网上的绝大多数文章只见告读者了却论,却没有过程和案例。
对付读者而言,还是不知道详细如何操作。

更何况,现实事情或生活中的决策场景每每并不是两个选项中选一个,而是有多个选项,各选项在不同方面各有千秋,那究竟如何更科学地进行决策呢?

若何用AI提升决定筹划质量和效率附案例

接下来用两个案例来详细先容,希望对你有启示。

1

层次剖析法

一个常用的管理决策模型算法是多属性决策方法之一的层次剖析法(Analytic Hierarchy Process,AHP)。

AHP是一种用于多标准决策的系统化方法,它将问题分解为层次构造,然后通过对不同级别的准则和方案进行两两比较,打算出它们的权重,从而确定最佳方案。

以下是AHP算法的基本步骤:

1.建立层次构造:首先,将决策问题划分为多个层次,包括目标层、准则层和方案层。
目标层表示要达到的总体目标,准则层包含影响方案选择的各个准则,方案层包含可供选择的详细方案。

2.两两比较:在每个层次中,进行两两比较,确定各元素之间的相对主要性。
比较可以利用标度,常日是1到9的数字,表示一个元素相对付另一个元素的主要性程度。
比较矩阵反响了决策者的偏好和判断。

3.打算权重:利用两两比较的结果,可以通过特定的数学方法打算出每个元素的权重。
这常日涉及到打算特色向量和特色值,或者利用特色值法求解最大特色值和对应的特色向量。

4.同等性考验:进行同等性考验,以确保决策者的两两比较是同等的和合理的。
如果比较矩阵不一致,须要对其进行改动,直到知足同等性哀求。

5.综合决策:末了,利用打算得到的权重,对各个方案进行综合评估和排名,从而选择出最佳方案。

AHP算法供应了一种构造化的、系统化的方法来处理繁芜的多属性决策问题,它能够帮助决策者在考虑到多个成分和不同利益干系者的情形下做出合理的决策。

以下是一个简化的AHP运用案例,用于选择最佳投资项目

案例背景

一家公司有三种潜在的投资项目:项目A、项目B和项目C。
公司须要决定哪个项目最值得投资。
决策将基于三个紧张标准:预期回报(E)、风险水平(R)和履行本钱(C)。

决策层次构造

1. 目标:选择最佳投资项目

2. 标准:预期回报(E)、风险水平(R)、履行本钱(C)

3. 方案:项目A、项目B、项目C

数据网络与成比拟较

公司组建了一个专家小组,让他们根据标准对项目进行成比拟较。
比较结果利用1-9标度,个中1表示两个项目在某个标准下同等主要,9表示一个项目比另一个项目主要得多。

预期回报(E)

l项目A vs 项目B:7(项目A更好)

l项目A vs 项目C:9(项目A更好)

l项目B vs 项目C:3(项目C更好)

风险水平(R)

l项目A vs 项目B:5(项目A更低)

l项目A vs 项目C:3(项目A更低)

l项目B vs 项目C:3(项目B更低)

履行本钱(C)

l项目A vs 项目B:1(相同)

l项目A vs 项目C:5(项目C更低)

l项目B vs 项目C:7(项目C更低)

打算权重和同等性比率(CR)

1. 标准权重:打算每个标准的权重。
假设预期回报是最主要的,其次是风险水平,末了是履行本钱。

2. 方案得分:根据成比拟较结果,打算每个项目在每个标准下的得分。

3. 同等性比率:检讨成比拟较矩阵的同等性,确保专家判断没有逻辑抵牾。

综合评估

将每个项目的得分乘以其对应标准的权重,然后加总得到每个项目的总得分。

决策

选择得分最高的项目作为最佳投资选项。

把稳

这是一个简化的示例,实际的AHP剖析会更加繁芜,涉及更多的打算和数据剖析。
在实际运用中,还须要利用专业的AHP软件或工具来处理数据和矩阵运算,以确保准确性和效率。

常见的AHP软件实现办法:

Excel:Excel是一种常见的工具,可以利用Excel的内置函数来打算AHP的权重和同等性指标。
利用Excel进行AHP剖析的优点是易于利用,且无需安装额外的软件。

AHP在线工具或软件:现在有许多在线AHP工具或软件可供给用,例如Expert Choice、Saaty's AHP、SuperDecisions、Decision Lens等。
当然,软件则常日供应了更高等的AHP功能,例如直不雅观和交互式的可视化、仿照、数据输入和输出等。

而现在,实在可以直接让AI来完成。

2

多准则决策剖析

多准则决策剖析是一种面对多个方案和多个评估准则的决策问题时所采取的剖析方法。

多准则决策剖析涉及以下几个关键步骤:

1.确定选择方案:决策者须要先识别所有可能的选择方案,这些方案是决策问题的可行解。

2.确定评估属性:决策者须要确定影响选择方案的干系属性,这些属性可以是相互独立的,也可以是有关联的。

3.权重分配:对付不同的属性,决策者会根据自己的偏好给予不同的权重,这些权重反响了各属性在决策中的相对主要性。

4.获取决策信息:决策信息包括属性权重和每个方案在各个属性下的属性值。

5.集结决策信息:通过一定的数学方法将属性权重和属性值结合起来,对方案进行综合评价。

6.方案排序或择优:根据综合评价的结果,对所有方案进行排序或选择最优方案。

下面是一个详细案例先容:

案例背景

一家跨国公司操持在亚洲市场开设新的区域办事处。
公司成立了一个项目团队来评估三个候选城市:新加坡、喷鼻香港和上海。
团队须要考虑多个成分,包括运营本钱、市场潜力、根本举动步伐、政治稳定性、文化适应性和人才可用性。

决策属性

项目团队确定了以下关键属性:

1. 运营本钱(C):办公室租金、员工人为、税收等。

2. 市场潜力(M):市场规模、增长速率、客户根本等。

3. 根本举动步伐(I):交通、通信、公共做事等。

4. 政治稳定性(P):政府稳定性、法律框架、国际关系等。

5. 文化适应性(CA):措辞障碍、商业习气、文化差异等。

6. 人才可用性(TA):本地劳动力市场、教诲水平、专业技能等。

数据网络与评分

项目团队网络了每个城市的详细数据,并根据每个属性对城市进行评分。
评分采取1-10的标度,个中10表示最高分。

加权评分

项目团队为每个属性分配了权重,以反响其相对主要性。
例如,市场潜力和根本举动步伐可能比文化适应性更主要。

接下来,团队打算了每个城市的加权总分。

打算加权总分

加权总分 = Σ(属性评分 属性权重)

决策结果

根据加权总分,新加坡是最佳选择,由于它的总分最高。
然而,团队还须要考虑其他非量化成分,如特定行业的市场趋势、互助伙伴关系等,这些成分可能影响终极决策。

结论

通过多属性决策剖析(MCDM),项目团队能够系统地评估三个候选城市,并基于多个关键属性和权重做出更明智的决策。
这种方法有助于确保决策过程的透明度和客不雅观性,同时考虑到多个主要成分。

参考书本:

《数据化决策》第三版 道格拉斯