Тема 5.7. Метод дерева решений
Общая идея метода дерева решений. Технология графического построения дерева решений. Основные этапы реализации метода. Механизм реализации десяти этапов разработки и выбора УР по методу «дерево решений».
Общая идея метода. Метод дерева решений аналогичен методу сценариев с его эмоциональным содержанием, но предполагает аналитический подход к выбору наилучшего решения. Метод дерева решений позволяет руководителю визуально оценить результаты действия различных решений и выбрать наилучший их набор. Данный метод использует модель разветвляющегося по каким-либо условиям процесса. Модель представляет собой графическое изображение связей основных и последующих вариантов УР. В ней приводятся сведения о наименованиях УР, основных результатах каждого решения и ожидаемой эффективности. Общая идея метода дерева решений приведена на рис. 5.17.
Данный метод хорошо работает совместно с экспертными методами, так как некоторые этапы требуют оценки результатов специалистами. Реализация метода эффективна для типовых управленческих процессов, по которым накоплен значительный опыт и имеется обширная документация о решениях, условиях их реализации и самих результатах.
Рис. 5.17. Общая идея метода дерева решений
Основные этапы реализации метода. Основные этапы разработки или выбора РУР по методу дерева решений:
1) составление новой цели развития или совершенствования компании;
2) сбор материалов о реальном состоянии дел в компании по новой цели;
3) формулирование проблемы как разности между новой целью и
обобщенной ситуацией в компании;
4) выбор или разработка критериев оценки проблемы;
5) декомпозиция проблемы на самостоятельные составные части;
6) поиск ресурсов и исполнителей разрешения проблем;
Рис. 5.18. Упрощенная схема дерева решений для конкретной цели
(1, 2 и 3, 4 — наименования альтернативных решений, лучший путь выбора УР обозначен жирной линией)
7) разработка вариантов основных решений и их предполагаемая эффективность;
8) для каждого варианта основных решений разработка вариантов детализирующих решений;
9) для каждого варианта детализирующего решения разработка вариантов очередного набора детализирующих решений и т.д.;
10) оценка каждой ветви взаимодействующих решений на эффективность действий и возможности достижения цели;
11) выбор наиболее приемлемых сочетаний вариантов решений;
12) практическая реализация выбранного варианта сочетания решений.
Упрощенная схема данного метода с двумя альтернативами на каждом этапе решений представлена на рис. 5.18. Лучшее сочетание решений по ожидаемой эффективности принимается за основу для выдачи задания на разработку наборов УР. Так, в приведенном на рисунке примере лучше сочетаются два следующих решения:
заключить договор на оказание консультационных услуг с фирмой «Профи», по которому фирма должна в результате обследования компании разработать рекомендации и осуществить совершенствование функциональной структуры управления;
подключить к работе консультационной фирмы сотрудников отдела стратегического анализа на всех стадиях работы фирмы.
Другие сочетания решений имеют более низкую эффективность.
Метод дерева решений весьма успешно применяют при разработке компьютерных игр на выбор стратегий.
Источник
Как увидеть лес за деревьями: что такое Decision Tree и зачем это нужно в Big Data
Продолжая насыщать курс Аналитика больших данных для руководителей важными понятиями системного анализа, сегодня мы рассмотрим, что такое дерево решений (Decision Tree). А также расскажем, как этот метод Data Mining и предиктивной аналитики используется в машинном обучении, экономике, менеджменте, бизнес-анализе и аналитике больших данных.
Как растут деревья решений: базовые основы
Начнем с определения: дерево решений – это математическая модель в виде графа, которая отображает точки принятия решений, предшествующие им события и последствия. Этот метод Data Mining широко используется в машинном обучении, позволяя решать задачи классификации и регрессии [1].
Аналитические модели в виде деревьев решений более вербализуемы, интерпретируемы и понятны человеку, чем другие методы Machine Learning, например, нейронные сети. Дополнительное достоинство Decision Tree – это быстрота за счет отсутствия этапа подготовки данных (Data Preparation), поскольку не нужно очищать и нормализовать датасет [2].
В бизнес-анализе, менеджменте и экономике Decision Tree – это отличный инструмент для наглядного отображения всех возможных альтернатив (сценариев), прогнозирования будущих событий, а также оценки их потенциальной выгоды и рисков. Для этого дерево решений представляют в виде графической схемы, чтобы его проще воспринимать и анализировать. Данный граф состоит из следующих элементов [3]:
- вершины, от которых возможно несколько вариантов, называют узлами. Они показывают возможные ситуации (точки принятия решений);
- конечные узлы (листья) представляют результат (значение целевой функции);
- ребра (ветви), соединяющие узлы, описывают вероятности развития событий по этому сценарию.
Обычно многоузловые деревья решений строятся с помощью специального программного обеспечения. Но граф с ограниченным числом вершин можно построить в табличном редакторе или даже вручную. Как это сделать самостоятельно, мы рассмотрим далее на простом примере из управленческой практики.
Строим дерево решений на примере обучения Big Data
Итак, проанализируем кейс построения дерева решений на примере расчета выгоды от обучения сотрудников новой Big Data технологии с целью быстрого выпуска продукта ценой X. При этом возможны следующие альтернативные сценарии:
- поручить каждому сотруднику самостоятельно освоить нужные подходы, фреймворки и языки программирования в свободное от работы время. Фактические затраты на реализацию такого решения равны нулю, а вероятность успешного освоения технологии для быстрого выпуска продукта оценивается на уровне 30%.
- выделить w рабочих дней на самостоятельное обучение каждого сотрудника на его рабочем месте. Фактические затраты на реализацию такого решения составляют стоимость рабочего дня каждого сотрудника в день (Z), умноженное на количество дней (w) и число сотрудников (k). Успех ожидается в 50% случаев.
- организовать корпоративное обучение всех сотрудников в специализированном учебном центре в течении n дней. Затраты на обучения составят совокупную стоимость курсов (Y), а также цену рабочего дня каждого сотрудника в день (Z)*количество дней (n)*число сотрудников (k). При этом сотрудники освоят технологию с вероятностью 98% за n дней (n
Затраты на реализацию решения
Вероятность успешного освоения технологии для быстрого выпуска продукта ценой X
Самостоятельное обучение каждого сотрудника вне работы
Самостоятельное обучение каждого сотрудника на работе
стоимость рабочего дня каждого сотрудника в день (Z)*количество дней (w)*число сотрудников (k)
Организованные курсы для всех сотрудников в учебном центре
цена обучения (Y) + стоимость рабочего дня каждого сотрудника в день (Z)*количество дней (n)*число сотрудников (k)
Сравнив в абсолютных числах выражения 0,3X, (X*0,5 – Z*w*k) и (X*0,98 – Y – Z*n*k), можно выбрать наиболее выгодный вариант. Таким образом, дерево решений позволяет количественно оценить риски, затраты и выгоды возможных альтернатив и выработать оптимальную управленческую стратегию. Не случайно профессиональный стандарт бизнес-аналитика, руководство BABOK, о котором мы рассказывали здесь, включило дерево решений в набор наиболее часто используемых техник [4]. В следующей статье мы расскажем, как деревья решений и другие методы интеллектуального анализа данных реализуются в новом тренде аналитики больших данных — Augmented Analytics.
Источник
Дерево решений
Используйте дерево решений для быстрой и удобной оценки возможных результатов вашего выбора. Этот инструмент позволяет просчитать все возможные ситуации и принять оптимальные для вашего бизнеса решения.
50M пользователей по всему миру доверяют Miro
Дерево решений — это разновидность диаграмм, которая помогает оценить имеющиеся варианты решений и их потенциальные результаты. Визуализация вероятных последствий разных действий помогает принять информированное решение об оптимальном пути. Нужна помощь в построении диаграммы дерева решений? Предлагаемый Miro конструктор дерева решений предоставляет пользователю все необходимые фигуры, символы и возможности для начала совместной работы.
Что такое диаграмма дерева решений?
Диаграмма дерева решений — это визуальный инструмент, который помогает компаниям и отдельным людям принимать решения, наглядно отображая их возможные результаты и последствия. Визуализация процесса принятия решений позволяет пользователям взвешивать разные возможности и выстраивать путь к желаемому результату. Дерево решений основано на принципе построения древовидных диаграмм. Как правило, оно начинается с исходного узла, от которого отходят несколько ветвей. Каждая ветвь ведет к другому узлу, соответствующему уникальному решению или возможности, которые являются следствием ответа на вопрос исходного узла. Ветви, которые ведут к следующему узлу, обычно представляют собой действие или ответ на вопрос. Такой формат позволяет проследить, как принятые решения и выполненные действия могут в будущем привести к тем или иным результатам. Деревья решений полезны для компаний, перед которыми открывается несколько возможностей. Они помогают решить, которому варианту стоит отдать предпочтение, а от которого — отказаться. Визуализация последствий определенных решений помогает командам принимать информированные стратегические решения, улучшать долгосрочное планирование, а также четко и сжато отображать долгосрочные планы. Даже простая диаграмма дерева решений может помочь вам в принятии решений в обычной жизни.
Источник