Анализ решений: теория и практика

Введение

Дисциплина, охватывающая формальное принятие решений. Анализ решений (АР) – это дисциплина, включающая в себя философию, методологию и профессиональную практику, необходимые для решения важных задач посредством формализованного подхода. Анализ решений включает множество процедур, методов и инструментов для выявления, четкого представления и формальной оценки ключевых аспектов решения; для определения рекомендуемого курса действий на основе аксиомы максимальной ожидаемой полезности, примененной к корректно сформированной модели решения; и для преобразования формального представления решения и соответствующей рекомендации в полезные выводы для лица, принимающего решение, а также для других заинтересованных сторон, как корпоративных, так и некоммерческих.

История

В 1931 году философ-математик Фрэнк Рэмси первым предложил идею субъективной вероятности как отражение убеждений или неопределенности индивида. Затем, в 1940-х годах, математик Джон фон Нейман и экономист Оскар Моргенштерн разработали аксиоматическую основу теории полезности как способ выражения предпочтений индивида относительно неопределенных исходов. (Это отличается от теории социального выбора, которая решает проблему вывода групповых предпочтений из индивидуальных предпочтений.) Статистик Леонард Джимми Сэвидж затем разработал альтернативную аксиоматическую основу для анализа решений в начале 1950-х годов. В результате получившаяся теория ожидаемой полезности обеспечивает полную аксиоматическую базу для принятия решений в условиях неопределенности. После установления этих базовых теоретических разработок, методы анализа решений были далее кодифицированы и популяризированы, получив широкое распространение в обучении (например, в бизнес-школах и на факультетах промышленной инженерии). Краткий и легкодоступный вводный текст был опубликован в 1968 году теоретиком решений Говардом Райффой из Гарвардской школы бизнеса. Впоследствии, в 1976 году, Ральф Кини и Говард Райффа расширили основы теории полезности, предоставив комплексную методологию для принятия решений, связанных с компромиссами между множественными целями. Профессор инженерных наук Рон Говард из Стэнфордского университета и аналитик решений Джим Мэтисон опубликовали в 1977 году сборник статей по анализу решений, который был расширен до двухтомника в 1984 году. Последующие учебники и дополнительные разработки описаны ниже в разделе «Для дальнейшего чтения». Хотя анализ решений по своей сути является междисциплинарным (включая вклад математиков, философов, экономистов, статистиков и когнитивных психологов), исторически он рассматривался как отрасль операционных исследований. В 1980 году было создано Общество анализа решений как специальная группа интересов в рамках Общества исследований операций Америки (ORSA), которое позже объединилось с Институтом управленческих наук (TIMS) и образовало Институт исследований операций и управленческих наук (INFORMS). Начиная с 2004 года, INFORMS публикует специализированный журнал по этим темам – Decision Analysis. Параллельно с этими академическими достижениями, анализ решений также превратился в зрелую профессиональную дисциплину. Метод используется для поддержки принятия решений в бизнесе и государственной политике с конца 1950-х годов; результаты применения за период с 1990 по 2001 год были рассмотрены в первом выпуске журнала Decision Analysis. Анализ решений особенно широко применяется в фармацевтической и нефтегазовой промышленности, поскольку обеим отраслям регулярно необходимо принимать масштабные и высокорискованные решения (например, об инвестициях в разработку нового лекарственного препарата или о крупном приобретении).

In 1931, mathematical philosopher Frank Ramsey pioneered the idea of subjective probability as a representation of an individual’s beliefs or uncertainties. Then, in the 1940s, mathematician John von Neumann and economist Oskar Morgenstern developed an axiomatic basis for utility theory as a way of expressing an individual’s preferences over uncertain outcomes. (This is in contrast to social choice theory, which addresses the problem of deriving group preferences from individual preferences.) Statistician Leonard Jimmie Savage then developed an alternate axiomatic framework for decision analysis in the early 1950s. The resulting expected utility theory provides a complete axiomatic basis for decision making under uncertainty. Once these basic theoretical developments had been established, the methods of decision analysis were then further codified and popularized, becoming widely taught (e. g., in business schools and departments of industrial engineering). A brief and highly accessible introductory text was published in 1968 by decision theorist Howard Raiffa of the Harvard Business School. Subsequently, in 1976, Ralph Keeney and Howard Raiffa extended the basics of utility theory to provide a comprehensive methodology for handling decisions involving trade offs between multiple objectives. Engineering professor Ron Howard of Stanford University and decision analyst Jim Matheson then published, in 1977, a set of readings on decision analysis; this was expanded into a two volume set in 1984. Subsequent textbooks and additional developments are documented below under Further reading. Although decision analysis is inherently interdisciplinary (involving contributions from mathematicians, philosophers, economists, statisticians, and cognitive psychologists), it has historically been considered a branch of operations research. In 1980, the Decision Analysis Society was formed as a special interest group within Operations Research Society of America (ORSA), which later merged with The Institute of Management Sciences (TIMS) to become the Institute for Operations Research and the Management Sciences (INFORMS). Beginning in 2004, INFORMS has published a dedicated journal for these topics, Decision Analysis. Following along with these academic developments, decision analysis has also evolved into a mature professional discipline. The method has been used to support business and public policy decision making since the late 1950s; applications from 1990 2001 were reviewed in the inaugural issue of Decision Analysis. Decision analysis has been especially widely adopted in the pharmaceutical industry and the oil and gas industry, since both industries regularly need to make large high risk decisions (e. g., about investing in development of a new drug or making a major acquisition).

Методология

Фрейминг – это начальный этап анализа решений, который фокусируется на разработке формулировки возможности (что и почему), граничных условий, показателей успеха, иерархии решений, таблицы стратегий и перечня действий. Иногда полагают, что применение анализа решений всегда требует использования количественных методов. Однако на самом деле многие решения могут быть приняты с использованием качественных инструментов, входящих в инструментарий анализа решений, таких как ценностно-ориентированное мышление, без необходимости применения количественных методов. Процесс фрейминга может привести к разработке диаграммы влияния или дерева решений – общепринятых графических представлений проблем анализа решений. Эти графические инструменты используются для отображения альтернатив, доступных лицу, принимающему решение, связанных с ними неопределенностей и степени достижения целей лица, принимающего решение, в зависимости от различных конечных результатов. Они также могут служить основой для количественной модели, когда это необходимо. Например, количественные методы байесовского вывода и определения оптимальных решений с использованием диаграмм влияния были разработаны в 1980-х годах и теперь реализованы в программном обеспечении. В количественной модели анализа решений неопределенности представляются вероятностями, в частности, субъективными вероятностями. Отношение лица, принимающего решение, к риску отражается функциями полезности, а отношение к компромиссам между противоречивыми целями может быть выражено с помощью многоатрибутивных функций ценности или многоатрибутивных функций полезности (если присутствует риск). (В некоторых случаях функции полезности могут быть заменены вероятностью достижения неопределенного целевого уровня или "цели"). Основываясь на аксиомах анализа решений, наилучшим решением является то, последствия которого имеют максимальную ожидаемую полезность (или максимизируют вероятность достижения неопределенного целевого уровня). Иногда исходят из предположения, что количественный анализ решений применим только к факторам, которые легко поддаются измерению (например, в естественных единицах, таких как доллары). Однако количественный анализ решений и связанные с ним методы, такие как прикладная информационная экономика, могут применяться даже к, казалось бы, нематериальным факторам.

Framing is the front end of decision analysis, which focuses on developing an opportunity statement (what and why), boundary conditions, success measures, a decision hierarchy, strategy table, and action items. It is sometimes believed that the application of decision analysis always requires the use of quantitative methods. In reality, however, many decisions can be made using qualitative tools that are part of the decision analysis toolbox, such as value focused thinking, without the need for quantitative methods. The framing process may lead to the development of an influence diagram or decision tree. These are commonly used graphical representations of decision analysis problems. These graphical tools are used to represent the alternatives available to the decision maker, the uncertainties they involve, and how well the decision maker's objectives would be achieved by various final outcomes. They can also form the basis of a quantitative model when needed. For example, quantitative methods of conducting Bayesian inference and identifying optimal decisions using influence diagrams were developed in the 1980s, and are now incorporated in software. In a quantitative decision analysis model, uncertainties are represented through probabilities specifically, subjective probabilities. The decision maker's attitude to risk is represented by utility functions, and the attitude to trade offs between conflicting objectives can be expressed using multi attribute value functions or multi attribute utility functions (if there is risk involved). (In some cases, utility functions can be replaced by the probability of achieving an uncertain aspiration level or "target".) Based on the axioms of decision analysis, the best decision to choose is the one whose consequences have the maximum expected utility (or that maximizes the probability of achieving the uncertain aspiration level). It is sometimes assumed that quantitative decision analysis can be applied only to factors that lend themselves easily to measurement (e. g., in natural units such as dollars). However, quantitative decision analysis and related methods, such as applied information economics, can also be applied even to seemingly intangible factors.

Анализ решений как предписывающий подход

Предписывающее исследование принятия решений фокусируется на том, как принимать "оптимальные" решения (основанные на аксиомах рациональности), в то время как описательное исследование принятия решений направлено на объяснение того, как люди фактически принимают решения (независимо от того, являются ли их решения "правильными" или оптимальными). Неудивительно, что существует множество ситуаций, в которых решения, принимаемые людьми, значительно отличаются от тех, которые рекомендовал бы анализ решений. Некоторые критикуют формальные методы анализа решений за то, что они позволяют лицам, принимающим решения, уклоняться от ответственности за свой выбор, предпочитая полагаться на интуицию или "внутреннее чутье". Более того, для решений, требующих быстроты, формальные методы анализа решений часто оказываются бесполезными, и на первый план выходят интуиция и опыт. Однако, когда есть достаточно времени, исследования показали, что количественные алгоритмы принятия решений могут давать результаты, превосходящие "интуицию без посторонней помощи". Кроме того, несмотря на известные когнитивные искажения, свойственные человеческим суждениям, необходимым для анализа решений, исследования демонстрируют хотя бы умеренную эффективность обучения и обратной связи в снижении этих искажений. Критики указывают на феномен "паралича анализа" как на возможное следствие чрезмерной зависимости от анализа решений в организациях (затраты на сам анализ решений также являются фактором, который следует учитывать). Тем не менее, существуют стратегии для снижения этого риска. В настоящее время наблюдается большой интерес к количественным методам принятия решений. Однако многие из этих методов отступают от аксиом анализа решений и, следовательно, могут давать вводящие в заблуждение рекомендации в определенных обстоятельствах, и поэтому не являются истинно предписывающими. К наиболее популярным не-аналитическим методам относятся теория нечетких множеств для представления неопределенности и аналитический иерархический процесс для представления предпочтений или ценностных суждений. Хотя в некоторых случаях использование таких методов может быть оправдано (например, из-за простоты применения), специалисты по анализу решений считают теорию мультипликативной полезности золотым стандартом, с которым следует сравнивать другие методы, благодаря ее строгой аксиоматической базе. Хотя анализ решений часто используется для поддержки принятия решений на государственном уровне, важно отметить, что базовая теория применима только к индивидуальным лицам, принимающим решения. К сожалению, не существует сопоставимой аксиоматической предписывающей теории, специально разработанной для групповых или политических решений. Более подробную информацию по этой теме можно найти в разделах, посвященных групповому принятию решений (для обсуждения поведенческих аспектов групповых решений) и теории социального выбора (для теоретических соображений, влияющих на групповые решения).

Prescriptive decision making research focuses on how to make "optimal" decisions (based on the axioms of rationality), while descriptive decision making research aims to explain how people actually make decisions (regardless of whether their decisions are "good" or optimal). Unsurprisingly, therefore, there are numerous situations in which decisions made by individuals depart markedly from the decisions that would be recommended by decision analysis. Some have criticized formal methods of decision analysis for allowing decision makers to avoid taking responsibility for their own decisions, and instead recommend reliance on intuition or "gut feelings". Moreover, for decisions that must be made under significant time pressure, it is not surprising that formal methods of decision analysis are of little use, with intuition and expertise becoming more important. However, when time permits, studies have demonstrated that quantitative algorithms for decision making can yield results that are superior to "unaided intuition". In addition, despite the known biases in the types of human judgments required for decision analysis, research has shown at least a modest benefit of training and feedback in reducing bias. Critics cite the phenomenon of paralysis by analysis as one possible consequence of over reliance on decision analysis in organizations (the expense of decision analysis is in itself a factor in the analysis). However, strategies are available to reduce such risk. There is currently a great deal of interest in quantitative methods for decision making. However, many such methods depart from the axioms of decision analysis, and can therefore generate misleading recommendations under some circumstances, so are not truly prescriptive methods. Some of the most popular of such non decision analytic methods include fuzzy set theory for the representation of uncertainties, and the analytic hierarchy process for the representation of preferences or value judgments. While there may occasionally be justification for such methods in applications (e. g., based on ease of use), decision analysts would argue for multi attribute utility theory as the gold standard to which other methods should be compared, based on its rigorous axiomatic basis. Although decision analysis has been frequently used in support of government decision making, it is important to note that the basic theory applies only to individual decision makers. There is unfortunately no axiomatic prescriptive theory comparable to decision analysis that is specifically designed for group or public policy decisions. For more on this topic, see group decision making for discussions of the behavioral issues involved in group decisions, and social choice theory for theoretical considerations that can affect group decisions.

Приложения

Методы анализа решений применяются в самых разных областях, включая бизнес (планирование, маркетинг, переговоры), управление, восстановление окружающей среды, здравоохранение, научные исследования, энергетику, разведку, судебные разбирательства и разрешение споров и т. д. Важным ранним применением стало исследование преимуществ и недостатков искусственного вызова осадков в ураганах, проведенное Стэнфордским исследовательским институтом в начале 1970-х годов для Управления экологических научных служб (предшественника Национального управления океанических и атмосферных исследований). Сегодня анализ решений используется крупными корпорациями для принятия решений об инвестициях в капитальные проекты на миллиарды долларов. Например, в 2010 году компания Chevron получила премию за практическое применение анализа решений от Общества анализа решений за использование этого метода во всех ключевых решениях. В видеоролике, посвященном применению анализа решений компанией Chevron, вице-президент Chevron Джордж Киркленд отмечает, что «анализ решений – неотъемлемая часть бизнес-процессов Chevron, и это обусловлено простой, но действенной причиной: он работает». Его также можно использовать для принятия сложных личных решений, таких как планирование выхода на пенсию, определение оптимального времени для рождения ребенка, планирование масштабного отпуска или выбор из нескольких вариантов медицинского лечения. Энергетика. Анализ решений был использован для структурирования энергетических целей Германии. Предпринимательство. Концепция эквивалентов определенности, полученная в рамках анализа решений, была использована для разработки новых и высокоэффективных механизмов финансирования новых предприятий, выгодных как инвесторам, так и предпринимателям. Здравоохранение. Анализ решений применяется при принятии медицинских решений, касающихся диагностики и лечения рака молочной железы, рака щитовидной железы и рака легких. Страхование. Специалисты по анализу решений изучали возможности использования страхования как механизма стимулирования здорового образа жизни. Метод также применяется для определения оптимальных стратегий приобретения страхования долгосрочного ухода с учетом возраста, финансового положения и склонности к риску. Судебные разбирательства. Юристы используют анализ решений для выявления стратегий, которые с наибольшей вероятностью приведут к благоприятным результатам в судебных процессах. Управление портфелем. Анализ решений рекомендуется как метод повышения эффективности распределения ресурсов в управлении портфелем. Военное планирование. Анализ решений был применен к проблеме закрытия военных баз. Радиоактивные отходы. Анализ решений использовался для оценки альтернативных вариантов размещения радиоактивных отходов как в Соединенных Штатах, так и в Соединенном Королевстве. В меньшем масштабе он также применялся для оценки вариантов утилизации избыточного плутония оружейного качества. Научные исследования и разработки. Анализ решений использовался для формирования портфелей проектов, финансируемых в рамках научных исследований и разработок. Терроризм и национальная безопасность. Анализ решений использовался для моделирования ценностей как террористов, так и сил безопасности, с целью поддержки принятия решений в области национальной безопасности.

Decision analytic methods have been used in a wide variety of fields, including business (planning, marketing, negotiation), management, environmental remediation, health care, research, energy, exploration, litigation and dispute resolution, etc. An important early application was a study of the pros and cons of hurricane seeding, undertaken by the Stanford Research Institute in the early 1970s for the Environmental Science Services Administration (a predecessor of the National Oceanic and Atmospheric Administration). Decision analysis is today used by major corporations to make multibillion dollar capital investments. For example, In 2010, Chevron won the Decision Analysis Society Practice Award for its use of decision analysis in all major decisions. In a video detailing Chevron's use of decision analysis, Chevron Vice Chairman George Kirkland notes that "decision analysis is a part of how Chevron does business for a simple, but powerful, reason: it works." It can also be used to make complex personal decisions, such as planning for retirement, deciding when to have a child, planning a major vacation, or choosing among several possible medical treatments. Energy. Decision analysis has been used to structure the energy objectives for Germany. Entrepreneurship. The concept of certainty equivalents from decision analysis was used to design novel and highly efficient mechanisms for funding of new businesses that are desirable to both backers and entrepreneurs. Health Care. Decision analysis has been applied to medical decision making regarding breast cancer diagnosis and therapy, treatment of thyroid cancer, and lung cancer. Insurance. Decision analysts have explored the use of insurance as a mechanism to encourage adoption of beneficial health behaviors. The method has also been applied to determine optimal strategies for purchase of long term care insurance as a function of age, wealth, and risk tolerance. Litigation. Attorneys have used decision analysis to identify strategies likely to lead to beneficial outcomes in litigation. Portfolio Management. Decision analysis has been recommended as a method of improving resource allocations in portfolio management. Military Planning. Decision analysis has been applied to the problem of base closure. Radioactive Waste. Decision analysis has been used to evaluate alternatives for radioactive waste repositories in both the United States and the United Kingdom. At a smaller scale, it has also been used to evaluate options for dealing with surplus weapons grade plutonium. Research and Development. Decision analysis has been used to recommend portfolios of projects to fund in research and development. Terrorism and Homeland Security. Decision analysis has been used to represent the values of both terrorists and defenders to support homeland security decision making.

Программное обеспечение

Для реализации анализа решений доступны программные пакеты поддержки принятия решений. Среди наиболее известных можно выделить Analytica для построения диаграмм влияния, а также DecideIT и Logical Decisions для многоатрибутного анализа решений.