定义：决策树分析是一个强大的决策工具，它发起了一个结构化的非参数方法来解决问题。它有助于评估和比较各种选择及其结果，如决策树所示。它有助于选择最竞争的替代品。
它是一种广泛应用的技术，用于做出关键决策，如项目选择、成本管理、运营管理、生产方法，以及处理组织中各种其他战略问题。
内容：决策树分析
什么是决策树？
决策树是解决一个特定问题或利用一个潜在机会的所有可能性或结果的图形描述。它是一种有用的金融工具，可以直观地帮助对给定情况下的所有可能结果进行分类。
使用的术语
让我们来了解一下决策树中使用的一些相关概念和术语:
- 根节点:一个根节点编译整个样本，然后它被分成多个集合，这些集合由同构变量组成。
- 决策节点:分解为进一步可能性的子节点，可表示为决策节点。
- 终端节点：最终节点显示不能进一步分类的结果，被称为值或终端节点。
- 分支:分支表示在决策树制定器中可用的各种选择。
- 分裂:将可用选项(由一个节点或子节点描述)划分为多个子节点称为分割。
- 修剪:它正好与分裂相反，即决策树制造者可以从一个特定的决策节点中删除一个或多个子节点。
决策树分析的步骤
现在，您必须想知道，如何启动决策树分析来解决特定问题？
以下步骤简化了决策树的解释过程:
- 的第一步是理解和指定需要决策的问题区域。
- 的第二步正在解释和粉化特定问题的所有可能的解决方案以及其后果。
- 的第三步在决策树上呈现变量以及其各自的概率值。
- 的第四步正在发现所有变量的结果并在决策树中指定它。
- 的最后一步非常关键，并备份此过程的整体分析。它涉及计算所有机会节点或选项的EMV值，以弄清楚提供最高预期值的解决方案。
决策树分析示例
为了对决策树分析有所启发，让我们举例说明一个业务情况。
ABC有限公司是一家生产护肤产品的公司。发现业务处于成熟阶段，需要一些更改。经过严格的研究，管理层提出了以下决策树:
在上面的决策树中，我们可以轻松了解公司可以扩展其现有的单位或创新新产品，即淋浴凝胶或没有变化。
下面是对每一个备选方案的评价:
扩展业务部门:
如果公司投资其业务部门的发展，则可能有两种可能性，即：
- 市场份额上升的可能性为40%，将公司的整体盈利能力增加2500000卢比;
- 竞争对手将接管市场份额60％，公司可能会产生₹800000的损失。
要找出此选项的可行性，让我们计算其EMV（预期的货币价值）：
新产品系列淋浴凝胶:
如果公司有新的发展产品开发，有以下两种可能:
- 50%的机会是项目会成功，产生1800000卢比作为利润;
- 50%的失败可能性持续，导致800000的损失。
为了确定这个想法的盈利能力，让我们评估其EMV：
什么都不做:
如果公司不采取任何一步，仍然可能有两种结果，下面讨论：
- 40%的可能性是，该组织可以吸引新客户，产生100万卢比的利润;
- 由于新竞争对手，60％的失败机会是由于新的竞争对手，造成了少量₹ß00000。
下面给出的是EMV在这种情况下：
解释
从以上的评价，我们可以很容易地看出，一个新产品线的选项具有最高的EMV。因此，我们可以说，公司可以利用这个机会，确保其资源得到最好的利用，从而获得最大的收益。
决策树分析的优点
业务组织需要在决策期间考虑各种参数。决策树分析是找出任何问题的正确解决方案的突出方法之一。
现在让我们来了解一下它的各种好处:
- 描绘了最合适的项目/解决方案这是一种有效的方法，可以在考虑了所有的可能性后选出最合适的项目或解决方案。
- 简单的数据解释和分类决策树并不是复杂的科学，它简化了将获得的数据划分为不同类别的过程。
- 辅助多种决策工具它还为其他分析方法(如自然树)提供输入，从而使决策者受益。
- 同时考虑分类数据和数字数据：这种技术考虑了定量以及定性变量以获得更好的结果。
- 初始化变量分析:其结构化的现象也有利于相关数据的调查和过滤。
决策树分析的缺点
决策树分析具有多维适用性。然而，由于它的以下缺点，它的使用变得有限:
- 不适用于过量数据由于它是一种非参数技术，它不适合用于分类数据庞大的情况。
- 难以处理许多结果如果每个决策都有多个可能的结果，那么在决策树中编译所有这些结果就会变得非常繁琐。
- 分类错误的概率:缺乏经验的决策者在将变量放入不同类别时通常会犯错误。
- 方差的影响:即使是最轻微的改变也会产生问题，因为它会导致完全不同的决策树。
- 不适合连续变量合并许多开放式数值变量增加了出错的可能性。
- 对Biasness敏感：决策树制造商可以更加强调可以转移分析方向的优选变量。
- 昂贵的过程：收集足够的数据，其分类和分析需求高，是资源密集型的过程。
结论
在运营研究中，决策树分析具有相同的意义PERT分析或CPM。它提出了一个复杂的决策问题，以及它在纸上的多种结果。
这使决策者能够与他/她一起找出所有可能的选择，从而简化了任务。
发表评论