Теория на решенията

Теорията на решенията се занимава с процеса на вземане на решения.

Същност

Тя спомага при избора на решение в условията на несигурност, когато известен брой алтернативни на действие трябва да се оценят, преди да се вземе крайното решение. Теорията на решенията анализира разнообразието от различни типове решения, установява основните правила и мотиви за вземането им и разработва методи за вземане на тези решения, използвайки различни видове модели или процедури.

Налични техники

Наличните техники за вземане на решения, които са класифицирани под широко заглавие на теорията за решението, са:

Анализ на съотношението средства-цели
Матрица на решенията
Алгоритми
Субективна вероятност
Бейзиански анализ

Анализ на съотношението средства – цели

Анализът на съотношението , както е описан от Кук и Слак, е метод за изясняване на една верига от цели като по този начин определя поредица от точки за вземане на решения. Концепцията е основана на факта, че средствата на един човек са цели за постигане на друг. Анализът на съотношението средства - цели се извършва чрез съставяне на верига на преливащи се средства и цели.

Матрица на решението

Матрицата на решението, както е описана от Кук и Слак, е метод за моделиране на сравнително прости решения в условия на несигурност по такъв начин, че да се направят ясни откритите възможности за този, който взема решението, факторите или „естествените състояния”, съответстващи на решението и вероятните последствия от комбинация от всяка възможност с всеки фактор.

Дървета на реакцията

Решенията често се вземат в условия, където има известен брой алтернативни курсове на действие и когато последствията от тези действия са несигурни. Нещо повече, по-ранните действия биха могли да засегнат последващите действия и тези вероятни ефекти е необходимо да бъдат обсъдени на по-ранен етап. Дърветата на решенията са средства за справяне с проблеми от този вид, които са характеризирани чрез взаимната връзка между несигурността и поредицата от решения „или/или”. Те характеризират анатомията на последователните точки за вземане на решения, изводите от които водят до клоновете на дървото. Следователно последиците от бъдещите решения могат да бъдат проследени обратно за преценяване на тяхното влияние върху сегашните решения. Етапите в конструирането на дърво на решенията са:

Съставяне на списък на решенията и несигурностите в хронологичен ред.
Конструиране на дърво, показващо основните пунктове или възли на решенията и избиране на възли, както е показано в схема4
Определяне на разходите, предимствата или вероятностите към подходящите разклонения.
Анализиране използването на метод за „връщане на цените”, т.е. проследяване на разходите и предимствата обратно от крайната точка към първоначалната цел, както е определено в първата точка за вземане на решение.

Алгоритми

Алгоритмите съдържат логическа поредица от заключения за решаване на проблеми. Те се използват за ограничаване на задачите за решаване на проблеми до сравнително прости поредици от операции, които в същото време посочват реда, в който се извършват операциите.

Субективна вероятност

Често се вземат решения, които изискват преценка на вероятността за един резултат без помощта на обективни изпълнители. Субективното възприемане на вероятността да се случи едно събитие и свързването на това събитие с една цифра на вероятност е известно като субективна вероятност, и представлява изразяване на степента на вярване в случването на едно събитие.

Бейзиански анализ

Бейзианския статистически анализ цели да превърне субективните прогнози в криви на математическата вероятност в ситуации, където няма нормални статистически вероятности, защото алтернативите са неизвестни или не са били опитвани преди. Бейзианските статистики използват най-добрата оценка на дадено обстоятелство както ако има твърда вероятност. Те гарантират да се правят промени във вероятностите, след като се получи по-нататъшната информация. Крайният резултат от Бейзианския анализ зависи от определените предшестващи вероятности. Обаче, въпреки че бейзианските статистики могат да доведат до изопачена точност, както всяка манипулация на субективните вероятности, те наистина осигуряват послезна логическа структура в правенето на промени във вероятността, колкото повече се научава за предположенията, включени вътре в решението.

Модели и методи при вземането на решения

Произход и отличителни черти на науката за управление

Срещат се словосъчетания, като: „наука за управление” , „наука за вземане на решения” , „системен анализ” , „наука за системите” , „изледване на операциите” , които се използват като взаимозаменяеми. Но независимо от предпочитаната терминология, отличителните особености на „науката за управление” , като подход са следните:

Използване на научен подход
Системна ориентация
Използване на модели

Фундаменталната процедура, на което и да е научно изследване е била използвана за първи път в практиката от школата на научното управление. Тя се нарича научен метод. Той се състои от три етапа:

Наблюдение - става дума за събиране, обработка и анализ на информация по даден проблем или ситуация.
Формулиране на хипотезите – Формулират се алтернативите и последствията за ситуациите на базата на които и след редица наблюдения и анализи се правят прогнози. Целта е да се установят взаимната обусловеност и зависимост между компонентите на проблема.
Проверка на хипотезата – изследователят проверява хипотезата, съблюдавайки резултатите от взетото решение. Ако хипотезата е вярна, т.е. отразява адекватно обекта, процеса или явлението, за които се отнася, се пристъпва към реализация на решението или модела. Ако обаче хипотезата се окаже невярна, той се връща към първия етап и с още допълнителна информация се опитва да формулира нова хипотеза по възможност вярна.

Същност на модела

Всеки модел представлява някакъв обект, система или идея, която се отличава по своята цялостност. Например, схемата на организационната структура на една организация е модел представящ тази структура. Като главна характеристика на модела може да се счита опростяването на реалната ситуация, за която се отнася.

Необходимост от моделиране

То се обуславя от следните причини: голямата сложност на бизнесдействителността, необходимостта от експериментиране и потребността, управлението да бъде ориентирано към предварително прогнозираните бъдещи събития.

Базови модели

Читателят трябва да има представа за три базови модела: физически, аналогов, и математически.

Физически модел - представлява нещо, с което изследваният обект или система може да се увеличи или намали като размер. Този вид модел е известен още като „портретен модел”. Пример за физически модел е схемата на едно предприятие. Този физически модел опростява визуалната представа за обекта. Автомобилните и авиационните предприятия винаги изготвят физически намалени копия на бъдещите си изделия. По същия начин строителната фирма винаги строи миниатюрен модел на бъдещата сграда.
Аналогов модел – той представя изследвания обект като аналог, който изглежда като реалния обект. Типичен пример за аналогов модел е организационната схема. Тя представя сложни връзки и взаимоотношения в организацията в силно опростен вид.
Математически модел – при този вид се използват символи за описание свойствата и характеристиките на обекта или събитието. Пример за такъв математически модел е известната формула на Айнщайн E=mc2. Ако Айнщайн не беше построил модела, в който символите заменят реалната действителност, физиците едва ли шяха да предположат, че съществува взаимна връзка между материята и енергията.

Процес на построяване на модела

Както управлението и вземането на решения представляват процеси, така и построяването на един модел, като субективна човешка дейност, също протича във времето. Основни етапи на този процес са:

Постановка на задачата
Построяване на модела
Проверка на модела за достоверност
Практическо приложение на модела
Обновление на модела

Общи проблеми на моделирането

Както методите, така и моделите, които се използват от науката за управление, могат да доведат до грешки. Ефективността от приложението на моделите може да бъде занижена поради следните потенциални причини.

Вижте още

Източници

Scott Plous - The Psychology of Judgment and Decision Making (McGraw-Hill Series in Social Psychology)
Jon Elster - Nuts and Bolts for the Social Sciences
Shaun Hargreaves Heap - The Theory of Choice: A Critical Guide
J. Edward Russo - Decision Traps: Ten Barriers to Brilliant Decision-Making and How to Overcome Them
Thomas Gilovich - Why Smart People Make Big Money Mistakes and How to Correct Them: Lessons from the New Science of Behavioural Economics
H. W. Lewis - Why Flip a Coin: The Art and Science of Good Decisions
John Hammond - Harvard Business Review on Decision Making ("Harvard Business Review" Paperback)
Jonathan Baron - Thinking and Deciding
Jon Elster - Sour Grapes: Studies in the Subversion of Rationality

Външни препратки