Análise de Decisão (DA)

O que é Análise de Decisão (DA)?

Análise de Decisão (DA) é uma forma de tomada de decisãoEthical Decision-MakingEthical decision-making decision-making in finance is a decision ideology that is based on an underlying moral philosophy of right and wrong. Decisão ética que envolve a identificação e avaliação de todos os aspectos de uma decisão, e a tomada de ações baseadas na decisão que produz o resultado mais favorável.

O objetivo da análise de decisão é assegurar que as decisões sejam tomadas com todas as informações e opções relevantes disponíveis. Por exemplo, uma corporação pode usá-la para tomar decisões de investimento de milhões de dólares, ou um indivíduo pode usá-la para decidir sobre suas economias de aposentadoria.

Como uma forma de tomada de decisão, os fundamentos da análise de decisão podem ser usados para resolver uma multiplicidade de problemas, desde problemas complexos de negócios até problemas simples do dia-a-dia.

Como funciona a análise de decisão

Análise de decisão permite às corporações avaliar e modelar os resultados potenciais de várias decisões para determinar o curso de ação correto. Para ser eficaz, a empresa precisa entender múltiplos aspectos de um problema para resultar em uma decisão bem informada.

A análise implica compreender vários objetivos, resultados e incertezas envolvidas, incluindo o uso de probabilidades para medir o resultado esperado de várias decisões.

Um dos aspectos mais importantes envolve enquadrar o problema de uma forma que permita uma análise mais aprofundada. O enquadramento é normalmente a primeira parte da análise de decisão, e envolve a criação de uma estrutura para avaliar o problema a partir de múltiplas perspectivas. Eles podem incluir declarações de oportunidade, itens de ação e medidas de sucessoIndicadores Chave de Desempenho (KPIs) são métricas usadas para acompanhar e avaliar periodicamente o desempenho de uma organização em direção ao alcance de metas específicas. Eles também são usados para medir o desempenho geral de uma empresa.

Após a estrutura ser estabelecida, um modelo pode ser desenvolvido para avaliar a favorabilidade de vários resultados. Exemplos de modelos são árvores de decisão e diagramas de influência.

Árvores de decisão

Após a criação de uma estrutura para avaliar um problema, modelos são tipicamente usados para avaliar os resultados de várias decisões. Os modelos são representações visuais dos resultados esperados, e são usados para ilustrar decisões em comparação com outras alternativas.

Ao modelar os vários resultados esperados e suas probabilidades, as empresas podem então selecionar a decisão que produz um resultado favorável.

Um dos modelos mais comuns envolvidos na análise de decisão são as árvores de decisão, que são modelos em forma de árvore com “ramos” que representam resultados potenciais.

As árvores de decisão são usadas porque são simples de entender e fornecem uma visão valiosa sobre um problema, fornecendo os resultados, alternativas e probabilidades de várias decisões. Isto torna fácil avaliar qual decisão resulta no resultado mais favorável.

Valor esperado (EV)

Após a construção de um modelo, é importante encontrar o valor esperado (EV)Valor esperado Valor esperado (também conhecido como EV, expectativa, média ou valor médio) é um valor médio de longo prazo de variáveis aleatórias. O valor esperado também indica para avaliar qual decisão resulta no resultado mais favorável.

Recordar que as árvores de decisão fornecem todos os resultados possíveis em comparação com as alternativas. Ao calcular o valor esperado, podemos observar os resultados médios de todas as decisões e então tomar uma decisão informada.

Para calcular o valor esperado, precisamos da probabilidade de cada resultado e do valor resultante. A fórmula para o valor esperado é a seguinte:

EV = (Probabilidade A * Payoff esperado A) + (Probabilidade B * Payoff esperado A)

Esta fórmula assume que uma decisão empresarial tem dois resultados – sucesso ou fracasso. Cada resultado pode ser representado pela probabilidade A ou B. O Payoff esperado refere-se ao ganho ou perda esperado com cada resultado.

Se houver várias decisões a serem tomadas, uma empresa calculará o valor esperado para cada decisão para determinar qual é a mais favorável.

Exemplo Real-World

Vamos assumir que uma loja de vestuário está a abrir um segundo local e quer decidir se vai abrir em São Francisco ou Nova Iorque. A abertura de um local em qualquer uma das cidades envolverá diferentes gastos de capital. Os gastos de capital referem-se a fundos que são usados por uma empresa para a compra, melhoria ou manutenção de ativos de longo prazo para melhorar e demonstrar diferentes taxas de sucesso.

Antes de construir uma árvore de decisão, precisaremos reunir dados relevantes:

Após a coleta de dados, podemos construir a árvore de decisão com base em cada decisão:

Para cada decisão, a árvore de decisão também inclui dados numéricos para calcular o valor esperado. Os quadrados representam decisões, e os círculos representam resultados. As linhas ramificando dos quadrados são escolhas possíveis, enquanto as linhas ramificando dos círculos são resultados esperados.

O modelo também inclui os custos associados à abertura de cada local. Para abrir em São Francisco, a loja precisará investir $2 milhões, enquanto uma localização em Nova York exigirá um investimento de $5 milhões.

Os valores esperados de pagamento representam a receita potencial se a loja tiver sucesso, ou a perda potencial se a loja falhar.

Para avaliar qual decisão é mais favorável, calcularemos o valor esperado para cada decisão.

EV = (Probabilidade A * Payoff Esperado A) + (Probabilidade B * Payoff Esperado A)

• EV (São Francisco) = (0.4 * $15.000.000) + (0,6 * -$4.000.000) = $3.600.000
• EV (Nova Iorque) = (0,3 * $30.000.000) + (0.7 * -$10.000.000) = $8.300.000

Então, devemos deduzir o gasto de capital inicial para encontrar o ganho/perda líquida:

• São Francisco: $3.600.000 – $2.000.000 = $1.600.000
• Nova Iorque: $8.300.000 – $5.000.000 = $3.300.000

Após calcular o valor esperado de cada resultado, podemos compará-los para ver qual é o resultado preferível. Neste caso, abrir uma loja em Nova York parece resultar em um ganho líquido maior do que uma loja em São Francisco.

Recursos adicionais

CFI é o fornecedor oficial do Banco Comercial & Analista de Crédito (CBCA)™CBCA™ CertificaçãoO Banco Comercial & Analista de Crédito (CBCA)™ acreditação é um padrão global para analistas de crédito que abrange finanças, contabilidade, análise de crédito, análise de fluxo de caixa, modelagem de pactos, reembolso de empréstimos e muito mais. programa de certificação, projetado para transformar qualquer pessoa em um analista financeiro de classe mundial.

Para continuar aprendendo e desenvolvendo seus conhecimentos de análise financeira, recomendamos altamente os recursos adicionais abaixo:

• Árvore de decisãoÁrvore de decisãoA árvore de decisão é uma ferramenta de suporte com uma estrutura semelhante a uma árvore que modela os resultados prováveis, custo de recursos, utilidades e possíveis consequências.
• Templates de fluxogramaTemplates de fluxogramaOs fluxogramas são ótimos para descrever os processos de negócios de forma concisa, sem comprometer a estrutura e os detalhes. Abaixo estão quatro exemplos de modelos de fluxogramas
• Sistema de Apoio à Decisão (DSS)Sistema de Apoio à Decisão (DSS)Um Sistema de Apoio à Decisão (DSS) é um sistema de informação que auxilia uma empresa em atividades de tomada de decisão que requerem julgamento, determinação e um
• Gestão de OperaçõesA gestão de operações é um campo de negócios preocupado com a administração de práticas de negócios para maximizar a eficiência dentro da organização. É