Beslutningsanalyse (DA)

Hvad er beslutningsanalyse (DA)?

Beslutningsanalyse (DA) er en form for beslutningstagningEthisk beslutningstagningEthisk beslutningstagning i finanssektoren er en beslutningstagningsideologi, der er baseret på en underliggende moralfilosofi om rigtigt og forkert. Etisk beslutning, der indebærer, at man identificerer og vurderer alle aspekter af en beslutning og træffer handlinger baseret på den beslutning, der giver det mest gunstige resultat.

Målet med beslutningsanalyse er at sikre, at beslutninger træffes med alle relevante oplysninger og muligheder til rådighed. For eksempel kan en virksomhed bruge den til at træffe investeringsbeslutninger i millionklassen, eller en enkeltperson kan bruge den til at træffe beslutning om sin pensionsopsparing.

Som en form for beslutningstagning kan de grundlæggende principper for beslutningsanalyse bruges til at løse et væld af problemer, lige fra komplekse forretningsspørgsmål til enkle hverdagsproblemer.

Hvordan beslutningsanalyse fungerer

Den beslutningsanalyse giver virksomheder mulighed for at evaluere og modellere de potentielle udfald af forskellige beslutninger for at bestemme den korrekte fremgangsmåde. For at være effektiv skal virksomheden forstå flere aspekter af et problem for at resultere i en velinformeret beslutning.

Analysen indebærer forståelse af forskellige mål, resultater og involverede usikkerheder, herunder brug af sandsynligheder til at måle det forventede resultat af forskellige beslutninger.

Et af de vigtigste aspekter involverer indramning af problemet på en måde, der giver mulighed for yderligere analyse. Indramning er typisk den første del af beslutningsanalysen, og det indebærer at skabe en ramme for at vurdere problemet fra flere forskellige perspektiver. De kan omfatte mulighedserklæringer, handlingsplaner og mål for succesNøglepræstationsindikatorer (KPI’er)Nøglepræstationsindikatorer (KPI’er)Nøglepræstationsindikatorer (KPI’er) er målinger, der bruges til periodisk at spore og evaluere en organisations præstationer i forhold til opnåelse af specifikke mål. De bruges også til at måle en virksomheds samlede præstation.

Når rammerne er fastlagt, kan der udvikles en model til at evaluere fordelagtigheden af forskellige resultater. Eksempler på modeller er beslutningstræer og indflydelsesdiagrammer.

Beslutningstræer

Når man har skabt en ramme til at evaluere et problem, bruges der typisk modeller til at evaluere resultaterne af forskellige beslutninger. Modeller er visuelle repræsentationer af forventede resultater, og de bruges til at illustrere beslutninger i forhold til andre alternativer.

Gennem modellering af de forskellige forventede resultater og deres sandsynligheder kan virksomheder derefter vælge den beslutning, der giver et gunstigt resultat.

En af de mest almindelige modeller, der indgår i beslutningsanalyser, er beslutningstræer, som er træformede modeller med “grene”, der repræsenterer potentielle resultater.

Der anvendes beslutningstræer, fordi de er enkle at forstå og giver værdifuld indsigt i et problem ved at angive resultaterne, alternativerne og sandsynlighederne for forskellige beslutninger. Dette gør det nemt at vurdere, hvilken beslutning der resulterer i det mest gunstige resultat.

Forventet værdi (EV)

Når en model er konstrueret, er det vigtigt at finde den forventede værdi (EV)Forventet værdiForventet værdiForventet værdi (også kendt som EV, forventning, gennemsnit eller middelværdi) er en langsigtet gennemsnitsværdi af tilfældige variabler. Den forventede værdi angiver også at vurdere, hvilken beslutning der resulterer i det mest gunstige resultat.

Husk, at beslutningstræerne giver alle de mulige resultater i forhold til alternativerne. Ved at beregne den forventede værdi kan vi observere de gennemsnitlige resultater af alle beslutninger og derefter træffe en informeret beslutning.

For at beregne den forventede værdi har vi brug for sandsynligheden for hvert resultat og den resulterende værdi. Formlen for den forventede værdi er som følger:

EV = (Sandsynlighed A * Forventet gevinst A) + (Sandsynlighed B * Forventet gevinst A)

Denne formel antager, at en forretningsbeslutning har to udfald – succes eller fiasko. Hvert udfald kan repræsenteres ved sandsynlighed A eller B. Den forventede gevinst henviser til den gevinst eller det tab, der forventes ved hvert udfald.

Hvis der skal træffes flere beslutninger, vil en virksomhed beregne den forventede værdi for hver beslutning for at afgøre, hvilken der er mest gunstig.

Eksempel fra den virkelige verden

Lad os antage, at en tøjbutik skal åbne endnu et sted og ønsker at beslutte, om den skal åbne i San Francisco eller New York. Åbning af en lokation i begge byer vil indebære forskellige kapitaludgifterKapitaludgifterKapitaludgifter henviser til midler, der anvendes af en virksomhed til køb, forbedring eller vedligeholdelse af langsigtede aktiver for at forbedre og demonstrere forskellige succesrater.

Hvor vi konstruerer et beslutningstræ, skal vi indsamle relevante data:

Når vi har indsamlet data, kan vi konstruere beslutningstræet baseret på hver enkelt beslutning:

For hver enkelt beslutning indeholder beslutningstræet også numeriske data til beregning af den forventede værdi. Firkanter repræsenterer beslutninger, og cirkler repræsenterer resultater. Linjerne, der forgrener sig fra firkanterne, er mulige valg, mens linjerne, der forgrener sig fra cirklerne, er forventede resultater.

Modellen omfatter også de omkostninger, der er forbundet med at åbne hvert enkelt sted. For at åbne i San Francisco skal butikken investere 2 millioner dollars, mens en placering i New York vil kræve en investering på 5 millioner dollars.

De forventede gevinstbeløb repræsenterer den potentielle indtægt, hvis butikken lykkes, eller det potentielle tab, hvis butikken mislykkes.

For at vurdere, hvilken beslutning der er mest fordelagtig, vil vi beregne den forventede værdi for hver beslutning.

EV = (Sandsynlighed A * Forventet gevinst A) + (Sandsynlighed B * Forventet gevinst A)

• EV (San Francisco) = (0.4 * $15.000.000.000) + (0,6 * -$4.000.000) = $3.600.000
• EV (New York) = (0,3 * $30.000.000) + (0.7 * -$10.000.000.000) = $8.300.000

Derpå skal vi fratrække den oprindelige kapitaludgift for at finde nettogevinsten/tabet:

• San Francisco: $3.600.000 – $2.000.000 = $1.600.000
• New York:

Når vi har beregnet den forventede værdi af hvert resultat, kan vi sammenligne dem for at se, hvilket resultat der er at foretrække. I dette tilfælde synes åbning af en butik i New York at resultere i en højere nettogevinst end en butik i San Francisco.

Udviduelle ressourcer

CFI er den officielle udbyder af Commercial Banking & Credit Analyst (CBCA)™CBCA™ CertificationThe Commercial Banking & Credit Analyst (CBCA)™ akkreditering er en global standard for kreditanalytikere, der dækker finans, regnskab, kreditanalyse, cash flow-analyse, covenant modellering, tilbagebetaling af lån m.m. Certificeringsprogram, der er designet til at omdanne enhver til en finansiel analytiker i verdensklasse.

For at blive ved med at lære og udvikle din viden om finansiel analyse anbefaler vi stærkt de yderligere ressourcer nedenfor:

• Decision TreeDecision TreeEt beslutningstræ er et støtteværktøj med en trælignende struktur, der modellerer sandsynlige resultater, omkostninger til ressourcer, hjælpefunktioner og mulige konsekvenser.
• Flowchart TemplatesFlowchart TemplatesFlowchart TemplatesFlowcharts er gode til at beskrive forretningsprocesser kortfattet uden at gå på kompromis med struktur og detaljer. Nedenfor er fire eksempler på flowchart-skabeloner
• Decision Support System (DSS)Decision Support System (DSS)Et Decision Support System (DSS)Et Decision Support System (DSS) er et informationssystem, der hjælper en virksomhed med at træffe beslutninger, som kræver dømmekraft, beslutsomhed og en
• Operations ManagementOperations ManagementOperations Management er et forretningsområde, der beskæftiger sig med administrationen af forretningspraksis for at maksimere effektiviteten i organisationen. Det