决策树分析，让你的风险应对更专业

“点亮”风险应对的一盏明灯

项目风险应对时，你有没有经常在多个应对方案之间拿不定主意?又或者在多个应对方案中不知道重点在哪?本文将通过决策树分析法开启一些风险应对的“灵感”。

初识

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。

初探

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。

引申

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相关方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。

总结

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。

需要项目管理资料合集的同学可留言

决策树分析，让你的风险应对更专业相关推荐

笔记-项目风险管理-风险应对
消极风险(威胁)的应对策略避免(回避):转移(转嫁):减轻:接受(被动记录.主动应急) 积极风险(机会)的应对策略:开拓:分享:提高:接受风险应对风险应对是一系列过程,它通过开发备用的方法.制定某 ...
供应链金融不同融资模式的风险应对措施
目前,我国信用体系建设尚待加强,企业之间的信息不对称问题也未能得以解决,同时,供应链金融的相关主体--银行和融资企业存在利益偏差,加之供应链金融本身的风险等等,无疑都是对商业银行风险管理的挑战. 一. ...
SPSS分析技术：决策树分析；银行如何判断申请贷款者的还款能力？
基础准备上一篇文章介绍了决策树分析的基本理论,以及它与聚类分析.判别分析.逻辑回归分析等分类和判别方法的区别与联系,大家可以点击下方文章链接回顾: 数据分析技术:决策树分析:机器学习入门模型决策树 ...
Iris鸢尾花数据集可视化、线性回归、决策树分析、KMeans聚类分析
在进行可视化及聚类分析前,我们需要为IDLE安装sklearn库,scikit-learn是Python的一个开源机器学习模块,它建立在NumPy,SciPy和matplotlib模块之上能够为用户提 ...
lg-1 x 怎么算_项目管理规划风险应对及风险监控怎么做？
各位好, 又见面啦!愿阴霾早些过去. 关于项目风险管理,上两期我们分别介绍了风险识别.定性及定量风险分析.本期,我们将剩余的两个过程组,规划风险应对及监控风险一并与大家分享. 为什么要规划风险应对?在 ...
基于R的数据挖掘方法与实践（3）——决策树分析
决策树构建的目的有两个--探索与预测.探索方面,参与决策树声场的数据为训练数据,待树长成后即可探索数据所隐含的信息.预测方面,可以借助决策树推导出的规则预测未来数据.由于需要考虑未来数据进入该模型的分 ...
matlab鸢尾花数据线性分析,Iris鸢尾花数据集可视化、线性回归、决策树分析、KMeans聚类分析...
数据集可视化采用Python的Sklearn机器学习库中自带的数据集--鸢尾花数据集.简单分析数据集之间特征的关系图,根据花瓣长度.花瓣宽度.花萼长度.花萼宽度四个特征进行绘图 Iris plant ...
信息系统项目管理师之二决策树分析
名称:决策树分析.EMV(期望货币值) 定义:它利用了概率论的原理,并且利用一种树形图作为分析工具.其基本原理是用决策点代表决策问题,用方案分枝代表可供选择的方案,用概率分枝代表方案可能出现的各种结果 ...
09#R语言实现决策树分析
决策树是附加概率结果的一个树状的决策图,是直观的运用统计概率分析的图法.机器学习中决策树是一个预测模型,它表示对象属性和对象值之间的一种映射,树中的每一个节点表示对象属性的判断条件,其分支表示符合节点 ...
决策树分析例题经典案例_8决策树例题解析.ppt
8决策树例题解析,决策树例题经典案例,决策树例题,决策树算法例题,管理学决策树算法例题,决策树例题及答案,决策树分析法例题,决策树法例题,管理学决策树例题,决策树计算例题及答案例: 某农业企业有耕地 ...

决策树分析，让你的风险应对更专业

决策树分析，让你的风险应对更专业相关推荐

最新文章

热门文章