Debattanalys (DA)

Vad är beslutsanalys (DA)?

Debattanalys (DA) är en form av beslutsfattandeEttligt beslutsfattandeEttligt beslutsfattande i finansbranschen är en ideologi för beslutsfattande som bygger på en underliggande moralfilosofi om rätt och fel. Etiskt beslut som innebär att identifiera och bedöma alla aspekter av ett beslut, och vidta åtgärder baserat på det beslut som ger det mest gynnsamma resultatet.

Målet med beslutsanalys är att se till att besluten fattas med all relevant information och alla tillgängliga alternativ. Ett företag kan till exempel använda den för att fatta investeringsbeslut i miljonklassen, eller en enskild person kan använda den för att fatta beslut om sitt pensionssparande.

Som en form av beslutsfattande kan grunderna för beslutsanalys användas för att lösa en mängd problem, från komplexa affärsfrågor till enkla vardagsproblem.

Hur beslutsanalysen fungerar

Med hjälp av beslutsanalysen kan företag utvärdera och modellera de potentiella utfallen av olika beslut för att fastställa rätt tillvägagångssätt. För att vara effektiv måste företaget förstå flera aspekter av ett problem för att resultera i ett välinformerat beslut.

Analysen innebär att förstå olika mål, utfall och osäkerheter som är involverade, inklusive användning av sannolikheter för att mäta det förväntade utfallet av olika beslut.

En av de viktigaste aspekterna innebär att formulera problemet på ett sätt som möjliggör ytterligare analys. Inramning är vanligtvis den första delen av beslutsanalysen och innebär att skapa en ram för att utvärdera problemet från flera olika perspektiv. De kan omfatta uttalanden om möjligheter, åtgärder och mått på framgångNyckelresultatindikatorer (KPI)Nyckelresultatindikatorer (KPI) är mått som används för att regelbundet spåra och utvärdera en organisations prestationer i riktning mot att uppnå specifika mål. De används också för att mäta ett företags övergripande resultat.

När ramverket är etablerat kan en modell utvecklas för att utvärdera gynnsamheten av olika utfall. Exempel på modeller är beslutsträd och påverkansdiagram.

Debattsträd

Efter att ha skapat ett ramverk för att utvärdera ett problem används modeller vanligtvis för att utvärdera utfallet av olika beslut. Modeller är visuella representationer av förväntade utfall, och de används för att illustrera beslut i jämförelse med andra alternativ.

Genom att modellera de olika förväntade utfallen och deras sannolikheter kan företag sedan välja det beslut som ger ett gynnsamt utfall.

En av de vanligaste modellerna som används vid beslutsanalys är beslutsträd, som är trädformade modeller med ”grenar” som representerar potentiella utfall.

Debattsträd används eftersom de är enkla att förstå och ger värdefull insikt i ett problem genom att tillhandahålla utfall, alternativ och sannolikheter för olika beslut. Detta gör det enkelt att utvärdera vilket beslut som leder till det mest gynnsamma utfallet.

Förväntat värde (EV)

När en modell är konstruerad är det viktigt att hitta det förväntade värdet (EV)Förväntat värdeFörväntat värde (även känt som EV, förväntan, medelvärde eller genomsnittsvärde) är ett långsiktigt medelvärde för slumpmässiga variabler. Det förväntade värdet anger också för att utvärdera vilket beslut som resulterar i det mest gynnsamma utfallet.

Hålls i minnet att beslutsträden ger alla möjliga utfall i jämförelse med alternativen. Genom att beräkna det förväntade värdet kan vi observera de genomsnittliga utfallen av alla beslut och sedan fatta ett välgrundat beslut.

För att beräkna det förväntade värdet behöver vi sannolikheten för varje utfall och det resulterande värdet. Formeln för det förväntade värdet är följande:

EV = (Sannolikhet A * Förväntad vinst A) + (Sannolikhet B * Förväntad vinst A)

Denna formel förutsätter att ett affärsbeslut har två utfall – framgång eller misslyckande. Varje utfall kan representeras av sannolikhet A eller B. Den förväntade avkastningen avser den vinst eller förlust som förväntas med varje utfall.

Om det finns flera beslut som ska fattas kommer ett företag att beräkna det förväntade värdet för varje beslut för att avgöra vilket som är mest gynnsamt.

Exempel från den verkliga världen

Vi antar att en klädbutik ska öppna ett andra kontor och vill bestämma om den ska öppna i San Francisco eller New York. Att öppna en lokal i båda städerna kommer att innebära olika kapitalutgifterKapitalutgifterKapitalutgifter avser medel som används av ett företag för inköp, förbättring eller underhåll av långfristiga tillgångar för att förbättra och visa på olika framgångsklasser.

För att konstruera ett beslutsträd måste vi samla in relevanta data:

Efter att ha samlat in data kan vi konstruera beslutsträdet baserat på varje beslut:

För varje beslut innehåller beslutsträdet även numeriska data för att beräkna det förväntade värdet. Fyrkanter representerar beslut och cirklar representerar resultat. Linjerna som förgrenar sig från kvadrater är möjliga val, medan linjerna som förgrenar sig från cirklar är förväntade utfall.

Modellen innehåller också de kostnader som är förknippade med öppnandet av varje plats. För att öppna i San Francisco måste butiken investera 2 miljoner dollar, medan en etablering i New York kräver en investering på 5 miljoner dollar.

De förväntade utbetalningsbeloppen representerar den potentiella intäkten om butiken lyckas, eller den potentiella förlusten om butiken misslyckas.

För att utvärdera vilket beslut som är mest fördelaktigt kommer vi att beräkna det förväntade värdet för varje beslut.

EV = (Sannolikhet A * Förväntad vinst A) + (Sannolikhet B * Förväntad vinst A)

• EV (San Francisco) = (0.4 * $15,000,000) + (0.6 * -$4,000,000) = $3,600,000
• EV (New York) = (0.3 * $30,000,000) + (0.7 * -$10,000,000) = $8,300,000

Därefter måste vi dra av den initiala kapitalutgiften för att hitta nettovinsten/förlusten:

• San Francisco: $3,600,000 – $2,000,000 = $1,600,000
• New York:

Efter att ha beräknat det förväntade värdet av varje utfall kan vi jämföra dem för att se vilket utfall som är att föredra. I det här fallet verkar öppnandet av en butik i New York resultera i en högre nettovinst än en butik i San Francisco.

Att ytterligare resurser

CFI är den officiella leverantören av Commercial Banking & Credit Analyst (CBCA)™CBCA™-certifieringenCommercial Banking & Credit Analyst (CBCA)™-ackrediteringen är en global standard för kreditanalytiker som omfattar ekonomi, redovisning, kreditanalys, kassaflödesanalys, avtalsmodellering, låneåterbetalning med mera.Certifieringsprogrammet, som är utformat för att förvandla vem som helst till en finansanalytiker i världsklass.

För att fortsätta lära dig och utveckla dina kunskaper om finansiell analys rekommenderar vi starkt de ytterligare resurserna nedan:

• Decision TreeDecision TreeEtt beslutsträd är ett stödverktyg med en trädliknande struktur som modellerar sannolika utfall, resurskostnader, nyttigheter och möjliga konsekvenser.
• Mallar för flödesdiagramMallar för flödesdiagramMallar för flödesdiagramFlödesdiagram är utmärkta för att beskriva affärsprocesser kortfattat utan att göra avkall på struktur och detaljer. Nedan finns fyra exempel på mallar för flödesscheman
• Decision Support System (DSS)Decision Support System (DSS)Ett Decision Support System (DSS)Ett Decision Support System (DSS) är ett informationssystem som hjälper ett företag att fatta beslut som kräver omdöme, beslutsamhet och en
• Operations ManagementOperations ManagementOperations Management är ett område inom affärsverksamheten som handlar om administrationen av affärsverksamhetsmetoder för att maximera effektiviteten inom organisationen. Det