По словам статистика Джорджа Чакко, принятие решений — это «выделение ресурсов сегодня для получения результатов завтра». Таким образом, решения обычно принимаются в ситуации некоторой неопределенности, потому что мы никогда не можем быть полностью уверены в завтрашнем дне.

Например, представьте, что вы пытаетесь выбрать одного из двух кандидатов на должность продавца. Один из них имеет значительный опыт продаж в вашей области, но небольшой общий рабочий стаж. Другой никогда не работал с вашим видом продукции, но имеет превосходный послужной список в другом виде продаж. Как выбрать того, кто обеспечит наилучшие продажи в будущем?

В качестве альтернативы представьте, что вы решаете, будете ли инвестировать в новый проект. Учитывая неопределенное будущее (и, следовательно, неопределенные будущие продажи), как решить, оправдают ли дополнительные продажи те затраты, которые на них потребуются?

Здесь нужно управлять уровнем неопределенности, с которым вы работаете, чтобы принять решение, основанное на рациональном, дисциплинированном мышлении.

В обоих случаях решение состоит в количественной оценке проблемы, хотя в каждом из них используется свой подход. В первом вам нужно преобразовать такие качества, как «опыт» и «мастерство продаж», в цифры, чтобы можно было их сравнить. Во втором вам нужно оценить будущие перспективы и учесть их при принятии решения.

Мы начнем с рассмотрения того, как количественно оценить свои решения. Затем покажем, как учитывать возможные варианты будущего при принятии решений.

Количественная оценка неисчисляемых характеристик

Когда неопределенность, с которой вы работаете, возникает из-за необходимости выбирать между разными вариантами, нужно решить, как количественно оценить элементы каждого варианта, чтобы провести прямое численное сравнение.

Для этого можно использовать множество инструментов, начиная от простых списков плюсов и минусов и заканчивая сложными анализами на основе таблиц.

Один из наиболее распространенных подходов, используемых при принятии серьезного решения, заключается в простом рассмотрении плюсов и минусов двух альтернатив. При этом для структурирования удобно использовать технику количественных аргументов "За" и "Против", которая включает в себя присвоение числового веса каждому из них. Подробнее о том, как это сделать, читайте в нашей статье (Quantitative Pros and Cons).

Если вам нужно сравнить несколько разных вариантов, и, в частности, ранжировать варианты по порядку, то поможет метод парного сравнения. Этот тип анализа в определенной степени опирается на интуицию, поэтому он наиболее полезен при принятии субъективных решений или когда действительно сложно определить или взвесить важность критериев принятия решений.

Некоторые ситуации требуют использования более сложную схему для взвешивания альтернатив. Анализ матрицы принятия решений предлагает оценить ваш выбор в соответствии с набором взвешенных факторов принятия решения. Он особенно удобен для сравнения нескольких вариантов при наличии множества разных критериев принятия решения.

Еще один вариант — использование метода анализа иерархий (AHP). Этот метод наиболее полезен при наличии многих конкурирующих факторов, а также различных приоритетов и перспектив для рассмотрения. Более того, принимать решения самостоятельно может быть непросто, но если учитывать интересы и точки зрения других людей, обсуждение проблемы и переговоры могут занять настолько много времени, что решение так никогда и не будет принято.

Метод анализа иерархий (AHP) был разработан для количественной оценки различных потребностей и ценностей всех заинтересованных сторон и альтернатив, помогая рационально сравнивать их. Вы берете интуитивную часть парного сравнения, а затем используете ее для присвоения веса каждому фактору принятия решения. Такой подход облегчит количественную оценку факторов и позволит разглядеть наилучшую альтернативу.

AHP — очень сложный и трудоемкий процесс. Подробное объяснение и пошаговый пример приведены в нашей подробной статье ((The Analytic Hierarchy Process (AHP))). И помните, прежде чем использовать этот подход, убедитесь, что более простой анализ матрицы принятия решений не сработал!

Рассмотрение будущих перспектив

Вторая группа методов включает в себя рассмотрение различных вариантов развития событий в будущем и принятие решений на их основе.

Самый простой и наиболее «осязаемый» способ — создать дерево решений. Древовидные диаграммы предоставляют полезный способ визуальной организации ваших вариантов и размышления о последствиях каждого из них. Построив дерево решений, вы сможете рассчитать риски и потенциальные преимущества альтернатив таким образом, чтобы упростить интерпретацию результатов.

Хотя деревья принятия решений позволяют учитывать вероятность различных вариантов будущего, они не могут справиться с непредсказуемыми вариациями или даже случайностями, которые происходят в повседневной жизни. Например, ваша прибыль может зависеть не только от уровня продаж. Что, если цены на сырье вырастут или на спрос повлияет плохая погода?

Хорошим способом рассмотрения подобных факторов будет совместное использование двух методов — анализа сценариев и анализа Монте-Карло.

В процессе анализа сценариев вы перебираете все возможные изменения в будущем. Затем определяете те из них, которые с наибольшей вероятностью произойдут и которые могут оказать наибольшее влияние на ваше решение. Для каждого из этих изменений вы разрабатываете сценарии, которые исследуют варианты будущего. Используя наш предыдущий пример, вы можете оценить будущее в случае, если сырье сильно подорожает, или если цены не изменятся; или что произойдет, если цены на сырье значительно упадут.

Затем вы можете использовать анализ Монте-Карло (Monte Carlo Analysis), чтобы смоделировать свое решение во всех этих сценариях.

Сперва вы настраиваете распределения вероятностей, представляющих ваши сценарии, в рамках используемой для принятия решения модели прогнозирования. А затем вводите в эту модель случайные числа, сгенерированные этими распределениями вероятностей. После сотен наборов случайных чисел полученное сводное распределение вероятностей показывает наиболее вероятный консолидированный результат, в котором все учтено.

Это далеко не простая задача: схема значительно более сложная и всеобъемлющая , чем базовая древовидная диаграмма. Она даст вам очень хорошее представление о вашем решении и о том, как может сложиться будущее.