Теория менеджмента

В различных организациях любые решение могут приниматься  как одним человеком, так и  коллегиально. Это зависит от уровня решения, от структуры организации, уровня делегирования полномочий. Обычно самые сложные решения стратегического  плана принимаются коллегиально, что позволяет уменьшить риск принятия неоптимального решения и  снизить моральную нагрузку на людей, принимающих решение.

Процесс принятия решений - процесс психологический. Люди принимая решения, не всегда принимают логичные решения. Решения варьируются от спонтанных до высокологичных. Поэтому процессы принятия решений делятся на имеющий интуитивный, основанный на суждениях и рациональный характер, хотя решение редко относится к какой либо одной категории.

Интуитивное решение - это решение, принятое только на основе того, что руководитель имеет ощущение того, что оно правильно. При этом руководитель не рассматривает все возможные варианты, не учитывает все их преимущества и недостатки и не нуждается в понимании ситуации.

Решения, основанные на суждениях часто кажутся интуитивными, так как их логика не очевидна. Такое решение - это выбор, обусловленный знаниями или накопленным опытом. Человек использует знание о том, что случалось в сходных ситуациях раньше для того, чтобы спрогнозировать результат альтернативных решений в существующей ситуации. Такой метод принятия решений обладает как положительными, так и отрицательными сторонами. Положительным является то, что действительно многие ситуации имеют тенденцию к повторению и применение такого метода принятия решений позволяет сэкономить время и деньги, так как решение принимается руководителем очень быстро и без сбора дополнительной информации и её анализа. Однако такие решения принимаются на базе здравого смысла, который в истинном его понимании встречается очень редко. Кроме того, информация, на основе которой принимается данное решение, может быть искажена потребностями людей и другими факторами. Также суждения не позволяют принимать правильные решения в уникальных или абсолютно новых ситуациях, так как лицо, принимающее решение не обладает необходимым опытом для обоснования выбора. Так как суждение всегда опирается на опыт, оно смещает ориентацию принятия решения в направление, знакомое руководителю по предыдущим ситуациям. Это может привести к тому, что руководитель упустит новые альтернативы.

Рациональное решение - это решение, обоснованное с помощью объективного аналитического процесса. Это структурированный процесс, состоящий обычно из 5 шагов, хотя количество шагов зависит от самой проблемы.

Кроме всего вышеперечисленного на процесс принятия решений влияют такие факторы как личностные оценки руководителя, среда принятия решений, информационные ограничения, поведенческие ограничения и  т.д.

2.1 Графический метод принятия решений “Дерево решений”

При принятии решения вне  зависимости от применяемых моделей  существуют некоторые правила принятия решений. Правило принятия решения - это критерий, по которому выносится  суждение об оптимальности данного  конкретного исхода. Существует два  типа правил. Один не использует численные  значения вероятных исходов, второй - использует данные значения.

К первому типу относятся  следующие правила принятия решений:

1. Максимаксное решение  - это решение, при котором принимается  решение по максимизации максимально  возможных доходов. Данный метод  очень оптимистичен, то есть не  учитывает возможные потери и,  следовательно, самый рискованный. 

2. Максиминное решение  - это решение, при котором максимизируется  минимально возможный доход. Данный  метод в большей степени учитывает  отрицательные моменты различных  исходов и является более осторожным  подходом к принятию решений. 

3. Минимаксное решение  - это решение, при котором минимизируются  максимальные потери. Это наиболее  осторожный подход к принятию  решений и наиболее учитывающий  все возможные риски. Под потерями  здесь учитываются не только  реальные потери, но и упущенные  возможности. 

4. Критерий Гурвича. Данный  критерий является компромиссом  между максиминным и максимаксным  решениями и является одним  из самых оптимальных. 

Ко второму типу принятия решений относятся решения, при  которых кроме самих возможных  доходов и потерь учитываются  вероятности возникновения каждого  исхода. К данному типу принятия решений относятся, например, правило  максимальной вероятности и правило  оптимизации математического ожидания. При данных методах обычно составляется таблица доходов, в которой указываются  все возможные варианты доходов  и вероятности их наступления. При  использовании правила максимальной вероятности соответственно выбирается по одному из правил первого типа один из исходов, имеющий максимальную вероятность.

Дерево решений - метод науки управления - схематичное представление проблемы принятия решений - используется для выбора наилучшего направления действий из имеющихся вариантов.

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 действий 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 управленческого решения. В ней приводятся решения и  наименованиях управленческого  решения, основных результатах каждого  решения и ожидаемой эффективности.

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  документация о решениях, условиях их реализации и самих результатах.

Основные этапы реализации метода:

-  составление новой цели развития или совершенствования компании;

-  сбор материалов о реальном состоянии ел в компании по новой цели;

- формулирование проблемы как разности между новой целью и обобщённой ситуации в компании;

-  выбор или разработка критериев оценки проблемы;

-  декомпозиция проблемы на самостоятельные составные части;

-  поиск ресурсов и исполнителей разрешения проблем;

- разработка вариантов основных решений и их предполагаемая эффективность;

- для каждого варианта основных решений разработка вариантов детализирующих решений;

- для каждого варианта детализирующего решения разработка вариантов очередного набора детализирующих решений;

- оценка каждой ветви взаимодействующих решений на эффективность действий и возможности достижения цели;

- выбор наиболее приемлемых сочетаний вариантов решений;

- практическая реализация выбранного варианта сочетания решений.

Графический метод дерева решений эффективен при аналитическом  складе ума исполнителя, умеющего просчитывать несколько вариантов на несколько  шагов вперед. Если результат очередного хода предполагается хорошим, то исполнитель  задумывается над следующими вариантами шагом. Если предполагаемый результат  его не устраивает, то исполнитель  далее не развивает это направление  шагов, а формирует новую цепочку. Данный метод основан на документальном представлении возможных вариантов  разветвляющихся решений. Последовательности решений графически фиксируются  на бумаге или на экране компьютера. Такое расположение решений напоминает дерево, на котором решения играют роль веток, а стволом является сам  процесс выполнения всех решений. В  теории управления существуют такие  понятия как «дерево целей», «дерево  функций» и «дерево структур». Метод  дерева решений имеет приоритет  наглядности над эмоциональной  убедительностью метода сценариев. Наглядность часто служит основным мотивом при выборе варианта решения. Метод дерева решений позволяет  руководителю визуально оценить  результаты действия различных решений  и выбрать наилучший их набор. Это очень эффектный метод. Он позволяет в случае тупикового варианта на каком-либо этапе отменить дальнейшую проработку всех решений, стоящих до него. Пример графической интерпретации  метода приведен на рис.1.[1, с. 58]

Финансирование инвестиционных проектов -- процесс динамичный. Как  правило, затраты во время реализации проекта требуют, чтобы финансовые вложения осуществлялись не единовременно, а в течение определенного, достаточно длительного периода. Такое положение  вещей дает менеджеру возможность  повторно оценить свои вложения и  оперативно реагировать на изменение  конъюнктуры при реализации проекта. Для анализа именно таких многостадийных решений чаще всего используется метод дерева решений. В каждой узловой точке дерева решений условия реализации проекта могут измениться, что приведет к автоматическому изменению ЧПС [3, с. 73].

Метод дерева решений применяется  в ситуациях, в которых результаты одного решения влияют на последующие  решения. То есть дерево решений - удобный  метод для принятия последовательных решений

Оценка альтернатив в  случае, когда действие, предпринимаемое  на одной стадии, зависит от действия, предпринятого на предыдущей, является достаточно сложной. Построение «дерева  решений» чаще всего используется для анализа проектных рисков. Метод применяется для тех проектов, которые имеют обозримое количество вариантов развития. При этом аналитик, осуществляющий построение «дерева решений», для формулирования различных сценариев развития проекта должен обладать необходимой и достоверной информацией с учетом вероятности и времени их наступления. Можно предложить следующую схему управления проектом, последовательности сбора данных для построения «дерева решений»:

- определение состава и продолжительности фаз жизненного цикла проекта;

- определение ключевых событий, которые могут повлиять на дальнейшее развитие проекта;

- определение времени наступления ключевых событий;

- формулировка всех возможных решений, которые могут быть приняты в результате наступления каждого ключевого события;

- определение вероятности принятия каждого решения;

- определение стоимости каждого этапа осуществления проекта (стоимости работ между ключевыми событиями) в текущих ценах.

На основании полученных данных строится «дерево решений», структура которого содержит узлы, представляющие собой ключевые события (точки принятия решений), и ветви, соединяющие узлы, - работы по реализации проекта. В результате построения «дерева  решений» рассчитываются вероятность  каждого сценария развития проекта, NPV по каждому сценарию, а также  ряд других принципиально важных показателей. Следует отметить, что  очень часто по различным причинам, в значительной мере в связи с  отсутствием достоверной информации, использование статистического  метода или метода «дерева решений» не представляется возможным. В таких  случаях применяются методы, использующие результаты опыта и интуицию, то есть эвристические методы или методы экспертных оценок

Деревья решений - это метод, который пригоден не только для решения  задач классификации, но и для  вычислений и поэтому довольно широко применяется в области финансов и бизнеса, где чаще встречаются  задачи численного прогноза. В результате применения этого метода к обучающей  выборке данных создается иерархическая  структура классифицирующих правил типа «ЕСЛИ... ТО...», имеющая вид дерева. Для того чтобы решить, к какому классу отнести некоторый объект или ситуацию, мы отвечаем на вопросы, стоящие в узлах этого дерева, начиная с его корня. Вопросы  могут иметь вид «значение  параметра A больше x?» для случая измеряемых переменных или вида «значение  переменной В принадлежит подмножеству признаков С». Если ответ положительный, мы переходим к правому узлу следующего уровня, если отрицательный - то к левому узлу; затем снова отвечаем на вопрос, связанный с соответствующим узлом. Таким образом, мы, в конце концов, доходим до одного из оконечных узлов - листьев, где стоит указание, к какому классу (сочетанию признаков) надо отнести рассматриваемый объект. Этот метод хорош тем, что такое представление правил наглядно и его легко понять.

Сегодня наблюдается всплеск  интереса к продуктам, применяющим  деревья решений. В основном это  объясняется тем, что многие коммерческие проблемы решаются ими быстрее, чем  алгоритмами нейронных сетей. К  тому же они более просты и понятны  для пользователей. В то же время  нельзя сказать, что деревья решений  всегда действуют безотказно: для  определенных типов данных они могут  оказаться неприемлемыми. В частности, методы дерева решений не очень эффективны, если целевая переменная зависит  линейным образом от входных переменных, так как в этом случае дерево должно иметь большое число листьев. Иногда возникают проблемы при обработке  непрерывных величин, скажем данных о возрасте или объеме продаж. В  этом случае их необходимо группировать и ранжировать. Однако выбранный  для ранжирования метод способен случайно скрыть выявляемую закономерность. Например, если группа объединяет людей  в возрасте от 25 до 34 лет, то тот факт, что на рубеже 30 лет некий параметр испытывает существенный разрыв, может  оказаться скрытым. Этого недостатка не имеет продукт SAS Enterprise Miner в силу того, что реализованные в нём  методы построения дерева решений могут  автоматически выявлять границу (численный  критерий) разделения данных на более  однородные подгруппы.

Для деревьев решений очень  остро стоит проблема значимости. Дело в том, что отдельным узлам  на каждом новом построенном уровне дерева соответствует все меньшее  и меньшее число записей данных - дерево может сегментировать данные на большое количество частных случаев. Чем больше этих частных случаев, чем меньше обучающих примеров попадает в каждый такой частный случай, тем менее надежной становится их классификация. Если построенное дерево слишком «кустистое» - состоит из неоправданно большого числа мелких веточек - оно не будет давать статистически  обоснованных ответов. Как показывает практика, в большинстве систем, использующих деревья решений, эта  проблема не находит удовлетворительного  решения. Исключением из этого ряда является упомянутый выше SAS Enterprise Miner, включающий в себя широкий спектр диагностических инструментов, с  помощью которых аналитик может  выбрать статистически наиболее обоснованную модель из производимого  множества деревьев решений и  более того - сравнить полученную модель дерева с принципиально другими  типами моделей (регрессионной и  нейросетевой). В данном продукте в  качестве целевой переменной можно  использовать как измеряемые, так и дискретные (не измеряемые переменные или признаки), что существенно расширяет область применения метода.[7, с. 141]