Analiza decyzji (DA)

Co to jest analiza decyzji (DA)?

Analiza decyzji (DA) jest formą podejmowania decyzjiEtyczne podejmowanie decyzjiEtyczne podejmowanie decyzji w finansach jest ideologia podejmowania decyzji, która jest oparta na filozofii moralnej leżącej u podstaw dobra i zła. Etyczna decyzja, która obejmuje identyfikację i ocenę wszystkich aspektów decyzji oraz podejmowanie działań w oparciu o decyzję, która daje najbardziej korzystny wynik.

Celem analizy decyzji jest zapewnienie, że decyzje są podejmowane z wszystkich istotnych informacji i opcji dostępnych. Na przykład, korporacja może użyć jej do podjęcia decyzji inwestycyjnych o wartości milionów dolarów, lub osoba fizyczna może użyć jej do podjęcia decyzji w sprawie swoich oszczędności emerytalnych.

Jako forma podejmowania decyzji, podstawy analizy decyzji mogą być wykorzystane do rozwiązania wielu problemów, od złożonych kwestii biznesowych do prostych problemów dnia codziennego.

Jak Analiza decyzji działa

Analiza decyzji pozwala korporacje do oceny i modelowania potencjalnych wyników różnych decyzji w celu określenia prawidłowego przebiegu działań. Aby być skuteczne, firma musi zrozumieć wiele aspektów problemu do wyniku w dobrze poinformowany decision.

Analiza pociąga za sobą zrozumienie różnych celów, wyników i niepewności zaangażowanych, w tym wykorzystanie prawdopodobieństwa do pomiaru oczekiwanego wyniku różnych decisions.

Jeden z najważniejszych aspektów obejmuje kadrowanie problemu w sposób, który pozwala na dalszą analizę. Obramowanie jest zazwyczaj pierwszą częścią analizy decyzyjnej i polega na stworzeniu ram do oceny problemu z wielu perspektyw. Kluczowe Wskaźniki Wydajności (KPI)Kluczowe Wskaźniki Wydajności (KPI) są metrykami używanymi do okresowego śledzenia i oceny wydajności organizacji w kierunku osiągnięcia określonych celów. Są one również wykorzystywane do pomiaru ogólnej wydajności firmy.

Po ustaleniu ram, model może być opracowany w celu oceny przychylności różnych wyników. Przykładami modeli są drzewa decyzyjne i diagramy wpływu.

Decision Trees

Po stworzeniu ram do oceny problemu, modele są zazwyczaj używane do oceny wyników różnych decyzji. Modele są wizualne reprezentacje oczekiwanych wyników, i są one wykorzystywane do zilustrowania decyzji w porównaniu z innymi alternatywami.

Przez modelowanie różnych oczekiwanych wyników i ich prawdopodobieństwa, firmy mogą następnie wybrać decyzję, która produkuje korzystny wynik.

Jednym z najbardziej powszechnych modeli zaangażowanych w analizie decyzji jest drzewo decyzyjne, które są w kształcie drzewa modele z „gałęzi”, które reprezentują potencjalne outcomes.

Drzewa decyzyjne są używane, ponieważ są one proste do zrozumienia i zapewniają cenny wgląd w problem, zapewniając wyniki, alternatywy i prawdopodobieństwa różnych decyzji. To sprawia, że łatwo jest ocenić, która decyzja powoduje najbardziej korzystny wynik.

Wartość oczekiwana (EV)

Po skonstruowaniu modelu, ważne jest, aby znaleźć wartość oczekiwaną (EV)Wartość oczekiwanaWartość oczekiwana (znana również jako EV, oczekiwanie, średnia lub średnia wartość) jest długookresową średnią wartością zmiennych losowych. Wartość oczekiwana wskazuje również do oceny, która decyzja powoduje najbardziej korzystny wynik.

Przypomnijmy, że drzewa decyzyjne zapewniają wszystkie możliwe wyniki w porównaniu do alternatyw. Obliczając wartość oczekiwaną, możemy obserwować średnie wyniki wszystkich decyzji, a następnie podjąć świadomą decyzję.

Aby obliczyć wartość oczekiwaną, musimy prawdopodobieństwo każdego wyniku i wartość wynikową. Wzór na wartość oczekiwaną jest następujący:

EV = (Prawdopodobieństwo A * Oczekiwana wypłata A) + (Prawdopodobieństwo B * Oczekiwana wypłata A)

Ta formuła zakłada, że decyzja biznesowa ma dwa wyniki – sukces lub porażkę. Każdy wynik może być reprezentowany przez prawdopodobieństwo A lub B. Oczekiwana wypłata odnosi się do zysku lub straty oczekiwanej z każdym wynikiem.

Jeśli istnieje wiele decyzji do podjęcia, firma obliczy oczekiwaną wartość dla każdej decyzji, aby określić, która jest najbardziej korzystna.

Przykład z realnego świata

Załóżmy, że sklep odzieżowy otwiera drugą lokalizację i chce zdecydować, czy otworzyć w San Francisco czy w Nowym Jorku. Otwarcie lokalizacji w obu miastach będzie wiązało się z różnymi wydatkami kapitałowymiWydatki kapitałoweWydatki kapitałowe odnoszą się do funduszy, które są wykorzystywane przez firmę na zakup, ulepszenie lub utrzymanie długoterminowych aktywów w celu poprawy i wykazania różnych stóp sukcesu.

Przed skonstruowaniem drzewa decyzyjnego, będziemy musieli zebrać odpowiednie dane:

Po zebraniu danych, możemy skonstruować drzewo decyzyjne na podstawie każdej decyzji:

Dla każdej decyzji, drzewo decyzyjne zawiera również dane liczbowe do obliczenia wartości oczekiwanej. Kwadraty reprezentują decyzje, a kółka wyniki. Linie rozgałęziające się od kwadratów to możliwe wybory, natomiast linie rozgałęziające się od okręgów to oczekiwane wyniki.

Model zawiera również koszty związane z otwarciem każdej lokalizacji. Aby otworzyć sklep w San Francisco, sklep będzie musiał zainwestować 2 miliony dolarów, podczas gdy lokalizacja w Nowym Jorku będzie wymagała inwestycji w wysokości 5 milionów dolarów.

Oczekiwane kwoty wypłat reprezentują potencjalny przychód, jeśli sklep odniesie sukces, lub potencjalną stratę, jeśli sklep poniesie porażkę.

Aby ocenić, która decyzja jest bardziej korzystna, obliczymy wartość oczekiwaną dla każdej decyzji.

EV = (Prawdopodobieństwo A * Oczekiwana wypłata A) + (Prawdopodobieństwo B * Oczekiwana wypłata A)

• EV (San Francisco) = (0.4 * $15.000.000) + (0.6 * -$4.000.000) = $3.600.000
• EV (Nowy Jork) = (0.3 * $30.000.000) + (0.7 * -$10.000.000) = $8.300.000

Następnie musimy odjąć początkowe nakłady kapitałowe, aby znaleźć zysk/stratę netto:

• San Francisco: $3.600.000 – $2.000.000 = $1.600.000
• Nowy Jork: 8 300 000 $ – 5 000 000 $ = 3 300 000 $

Po obliczeniu wartości oczekiwanej każdego wyniku możemy je porównać, aby zobaczyć, który wynik jest preferowany. W tym przypadku, otwarcie sklepu w Nowym Jorku wydaje się skutkować wyższym zyskiem netto niż otwarcie sklepu w San Francisco.

Dodatkowe zasoby

CFI jest oficjalnym dostawcą certyfikacji Commercial Banking & Credit Analyst (CBCA)™CBCA™ Akredytacja Commercial Banking & Credit Analyst (CBCA)™ jest globalnym standardem dla analityków kredytowych, który obejmuje finanse, księgowość, analizę kredytową, analizę przepływów pieniężnych, modelowanie kowenantów, spłatę kredytów i więcej. program certyfikacji, zaprojektowany, aby przekształcić każdego w światowej klasy analityka finansowego.

Aby kontynuować naukę i rozwijać swoją wiedzę z zakresu analizy finansowej, gorąco polecamy poniższe zasoby dodatkowe:

• Drzewo decyzyjneDrzewo decyzyjneDrzewo decyzyjne jest narzędziem pomocniczym o strukturze przypominającej drzewo, które modeluje prawdopodobne wyniki, koszty zasobów, media i możliwe konsekwencje.
• Szablony wykresów przepływówSzablony wykresów przepływówSzablony przepływów są świetne do zwięzłego opisywania procesów biznesowych bez naruszania struktury i szczegółów. Poniżej znajdują się cztery przykładowe szablony diagramów przepływu
• System Wspomagania Decyzji (DSS)System Wspomagania Decyzji (DSS)System Wspomagania Decyzji (DSS) jest systemem informacyjnym, który pomaga firmie w podejmowaniu decyzji, które wymagają osądu, determinacji i
• Zarządzanie OperacyjneZarządzanie OperacyjneZarządzanie Operacyjne jest dziedziną biznesu zajmującą się administrowaniem praktykami biznesowymi w celu maksymalizacji wydajności w organizacji. To