Решения в условията на несигурност

Защо класическите логики за вземане на решения систематично се провалят и как организациите да вземат по-добри решения в структурно отношение

Резюме

Вземането на решения в условията на несигурност е едно от основните предизвикателства пред съвременните организации. Редовно се вземат инвестиционни решения, портфейли от проекти или стратегически инициативи, въпреки че ключовите параметри не са напълно известни.

Преобладаващото допускане е:
Повече информация, по-добри модели и по-добра координация водят до по-добри решения.

Реалността обаче показва друга картина:
Въпреки нарастващите количества данни, симулации и управленски структури, решенията често остават неоптимални.

Причината за това не е преди всичко в липсата на данни или методи, а в неправилна структурна преценка:
Несигурността се разглежда като информационен проблем, въпреки че е проблем на пространството за вземане на решения.

1. Същност на несигурността в организациите

Несигурността винаги възниква, когато бъдещите състояния не могат да бъдат ясно прогнозирани. На практика това се отнася за почти всички значими области на вземане на решения:

• Инвестиции в дълготрайни активи (CAPEX)
• Стратегически проекти и трансформации
• Развитие на продукти
• Инфраструктурни мерки
• Портфейлни решения в областта на частния капитал или недвижимите имоти

Могат да се разграничат три форми:

1.1 Риск (измерима несигурност)

• Вероятностите са известни или могат да бъдат оценени
• Пример: проценти на неизпълнение, историческа възвръщаемост

1.2 Несигурност (не напълно измерима)

• Вероятностите могат да бъдат само приблизително определени
• Пример: развитие на пазара, търсене

1.3 Неяснота (структурна несигурност)

• Причинните връзки са неясни
• Пример: разрушителни технологии

Критична точка:
Организациите често третират и трите форми по един и същи начин - обикновено чрез сценарии или симулации.

2. Класическият начин за справяне с несигурността

На практика преобладават три подхода за вземане на решения:

2.1 Планиране, основано на сценарии

• Най-добър случай / базов случай / най-лош случай
• Цел: Разбиране на широчината на честотната лента

2.2 Симулации Монте Карло

• Хиляди случайни изпълнения
• Цел: Разпределения на вероятностите

2.3 Експертна оценка

• Модели за оценяване, решения на комисията
• Цел: правдоподобност и консенсус

Тези подходи осигуряват ценни прозрения - но имат структурно ограничение:

Те анализират несигурността, но не вземат оптимално решение в пълното пространство за вземане на решения.

3. Истинският проблем: пространството за вземане на решения

Във всяка организация има не само едно решение, а комбинаторно пространство за вземане на решения.

За N проекта важи следното:

• Броят на възможните комбинации = 2^N

Примери:

Брой проекти	Комбинации
10	1.024
20	1.048.576
30	> 1 милиард
50	> 1 квадрилион

Последици:

Сложността нараства експоненциално с всяка допълнителна опция. Дори и несигурността да бъде перфектно моделирана, основният въпрос остава:

Коя комбинация от решения е оптимална при всички несигурности?

Класическите методи не дават отговор на този въпрос.

4. Защо симулацията не замества решението

Симулациите отговарят на въпроса:

"Какво ще стане, ако взема решение в полза на определен вариант?"

Те не отговарят на този въпрос:

"Кой вариант е най-добрият от всички възможни варианти?"

Това е съществена разлика.

Пример: Портфейл от недвижими имоти

Дружество проучва 50 проекта за недвижими имоти.

• Симулация: оценява отделни проекти или сценарии
• Реалност: има 2^50 възможни комбинации

Проблем:
Симулацията разглежда алтернативите поотделно - не систематично в цялото пространство.

5. Поведенчески отклонения при несигурност

Несигурността систематично засилва когнитивните предразсъдъци:

Типични ефекти:

• Нежелание за загуба: Рисковете се надценяват
• Пристрастие към статуквото: съществуващите проекти остават в портфолиото
• Прекалена увереност: Прогнозите се надценяват
• Закрепване: Първоначалните оценки доминират

Резултат:

Решенията са не само непълни, но и систематично изкривени.

6. Структурната заблуда

Доминиращото допускане е:

Повече информация → по-добри решения

Всъщност е валидно следното:

Повече възможности + несигурност → експоненциално нарастваща сложност на решенията

Това води до три проблема:

1. Намаляване на пространството за вземане на решения (предварително филтриране)
2. Опростени модели
3. Субективно претегляне

Последица:
Глобалният оптимум обикновено никога не се разглежда.

7. Преосмисляне на вземането на решения при несигурност

Една надеждна логика за вземане на решения трябва да разглежда две измерения едновременно:

7.1 Моделиране на несигурността

• Вероятности
• Рискове
• Сценарии

7.2 Пълен анализ на пространството за вземане на решения

• Всички комбинации
• Всички ограничения
• Всички зависимости

Само комбинацията от двете нива дава възможност за реална оптимизация.

8. Сравнение на подходите

Подход	Сила	Слабост	Резултат
Анализ на сценария	Разбираемост	без оптимизация	ограничена информационна стойност
Монте Карло	вероятностна дълбочина	липса на вземане на решения	Симулация вместо подбор
Експертно решение	Опит	Пристрастие	непоследователни резултати
Евристика	Скорост	локална оптимума	неоптимални
Комбинаторна оптимизация	пълно пространство	висока изчислителна нужда	глобално оптимизирано решение

9. Дълготрайните активи като критичен случай на употреба

Проблемът е особено очевиден при инвестирането в дълготрайни активи:

• Висока капиталова ангажираност
• Дълъг падеж
• Ниска обратимост

Типичен процес:

1. Проектите се оценяват индивидуално
2. Бюджетът се разпределя
3. Портфейлът се създава итеративно

Проблем:
Пълният списък на инвестициите рядко се разглежда като комбинаторно пространство за вземане на решения.

10. Предварителна срещу последваща логика

Повечето организации оптимизират решенията ex-post:

• Последваща оценка
• Корекции на портфейла
• Научени уроци

По-добрата логика е:

Предварителна оптимизация - преди решението

Това означава:

• Всички варианти се разглеждат едновременно
• Ограниченията са интегрирани
• Несигурността се моделира
• Резултатът е оптималната комбинация

11. Последици за управлението

Въвеждането на структурирана логика за вземане на решения променя из основи организациите:

Класически:

• Комитетите вземат решения
• Преобладава дискусията
• Консенсусът е целта

Нова:

• Моделите изчисляват оптималните решения
• Прозрачност за алтернативните разходи
• Решенията стават проверими

12. Възможни разходи при несигурност

Най-големият, често невидим блок от разходи е:

Разликата между избраното решение и глобалния оптимум

Този ефект се увеличава масово при несигурност:

• неправилно определяне на приоритетите
• неефективно разпределение на капитала
• дългосрочна загуба на стойност

13. Качеството на решенията като конкурентен фактор

Организациите се конкурират не само по отношение на продуктите или пазарите, но все повече и по отношение на качеството на своите решения:

Качеството на техните решения

Това означава

• по-добро разпределение на капитала
• по-голяма устойчивост
• по-бърза адаптивност

14. Практическо изпълнение

Една модерна архитектура за вземане на решения включва

1. Пълен списък на проектите преди вземане на решение

Без итеративен подбор

2. Ясни ограничения

Бюджет, ресурси, зависимости

3. Моделиране на несигурността

Вероятности, сценарии

4. Алгоритмична оптимизация

Претърсване на цялото пространство за вземане на решения

15. Заключение

Решенията в условията на несигурност не са чисто прогнозен проблем.

Те са проблем за структурно оптимизиране.

Ключовото разбиране е следното:

Несигурността не може да бъде елиминирана, но решенията могат да бъдат оптимизирани въпреки несигурността.

Организациите, които разбират тази разлика, получават огромно предимство:

• по-висока възвръщаемост на инвестициите
• по-добра стратегическа съгласуваност
• намаляване на грешните решения

ЧЕСТО ЗАДАВАНИ ВЪПРОСИ

Какво конкретно означава "вземане на решение в условията на несигурност"?

Това означава, че решенията трябва да се вземат, въпреки че съответната информация за бъдещето не е напълно известна.

Защо симулациите не са достатъчни?

Симулациите показват възможните резултати от отделните решения, но не определят най-доброто решение в рамките на всички възможни комбинации.

Каква е разликата между риск и несигурност?

Рискът е измерим (с вероятности), а несигурността не може да бъде напълно количествено определена.

Защо пространството за вземане на решения е толкова важно?

Защото броят на възможните комбинации расте експоненциално (2^N) и класическите методи не анализират напълно това пространство.

Кой е най-големият проблем на класическите процеси за вземане на решения?

Системното намаляване на пространството за вземане на решения и произтичащите от това неоптимални решения.

Какво означава "глобален оптимум"?

Най-добрата възможна комбинация от всички решения при дадени ограничения и несигурност.

Кога това става особено актуално?

• Решения за CAPEX
• Портфейли от проекти
• Инфраструктурни инвестиции
• Частни капиталови инвестиции

Какво е основното подобрение на съвременните подходи?

Комбинацията от моделиране на несигурността и пълен анализ на пространството за вземане на решения.