決策工具——決策樹、德爾菲法
今天,我們舉兩個例子說說「決策樹」、「德爾菲法」
...
第一個例子
你是大齡神女,你媽天天逼你相親,這個周末又給你約了個對象。
你問「多大了?」你媽說「26」
你又問「帥不帥?」你媽說「挺帥的」
你接著問「收入高不高?」你媽說「中產階級」
你最後問「幹什麼工作的?」你媽說「搞IT互聯網的!」
你說,那我去見見吧...
決策樹
決策樹,就是一種把決策節點畫成樹的輔助決策工具,一種尋找最優方案的畫圖法。
回到剛才的例子,你通過四個決策節點「年齡、長相、收入、工作」,排除了「老、丑、窮還不正經工作的人」,選出「30歲以下,收入中等,搞IT互聯網會修電腦裝系統的帥小伙」。這套像樹一樣層層分支,不斷遞進的決策工具,就是「決策樹」。
Advertisements
但實際情況並沒有這麼簡單,每一個決策節點的決策依據,都充滿了不確定性。
比如帥不帥,這個每個人的標準不一樣,你媽媽覺得帥,說不定他長得是那種招大媽喜歡的成熟型男,而你喜歡小鮮肉
比如收入高不高,多少算高?北上廣深每月2萬不算高,三線城市每月8000就不算低
比如幹什麼工作,搞IT互聯網的還真不一定會修電腦...
那怎麼辦?在「決策樹」中引入了一個「概率」,這就是「概率樹」
然後,你要把所有可能的結果列出來,然後對每個結果給出從-10到10的分,比如說:
1、又丑收入又低又不會修電腦:-10
2、收入不高不會修電腦的帥哥:5
3、不會修電腦長得丑的大款:0
4、長得丑收入低會修電腦的宅男:-5
5、不會修電腦但是很有錢的帥哥:8
Advertisements
6、會修電腦但是沒錢的帥哥:5
7、長得抽象但有錢又會修電腦的IT精英:3
8、又有錢長得又帥又會修電腦的完美男神:10
(僅供參考,僅供娛樂...)
然後你可以根據帥不帥、有沒有錢、會不會修電腦的概率,計算上面每個結果出現的概率,然後把概率乘上分數最後再求和,就可以得到最終的分數。如果這個分數大於0,就可以去見見看。
小結一下
決策樹,就是一種把決策節點畫成樹的輔助決策工具,一種尋找最優方案的畫圖法。
概率樹在決策樹的基礎上,增加了對條件發生概率的預測,和對結果收益的評估,然後加權平均得到一個「期望值」,用這個期望值,作為依據,輔助決策。
...
第二個例子
你是一家代理商,代理了一個國外的產品,可是對方對你有承諾銷售的要求。你承諾銷售1萬台,他收取銷售額的15%;你要是承諾銷售2萬台,他取銷售額的為10%,你要是承諾銷售5萬,版稅為6%。
這個時候你就要對你的銷售量有個預測了,但是很悲催的是你還沒上那些高科技的大數據分析管理系統,除了大數據、雲計算、人工智慧這些高大上的方法之外,還有沒有其它方法呢?
德爾菲法
德爾菲法簡單來說,就是「把專家的獨立觀點不斷收斂」的預測法。
怎麼用?
1、邀請專家
從你所在的行業領域,邀請20位真正權威的專家。
同時,準備一些基礎素材,比如你在過去幾年的全渠道銷量數據,近幾年積累的客戶數據,作為專家們預測的依據。
2、獨立預測
不要把20個專家召集在一起開會討論。請每位專家獨立的,認真地,根據提供的數據,自己的經驗,提供三個數字:你認為的最低銷售量,最高銷售量,和最可能銷售量是多少,並給出理由。
3、統計回歸
把20位專家的意見收集起來,歸納整理后,再匿名返回給各位專家,然後要求專家們參考別人的意見,對自己的預測重新考慮。
然後,再把20位專家的意見收集起來,歸納整理后,再匿名返回給各位專家,請大家做第三次預測,第四次預測。
一般,到第四次預測時,大部分專家已經不再修改自己的意見,彼此預測的也越來越接近(收斂)。
4、分析結果
經過計算,20位專家最終預測結果,最低銷量平均是1.2萬,最高銷量平均是6萬,最可能銷量平均是4.5萬。
然後,用「主觀概率加權平均法」,賦予最低銷量25%的概率,最高銷量25%的概率,最可能銷量50%的概率,算出最終的銷量:1.2萬 x 25% + 4.5萬 x 50% + 6萬冊 x 25% = 4.05萬
德爾菲法預測的結果是:你能賣出4.05萬台。你可以和對方承諾銷售2萬台,他取銷售額的為10%的協議了。
小結一下
德爾菲法是一種「把專家的獨立觀點不斷收斂」的預測法。
有四個步驟:邀請專家,獨立預測,統計回歸,分析結果。
使用德爾菲法需要注意兩點:
1、必須避免專家們面對面的集體討論,而是由專家單獨提出意見。
2、專家不一定是諮詢公司,也可以是第一線的管理人員,甚至是客戶。
你,學會了么?
...
好了,今天就說到這。
明天,我們說說:KT法、麥穗理論。
本文核心觀點內容出自
得到APP《劉潤·5分鐘商學院》
我曾經所說的,可能都是錯的
小鑫說點事兒
2017.12.04