Как структурировать решения, определять эффективные варианты и избегать вводящих в заблуждение показателей ценности.
Делиться
Матрицы многокритериального принятия решений (MADM) — это полезная методология для сравнения множества альтернатив и выбора варианта, который наилучшим образом соответствует вашим потребностям и бюджету. Оценивая набор критериев для каждого варианта, вы можете быть уверены, что имеете четкое представление о пространстве решений.
Однако их часто неправильно интерпретируют или применяют. В этой статье объясняется, как использовать многокритериальные матрицы принятия решений и избегать типичных ошибок, связанных с их применением. Также закладывается основа для другого метода, который заимствует важные концепции из многокритериального принятия решений, не попадая при этом в его неявные ловушки.
Наглядный пример: выбор палатки.
Моя семья собирается купить новую палатку. Поэтому мы поступили как обычно: погуглили «лучшая палатка для кемпинга на машине». Одним из первых результатов была статья GearLab под названием «Лучшие кемпинговые палатки | Тестирование и рейтинг».
В статье GearLab оценивает 16 палаток по шкале от 1 до 10 по пяти параметрам. Они взвешивают эти параметры, а затем ранжируют палатки от 1 до 16 на основе взвешенных оценок. Это наглядный пример матрицы принятия решений по нескольким параметрам.
Цель MADM
Многокритериальный анализ принятия решений (MADM) часто рассматривается как способ принятия решений на основе данных от имени заинтересованной стороны. В статье GearLab они рекомендуют единственную «лучшую» палатку, основываясь на результатах своего анализа MADM. Я хочу подчеркнуть, что MADM не принимает решение, а лишь предоставляет информацию для его принятия.
Его лучше всего понимать как полезный инструмент для структурирования сравнений всех альтернатив, исключения явно худших вариантов и выявления лучших претендентов. При правильном использовании он помогает лицам, принимающим решения, увидеть общую картину доступных вариантов, а не указывает им на единственный «правильный» выбор.
При неправильном использовании это может привести к провалу решения и оставить у лица, принимающего решение, неприятное впечатление о принятии решений на основе данных.
Вкратце, цель многокритериального принятия решений (MADM) состоит в том, чтобы дать лицам, принимающим решения, лучшее понимание имеющихся вариантов, исключить неэффективные варианты и представить ценностные предложения, а не в автоматизации процесса принятия решений.
Как правильно использовать MADM
Вот моё базовое руководство по MADM:
- Определите лицо, принимающее решение, пространство решений и атрибуты.
- Определите весовые коэффициенты для каждого атрибута.
- Соберите данные и рассчитайте взвешенные баллы.
- Постройте график зависимости количества товаров от цены и найдите эффективную границу.
- Представьте результаты исследования и рекомендации лицу, принимающему решения.
Вкратце, я опишу каждый из них чуть подробнее.
Для начала определите, кто принимает решение. Вы проводите этот анализ для принятия решения кем-то другим или для себя? В этом примере предположим, что для принятия решения вами.
Определение пространства решений, как правило, довольно простое. Вам нужно знать тип рассматриваемого товара (например, палатку) и определить n наиболее вероятных вариантов. Обязательно проведите справедливый отбор всех вариантов, а не только тех, которые приходят на ум первыми.
Затем присвойте продукту несколько атрибутов. Составьте список того, что может сделать продукт более полезным или ценным.
После определения критериев я рекомендую поговорить с лицом, принимающим решения. Начав разговор с этим лицом, обязательно учитывайте его приоритеты, а не свои.
Расположите характеристики по степени важности и учтите компромиссы. Задайте себе вопросы, например: «Стоит ли мне пожертвовать одним дюймом свободного пространства над головой (с 71 до 70 дюймов) ради палатки, которая будет немного лучше защищена от ветра?» Затем присвойте характеристикам весовые коэффициенты в соответствии с этими ответами и внесите их в таблицу для дальнейшего использования. Идеальных результатов не будет, даже если анализ проводится для собственных нужд.
Теперь у вас есть что-то подобное.
| Критерии | Масса |
| Простор и комфорт | 35% |
| Устойчивость к погодным условиям | 25% |
| Простота использования | 15% |
| Подходит для семейного отдыха | 15% |
| Качество | 10% |
Сбор данных может быть разным по сложности. В данном случае это относительно просто. Найдите информацию о каждой палатке, перейдите в раздел «технические характеристики», чтобы найти большую часть информации, и в раздел «обзоры», чтобы найти остальное. Запишите эти данные в свою матрицу принятия решений. Если это не так просто, вам может потребоваться субъективно присвоить значение каждому атрибуту, но обязательно определите свой критерий или, по крайней мере, свои общие соображения, если вы это сделаете.
При оценке палаток на сайте GearLab каждый параметр оценивался по шкале от 1 до 10, как показано ниже.
Теперь ваша матрица решений выглядит так. Обратите внимание, что для удобства чтения диаграммы я опустил атрибут «качество».
| Космос | Устойчивость к погодным условиям | Простота использования | Подходит для семейного отдыха | |
| Зампир | 9.5 | 9 | 6 | 9 |
| Вавона | 9 | 8 | 7 | 9 |
| Базовый лагерь | 9 | 8 | 6.5 | 8 |
| Аврора | 9 | 7 | 7 | 8 |
| Вольфрам 4 | 7 | 8.5 | 9 | 7 |
| Барак № 6 | 8 | 7 | 8 | 7 |
| Скайдом 8 | 9 | 6 | 6 | 9 |
| Известняк | 7 | 9 | 8 | 5 |
| Альфа Бриз | 7 | 9 | 6 | 7 |
| Центр управления T4 | 7.5 | 7 | 8 | 7.5 |
| Страна чудес | 7 | 8 | 7 | 7 |
| Беспроводная связь 6 | 7 | 7 | 8 | 8 |
| Зета С6 | 8 | 6 | 10 | 6 |
| Купол Солнца | 7 | 7 | 6 | 5 |
| TallBoy 4 | 6 | 7 | 7 | 5 |
| Хижина Коулмана | 5 | 7 | 9 | 3 |
Осталось только рассчитать взвешенные баллы. Для этого нужно сложить весовые коэффициенты и значения каждого элемента. Теперь у вас есть готовая матрица решений. Для справки я также указал цену.
| Палатка | Цена | Взвешенный балл |
| Зампир | 1200,00 долларов США | 8.725 |
| Вавона | 550,00 долларов США | 8.45 |
| Базовый лагерь | 569,00 долларов США | 8.225 |
| Аврора | 500,00 долларов США | 7.95 |
| Вольфрам 4 | 399,00 долларов США | 7.775 |
| Барак № 6 | 700,00 долларов США | 7.6 |
| Скайдом 8 | 285,00 долларов США | 7.5 |
| Известняк | 429,00 долларов США | 7.45 |
| Альфа Бриз | 550,00 долларов США | 7.45 |
| Центр управления T4 | 430,00 долларов США | 7.4 |
| Страна чудес | 429,00 долларов США | 7.35 |
| Беспроводная связь 6 | 270,00 долларов США | 7.3 |
| Зета С6 | 160,00 долларов США | 7.2 |
| Купол Солнца | 154,00 долларов США | 6.45 |
| TallBoy 4 | 170,00 долларов США | 6.25 |
| Хижина Коулмана | 219,00 долларов США | 5.8 |
Далее, постройте график зависимости взвешенной оценки каждого товара от его цены, сориентируйтесь на графике и постройте эффективную границу:
Исходя из этого, мы можем выделить восемь вариантов, находящихся на эффективной границе. Нахождение на эффективной границе означает, что мы не можем получить более высокий взвешенный балл при той же или более низкой цене. В этом и заключается ключевая идея многокритериального принятия решений (MADM): определение того, какие варианты являются строго доминирующими, а какие предполагают значимые компромиссы между качеством и стоимостью.
Если этот график кажется вам знакомым, то, вероятно, это потому, что вы уже видели подобный график на эффективной границе риска и доходности в финансовой сфере. Одна ось обозначает то, чего вы хотите меньше (цена/риск), а другая — то, чего вы хотите больше (оценка/доходность).
| Палатка | Цена | Взвешенный балл |
|---|---|---|
| Купол Солнца | 154,00 долларов США | 6.450 |
| Зета С6 | 160,00 долларов США | 7.200 |
| Беспроводная связь 6 | 270,00 долларов США | 7.300 |
| Скайдом 8 | 285,00 долларов США | 7.500 |
| Вольфрам 4 | 399,00 долларов США | 7.775 |
| Аврора | 500,00 долларов США | 7.950 |
| Вавона | 550,00 долларов США | 8.450 |
| Зампир | 1200,00 долларов США | 8.725 |
Итак, что же порекомендовать? Если мой бюджет составляет 600 долларов, и я хочу самую качественную палатку, которую могу себе позволить, я бы выбрал North Face Wawona 6.
Смотрите: я провел линию на уровне бюджета, а затем выбрал первую палатку слева от этой линии на эффективной границе. Я мог бы сделать то же самое, если бы у меня был «качественный бюджет», и я провел бы горизонтальную линию, а затем выбрал первую точку на эффективной границе выше этой линии.
Теперь осталось лишь представить результаты анализа лицу, принимающему решения. При этом я рекомендую сориентировать его на график, а также указать и объяснить эффективную границу. Достаточно будет чего-то простого, например: «Для каждой из этих точек вы не получите лучшего рейтинга за ту же цену». Обратите внимание на вариант с наивысшим рейтингом. Если вы заранее знаете их бюджет, дайте соответствующую рекомендацию.
Следует отметить, что использование соотношения взвешенной оценки к цене приводит к потере значительной части информации и затрудняет определение оптимального варианта палатки. Включение этой информации допустимо, но не обязательно, поскольку иногда она вводит в заблуждение. Например, если палатка стоит всего 5 долларов на распродаже и по размерам не уступает лучшему конкуренту, но протекает во время дождя, она не является реальным вариантом. Однако соотношение, скорее всего, покажет её как «оптимальный по соотношению цены и качества». По аналогичной причине цену следует рассматривать отдельно от атрибутов в методе многокритериального принятия решений (MADM) и использовать только в качестве ограничения или компромисса.
Заключение
Теперь, когда вы понимаете, как работает MADM, его недостатки становятся очевидными. Он склонен упускать из виду определенные детали в процессе принятия решений, обобщая все в единый показатель и предполагая линейность по всем атрибутам (например, увеличение с 70 до 71 дюйма рассматривается как столь же ценное, как и увеличение с 40 до 41 дюйма, что, вероятно, не соответствует действительности).
Для того чтобы оценить преимущества, достигнутые благодаря внедрению следующего метода, крайне важно понимать механику многокритериального принятия решений (MADM). Во второй части этой серии из двух статей я предложу альтернативу MADM, которая сохранит его сильные стороны, но при этом позволит получить рекомендации, более точно соответствующие приоритетам лиц, принимающих решения.
Примечание автора
Если вам это понравилось, я пишу об аналитическом мышлении, теории принятия решений, оптимизации и науке о данных. Также я делюсь новыми работами и связанными с ними мыслями в LinkedIn.
Источник: towardsdatascience.com
