Развитие Бизнеса . Ру > Развиваете бизнес ? > Поддержка принятия решений -- Введение в прикладную дисциплину "поддержка принятия решений"

1. Что это за материал и на кого он рассчитан?

Перед вами попытка изложить основные идеи прикладной дисциплины под названием "Методы поддержки принятия решений" (английские эквиваленты - Decision Science, Decision Making) для людей, имеющих любое высшее техническое образование. Гуманитарии тоже могут попробовать почитать. Шанс понять основные идеи есть и у них.

Людям приходится принимать решения почти везде и почти всегда. В ходе военных действий, в политике, при управлении предприятием, при выборе автомобиля или варианта обмена квартиры и еще в тысячах других случаев. Занимаются люди этим интересным, нередко захватывающим и часто небезопасным делом со времен фараонов и по сей день. Поэтому достоин удивления тот факт, что люди осознали то, КАК они принимают решения совсем недавно (по историческим меркам) - вскоре после Второй мировой войны. Оказалось, что схема процесса принятия решения не зависит от той области, в которой принимается решение. Иначе говоря, законы принятия решений едины для всех предметных областей. Это утверждение кажется сомнительным, но я предлагаю читателю пока просто принять его на веру.

Определим, сначала, основные понятия. Прежде всего, отметим, что принятие решений по существу есть не что иное, как ВЫБОР. Принять решение - значит выбрать конкретный вариант действий из некоторого множества вариантов. Рассмотрим примеры. Необходимо принять решение - идти ли сегодня вечером в театр? Здесь перед нами два варианта выбора: 1) идти, 2) не идти. С выбором квартиры или машины все ясно само собой. Здесь, как и в примере с театром, выбирается один наилучший вариант. Выбор победителя тендера - еще один пример выбора одного наилучшего варианта. (Справка. Тендер - это соревнование потенциальных подрядчиков за право выполнить заданную работу. Другое название тендера - подрядные торги). Приведу пример, когда выбирается не один, а несколько вариантов. Пусть некий Фонд хочет инвестировать свои средства. Варианты выбора - набор доступных инвестиционных проектов. Если фонд проводит конкурс проектов, то он может отобрать столько проектов, сколько в состоянии профинансировать.

В описываемой дисциплине варианты выбора принято называть альтернативами. Этим термином мы и будем пользоваться в дальнейшем. Далее заметим, что в названии дисциплины есть слово поддержка. Это означает, что мы будем заниматься не собственно принятием решений, а подготовкой рекомендаций для того лица (тех лиц), которому (которым) нужно решение принимать. Для лица, принимающего решения введено общеупотребительное сокращение ЛПР. В дальнейшем будем использовать также следующие сокращения:

ПР - принятие решений, ЗПР - задача принятия решения, СППР - система поддержки принятия решений.

Итак, решение есть ВЫБОР. Приглядимся к нему подробнее. Прежде всего, заметим, что первоначально у нас может не быть даже множества альтернатив, из которых предстоит делать выбор. Например, мы хотим обменять квартиру. Тогда, прежде всего, придется заняться подбором вариантов обмена. Это и есть первый этап решения проблемы, который называют "формирование множества альтернатив". Первоначально, множество альтернатив чаще всего аморфно, т.е. не имеет структуры. Точнее говоря, чаще всего мы не можем сразу сказать, какая альтернатива лучше, а какая хуже. Оказывается, задачу выбора можно решить, если каким-либо образом структурировать множество альтернатив.

3. Основные понятия о структурировании множества альтернатив

Рассмотрим основные типы структур. Первый из них называется КЛАССИФИКАЦИЯ.

Слева изображено неструктурированное множество альтернатив. Справа показано разбиение исходного множества на 4 класса. Можно считать, что каждый класс есть подмножество исходного множества альтернатив. Здесь важно отметить, что классы НЕУПОРЯДОЧЕНЫ друг относительно друга. Т.е. нельзя сказать, что какой-то класс "важнее (лучше, старше, дороже и п.т.)" другого. Например, людей можно классифицировать по полу или национальности. Правильная постановка диагноза - также пример классификации. Компьютерные системы, помогающие врачу ставить диагноз, существуют. И решают они именно задачу классификации, т.е. отнесения больного к нужному классу, который эквивалентен названию болезни. (А как же быть с легкими и тяжелыми заболеваниями? Ведь по определению классы НЕ упорядочены. Действительно, заболевания можно упорядочивать по тяжести, но здесь мы договоримся не принимать это в расчет.)

Второй способ структурирования называется СТРАТИФИКАЦИЯ. Это название произошло от английского термина "страта", (strata) что означает "слой", "пласт". Иными словами, стратификация есть разбиение множества на ряд уровней или слоев. В отличие от классов, страты упорядочены. Рассмотрим рисунок

Серая и зеленая альтернативы помещены на верхнюю страту. Это означает, что они одинаковы по значимости (для ЛПР) и, одновременно, важнее (лучше) остальных альтернатив. В примере с обменом квартиры, если удалось стратифицировать варианты, то окончательный выбор, естественно, будет сделан среди вариантов, занимающих верхнюю страту. Удобно считать, что страты выражают некоторые уровни "качества". Несколько примеров классических стратификаций:

Связь страт с неким абстрактным "качеством" крайне важна для понимания идеи стратификации. Пятизвездный отель не просто лучше двухзвездного, а можно говорить на сколько он лучше.

Следующий способ структурирования называется РАНЖИРОВАНИЕ. Внешне он напоминает стратификацию (см. предыдущий рисунок), но в отличие от нее уровни НЕ выражают "качества", а трактуются просто как "номер в списке". Это различие настолько важно, что на нем стоит остановиться подробнее. Упорядочение называется ранжировкой, если указан только номер места объекта в упорядочении (и больше ничего). Если нам сообщают только места, полученные спортсменами по результатам соревнований (но не сообщают результаты), то это - типичная ранжировка. Например, объявляют, что первые 3 места распределились следующим образом:

Если указанные спортсмены - прыгуны в высоту, то, зная результаты каждого, можно было бы говорить на сколько, к примеру, Иванов прыгнул выше Петрова или Сидорова. Знание только мест (без результатов) дает нам право говорить, что Иванов лучше Петрова, но не дает нам возможности говорить "на сколько лучше". Места в ранжировке естественно называются "рангами". Ранг 1 принято присваивать наилучшему объекту. (Вспомним морское "капитан 1-го ранга"). Итак, в отличие от стратификации, здесь играет роль только номер "полочки", на которую кладут альтернативы. Один и тот же ранг может быть присвоен нескольким объектам. Тогда ранжировка называется нестрогой. Тогда как в строгой ранжировке каждому объекту присваивается уникальный номер ранга. В терминах спортивного примера, нестрогая ранжировка - это когда Петров и Сидоров делят второе место.

Мы рассмотрели в общих чертах основные понятия структуризации множества альтернатив. Вспомним теперь, что структура была нам нужна не сама по себе, а с целью выполнить ВЫБОР. Классификация здесь стоит особняком, поскольку для нее выбор сводится по сути к выбору определенного класса, к которому следует отнести альтернативу. Стратификация и ранжировка предоставляют нам более широкие возможности выбора. Но как выполнить структуризацию? Как найти структуру в изначально аморфном множестве альтернатив? Этим мы теперь и займемся. Методы структуризации - это по существу и есть сердцевина поддержки принятия решений.

4. Две классификации методов структурирования множества альтернатив

Такие методы можно классифицировать различным образом. Прежде всего, и чаще всего эти методы делят на критериальные и некритериальные.

Я не буду здесь давать определение термину "критерий". Будем считать, что читатель интуитивно понимает смысл этого слова. Иногда встречаются такие синонимы термина, как "фактор", "показатель". Термин фактор чаще всего употребляют, когда говорят о влиянии. Например, "нужно учесть влияние этого фактора". Словом показатель чаще всего описывают разные стороны некоторого объекта. Например, говорят о "показателях деятельности предприятия". Термин критерий чаще всего применяют для описания ситуации выбора. Например, говорят о "критериях выбора автомобиля".

Понятно, что критериальное структурирование основано на сопоставлении альтернатив по некоторому набору критериев. Что же такое некритериальные методы структурирования? Предположим у нас есть множество альтернатив. Будем выбирать из него пары, предъявлять их экспертам или ЛПР и просить их сравнить членов пары "в целом" (предполагается, что все альтернативы попарно сравнимы!). При этом эксплуатируется способность человеческого мозга создавать общее представление (мнение) о предмете. В психологии и, затем, в кибернетике такое общее представление обозначают термином "гештальт" (ударение на букве "а"). Это - целостный образ объекта, лишенный какой бы то ни было детализации. Когда мы спрашиваем знакомого, какой город ему больше нравится, Москва или С-Петербург, не интересуясь, почему один из городов нравится больше - мы по существу просим знакомого выполнить сравнение гештальтов.

Следующий по важности способ классификации методов структурирования связан с количеством ЛПР или экспертов, участвующих в процессе выбора. Говорят либо об индивидуальных, либо о групповых решениях. Одна из классических монографий, написанная известным математиком Б.Г.Миркиным, так и называется "Проблема группового выбора" (Москва, изд. "Наука", 1974 год). Рейтинговое голосование в Думе - пример одного из методов группового принятия решений. Допустим, на роль спикера претендуют 5 человек. Тогда каждый из депутатов дает свою ранжировку (возможно нестрогую) этих пяти кандидатов. Возникает задача построения обобщенной (синонимы: интегральной, результирующей, компромиссной) ранжировки, на основе которой и будет определено - кто же станет спикером.

5. Некритериальное структурирование множества альтернатив

Возьмем две альтернативы А и Б. При их парном сравнении возможны только 3 варианта результата:

Если сравнить попарно все альтернативы исходного множества, то часто можно получить нестрогую ранжировку. Например, для множества {a,b,c,d,e} можно получить: c > d > a = e > b, или тот же результат с номерами рангов

№ ранга	альтернатива
1	c
2	d
3	a, e
4	b

В итоге мы получили структурированное множество, не используя понятия "критерий".

Существует ли общий путь получения ранжировки на основе результатов парных сравнений? Оказывается это далеко не всегда просто. Рассмотрим пример. Пусть есть множество альтернатив {a,b,c,d} и следующие результаты парных сравнений:
a > b, b > d, d > c, c > a, a > d, b = c. Эти результаты удобно представить в виде рисунка.

Здесь окружности представляют альтернативы. Результат парного сравнения типа А > В изображается стрелкой, идущей от А к В. Двунаправленная стрелка между альтернативами означает их равенство. Как мог получиться такой результат - нам сейчас не важно. Чаще всего подобные структуры получаются в результате коллективного творчества. Можно представить, например, что разные пары альтернатив сравнивали разные эксперты (ЛПР, если их несколько). Существует более десятка способов преобразования подобных структур в ранжировку. Приведем один из наиболее часто применяемых способов, который называется "метод строчных сумм". Для реализации метода, прежде всего, нужно построить таблицу парных сравнений. Для нашего примера она выглядит следующим образом.

	a	b	c	d
a	***	1	0	1	2
b	0	***	1/2	1	1,5
c	1	1/2	***	0	1,5
d	0	0	1	***	1

Наименования строк (желтый фон) и столбцов (голубой) соответствуют именам альтернатив. На пересечении строки и столбца ставятся числа по следующим правилам:

Клетки таблицы, у которых имя строки совпадает с именем столбца, не заполняются (в нашем примере в этих клетках проставлены "звездочки"). Затем подсчитываются суммы строк (в примере - красные числа в крайнем справа столбце). Наконец, строится ранжировка альтернатив следующим способом. Альтернативе, имеющей максимальную строчную сумму присваивается ранг 1. Альтернативе, имеющей следующую по величине сумму, присваивается ранг 2 (в нашем примере таких альтернатив две: b и c). И так далее, пока не будут отранжированы все альтернативы. В итоге, получаем ранжировку:

№ ранга	альтернатива
1	a
2	b, c
3	d

Повторим еще раз: описанный метод – лишь один из многих методов упорядочения альтернатив на основе результатов парных сравнений.

6. Структурирование множества альтернатив с использованием критериев

В этом случае, исходная модель имеет вид следующей таблицы.

	k₁	>k₂	_...	k_m
a₁	x₁₁	x₁₂	...	x_1m
a₂	x₂₁	x₂₂	...	...
_...	...	...	...	...
a_n	x_n1	x_n2	...	x_nm

Имена строк (желтый фон) представляют имена альтернатив, имена столбцов (голубой) - имена критериев. На пересечении i-й строки и j-го столбца записывается оценка x_ij альтернативы a_i по критерию k_{j .} Назовем такую форму представления модели выбора "критериальной таблицей".

Безусловно, эта модель широко известна большинству читателей. Ведь именно в такой форме публикуются многие "рейтинги", результаты сравнительного анализа и т.п. Читатель, привыкший иметь дело с критериальными таблицами, обычно сразу же припоминает нехитрый способ упорядочения альтернатив. В подавляющем большинстве случаев это – так называемая "линейная свертка" (взвешенная сумма) – любимый всеми народами и во все времена способ обработки критериальной таблицы. Суть его проста. Сначала некоторым образом выбираются весовые коэффициенты критериев. Обозначим их вектором (w₁ , w₂ ,... , w_m). Затем, для каждой альтернативы (каждой i-ой строки таблицы) рассчитывается следующая величина

Наконец, принимается правило: чем больше значение s_i , тем лучше альтернатива a_i. Вот и все!

К сожалению, эта схема, не всегда дает верный результат! Неискушенного читателя это утверждение всегда приводит в недоумение. Следуют заявления типа того, что приведенная схема "соответствует здравому смыслу", или "отвечает интуитивному представлению о сравнительном качестве альтернатив" и т.п. Здесь мы сталкиваемся с типичной ситуацией, которая удачно выражается известной фразой "наука начинается там, где кончается здравый смысл". Увы, это так! В конце ХХ-го века математика достигла такого уровня абстрактности, что здравый смысл отступил на второй план. В одной из классических книг по методам ППР, а именно, в книге американских математиков Р.Л. Кини и Х. Райфа "Принятие решений при многих критериях: предпочтения и замещения" (Москва, изд-во "Радио и связь", 1981) строго доказано, что линейная свертка корректна только тогда, когда все критерии попарно независимы по предпочтению. Что такое "зависимость" критериев, какие виды зависимости бывают, и что из этого следует – все это выходит за рамки нашего краткого введения.

Идем дальше. Оказывается, линейная свертка основана на неявном постулате: "низкая оценка по одному критерию может быть компенсирована высокой оценкой по другому". Однако, этот постулат верен отнюдь не для всех моделей сравнительной оценки "качества". Простейший пример – ухудшение качества изображения телевизора не может быть компенсировано улучшением качества его звука.

Но и это еще не все. Серьезные проблемы связаны с критериями. Прежде всего, не всегда удается обосновать тот набор критериев, который необходим и достаточен для решения ЗПР. Может показаться, что набор критериев "естественно" возникает в каждой конкретной задаче. Но, увы, это далеко не так.

Еще сложнее обстоит дело с весами критериев. Можно даже сказать, что веса критериев – самое тонкое место в проблеме критериального упорядочения альтернатив. Чаще всего веса назначают, исходя из интуитивного представления о сравнительной важности критериев. Однако исследования показывают, что человек (эксперт, ЛПР) не способен непосредственно назначать критериям корректные численные веса. Более того, есть данные, (они еще не опубликованы) которые свидетельствуют о том, что человек не может корректно назначать веса даже на базе нечисловых шкал. Почему же люди так часто и так охотно манипулируют взвешенной суммой? По этому поводу не могу удержаться от искушения процитировать отрывок из великолепной книги Елены Сергеевны Вентцель "Исследование операций (задачи, принципы, методология)". В следующем отрывке веса критериев называются "коэффициентами", альтернативы – "решениями".

"Здесь мы встречаемся с очень типичным для подобных ситуаций приемом – "переносом произвола из одной инстанции в другую". Простой выбор компромиссного решения на основе мысленного сопоставления всех "за" и "против" каждого решения кажется слишком произвольным, недостаточно "научным". А вот маневрирование с формулой, включающей (пусть столь же произвольно назначенные) коэффициенты – совсем другое дело. Это уже "наука"! По существу же никакой науки тут нет, и нечего обманывать самих себя".

Книга была написана в конце 70-х годов. Интересно, что примерно в это же время зародился научный подход к проблеме весов критериев. Его автор – замечательный математик Владислав Владимирович Подиновский.

В цитированной книге Е.С.Вентцель есть ссылка на одну из ранних работ Подиновского, написанную им в соавторстве с В.М. Гавриловым: "Оптимизация по последовательно применяемым критериям", - Москва, "Советское радио", 1975.Любопытно, что анализ всего лишь одного подхода (последовательного рассмотрения упорядоченных по важности критериев) занял около 8 печатных листов! В дальнейшем, Подиновскому удалось дать строгое определение понятию "важность критерия" и опубликовать в этой области прикладной математики несколько монографий и множество статей. Владислав Владимирович по праву может считаться основоположником научного подхода к проблеме важности критериев. По сей день он остается признанным авторитетом №1 в мире по этой проблеме. Но вернемся к существу вопроса.

Если все так сложно, то как все же взяться за структурирование альтернатив, представленных в виде критериальной таблицы? Этим мы сейчас и займемся. Прежде всего, заметим, что в таблице могут оказаться альтернативы, которые имеют оценки по всем критериям хуже, чем другие альтернативы. Сразу ясно, что такие альтернативы неконкурентоспособны. Их можно смело вычеркивать из таблицы. После вычеркивания заведомо наихудших альтернатив, в таблице остаются только такие альтернативы, которые хотя бы по одному критерию, не хуже, чем другие. Множество таких альтернатив получило название "множество недоминируемых альтернатив", или "множество Парето". Парето – это фамилия (ударение на букве "е").

Итак, множество Парето мы получили. Что дальше? А дальше нужно все же задуматься о сравнительной важности (значимости) критериев. Прежде всего, критерии нужно попытаться качественно упорядочить по важности, т.е. упорядочить без назначения им весов. Сделать это можно, например, методом парных сравнений. Оказывается, что существуют методы структурирования альтернатив, построенные на использовании только информации о результатах попарного сравнения критериев по важности. Автор исторически одного из первых методов этого класса – все тот же В.В.Подиновский. Суть метода можно упрощенно пояснить на следующем примере. Пусть имеется 2 альтернативы и 2 критерия. И пусть задана критериальная таблица.

	k1	k2
a	x	y
b	z	t

Пусть, далее, известно, что критерий k₁ важнее критерия k₂(k₁> k₂). Тогда, если y = t и x > z, то можно утверждать, что a > b. При этом не играет роли насколько x больше z. Обратим внимание на то, что для упорядочения альтернатив нам не понадобились веса критериев. Мы использовали только качественную информацию о сравнительной важности критериев. Заметим, что если y < t, то метод ничего не может сказать об относительной предпочтительности альтернатив. Это говорит о том, что метод является достаточно грубым. Если распространить описанную логику на таблицы произвольного размера – получим метод Подиновского. Он описан в статье "Многокритериальные задачи с упорядоченными по важности критериями" (журнал "Автоматика и телемеханика", №11, 1979 год). Несмотря на кажущуюся простоту, общее описание метода доступно только хорошо подготовленным математикам.

Самым известным, классическим методом упорядочения альтернатив на основе качественной информации о сравнительной важности критериев является метод, основанный на понятии "единая порядковая шкала" (ЕПШ). Для объяснения этого понятия возьмем школьный пример. Пусть ставится задача упорядочить учеников некоторого класса по оценкам, полученным ими только по двум предметам. Для определенности пусть этими предметами будут математика и физкультура. Задано также, что математика важнее физкультуры (да простят меня учителя физкультуры!). Решим задачу "в лоб", т.е. перечислим все возможные пары оценок и упорядочим их по убыванию предпочтительности. Две верхние строчки такого упорядочения построить легко. Это

Ранг	Математика	Физкультура
1	5	5
2	5	4

А дальше мы сразу наталкиваемся на проблему. Что лучше (5, 3) или (4, 5)? Со всей откровенностью приходится признаться, что ответ на это вопрос зависит от произвола лица, принимающего решение. Если для этого лица математика значительно важнее физкультуры, скорее всего, будет принято решение считать (5,3) более важным, чем (4,5). Тогда первые четыре строчки будут выглядеть так

Ранг	Математика	Физкультура
1	5	5
2	5	4
3	5	3
4	4	5

Продолжая в том же духе, можно достроить всю таблицу до конца. Она, естественно, завершится парой отметок (1,1). Таблица такого типа и называется "единой порядковой шкалой". Пользоваться ею – одно удовольствие! Сравнение любой пары учеников сводится к поиску в таблице соответствующих их оценкам строк. Тот, чья строка оказалась выше – считается лучше. Если все так замечательно, почему же ЕПШ не нашла широкого распространения? Ответ прост – она может быть построена только для небольшого числа критериев. Попробуйте построить ЕПШ хотя бы для 7 школьных предметов, и вы быстро убедитесь в справедливости указанного недостатка.

Итак, мы рассмотрели несколько способов упорядочения (структуризации) альтернатив без построения обобщенного критерия. Кстати, в теории принятия решений обобщенный критерий получил название "функция ценности" или "функция полезности". Линейная свертка – простейший пример функции полезности. Таких функций разработано достаточно много. Есть, например, мультипликативная свертка. Она используется в моделях, основанных на постулате: "низкая оценка хотя бы по одному критерию влечет за собой низкое значение функции полезности" (вспомните пример с телевизором!). Записывается такая свертка следующим образом

s_i = Õ x_ij^w_j (произведение берется для всех j от 1 до m).

При этом, должны быть выполнены условия: 0 <= x_ij <= 1 и åw_j = 1. (где w – вес критерия)

В теории многокритериального анализа метод структурирования множества альтернатив (с учетом весов критериев или без него) принято называть "решающим правилом". Разнообразие решающих правил очень велико. Мы познакомились только с самыми простыми из них. Даже беглое описание основных классов решающих правил выходит за рамки этого краткого введения. В заключение этого раздела для развлечения читателей приведу одно из самых замысловатых решающих правил. Оно родилось в недрах известной французской школы математиков, возглавляемой Б.Руа, получило название "Метод Электрá" и на русском языке опубликовано в статье: Б.Руа "Классификация и выбор при наличии нескольких критериев" (в сборнике "Вопросы анализа и процедуры принятия решений", под редакцией И.Ф.Шахнова, М., изд. "Мир", 1976 г.). "Электрá" относится к редкому классу методов, использующих численные веса критериев, но не использующих функцию полезности.

	I+ (x > y)	I= (x = y)	I- (x < y)
a	x	x	x
b	y	y	y

Пусть сравниваются две альтернативы a и b. Пусть все веса {w₁, w₂, ... , w_m} критериев есть положительные действительные числа и сумма этих чисел равна W. Разобьем все множество критериев на 3 группы. В первую группу (обозначим ее I⁺ ) включим критерии, для которых a лучше b, т.е. оценки а больше оценок b (x > y). Во вторую группу (I⁼), включим критерии, для которых справедливо x=y, наконец, в последнюю группу (I^-), включим критерии, для которых x < y. Отметим, что вопрос происхождения весов критериев лежит за рамками метода. Важно также, что группа I^- не пуста, иначе можно было бы сразу сделать вывод, что a > b. Введем величину, называемую "индекс согласия" (имеется в виду согласие с тем, что a>b) и определяемую как

где сумма берется для всех критериев, в ходящих в группу I⁺.

Вторую величину назовем "индекс несогласия" и определим как

для всех j, принадлежащих весам, входящим в группу I^-_.Здесь d_max– максимальный размах шкалы оценок по критериям. Например, если оценки выставляются в разных шкалах и максимальная шкала имеет 10 градаций, то d_max= 10. Заметим, что для группы I^- справедливо y_j > x_j для всех j, поэтому разность (y_j – x_j) всегда положительна.

Введем две константы: "порог согласия" p (величина, немногим меньшая 1), и "порог несогласия" q (величина, немногим большая нуля). И, наконец, определим, что будем считать альтернативу a предпочтительнее альтернативы b (a>b) тогда и только тогда, когда справедливо: c (a>b) ³ p и одновременно d (a>b) £ q. Содержательно это означает, что мы принимаем альтернативу a предпочтительнее альтернативы b в том и только в том случае, когда удельная сумма весов критериев, для которых (a>b) достаточно велика, а максимальное единичное превосходство второй альтернативы над первой достаточно мало. Пороги согласия и несогласия выбираются из содержательных соображений.

В дальнейшем, при детальном анализе метода "Электра", у него выявились некоторые недостатки. Группа Руа совершенствовала метод. Появились методы "Электра II" и "Электра III".

До сих пор можно было считать, что у нас есть один эксперт или один ЛПР. А что делать, если их несколько? Пусть, для примера, мы готовим предложения для одного ЛПР и хотим учесть мнение нескольких экспертов. Рассмотрим такой случай применительно к модели критериального выбора.

При групповой экспертизе наиболее типична следующая ситуация:

Можно сказать, что методы группового выбора позволяют структуризовать множество альтернатив в ситуации "разноголосицы" суждений экспертов. Для начала вспомним, как преодолевается разница мнений в обычной практике. На ум тут же приходит способ решения спорных вопросов методами голосования: консенсус (полное согласие), простое большинство, квалифицированное большинство. При всей хрестоматийности и широкой распространенности, эти методы имеют по меньшей мере один существенный недостаток. Они отбрасывают мнение меньшинства (кроме консенсуса, где изначальное меньшинство попросту сводится на нет путем убеждения). В методах поддержки принятия решений пытаются, по возможности, обрабатывать экспертные суждения без отбрасывания. Действительно, ведь мы имеем дело с экспертами, т.е. со специалистами высокой квалификации. Как же можно просто отбрасывать их мнения? Иногда к отбрасыванию все же прибегают, но – в редких случаях, например, в методах так называемой "борьбы с манипулированием", т.е. сознательным искажением экспертами своих оценок с целью лоббирования тех или иных альтернатив. Любители фигурного катания знают, что при выставлении оценки участнику соревнований крайние оценки судей отбрасываются, а оставшиеся усредняются. Это пример одного из простых методов борьбы с манипулированием.

Какие же методы применяются для решения проблем, обозначенных в начале этого раздела? При формировании набора критериев можно попросить каждого эксперта дать свое множество критериев, а затем объединить все множества в одно. Если есть жесткое ограничение по количеству критериев, то тут без отбрасывания не обойтись. Проще всего упорядочить критерии по частоте упоминания и "подвести черту" в том месте, которое удовлетворяет заданному ограничению.

Итак, набор критериев сформирован. Как получить их сравнительную значимость? Здесь хорош, например, метод построения компромиссной ранжировки. Каждый эксперт дает свою ранжировку критериев по важности. На основе индивидуальных ранжировок нужно построить обобщенную. Это можно сделать разными методами. Наиболее корректным (но и наиболее трудоемким) считается метод "медианы Кемени" (по имени автора – американского математика и экономиста, лауреата Нобелевской премии). Для нахождения медианы, прежде всего, нужно задать способ определения расстояния между ранжировками, как говорят математики "определить метрику в пространстве ранжировок". После этого, нужно найти (построить) такую ранжировку, суммарное расстояние от которой до всех заданных экспертных ранжировок было бы минимально. Искомая ранжировка и будет медианой Кемени. Заметим, что тем самым мы получаем обобщенное мнение экспертов не отбрасывая ни одного мнения, поскольку при построении медианы существенно учитываются все индивидуальные ранжировки.

Теперь займемся оценками альтернатив по критериям. Эта часть текста, к сожалению, содержит математические категории и читателям-гуманитариям рекомендуется ее пропустить. Итак, первое, что приходит в голову – нужно взять среднее арифметическое оценок экспертов. К сожалению, все не так просто. Прежде всего, нужно задуматься о согласованности экспертных суждений. Действительно, если эксперты оценивают реальный объект, то их оценки не должны сильно расходиться. А если они все-таки существенно расходятся? Тогда, прежде всего, нельзя использовать среднее арифметическое, поскольку тогда мы получаем так называемую "среднюю температуру по больнице". Действительно, если сложить температуру всех высокотемпературных больных и температуру тел в морге, а потом поделить на общее количество замеров, то можно получить 36, 6°. Свидетельствует ли это о том, что "в среднем" все находящиеся в больнице здоровы? Тем не менее, абсурдность усреднения оценок без предварительного анализа согласованности мало кто понимает. А как считать согласованность? Если распределение оценок близко к Гауссовому, можно использовать стандартное отклонение. Если нет, нужно использовать непараметрические методы расчета согласованности. А если согласованность все же оказалась низкой? В этом случае нужно пытаться выяснить причину расхождений и по возможности попытаться устранить ее. Часто причиной может быть отсутствие важной информации у некоторых экспертов. Иногда ситуация слишком неопределенна, "размыта". В некоторых случаях эксперты разбиваются на две устойчивые группы (ситуация разных научных школ, или ситуация "разработчики-эксплуатанты"). В этом случае также нельзя строить обобщенные оценки. Группы нужно уметь выявлять и обрабатывать отдельно. Таким образом, способ обработки оценок в каждом конкретном случае должен подбираться индивидуально и тщательно обосновываться.

7. Примеры практического применения описанных методов

Один из примеров связан с рационированием капитала. Под другим углом зрения его можно рассматривать как конкурс инвестиционных проектов. Пример можно почитать здесь.

Из практического опыта автора можно выделить следующие, наиболее интересные проекты:

У читателей обычно возникает неизменный вопрос: почему методы поддержки принятия решений так мало применяются на практике? У меня есть своя точка зрения на эту проблему, которую я попытаюсь изложить. Прежде всего замечу, что слова "мало применяются" нужно уточнить. Где, когда и кем мало применяются? Например, в Америке есть огромная корпорация RAND, которая только и занимается тем, что выполняет проекты в области поддержки принятия решений. В России вообще консалтинг пока еще развит слабо, а такой специфический – и подавно. Я знаю это не понаслышке. С 1993 по 1997 годы я работал в московском представительстве компании "Ernst & Young" – одного из мировых лидеров в области консалтинга. С тех пор мало что изменилось, хотя робкие подвижки все же есть.

По моим представлениям, история с поддержкой принятия решений сильно напоминает историю медицины. На заре врачевания эскулапов считали, в основном, шарлатанами и предпочитали лечиться самостоятельно. Этот пережиток не полностью изжит и посей день, если учесть масштабы вреда от самолечения. То же и с ПР. Психологический барьер менеджеров и ЛПР будет сдавать позиции даже медленнее, чем в случае с медициной, потому что ничего не болит. Т.е., на мой взгляд, НЕОЧЕВИДНОСТЬ ПОСЛЕДСТВИЙ является главным тормозом в продвижении ПР в практику. Действительно, методы поддержки принятия решений не гарантируют от ошибок, они только позволяют свести вероятность ошибки к минимуму. Ошибка хирурга может привести к смерти пациента. Если ошибется архитектор – может рухнуть здание. Если ошибся конструктор самолета – аппарат может не взлететь. А если решение менеджера обошлось фирме в $500 тыс., а могло обойтись в $300, то этого, чаще всего, никто не заметит! Почему? Да потому, что выйти на сумму 300 можно было бы в том случае, если бы менеджер изначально по другому готовил решение, а ведь время назад не повернешь! Сравнивать не с чем! Нельзя же каждое решение принимать и выполнять в разных вариантах!

Тут есть еще загвоздка. Все принимаемые решения можно условно разделить на повторяющиеся и уникальные. Как изучать и оптимизировать повторяющиеся решения – давно известно. Методы поддержки принятия решений, обсуждаемые в этом введении, как раз и рассчитаны на помощь в принятии уникальных решений. А любой успешный современный менеджер априори считает, что именно в этой области ничто не заменит его опыт и интуицию. Это устойчивое заблуждение многократно и успешно опровергалось. Один из последних примеров. Специалисты по методам ПР из Голландии как-то проанализировали большой массив известных важных решений в области дипломатии и смоделировали последствия для тех случаев, если бы решение принималось с использованием методов поддержки ПР. Выяснилось, что 70% принятых решений оказались существенно хуже, чем могли бы быть.

Американские консультанты, которые наиболее продвинуты в этой области, дают такую оценку: один доллар, вложенный в поддержку ПР, приносит в среднем 3 доллара прибыли. Это – в сравнительно устойчивой и предсказуемой экономике. В условиях же современной России, без риска сильно ошибиться, можно увеличить этот коэффициент в 2 – 3 раза.

Если после чтения этого материала, хотя бы один из действующих или будущих ЛПР решит использовать методы ПР в своей практике – я буду считать, что старался не зря.

с 17.01.00 >>

Развитие Бизнеса > Развиваете бизнес? > Поддержка принятия решений

Введение в прикладную дисциплину "поддержка принятия решений"