Как бороться с неопределенностью: техники выработки оптимальных решений

доктор Матиас Нёльке ( Matthias Nollke), немецкий психолог, автор нескольких книг по креативности и развитию творческих способностей.

Рассматриваемые здесь техники принятия решений предназначены прежде всего для того, чтобы помочь вам максимально облегчить процесс выработки наиболее выгодного для вас решения. Ни один из этих методов не претендует на универсальность применения в любой жизненной ситуации. Скорее верно обратное: если какой-то метод не подошел вам для решения конкретной практической ситуации, то просто измените его или выберите другой. Далее мы подробно рассматриваем шесть методов принятия решений: «дерево решений», «наименьшее зло», «всё по максимуму» и метод Лапласа, сценарий «наихудшего случая», «система нокаута», техники воображения и «Буриданов осел».

1. «Дерево решений»

Многие решения даются нам легче, если мы можем изобразить их графически. Подходящим вспомогательным средством для того, чтобы выстроить многоступенчатый процесс решения, является так называемое «дерево решений»:

Оно делает комплексные, многоступенчатые решения абсолютно «прозрачными».

Все связи становятся более явными, а процессы — более четко структурированными.

«Дерево решений» также помогает вам впоследствии распознавать ошибочные оценки и исправлять их.

Как нужно действовать?

Вы начинаете с постановки вопроса или формулировки проблемы, которую записываете в самом верху листа. От этого «отправного пункта» отходят две (или более) «ветви», которые обозначают возможные решения вашего вопроса.

На последующих уровнях располагаются соподчиненные элементы: решения, события (состояния), последствия. Для большей ясности этим элементам присваиваются три различных символа:

квадрат — для решений;

круг — для событий (состояний);

треугольник — для последствий.

От этих элементов могут ответвляться следующие решения, состояния или последствия. И так до того уровня, который вы избрали предварительным результатом вашего решения (уровень последствий). На каждом уровне содержатся элементы только одного типа, т. е. только решения, или только состояния, или только последствия.

Весьма распространена трехслойная модель: за исходным вопросом следует первый слой с возможными решениями, одно из которых вы должны выбрать. Второй слой вводит в игру события, которые могут произойти после того, как решение будет принято. Третий слой содержит последствия в каждом соответствующем случае. «Дерево решений» позволяет вам представить различные возможные решения вместе с их последствиями. Вы также получаете представление о том, какова вероятность тех или иных последствий.

Какова вероятность последствий?

Не все последствия имеют одинаковую вероятность. Чем более различается степень вероятности, тем более серьезное значение нужно придавать этому обстоятельству. Без информации о вероятности последствий не может быть найдено правильное решение.

Именно поэтому каждому состоянию должно быть присвоено соответствующее вероятностное значение. Естественно, вы должны заранее знать эти значения или иметь возможность точно рассчитать их. Как правило, значения всех состояний, связанных с определенным решением, составляют в сумме 1. Если два состояния одинаково вероятны, каждое из них имеет значение 0,5.

Пример. Вероятность того, что после вакцинации у вас поднимется температура, составляет 25 %. Из этого следует, что состояние «температура» имеет вероятностное значение 0,25, в то время как состояние «нет температуры» — значение 0,75. Риск инфицирования составляет для вас 3 % (вероятностное значение — 0,03), а вероятность того, что вы не будете инфицированы, таким образом, составляет 97 % (вероятностное значение — 0,97).

При сложных решениях вам приходится сталкиваться с гораздо большим количеством ступеней-состояний. Если происходит случай А (а не В), то может произойти как случай С, так и случай D, из чего вытекают различные последствия. Но с какой вероятностью? Здесь действует правило умножения. Вы должны умножить вероятностные значения случая А на вероятностные значения случая С или, соответственно, случая D.

Пример. Вероятность того, что после вакцинации вы будете инфицированы и у вас поднимется температура, составляет 0,75 % (0,25 х 0,03 = 0,0075). Вероятность же того, что после вакцинации у вас не поднимется температура и вы не будете инфицированы, составляет 72,75 % (0,75 х 0,97 = 0,7275).

Проблема, однако, состоит в том, что в большинстве случаев вероятностное значение вам неизвестно. Тогда вам нужно произвести оценку. И подобная оценка значений не только может быть неточной или произвольной, но имеет также опасную тенденцию усиливаться и фальсифицировать результат. Можно лишь посоветовать очень осторожно обращаться с подобными оценками.

В конце каждого «дерева решений» выстраиваются в виде кроны (или, скорее, корней) последствия каждого решения. Этот список поможет вам найти правильное решение. Просмотрите каждое последствие в отдельности и проверьте, какие из них наиболее близко подводят вас к осуществлению цели. Какова вероятность этих последствий?

В идеальном случае все последствия можно оценить по одному критерию, например сколько денег вы получите. в таком случае вы можете сравнить различные альтернативы, например: если вы выберете альтернативу А, то выиграете 10 тыс. евро при условии, что произойдет событие X. Если же произойдет событие Y, то вы потеряете 3 тыс. евро.

Чем более различны по содержанию предполагаемые последствия, тем менее выразительным получается «дерево решений».

Пример. Г-н Якоб хочет решить, стоит ли ему купить собаку. В конце его «дерева решений» возникают следующие последствия: «Я не смогу больше свободно путешествовать», «2,5 тыс. евро», «Каждый день ходить гулять в парк» и «Никакой защиты от грабителей». Теперь г-н Якоб не знает, на что ему решиться.

Рекомендуем скачать другие рефераты по теме: отчет по производственной практике, образец титульный реферата.



1  2  3 | Следующая страница реферата

Поделитесь этой записью или добавьте в закладки