의사결정 트리

이 기사에서는 의사결정 트리가 무엇인지, 그리고 어떤 용도로 사용되는지 설명합니다. 또한 의사결정 트리를 작성하는 방법과 단계별 해결 연습도 보여줍니다. 마지막으로 의사결정나무 사용의 장점과 단점이 무엇인지 확인할 수 있습니다.

의사결정 트리란 무엇입니까?

의사결정 트리는 내려야 하는 의사결정, 발생할 수 있는 다양한 시나리오, 가능한 모든 결과를 나타내는 다이어그램입니다. 따라서 의사결정 트리는 여러 가지 가능한 시나리오를 고려해야 하는 의사결정 보조 역할을 합니다.

의사결정 트리는 각 대안의 가능한 모든 결과와 각 결정으로 어떤 결과를 얻을 수 있는지 시각화할 수 있기 때문에 결정을 내리는 데 매우 유용한 도구입니다.

이것이 바로 의사결정나무가 경제적 의사결정 분석에 널리 사용되는 일종의 다이어그램인 이유입니다. 왜냐하면 의사결정나무를 통해 가능한 각 시나리오의 경제적 비용이나 예상 이익을 그래픽으로 표현할 수 있기 때문입니다.

일반적으로 결정이 내려질 때마다 여러 가지 시나리오가 가능합니다. 따라서 의사결정 트리는 가능한 모든 시나리오가 무엇인지, 각 시나리오가 실현될 가능성을 전체적으로 확인하는 데 도움이 되며, 이를 통해 각 결정이 얼마나 위험한지 알 수 있습니다.

의사결정 트리는 이름이 비슷하고 실제로 여러 특성을 공유하지만 트리 다이어그램과 다릅니다. 의사결정 트리가 무엇이고 의사결정 트리와 어떻게 다른지 알아보려면 여기를 클릭하십시오.

의사결정 트리의 요소

의사결정트리는 다음 요소로 구성됩니다.

• 결정 노드(□) : 반드시 내려야 할 결정에 해당합니다. 의사결정 트리에서는 사각형으로 표시됩니다.
• 확률 노드(○) – 여러 시나리오가 발생할 수 있음을 상징하며, 확률 노드에서 나오는 각 분기는 서로 다른 시나리오를 나타냅니다. 의사결정트리에 빈 원으로 그려집니다.
• 최종 노드(Δ) : 결과를 나타내므로 분기가 없기 때문에 쉽게 식별할 수 있습니다. 의사결정 트리에서는 삼각형으로 표시됩니다.

의사결정나무를 만드는 방법

의사결정 트리를 생성하려면 다음 단계를 따라야 합니다.

1. 주요 결정 표현 : 의사결정 트리를 만드는 첫 번째 단계는 다이어그램에 내려야 하는 첫 번째 결정을 나타내는 것입니다. 이렇게 하려면 결정할 수 있는 가능한 각 옵션에 대해 사각형과 사각형에서 나오는 화살표를 그리면 됩니다.
2. 노드 추가 : 이전 단계에서 그린 각 분기에 결정 및 확률 노드를 추가하여 의사결정 트리를 확장합니다.
3. 결과 액세스 : 각 분기가 최종 노드 또는 결과에 도달할 때까지 계속해서 결정 및 확률 노드를 추가합니다. 모든 경로가 결과로 이어지면 의사 결정 트리가 완성됩니다.
4. 결정 내리기 : 의사결정 트리를 완성한 후에는 이를 분석하고 최선의 조치가 무엇인지 결정하십시오.

의사결정나무는 결정을 제공하지 않고 단지 결정을 돕는다는 점에 유의하십시오. 최종 결정은 귀하가 내려야 합니다. 아래에서는 의사결정 트리를 사용하여 다양한 가능한 시나리오를 분석하고 최선의 결정을 내리는 방법을 살펴보겠습니다.

의사결정 트리의 예

의사결정나무의 정의와 그것이 어떻게 달성되는지에 대한 이론을 살펴본 후, 개념을 완전히 이해하기 위한 구체적인 예를 살펴보겠습니다.

한 회사가 향후 5년간 생산 능력을 확장할 계획입니다. 현재 성장세는 양호하지만, 최종적으로 경제가 도약하는 것으로 밝혀지면 크게 늘어날 수 있을 것으로 추정된다(이런 일이 일어날 확률은 40%로 추산).

옵션은 이전처럼 계속하거나, 더 큰 위치로 이동하거나, 현재 보유하고 있는 위치를 확장하는 것입니다. 첫 해에 무슨 일이 일어날지 지켜보고 성장이 있으면 확장을 진행하는 것도 가능합니다. 각 경우에 얻을 수 있는 경제적 이점은 다음과 같습니다.

• 옮기다:
  • 강력한 성장: $800,000
  • 저성장: $100,000
• 확대:
  • 강력한 성장: $800,000
  • 저성장: $100,000
• 아무것도 하지 마세요:
  • 강력한 성장 + 확장 2년차: $500,000
  • 강력한 성장 + 아무것도 하지 않음: $450,000
  • 저성장: $400,000

문제 설명이 제공한 모든 정보를 기반으로 내려야 할 결정, 고려된 여러 시나리오 및 가능한 모든 결과를 의사 결정 트리에 나타낼 수 있습니다.

따라서 이 사건의 의사결정나무는 다음과 같다.

이제 의사 결정 트리를 구축했으므로 이를 분석하고 최종 결정을 내릴 차례입니다. 다음 섹션에서는 결정을 내리는 데 사용할 수 있는 다양한 기준을 보여줍니다.

의사결정 트리의 결정 기준

의사결정나무를 사용하여 어떤 결정을 내릴지 결정하는 기준은 주로 비관적 기준, 낙관적 기준, 수학적 기대 기준의 세 가지입니다. 아래에서는 각각이 무엇으로 구성되어 있는지 살펴보겠습니다.

비관적 기준

비관적이거나 보수적인 기준은 최악의 시나리오가 발생할 것이라고 말합니다. 따라서 이 기준에서는 고려된 모든 시나리오 중에서 시나리오가 가장 부정적일 때 최상의 결과를 제공하는 옵션이 선택됩니다.

비관적 기준을 사용하여 위의 예를 따른다면 회사의 성장이 낮을 경우 더 큰 이익($400,000)을 얻을 수 있기 때문에 이전과 같이 계속하고 아무것도 하지 않기로 결정할 것입니다.

비관적 기준을 사용하여 우리는 최소 결과를 보장하며, 이 경우 $400,000입니다. 그래서 궁극적으로 운이 좋아서 더 좋은 시나리오가 일어난다면 더 좋은 결과를 얻을 수 있을 것입니다. 그러나 어떤 경우에도 더 나쁜 결과를 얻지는 못할 것입니다.

이 기준을 사용할 때 미래 시나리오가 부정적일 것이라고 생각하더라도 이 비관적인 시나리오에서 더 나은 결과를 얻을 수 있는 옵션을 논리적으로 선택해야 한다는 점을 명심하세요. 최악의 결과를 제공하는 옵션을 선택하는 것은 실수입니다. 우리는 우리가 통제할 수 있는 모든 것을 극대화해야 합니다.

낙관적 기준

낙관적 기준은 앞으로 일어날 시나리오가 최선일 것이라고 말합니다. 따라서 이 기준을 사용할 때 시나리오가 유리할 때 더 나은 결과를 얻을 수 있는 옵션을 선택합니다.

이전 예에 따라 회사의 성장이 탄탄하면, 특히 회사 이익이 $800,000일 경우 더 나은 결과를 얻을 수 있기 때문에 우리는 회사를 이전하기로 결정합니다.

낙관적 기준을 사용하여 결정하면 결과는 매우 좋을 수 있지만 시나리오가 불리하게 끝나면 일반적으로 매우 좋지 않은 결과가 얻어집니다.

수학적 기대 테스트

이 기준은 모든 대안의 수학적 기대치를 계산하여 더 높은 결과를 얻는 옵션이 선택되도록 구성됩니다.

기사처럼 우리가 선택해야 할 선택은 아무것도 하지 않고 회사를 그대로 두는 것인데, 그것이 기대 가치가 가장 높은 선택이기 때문이다. 높다($440,000).

이 기준은 결정 과정을 여러 번 반복해야 할 때 매우 유용합니다. 왜냐하면 수학적 기대치가 평균적으로 최선의 결정을 제공하기 때문입니다. 그러나 결정이 한 번만 이루어진다면 이것이 가장 적절한 기준이 아닐 수도 있습니다.

의사결정 트리 외에 의사결정 매트릭스와 같은 다른 의사결정 도구도 사용할 수 있다는 점에 유의해야 합니다. 결정 매트릭스는 다양한 기준에 따라 내려질 결정을 평가하는 데 매우 실용적입니다. 다음 링크를 클릭하여 이것이 어떻게 수행되는지 확인하세요.

의사결정나무의 장점과 단점

이점:

• 의사결정나무는 이해하기 쉽습니다.
• 의사결정 트리를 사용하면 가능한 모든 시나리오와 각 시나리오에서 예상되는 결과를 전체적으로 시각화할 수 있습니다.
• 이러한 유형의 다이어그램은 작성하는 데 많은 시간이 걸리지 않지만 완료하는 속도가 빠르기 때문에 매우 효과적입니다.
• 새로운 아이디어나 시나리오를 결과에 추가하여 유연한 다이어그램으로 만들 수도 있습니다.
• 마지막으로 의사결정나무는 다른 의사결정 도구와 쉽게 결합될 수 있습니다.

단점:

• 의사결정 트리에 의사결정 노드가 많거나 가능한 시나리오가 많으면 복잡한 다이어그램이 될 수 있습니다.
• 종종 각 시나리오의 발생 확률은 정확하게 결정될 수 없으므로 부정확할 수 있습니다.
• 의사결정나무는 의사결정 도구일 뿐이지만 최종 결정은 누군가가 내려야 합니다.