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」。

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

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