u probeert te kiezen tussen twee soorten bedrijven: een limonadestandaard of een snoepwinkel.

De snoepwinkel heeft het potentieel om tot $ 150 te verdienen; de limonade stand zou een maximum van $ 120 kunnen verdienen. Op dit punt is het antwoord duidelijk. Ga met de snoepwinkel omdat deze meer kan verdienen dan de limonadetribune.

Maar een bedrijf starten en winst maken is nooit een ding. De snoepwinkel heeft 50 procent kans op succes en 50 procent kans op mislukking. Als het lukt, verdien je $ 150. Aan de andere kant, als het niet lukt, verliest u uw opstartkosten van $ 30.

Het weer is echter heet en de stand van de limonade heeft een kans van 70 procent op succes en een faalkans van 30 procent. Als het werkt, zou u $ 120 verdienen; zo niet, dan verlies je de initiële investering van $ 20.

Welk bedrijf kiest u nu? Het antwoord kan gevonden worden door gebruik te maken van de beslisboomstructuur en het concept van "verwachte waarde".

Wiskundig is de verwachte waarde de geprojecteerde waarde van een variabele die wordt gevonden door alle mogelijke uitkomsten toe te voegen, waarbij elke waarde wordt vermenigvuldigd met de kans dat deze optreedt. Dit klinkt duister, maar het zal duidelijker zijn met ons voorbeeld.

Laten we de verwachte waarde van beleggen in de snoepwinkel berekenen. De formule is als volgt:

• Verwachte waarde-snoep = 50 procent X uitkomst van succes + 50 procent x uitkomst van mislukking.
• Verwachte waarde-snoepje = 0, 50 x $ 150 + 0, 50 x (- $ 30) = $ 60.

Bereken nu de verwachte waarde van de limonadetribune.

• Verwachte waarde-limonade = 70 procent X resultaat van succes + 30 procent x uitkomst van mislukking.
• Verwachte waarde-limonade = 0, 70 X $ 120 + 0, 30 X (- $ 20) = $ 78.

Aangezien het de bedoeling is om de onderneming te kiezen die waarschijnlijk het meeste geld zal verdienen, toont deze analyse aan dat de stand van limonade de beste keuze is. Het heeft een hogere verwachte waarde van $ 78 versus de $ 60 verwachte waarde van de snoepwinkel.

Hoe een beslissingsboom met informatie te gebruiken

Laten we nu kijken naar de voordelen van het gebruik van een beslissingsboom om een ​​complexer probleem op te lossen.

Stel dat u een fabrikant bent van een roestvrijstalen onderdeel dat in een wasmachine gaat en u wordt geconfronteerd met een beslissing. Fabriceert u dit onderdeel in uw bestaande faciliteiten of besteedt u het uit aan een andere machinewerkplaats?

Allerlei onzekerheden bestaan ​​rond dit besluit, en de beslissing moet worden genomen alvorens de kracht van de economie en het niveau van de vraag te kennen.

Hieronder volgen de gegevens die nodig zijn om een ​​beslissingsboom voor deze situatie te construeren. Cijfers zijn in duizenden dollars.

We hebben drie economische omstandigheden: een sterke economie met een grote vraag, een middelmatige economie of een zwakke economie met een lage vraag.

De waarschijnlijkheid van voorkomen voor elk vraagniveau is: 0, 30 voor hoog, 0, 40 voor gemiddeld en 0, 30 voor laag.

Als het product binnenshuis wordt vervaardigd, is de opbrengst $ 200 voor hoge vraag, $ 60 voor medium en een verlies van $ 30 voor laag. De reden voor het negatieve rendement op de lage vraag is dat het geld kost om de apparatuur voor interne fabricage in te richten en als de vraag niet hoog genoeg is om deze instellingskosten te dekken, is het resultaat een verlies.

Het rendement voor aankopen bij een externe leverancier is $ 140 als de vraag hoog is, $ 80 voor middelgrote vraag en $ 20 als de vraag laag is.

De kosten voor het inhuren van een economische consultant om advies te krijgen over de richting van de economie is $ 10. De kans dat de consultant een gunstige economie voorspelt, is 0, 40 en 0, 60 voor een ongunstige. Merk op dat deze kansen de oorspronkelijk veronderstelde waarschijnlijkheden zullen veranderen zonder voordeel van het onderzoek.

Het beslissingsdoel bestaat uit twee delen: Bepaal of u wilt betalen voor het marktonderzoek en beslis over de beste strategie.

Na het construeren van de beslissingsboom met alle waarschijnlijkheden en verwachte uitbetalingen, zien we dat de verwachte waarde na betaling voor het marktonderzoek $ 74, 6 is. De verwachte waarde zonder het marktonderzoek is echter $ 80.

In dit geval, het uitvoeren van de onderzoeksresultaten in een lagere verwachte waarde, $ 74, 6 versus $ 80, dus het besluit is niet om de consultant in te huren voor het onderzoek.

Nu moeten we beslissen om het onderdeel intern te fabriceren of uit te delen.

De beslissingsboom begint met twee takken: huur de consultant in of huur niet.

Elk van deze twee vestigingen leidt tot beslissingsknooppunten met meer vestigingen voor eigen productie of voor de training. Aan het einde van al deze takken zijn de bladeren, die de uitbetalingen vertegenwoordigen voor elk van de drie economische omstandigheden.

Na het plaatsen van alle kansen en uitkeringen, laat de beslissingsboom zien dat de verwachte waarde voor het gebruik van de consultant $ 75 is, en de verwachte waarde voor het niet gebruiken van de consultant is $ 80. De verwachte waarde voor het niet gebruiken van de consultant is hoger, dus die keuze is geselecteerd.

Nog een stap verder, de beslissingsboom toont een hogere verwachte waarde voor het uitbesteden van de training, dus neemt de fabrikant de externe leverancier in dienst.

Zonder in te gaan op de wiskundige details, kunnen we de voordelen van een beslissingsboom zien als een nuttig hulpmiddel om oplossingen te vinden voor problemen met een groot aantal waarschijnlijkheden en verwachte uitbetalingen. Beslissingsbomen bieden een rationele manier om te kiezen tussen verschillende manieren van handelen.

Een beslissingsboom gebruiken voor het voorspellen van resultaten

Naast het gebruik van beslissingsbomen om alternatieven te kiezen op basis van verwachte waarden, kunnen ze ook worden gebruikt voor het classificeren van prioriteiten en het maken van voorspellingen.

Een voorbeeld zal deze toepassing het best toelichten. Stel dat een horloge-winkelier wil weten hoe waarschijnlijk het is dat een online klant een horloge koopt. Er kan een beslissingsboom worden geconstrueerd die de kenmerken van deze situatie laat zien: geslacht, leeftijd en niveau van inkomen.

Een beslissingsboom identificeert welke van deze kenmerken de hoogste voorspellende waarde heeft en uiteindelijk of de bezoeker van de website van het bedrijf een aankoop doet.

Voorbeelden van toepassingen voor beslissingsbomen

Het gebruik van beslissingsbomen om beslissingen te nemen over acties die de verwachte waarden gebruiken, heeft algemene toepassingen zoals de volgende:

• De CFO besluit of hij $ 10.000 aan overtollige contanten in aandelen wil beleggen of op een bankspaarrekening zal vertrekken op basis van toekomstige verwachtingen van de economie.
• Een boer die regenvoorspellingen gebruikt, voorspellingen van grondstoffenprijzen en opbrengsten per hectare om te kiezen tussen het planten van sojabonen, maïs of het verzamelen van een overheidssubsidie ​​door niets te planten.
• Een eigenaar van een succesvolle pizzeria probeert te beslissen of hij de bestaande winkel wil uitbreiden of een andere wil openen in een nabijgelegen stad.
• Een auteur van een romanroman overweegt aanbiedingen voor een van haar populaire romans van een filmbedrijf en ook van een tv-netwerk. Het bedrag dat het filmmaatschap betaalt, verschilt afhankelijk van de aanwezigheid van de kassa, terwijl het televisienetwerk een vaste vooruitbetaling is. Welk aanbod om te accepteren?
• Het bedrijf overweegt leaseauto's te huren voor alle verkopers, de auto's te kopen of werknemers te betalen voor zakelijke mijlen in hun eigen auto's.

Dit zijn voorbeelden van classificatieproblemen die met beslissingsbomen kunnen worden geanalyseerd:

• Categorisering van een leningtoepassing voor een klantbank op factoren als inkomensniveau, jaren op huidige baan, tijdigheid van creditcardbetalingen en bestaan ​​van een strafregister.
• Beslissen of je wel of niet tennis wilt spelen op basis van historische voorspellingsgegevens (zonnig, bewolkt of regenachtig), temperatuur (heet, mild of koel), vochtigheid (hoog of normaal) en windsnelheden (winderig of niet).
• Patiënten prioritiseren voor behandeling op de eerste hulpafdeling op basis van leeftijd, geslacht, bloeddruk, temperatuur, hartslag, ernst van pijn en andere vitale metingen.
• Demografische gegevens gebruiken om het effect te bepalen van een beperkt advertentiebudget op het aantal potentiële kopers van een bepaald product.

Wat zijn de voordelen van beslissingsboomanalyse?

Beslissingsbomen hebben een aantal voordelen als praktische, nuttige managementtool.

Uitgebreid

Een belangrijk voordeel van een beslissingsboom is dat dit de overweging van alle mogelijke uitkomsten van een beslissing dwingt en elke weg naar een conclusie traceert. Het creëert een uitgebreide analyse van de gevolgen langs elke tak en identificeert beslissingsknooppunten die verder moeten worden geanalyseerd.

Specifiek

Beslissingsbomen kennen specifieke waarden toe aan elk probleem, beslissingspad en uitkomst. Het gebruik van geldwaarden maakt kosten en baten expliciet. Deze benadering identificeert de relevante beslissingspaden, vermindert onzekerheid, ruimt dubbelzinnigheid op en verduidelijkt de financiële consequenties van verschillende acties.

Wanneer feitelijke informatie niet beschikbaar is, gebruiken beslissingsbomen waarschijnlijkheden voor omstandigheden om keuzes met elkaar in perspectief te houden voor eenvoudige vergelijkingen.

Makkelijk te gebruiken

Beslissingsbomen zijn gemakkelijk te gebruiken en uit te leggen met eenvoudige wiskunde, geen complexe formules. Ze presenteren visueel alle beslissingsalternatieven voor snelle vergelijkingen in een formaat dat gemakkelijk te begrijpen is met slechts korte uitleg.

Ze zijn intuïtief en volgen hetzelfde denkpatroon dat mensen gebruiken bij het nemen van beslissingen.

Veelzijdig

Een groot aantal zakelijke problemen kan worden geanalyseerd en opgelost door beslissingsbomen. Het zijn handige hulpmiddelen voor bedrijfsmanagers, technici, ingenieurs, medisch personeel en iedereen die beslissingen moet nemen onder onzekere omstandigheden.

Het algoritme van een beslissingsboom kan worden geïntegreerd met andere managementanalysetools zoals Net Present Value en Project Evaluation Review Technique (PERT).

Eenvoudige beslissingsbomen kunnen handmatig worden geconstrueerd of worden gebruikt met computerprogramma's voor meer gecompliceerde diagrammen.

Beslissingsbomen zijn een common-sense techniek om de beste oplossingen voor problemen met onzekerheid te vinden. Moet je vandaag een paraplu meenemen naar je werk? Maak een eenvoudig beslisboomdiagram om dit te achterhalen.