Построение дерева решений проекта

Белорусский Государственный  Университет

Институт Бизнеса  и Менеджмента технологий

 

 

 

 

Реферат на тему: «Построение дерева решений проекта.»

По дисциплине: Модели и методы принятия решений

 

 

 

 

 

 

 

 

 

     Подготовила:  Царук К.Д.

студентка 3 курса,БА

Проверил: Шингарёв И.П.

 

Минск 2013

 

 

Оглавление

Введение 3

Построение и анализ дерева решений 4

Дерево  решений. Необходимость  оптимизации затрат 6

Построение  дерева решений с  AnswerTree 9

Построение  дерева решений  с помощью надстройки MS Excel «Дерево решений» 11

Метод анализа индивидуального  проектного риска с помощью построения дерева решений проекта. 13

Как увидеть угрозы и возможности для бизнеса 16

Преимущества и  недостатки 19

Заключение 21

Список литературы 22

 

 

 

 

 

 

 

 

 

 

 

 

Введение

 

     Своевременная разработка и принятие правильного  решения — главные задачи работы управленческого персонала любой  организации. Непродуманное решение  может обойтись компании в значительную сумму материальных средств. На практике результат одного решения влечет за собой принятие следующего решения ,таким образом все решения  так или иначе связаны между  собой.. Когда нужно принять несколько  решений в условиях неопределенности, когда каждое решение зависит  от исхода предыдущего решения или  исходов испытаний, то применяют  схему, называемую деревом решений.     

Задачей моей работы является раскрытие  понятия «Дерево решений». Передо мной стоят цели изучения способов построения дерева решений при помощи компьютерных программ,а также оценка эффективности данного способа принятий решений.

Так же рассмотрим угрозы и возможности  для бизнеса при помощь древа решений.

Выявим  преимущества и недостатки использования  древа решений. 

 

 

 

 

 

 

 

 

 

 

                     Построение и анализ дерева решений

Этот метод применим для проектов,- которые растянуты во времени и если у предприятия имеется возможность отказаться от продолжения проекта, не завершая инвестирование в изначально запланированном объеме. Построение дерева решений дает возможность не только оценивать, но и уменьшать риск, связанный с проектом. Специфика данного метода заключается в том, что анализ происходит не в одной точке на шкале времени (в момент принятия решения о начале проекта), а в нескольких узловых точках проекта. При этом реализация проекта обычно делится на три основных этапа: - исследование рынка (анализ  конкурентов, изучение интереса потребителей); - разработка технического  задания и самого проекта; - проведение рекламной  кампании и осуществление мероприятий по реализации проекта.   Каждый из этапов требует  финансовых средств, но инвестируются они не единовременно, а последовательно. У предприятия имеется возможность, завершив исследования рынка, отказаться от проекта и потерять не все инвестиции (как это было бы в случае единовременного инвестирования), а только ту часть средств, которая была затрачена на первый этап. Аналогичная ситуация возможна во второй узловой точке. Сравнивая  два проекта с различными графиками  инвестирования (единовременный и поэтапный), можно сделать вывод, что при прочих равных условиях риск проекта с поэтапным инвестированием будет ниже. Определение стоимости каждого  этапа зависит не только от правильности предварительной информации о ключевых моментах и длительности этапов реализации решений, но и от принимаемых в  расчете цен и методов их дисконтирования, если осуществление принятого решения  будет продолжительно по времени. Построение дерева решений  для выбора решения в условиях риска рекомендуется для задач, имеющих обозримое число вариантов развития. Для построения дерева решений необходима качественная информация.   Сбор  данных осуществляется в следующей  последовательности:   - определяется состав  этапов реализации каждого управленческого решения; - выявляются ключевые  события каждого этапа, которые  могут повлиять на дальнейшее развитие избираемого варианта решения задачи; - определяются затраты  времени реализации каждого этапа  с учетом возможности наступления  его ключевых событий; - рассчитываются вероятности  достижения желаемого результата в каждом из принимаемых решений; - находится стоимость  каждого этапа альтернативных  вариантов управленческих решений с учетом стоимости наступления ключевых событий.   На основании полученных данных строится дерево решений. Его точки (узлы) показывают количественные характеристики ключевых событий или этапов реализации предполагаемых вариантов управленческих решений, а линии между точками отражают путь реализации этих решений. Построение дерева решений позволяет оценить любой набор показателей, качественно и количественно оценивающих риск, и принять наиболее оптимальный.

        Дерево  решений. Необходимость  оптимизации затрат

Своевременная разработка и  принятие правильного решения —  главные задачи работы управленческого  персонала любой организации. Непродуманное  решение может дорого стоить компании. На практике результат одного решения  заставляет нас принимать следующее  решение и т. д. Когда нужно  принять несколько решений в  условиях неопределенности, когда каждое решение зависит от исхода предыдущего  решения или исходов испытаний, то применяют схему, называемую деревом  решений.

Дерево решений — это  графическое изображение процесса принятия решений, в котором отражены альтернативные решения, альтернативные состояния среды, соответствующие  вероятности и выигрыши для любых  комбинаций альтернатив и состояний  среды.

Рисуют деревья слева  направо. Места, где принимаются решения, обозначают квадратами □, места появления исходов — кругами ○,возможные решения — пунктирными линиями --------, возможные исходы — сплошными линиями ——.

Для каждой альтернативы мы считаем ожидаемую стоимостную  оценку (EMV) — максимальную из сумм оценок выигрышей, умноженных на вероятность  реализации выигрышей, для всех возможных  вариантов.     

Дерево  решений — это графическое  изображение процесса принятия решений, в котором отражены альтернативные решения, альтернативные состояния  среды, соответствующие вероятности  и выигрыши для любых комбинаций альтернатив и состояний среды.  

Любая организация рано или поздно сталкивается с необходимостью оптимизации затрат на продажи и маркетинг. Ключевым элементом этой оптимизации являются знания о каждом клиенте и его  потребностях, позволяющие получать максимальную отдачу от клиентов. Понятно, что в идеале лучше всего работать с каждым клиентом (или потенциальным  клиентом) индивидуально –узнать  о его потребностях, рассмотреть  вместе с ним возможные варианты их удовлетворения и предложить наиболее выгодное решение. Только в этом случае мы могли бы быть уверены, что каждый клиент получает от нас то, что ему  необходимо, что он доволен нашими товарами или услугами и будет  впредь их покупать. Однако, для подавляющего большинства товаров и услуг, продаваемых в современном мире, использование лишь индивидуального  общения с клиентом заведомо неэффективно или невозможно. Затраты на индивидуальное общение с каждым клиентом оказываются  запредельно высокими. Например, затраты  на создание для каждого клиента  уникального торгового предложения, чаще всего, окажутся выше, чем отдача от клиентов, которые захотят этими  предложениями воспользоваться. Таким  образом, индивидуальная работа, несмотря на всю ее кажущуюся привлекательность, представляет собой недостижимый идеал.      

Однако  бросаться в другую крайность  и обращаться с предложениями  ко всем клиентам одновременно тоже нерационально. Например, если предлагать всем клиентам без исключения услугу, которая по своей природе предназначена  для людей старшего возраста, то существенная часть затраченных  усилий пропадет даром. Клиент не будет  покупать товар или услугу, если она ему не нужна. Более того, у  него может создаться негативная установка по поводу того, что ему предлагают совершенно ненужные товары или услуги. Поэтому не нацеленные предложения – верный способ потерять клиентов. Истина, как это часто бывает, находится где-то между двумя этими крайними подходами. Золотая середина заключается в целенаправленной работе с несколькими наиболее выгодными или перспективными группами клиентов. Это означает, что товары или услуги предлагаются не всем потенциальным клиентам, а только тем группам клиентов, которые действительно могут быть в них заинтересованы. Самая рациональная стратегия, избираемая абсолютным большинством компаний, – сегментация клиентов и потенциальных клиентов, которая позволяет идентифицировать наиболее выгодные и перспективные группы клиентов и нацеливать маркетинговые программы, предложения, разработку новых товаров и услуг на эти группы. Итак, сегментация – это выделение наиболее выгодных или перспективных групп клиентов для целенаправленной работы с ними. Основная польза от грамотно проведенной сегментации заключается в том, что компания может позволить себе не тратить огромные средства на "стрельбу по площадям", обращаясь ко всем возможным клиентам, а "наносить точечные удары" по заранее определенным и ясным целевым группам, затрачивая гораздо меньше ресурсов.       

 Само собой разумеется, что для  идентификации сегментов необходимо  использовать знания о бизнесе  и интуицию. Именно они позволяют  проводить сегментацию осмысленно. Однако, чтобы сегментация не  ограничивалась выделением только  лишь крупных и очевидных сегментов,  помимо знаний о бизнесе и  интуиции для сегментации необходимо  использовать данные о клиентах, рынке и конкурентах. Такими  данными могут быть, например, данные  опросов или база данных клиентов. А чтобы в имеющихся данных  можно было бы быстро и без  лишних усилий разглядеть наиболее  прибыльные и перспективные сегменты  клиентов, неразличимые на интуитивном,  умозрительном уровне, необходимы  специальные аналитические инструменты.  Таким инструментом  является AnswerTree, программное обеспечение компании SPSS, позволяющее использовать специальную технологию сегментации, называемую деревья решений, в сочетании со знаниями о бизнесе и интуицией для обнаружения наиболее прибыльных и перспективных сегментов клиентов. Так же эффективен способ построения дерева решений в MS Excel. 

 

 

 

 

                Построение  дерева решений с  AnswerTree

 

     1)Первый этап построения –  открытие данных. При запуске  программа предлагает выбрать  тип источника данных.Очень удобно то, что при решении бизнес-задачи нет необходимости переводить данные в специфический формат. Если, например, данные находятся в корпоративной базе данных, можно использовать эту базу в качестве источника данных для AnswerTree.     

2) После того, как данные выбраны,  открывается Конструктор построения  дерева решений. На первом его  шаге выбирается один из четырех  методов построения дерева –СHAID, Exhaustive CHAID, C&RT или QUEST. Необходимость в различных методах обуславливается типом используемых данных и другими факторами. (рис.1)     

CHAID. Это наиболее известный  метод построения  деревьев решений,  в котором для  получения оптимального  разбиения используется  критерий связи  между категориальными  переменными хи-квадрат  (вс лучае, если  целевая переменная  является количественной, используется F-критерий). Исходно-целевая  переменная и переменные-предикторы  могут быть как  количественными,  так и категориальными,  однако количественные  переменные-предикторы  при построении  дерева преобразуются  в категориальные (количеством  категорий можно  управлять).      

Exhaustive CHAID. Данный метод  представляет собой  модификацию метода CHAID. Его преимуществом  является то, что  в процессе построения  дерева анализируется  большее количество  возможных разбиений,  а недостатком  – более медленная  скорость работы. Этот метод накладывает  на типы целевой  переменной и переменных-предикторов  те же ограничения,  что и метод  CHAID.     

C&RT. Метод, известный  также как «метод  построения деревьев  регрессии и классификации». В отличие от  двух описанных  выше методов,  основан не на  статистических критериях,  а на уменьшении  неоднородности сегментов (узлов). Хорошо работает в том случае, если все переменные в анализе являются количественными. В методе могут быть использованы как количественные, так и категориальные целевая переменная и переменные-предикторы     

QUEST. В данном методе  для выбора предикторов  применяются различные  критерии, в зависимости  от типа потенциального  предиктора. Он позволяет  избегать смещений, связанных с выбором  предикторов с  большим количеством  категорий, но  целевая переменная  в данном случае  должна быть категориальной. Переменные-предикторы  могут быть как  количественными,  так и категориальными.      

 

 

   

 

 

Построение  дерева решений  с помощью надстройки MS Excel «Дерево решений»

 

     Надстройка MS Excel «Дерево решений» (Decision Tree 4.xla) предоставляет набор инструментов для построения дерева решений в  ситуации статистической неопределенности.      

В ходе построения дерева решений автоматически  создаются формулы для расчета  вероятностей событий и ожидаемых  монетарных ценностей различных  решений. Файл с построенным деревом  решений является обычным файлом Excel.     

Для принятия решений в ситуации неопределенности широко используется метод «таблиц  выигрышей и потерь». Однако в  сложных случаях приходится выбирать между альтернативами, каждая из которых  представляет собой «многошаговый» процесс принятия решений. Такие  шаги могут быть разнесены во времени, на каждом шаге может возникать новый  набор альтернатив и сценариев  будущего, усложняется расчет вероятностей различных событий. В этом случае визуализировать процесс выбора из рассматриваемых альтернатив  удобно с помощью дерева альтернатив (иначе говорят – дерева решений). Дерево альтернатив – это необходимый  инструмент при стратегическом планировании и инвестиционном анализе.

     

 

 

     Рис1. Дерево решений в MS Excel

 

 

 

 

 

 

 

 

Метод анализа индивидуального  проектного риска с помощью построения дерева решений проекта.

Как правило, производимые во время реализации проекта затраты, требуют осуществления финансовых вложений не единовременно, а в течение  определенного, достаточно длительного  промежутка времени. Такое положение  вещей дает менеджеру возможность  проводить переоценку своих вложений и оперативно реагировать на изменение  конъюктуры реализации проекта.

Риск по проектам, при  реализации которых инвестирование средств происходит в течение длительного периода времени, часто оценивается с помощью дерева решений.

Пример. Некая компания собирается инвестировать средства в производство роботов для использования в  космических исследованиях. Инвестиции в данный проект производятся в три  этапа.

1этап. В начальный момент  времени t=0 необходимо потратить  $500 тыс. долл. на проведение маркетингового  исследования рынка. 

2 этап. Если в результате  исследования будет выяснено, что  потенциал рынка достаточно высок,  то компания инвестирует еще  $1,000 тыс. долл. на разработку и  создание опытных образцов робота. Опытные образцы должны быть  предложены к рассмотрению инженерам  в центре космических исследований, которые решают вопрос о размещении  заказа у данной компании.

3 этап. Если реакция инженеров  благоприятная, то в момент  времени t=2 компания начинает  строительство нового предприятия  по производству данного робота. Строительство такого предприятия  требует затрат в $10,000 тыс. долл. Если данная стадия будет реализована,  то по оценкам менеджеров проект  будет генерировать притоки наличности  в течение четырех лет. Величина  этих потоков наличности будет  зависеть от того, насколько хорошо  этот робот будет принят на  рынке.