决策分析(DA)

决策分析(DA)是什么?

决策分析(DA)的一种形式决策包括识别和评估决策的各个方面,并根据决定采取行动,产生最有利的结果。

决策分析的目标是确保决策是由所有相关的信息和选择。例如,一个公司可能用它来让百万美元的投资决策,或者个人可以使用它来决定他们的退休储蓄。

作为一种决策,决策分析的基本原理可以用来解决大量的问题,从简单的日常问题复杂的业务问题。

决策分析是如何工作的

决策分析允许企业各种决策的潜在结果评估和模型来确定正确的行动。是有效的,企业需要了解多个方面的问题导致一个消息灵通的决定。

分析需要了解各种目标,结果,和不确定性,包括使用概率来衡量各种决策的预期结果。

最重要的一个方面涉及到框架问题的方式,允许进行进一步分析。框架通常是决策分析的第一部分,它涉及创建一个框架来从多个角度评价问题。他们可以包括机会声明、行动项目和成功的措施。

一旦建立了框架,可以开发一个模型来评估各种结果的好感度。模型是决策树和影响图的例子。

决策树

创建一个框架来评估一个问题后,模型通常用于评估各种决策的结果。模型的可视化代表预期成果,他们是用来说明决策相比其他选择。

通过建模各种预期成果及其概率,企业可以选择的决定产生良好的结果。

最常见的一种模型参与决策分析是决策树,这些树状模型与“分支”代表潜在的结果。

使用决策树,因为他们是容易理解和提供有价值的洞察问题通过提供结果,选择,和各种决策的概率。这使得很容易评估决策结果的最有利的结果。

期望值(EV)

模型建立后,发现是很重要的期望值(EV)评估决策结果的最有利的结果。

回想一下,决策树提供所有可能的结果相比,选择。通过计算的预期值,我们可以观察到的平均结果所有的决定,然后做出明智的决定。

计算期望值,我们要求每个结果的概率和由此产生的价值。预期值的公式如下:

EV =(概率*预期收益)+(概率B *预期收益)

上面的公式假定一个商业决定有两个结果——成功或失败。每个结果概率可以表示为A或b的预期收益是指预期收益或损失与每一个结果。

如果有多个决策,业务将计算每个决策的预期值,以确定哪些是最有利的。

现实的例子

假设一个服装店是打开一个第二位置,想要决定是否开放在旧金山或纽约。打开一个城市将涉及不同的位置资本支出并演示成功的不同的速率。

在构造决策树之前,我们需要收集相关数据:

收集数据后,我们可以根据每个构造决策树决策:

对于每一个决策,决策树还包括数字数据计算期望值。方块代表决定,圆圈表示的结果。线分支从广场是可能的选择,而预计线分支从圆的结果。

模型还包括相关费用每个位置。在旧金山,商店需要投资200万美元,而纽约的位置需要投资500万美元。

预期收益量代表了潜在收入如果商店成功,或潜在损失如果存储失败。

评估的决定是更有利的,我们将计算每个决定的期望值。

EV =(概率*预期收益)+(概率B *预期收益)

• 电动汽车(旧金山)=(0.4 * 15000000美元)+(0.6 * - 4000000美元)= 3600000美元
• 电动汽车(纽约)=(0.3 * 30000000)+(0.7 * - 10000000美元)= 2000000美元

然后,我们必须扣除初始资本支出的净收益/损失:

• 旧金山:3600000 - 2000000美元=1600000美元
• 纽约:2000000 - 5000000美元=- 3000000美元

额外的资源

感谢您的阅读CFI对决策分析(DA)的指导。继续学习和发展你的财务分析知识,我们强烈推荐以下额外的资源:

• 决策树
• 流程图模板
• 决策支持系统(DSS)
• 运营管理