决策树分析，让你的风险应对更专业

所谓的决策树分析，是在不确定因素的背景下，对可能出现的风险定量分析，用来作出有利决策的一个工具。通过在若干备选方案中对不同分支事件的产生的发展路径分析发生概率及产生的风险（包括威胁和机会），计算每条路径净值，根据预期收益选出最优路径。

决策树分析的应用场景非常广泛，不经意中我们就已经用很多次决策树分析。例如买西瓜时我们可以根据纹理、根蒂及触感来挑好瓜；银行在审批贷款时根据借款人的信用情况判断是否能放款；新产品商业论证时面临多条发展方案时根据各方案的预期收益来决策。

PMBOK中关于决策树分析的计算方法的例子很详细。但肯定还有不少人跟我一样，看完那个例子并不知道如何下手决策树分析？来吧，我们探索一下决策树分析。

1、决策树的要素与结构

决策树分析的要素包括：决策点（决策的出发点，可以有多个层级的决策点）、方案枝（决策的若干备选方案）、结点（每个方案枝在各种自然状态下的收益结果）、概率枝（每种自然状态对应的发生概率）及结果点组成。由决策点出发，从左到右根据需要决策的问题、可供选择的各种方案、各种方案的自然状态展现出决策树图。

2、决策树绘制的前提与准备

首先要明确有哪些备选方案：决策树分析要解决的是可选方案太多的“痛苦”，因此要先弄明白“痛苦”有哪些。举个简单例子，某个以新增利润为目标的项目交付过程中，业务方发现了新的商机，发起了一项需求变更，让业务方“痛苦”的可选方案有：

1）实施变更，但上线计划要推迟一个月，研发费用100万；

2）当前版本保持现状，下个版本（2个月后）实现新需求方案，研发费用新增80万；

3）当前版本实施临时方案，效果不能完全实现，下个版本（2个月后）再完成最终方案，研发费用新增120万。

实际情况可能更复杂，某个备选方案自身可能就是一个决策点，这种情况就需要把这个决策点看成一个整体，绘制多阶决策树。

其次要分析各项概率枝及预期收益：这是决策树的关键，直接影响着最终决策的准确性及有效性。这里有两个重点：

1）概率枝的考虑要尽可能全面，

2）各个概率枝发生的概率和预期收益要尽可能准确，可以借助结合数据、趋势、环境及专家评估等工具手段。

继续前面变更的例子，三项变更实施方案，最主要的差异在于新商机方案投产时间对于收益等影响，通过对类似方案的运营情况及历史数据分析，方案3采用了临时方案的折中方案，可能会出现一定概率1200万的利润情况，方案1和2受投产时间影响，只可能会出现1000万和1500万利润情况。

于是，通过上面两步走，决策树分析树基本可完成绘制：

3、决策分析的结果与应对

根据上面绘制的决策树分析图，计算出预期收益和期望值，方案1的预期收益最高，自然就是最佳决策方案。

决策方案的确定并不意味着风险已经解决，只是在当前不确定因素前提下综合发生概率集影响作出的最佳决策，而针对其中的不确定因素还需进一步进行风险识别并记录到风险等级册，制定有效风险应对措施，增加正面预期收益的发生概率，降低负面收益的发生概率。

决策树分析还可以作为一种预测性分析的方法，通过分析当前和历史数据对未来的事件做出预测，提前“预演”未来事件，并根据发生概率有针对性地进行有效风险应对。

进行预测性分析的关键点有两个：

1）对于决策结点进行有效分类，

2）决策结点的发生概率分析。

1、决策结点的有效分类

决策结点的分类，通常需要遵循以下原则：

1）结点包含的样本具有相同的属性；

2）结点中的样本属性无法再细分；

3）当前结点的已经是最终结点，无法继续划分；

再来个例子：项目组识别到某个需求依赖外部合作方配合排期的风险，经项目组分析，对可能的结点进行归纳，绘制出下面的决策树：

从上面的划分可以看出，不管是由谁去要求业务方去协调排期，都是同样的属性，都可以归类成同一类；风险解决的结点也不难理解，达到了我们风险应对的效果，无需再划分；上升到决策委员会则是风险解决的最终策略，无法再进一步划分。

2、决策结点发生概率分析

根据每个决策事件，进一步分析其发生概率，计算每个决策结果发生的最终概率，那我们就可以把更多的精力放到高概率决策结果的应对中去。根据上面每个决策结点的概率，易知最终调整我侧排期并跟干系人达成一致的概率最高，那我们就应将风险应对重点在这之前过程。

项目风险管理的核心是采取有效的风险应对措施，决策树分析法通过理性的数据分析为风险应对提供有效的决策依据，如果你经常拿犹豫不决，如果你经常不知道风险应对的重点在哪，试试上面的决策树分析法吧。

本文来自公众号：苏项荟，作者：苏宁金融--郑超

授权发布于管理圈，如需转载请联系原作者。