決策分析與管理

決策:競爭策略與經營管理的核心

決策:可以定義為一種評估和取捨執行方案的過程

• 單一決策:今天下雨，我要帶雨傘
• 群體決策:今天下雨，我們要不要練球?

策略:決定企業的走向

• 許多基業長青的企業在選擇外來的領導時，要的不只是他的執行力，更看重可以帶領公司面對挑戰選擇未來發展策略的決策力
• EPS = 投資報酬率(越高越好)
• 決策資源系統:補助支援決策過程的資訊系統

決策的本質-結合事實性與價值性兩種判斷的邏輯推理過程之結果

• 決策的三種結構(任清楚你的敵人只有一個)
• 結構化
• 試指問題的目標與決策元素的關係架構很確定(明確)。有標準答案，其困難之處可能在於如何找到最佳解
• 決策分為線性 和 指數(灰色理論)
• EX:Y(營收) = F(X1(廣告)，X2(好不好吃)，X3(價格)，...，XN(地點))
•         ＝〉Y(營收)=X1(最大獲利"用最大值")+ε(誤差)
• 專家系統與商用專業軟體，是資訊科技與決策科學組合，來提供決策者對此類問題的協助
• 非結構化-主觀性質的東西，EX:結婚...
• 只當決策規則與評估標準因人因時而異，所以只有當事人才能做真正決定。
• 高階主管資訊系統和醫療資訊系統
• 半結構化
• 有客觀的答案，一定的決策規則可循，然而其評估準則異需要決策者的主觀判斷
• 是決策系統使用範圍，上面兩個都不能用，用數學都能解決，主要用在這用在這裡
• EX:評估A.B.C藥物的效力
• EX2:利潤 銷售 風險 (主觀的意見(建議))
• 三個選一個評估或看比例，像是(80,20,0)或(60,30,10)
• 決策支援系統或群體決策系統
• 包括引導決策發展分析模式以及分析所需之判斷與輸入資訊
• 用發生頻率分類
• 經常面臨的
• 獨特的
• 原則上每個決策會因為時空因素而改變，不應該被視為完全相同，所以嚴格來說每個決策都是獨特的。決策者必須針對新的的決策問題重新檢視與分析每一個狀況，不要直接下判斷認為某個問題跟以前的一樣，就直接套用"老方法"處理。這樣不僅會失去改革創新的機會，嚴重可能懷會導致個人成敗或企業永續經營...等問題。要以新情勢來調整決策。
• 孫子曰:人皆知我所以勝之形，而莫知吾所以制勝之形。
• 決策問題是經常面臨或獨特的，要看問題的粗細程度(granularity)有關
• 可以參考既有決策分析架構，已重新推倒篩選符合新問題目標知方案，野能夠從別人經驗中擷取決策的經驗，作為找到自己知答案的依據。
• 從決策者面對問題發生的情況分類
• 預期的
• 決策者通常都有時間可以提前準備，做好時間管理已在期限內做最佳決策
• 偶發的
• 決策者應掌握契機沉著分析，當機立斷
• 而決策分析可以幫助我們透過事前的"情境分析"來提升應變能力。
• 以決策完成期限分類
• 深思熟慮
• 們有明確時間限制的問題，都該想好再做決定
• 即時決定
• 由於面對不確定與不完整資訊，蒐集關鍵因素之相關資訊，來掌握決策關鍵
• 主從關係(誰做決定與誰受決策影響)
• 每個決策問題都有決策者做決策，幾使決策者面對問題不採取行動，也可以視為有意識或無意識的決策行為。
• 另一方面，每個決策都一定會有利害關係人。也就是受決策影響的人。包含決策者本身。
• 主觀的或客觀的決策
• 主觀的-你說得就算
• 非結構化程度越高，其需要決策者主觀判斷的範圍程度越多，半結構化與非結構化的問題，無法避免決策者主觀判斷
• 客觀的-群體決策
• 只有完全結構化問題才可能有絕對客觀的答案
• 主觀價值分類
• 理性-決策過程有脈絡可循
• 非理性-決策者的偏好或判斷沒有一致性或邏輯性
• 有限理性-看似非理性的決策，但帶有不為人知的理由。例如某個決定是為了"做球"給某個人之類的，帶有別的目的的決策
• 決策行為分類
• 規範的角度-符合一些理性假設核定裡下應該如何做決策的理論
• 敘述的角度-描述人們實際上怎麼做決策並提出解釋
• 處方的角度-結合上述理論應該與實際上的決策行為，來對症下藥地補助決策者做出較好的理論
• 根據是否有不確定因子以及不及定程度分類
• 確定狀況下做決策-YES OR NO
• 所有問題中的資訊都是正確的，重點在於如何價值判斷權衡利害關係已做出決策
• 確定裝況下的決策過程不考慮不確定因子，所有資訊都是確定的
• 例如:購買汽車，大部分的人決定買車時，都會先蒐集資料(上網或是朋友意見)，然後到展示間試駕，最後根據所有要評估的屬性，把需要的因素優缺點列出然然後決策。
• 風險下的決策問題-可能可以或可能不可以，以往的機率(80%  20%)
• 儘管無法確定真實狀態為何，但可以預估各種狀態出現的機率，因此可以用統計決策或貝式決策來分析
• 風險下決策過程中有考慮不確定因子，但可以用機率來表示其不確定程度
• 重點是如何用機率來表示不確定程度
• 例如:有些人買車會考慮其他不確定因素，像是平均使用年限或是保養...等問題，所以需要根據平均或期望值來做為決策的參考依據
• 完全不確定狀況下的決策問題-可能可以或不行，沒有機率可以利用
• 描述不確定因子可能出現的狀況，但無法進一步描述各種可能狀態出現的機率，因此只能依靠一些簡單的決策規則。
• 完全不確定狀況下的決策過程中雖然有考慮不確定因子，但無法以機率來描述其不確定程度，甚至量化相關資訊。
• 例如:像是下雨帶傘，沒下雨就不帶，但是不曉得回家時候會不會下雨

價值專注的決策

所謂價值，是用以評價的原則。找出目標存在的理由即是尋找目標所反映之價值。

通常價值導向思考隨著使用者的運用與經驗累積會有更大效果。其重點在於:

• 辨明問題的性質，蒐集相關資料和證據
• 釐清重要目標或價值觀、印證檢討其中的假設和不確定因子
• 產生價值導向思考的創新方案
• 精進方案權衡時的判斷，以達到提升做好決策的目的

決策者面對問題應該要認真思考並且不斷地問，5W(問題是什麼/為什麼會發生/如何發生/什麼時候會發生/發生在誰身上/哪裡會發生)

決策問題的類型

題型

• 單選單
• 單選多
• 多選單
• 多選多

同一種是，在不同的決策者手中的評估方法都步一樣以及權重

依賴議會達成群體決策的目的，有時會有以下缺點:

• 有時會一被少數權威人士操控或主導
• 有些參與者因為不願公然得罪他人而提出相反意見或不同見解
• 有些人為顧及顏面，而不願讓步修正自己原先的提案或意見
• 因會議時間有限，無法讓所有語彙者暢所欲言，或對問題能夠生思熟慮
• 語彙人是分散各地，使議會不易招集，聚集開會成本太高
• 可以改善的是，因為網路發達，可以視訊

群體決策的技術

• Delphi法(達非法) - 是以一群專家做為調查對象，應用連續問卷和適當超空的會饋機制，來蒐集決策者或專家對決策問題或未來事件的共識
• 步驟
• 先給專家3~10個意見
• 選擇決策參與者或對問題熟悉的專家組成專家調查團(不可太多或太少，要看事情的大小決定，一般大約5~13人左右)
• 統計並把它改成專有名詞
• 再發一次問卷把有的專有名詞變成選項給專家選擇幾個並把他上分數(把因數總數除已想要得到的因子數)
• 統計結果再把少數刪除，直到剩下3~5因子
• 再發一次問卷，給剩下的因子做重要信評估
• 非常重要 重要 普通 不重要 非常不重要
• 算平均標準差
• 接受~拒絕
• 再把不接受的意見拿出來，再做一次，到意見一致
• 標準差(先不管平均)
• 標準差 可以了以後，看平均的權重
• 當問卷題目意見一致時，以最後一回的意見的統計結果，進行決策或預測依據
• 名目群體技術 - 一群決策者或專家開會，整合個人意見合適當的回饋機制，來蒐集決策者對問題的決策
• 每個人把方案提出，此時不需要說明意見或立場
• 需要保證每個人都有發言的權利
• 利用白板或相關決策工具，使用匿名的方式記錄下每個成員對每個意見的評判與討論
• 針對具體以定義的決策問題，對是不對人的討論每個意見，並釐清每個人都清楚每個方案
• 給個參與者獨立且安靜的表捯意見和判斷，並讓每個人對每個意見評分，例如有五的舊最好5分以此類推，來選出最佳方案
• 預測未來和決策分析具有相當的價值以及以下優點
• 1.匿名性-不容易受到權威影響
• 2.控制的回饋性-有充裕的時間來讓每個決策者參與獨立思考並填答
• 3.意見反芻-允許受訪者以已反覆修改意見評比，直到意見達成一致共識為止
• 4.群體反應統計-給個參與者獨立且安靜的表捯意見和判斷，並讓每個人對每個意見評分，例如有五的舊最好5分以此類推，來選出最佳方案
• 標準差
• 越大-意見越分散-不可決策
• 越小-意見越集中-可決策
• 一般決策流程
• 確定目標-自己訂(EX:買房:大樓、30~45坪、...)
• 尋找決策方案-A.B.C 三棟房子
• 選擇或設計決策模式-線性加總模式
• 決定評估屬性(Delphi法)-屬性及權重
• 屬性-因子(價格.....)
• 選出最佳方案

方案的多寡與可選擇的數量

• 方案代表-A.B.C三個房屋，A.B.C就是方案
• 可以區分為
• 是非決策問題-不一定會是最好的方案
• YES OR NO
• 通常由於可供選擇方案不是同時存在或備選方案並不是一次到齊
•  例如:結婚
• EX:找經理:可能同一時間才來一個，不是不要就是要，不要在等下一個，要就是用，但事後有更好的就不能再使用了
• 最基本的做法就是訂下一個門檻或標準，一個一個面台，只要找到符合的候選人就接受，不符合就拒絕，這就是一種決策方式，對應的就是滿足性(Satisfice)決策
• 單選決策問題(多個備選方案)
• 通常是有很多個備選方案可以供決策者從中擇一
• 例如:畢業旅行地點
• EX2:ABC三個遊戲，只能買其中一個
• 決策者可以根據決策目標與評估屬性，評估比較所有備選方案的預期結果，已決定當中最好的方案而完成決策。
• 然而並不代表選到的方案一定是最佳方案
• 若沒有好的方案再多備選方案也沒用，只能從一個推爛蘋果選出一個比較好的蘋果，但也還是爛蘋果
• 定義域可以包含可行解域(feasible)或只是其中一部分。換句話說，如何產生方案是很重要的，先要把備選方案的集合作大，盡可能地把所有可能的方案都找到。
• 組合決策問題(多選)
• 通常次決策者可以從多個被選個體中選擇一個以上而組成的方案。
• 例如:球隊的先發組成，或是股票投資組合
• 組合決策有個三個特性
• 第一，組合方案的目標和構成個體的目標僅管有關聯卻未必相同
• 例如投資股票除了投資報酬率外，可能還需烤類其中類股的的風險是否要分散，以達到綜效(synergy)
• 第二，由於組合方案中構成的個體彼此間的交互作用，所以決策者除了根據決策目標與評估屬性比較各個備選個體外，還必須兼顧個體間的交互作用，已決定最好的組合方案
• 例如球隊隊員的決策就必須考慮各球員間的默契與功能分配，因此所選方案未必是考慮身材優來來排序
• 第三，其實組合決策問題中，所選的方案本身是備選個體集合的一個部分集合
• 例如選課，假設有五門課(1.23.4.5)，每一堂課的選項就是要與不要
• 要先看清楚敘述式，再做判斷是哪一個分案
• 是非決策問題
• 單選，只有一個選項(同一時間只能有一個)
• 單選決策問題
• 多選單，但只能選一個(同一時間有很多個，但只能有一個)
• 組合決策問題
• 多選多

資訊的特性

• 品質
• 指資訊的正確性，有用性
• 當資訊來源是他人提供時，決策時須小心求證其正確性，避免有人從中扭曲而獲利。
• 所以決策者必須過濾資訊的有用性(去蕪存菁)
• 多寡
• 資訊的多寡決定決策的品質，然而決策者並不一定能擁有所有決策的相關資訊
• 決策元素:決策者、受決策影響者、目標、結果、方案、評估準則、成本、限制、決策環境...等。
• 模糊性
• 決策問題可以根據資訊是否可以明確表達來區分。有些決策問題可以不考慮模糊衡量
• 模糊理論
• 若決策者表達的歸屬程度越大，其數值越接近1，否則接近0。因此，可以擴展一般集合中特徵函數的概念，成為模糊集合的歸屬函數
• 資訊不對稱的誘因理論
• 指資訊較少的一方如何設計一套誘因制度，以誘使資訊較多的一方透露出其所擁有的資訊，因而克服資訊較少的劣勢
• 例如跨廠區的技術委員會，可以達到跨廠區的分工合作，快速累積與分享各廠的產能與技術，並將解決問題的最佳化方法標準化，使客戶能在各廠得到一致的最佳化服務。而其成功的關鍵就是，配套措施，像是績效和獎勵制度產生足夠的誘因與壓力，促使先找到突破方法的資訊較多廠區能夠分享出其所擁有的資訊，而避免同濟間的惡性競爭。

思考的縱深

• 根據思考程度不同分為
• 單階決策問題
• 序列決策問題(決策發生有先後相關聯)
• 例如1:結婚 是屬於單階決策問題，但是後續要如何過幸福日子就是序列決策問題
• 例如2:下棋 如何處理眼前狀況是屬於單階決策問題，但要如何布局跟推演後續對手可能的步伐或...則為序列問題
• 人生在世的所有決策問題都是環環相扣彼此相關，大短視近利的決策，可能會以後的相關決策付出慘痛的代價，所以古人說:信蓋天下，可以約天下，也就是所謂的信用。
• 決策者如果能堅持基本價值與長期策略，並引導後續相關決策，就算其中有一個單獨的決策不能達到預期結果，然而能隨時因應新的決策環境與因素變化而調整不同階段的決策，當一系列的決策分析得當時，便能"積小勝為大勝"，不易受一時決策挫折影響

決策的層級關係

• 以上下層級區分為
• 個別決策問題
• 你說的就算，EX:教授的研究
• 層級決策問題
• EX:教育問題，像是教育政策...

決策的對手

• 獨立決策(無對手)
• 只需要獨立考慮自己這一部份就可以了。
• 互動決策(有對手)
• 一旦有了對手，就要考慮對手會不會殺價，價位是高是低，當訂的價格低於對手時，對手是否會修正價格...當然如此反覆競價的結果，只會讓消費者得利
• 決策者要考慮所選的方案時，必須猜測對手在想什麼
• 賽局理論
• 所有決策都有決策對手，即使沒有人在同一個決策賽局裡和決策者競爭，從機會角度來看，決策者自己也必須和自己過過去或未來所做的決策競爭，甚至是環境的競爭
• 古人說要"網開一面"，而不要"竭澤而魚"
• 記住所謂的"窮寇莫追"，因為潛在的創新競爭者創新的經營模式，隨時會替代因為缺乏競爭而變得一攤死水的舊系統
• 決策分析的角度是如何解決對手的問題，重點在於方案，而賽局理論中，所關心的是否能找到均衡解的數學分析方法，能夠站在每個對手的角度，都希望達到各自最好的一局面，也就是穩定狀態，互相了解各自所需索要採取的互動，並達到問鼎，也就是共生雙贏
• 不用複雜的數學問題，應該好好想一想如何達到雙贏。
• 一個人可以用理由說服另一個人，另一個人或許就不行，重點不在於講道理多麼的崇高。而是找到對方真正想要的東西，重新創造一個決策空間或維度，項辦法從對方中滿足他，而這超維度空間中，有時往往只是兩三句話便達成目的，關鍵就在於能不能跳多單維的線性思考方式
• 複雜的現實生活中沒有爭這的零和賽局，永遠都存在可以妥協互利而達到雙贏的智慧

決策負面的後果風險

• 我們知道決策者會有"兩害相權取其輕，兩利相權取其重"的決策行為"。
• 觀點理論(prospect theory)
• 決策者在面對決策情境時會在心底形成一個參考點，用以分割判斷當下面對的是"利得"情況或是"損失"情況，當面對兩害相權與兩利相權的決策問題時，所表現出來的偏好評斷與決策行為模式有相當大的不同，而且因為每個決策者的立足點和看到問題的觀點角度不同、對風險忍受程度互異，和風險管理的方式等均會影響到決策者在有負面結果時的風險決策中，對不同方案的評估與分析方法。
• 不值得決策的事，就不要決策。

決策目的和應用

• 私人決策
• 黑箱作業
• 不需要特別跟其他人事先溝通與仔細說明決策過程，只要自己可以就好
• 重結果不重過程
• 公共決策 或為別人做決策
• 正所謂"有功無賞、打破要賠"，所以公共決策的過程、手段、結果同樣重要
• 在不同人馬中取得共識就可以做
• 過程對就算選錯了也對了
• 重過程不重結果

決策陷阱

緣木求魚，沒有找對問題

決策者必須經常不斷問自己的問題就是"問題到底是什麼?"，以找到真正的問題，然後決定目標，才不會找錯方向。

決策者最重要的不僅是要在分析過程中"將事情做對"，更要緊的是在一開始面對一個決策問題時就要"做對的事情"，找到真正關鍵的問題核心。

• 過度自信
• 決策者往往做過許多類似的決策後，便自以為是相關決策問題的專家，而忽視許多必須檢查的部分，跳過許多的決策分析步驟。這容易造成"一世英名毀於一旦"的狀況。
• 決策者應該把每個決策問題都當成一個新問題，均依據系統化的決策分析步驟，警慎、迅速、有效地做出決定。
• 謹慎就是謹言慎行，謹言但不是不說話，而是詳細的蒐集資訊和深入分析後才下結論。慎行不一定表示做事很慢或不做事，只要根據有系統的分析步驟、方法和執行計畫，依然可以做得很快。
• 框架效應
• 指架構決策問題的過程，由於問題被呈現的方式，在決策者心中所塑造的概念架構，導致決策者未經深思熟慮就將"焦點"放置於錯誤的標的的問題與單純化的思考架構上，以致一開始就錯失正確的問題解決方法、看不見重要的目標或忽略選擇最佳方案的時機
• 框架效應產生原因:包括問題是從正面或反面的敘述角度、參考點的設定、所使用的單位跟譬喻的表示...等。
• 不同的敘述會影響決策。
• 防止部屬"報喜不報憂"的情形
• 基準點偏差
• 也就是只影響決策者思考路徑的起點或參考點，以致最後的抉擇都圍繞著基準點調整打轉。
• 參考點-不同的參考點:商品的訂價策略
• 如果有一項商品，突然特價且價格打破原本的基準點時，可能就會影響消費者購買的決策，使消費者天小便宜的心態作祟。這就是所謂先入為主的概念。如果再加上限量，影響就更大了。
• 所以在做任何決策或是任何狀況，都應該要冷靜思考，以免掉入陷阱
• 現成偏差
• 決策者容易因為惰性或急著下決定，而依據現成的或容易找到的資訊做判斷決策。
• 附和偏差
• 發生在可能由於決策者為了合理化自己所做的或者所想做的決策
• 忽視的偏差
• 只決策者在蒐集資料的過程中或完全決策後的執行階段，可能由於本身防禦心理，而消極地排斥或忽視一些不利其所作決策的訊息。或根本對特定消息來源或特定人士所傳達的訊息，一概置之不理、視而不見，僅選擇性吸收其所要聽的消息。
• 有時有些組織高層決策者所接見的人、所接受的資訊都是由周圍的親信來安排過濾，以致可能讓這些幕僚從中操縱，而造成決策過程中只接受到片面消息，影響決策品質。
• 當團體中有人常提出錯誤的建議或未經深思熟慮的想法，時間久了便容易被人忽視，而以後有真正的意見，可能由於過去信用問題而被忽視掉，而錯失良機。也就是所謂的"物以人廢言"，指的正是要避免忽視偏差
• 遇到這類問題可以用四個態度或是個層次來處理
• 面對他、接受他、處理他，然後放下他。
• 近期偏差
• 只決策者對最近發生的事情或接受的資訊之殘存記憶有較深刻的印像，或因為事情發生後距離決策時間太短，以致決策者來不及做仔細檢驗，因而對決策產生比較大的影響。
• 代表性偏差
• 某些決策者自己經歷或發生在他人的事件，由於其戲劇性或代表信而讓決策者留下深刻印象，而影響其對特定人物與事件發生次數或頻率的看法
• 例如一朝被蛇咬，十年怕草繩的心態
• 保守的偏差
• 決策者在處理極偏(非常好或特別差)的資訊時，為求謹慎，往往會保守地評估數值或機率直往中間調整修正，以避免過分武斷或突出的評判
• 像是好的人可能拿不到滿分，差的人也拿不到最低分
• 隨機偏差
• 以方便自己在決策思考過程中對不確定因素的了解，有時會觀察或推導出原本不存在的特殊樣式，必以此簡化複雜的不確定因子，錯誤地作為敘述決策元素的方式，並因而造成決策時的偏差。
• 相較於 大數法則 ，決策者常犯的隨機偏差就是所謂的小數法則，也就是用小樣本來推論大樣本的分布。
• 可能性偏差
• 僅僅考慮資訊對假設的可能性，而忽略某個假設事先的機率
• 既存狀態偏差
• 例如:沉沒成本
• 滿足的偏差
• 只決策者不思追尋最佳方案，而以最快滿足其要求的方案，或從現有方案中擇期優做決策而造成
• 有時候由於可供選擇的方案並不是一次到齊地等待決策者來選擇，所以決策者必須預先指定特定的規格需求，針對先後出現的方案一一評估，選擇最先滿足決策者所需要球的條件的方案
• 千金難買早知道，萬般無奈沒想到
• 難以權衡不同層次的目標
• 例如:生命與自由
• 注意:群體極化(group polarization)的現象
• 群體思維
• 決策想討好每一個人
• 局部思考的盲點
• 現代決策者所處環境有時就像是混沌理論裡的蝴蝶效應

避免決策陷阱與決策障礙

需自我提問以下問題

• 這問題的主要癥結或是主要困難是什麼?
• 大致來說，像這樣的決策該如何做(個體或群體等)?
• 這個決策會嚴重地影響到其他決策嗎?
• 這個決策非做不可嗎?現在就要做嗎?該由我來做嗎?
• 我該將時間與資源集中在何處?
• 過去曾有的經驗或是回饋，能加以運用來做更佳的決策嗎?
• 在處理這類問題上，我本身的技巧、偏差、限制是什麼?
• 一個我崇拜、更有經驗的決策者會如何處理這個問題?

系統化決策分析

決策的關鍵

• 目標
• 定限制條件
• 方案
• 評估屬性
• 定評估屬性權重(A1>A2>A3...)
• 方案價值

架構問題與系統化決策過程

紫式決策分析架構

紫式決策分析架構-六個階段

• 了解問題(問題定義):--A.B.C
• 決策定義域(成本)
• 決策關係人-決策者，受決策影響的人(含游說團體)，決策方案執行者
• 勢-外在環境趨勢-客戶，競爭者，產業現況與趨勢
• 相關限制因素(資源):成本，時間(期限)，需求
• 不確定因子
• 策略/方案/配套方案/可能的結果
• 決策使用工具
• 5W1H
• 五力分析
• 界定利基
• A.目標--A
• 策略目標
• 一般目標-其他決策者在相同狀況下也會做的考慮，也就是其他決策者面臨相同或類似的決策問題狀況時所關心的目標
• 根本目標-這才是決策者在特定問題所希望達成的根本方向
• 工具目標-幫助決策者達成基本目標的手段與工具
• B.策略--B
• 包含一系列的決策，藉著尋找每個決策點的利基而逐步達成終極的策略目標
• C.不卻定因子--C
• 像是市場變化、對手可能的反應...等
• 利基是決策的重點
• 根據決策定義域，界定三項決策元素目標/策略/不確定因子
• 睿智的抉擇，必須思考以下問題:
• 對的問題所界定的範圍，即問題的定義域
• 思考的維度，即思維向量空間的座標軸
• 界定成敗的參考點或基本狀態，即思維向量空間中的座標原點
• 用來評估比較方案的標準，即思維向量空間中個座標軸上的尺度
• 好的決策者應該要能見微知著，可以預見未來方展趨勢，並能防範杜漸
• 神醫-還沒生病前就開始調養身體
• 名醫-得小病就能即時治療，以免成大名
• 一般醫生-有病治病
• 架構影響關係
• A.目標層級架構(支援"方案/配套方案")--A
• 根本目標層級(hierarchy) & 工具目標層級(network)
• 上而下的層級解構法
• 是將一般性且涵蓋較廣的目標分解成較具可行性的低層目標，藉由詢問決策者:什麼是您的目標?/這個目標的意義具體是什麼?，以促使決策者思索更深入、更底層的根本目標，然後用更詳細、更具體的方式表達出來
• 將高層抽象目標由上而下地解構過程中，應確保相關子目標可以完全代表高層目標
• EX:購屋:離學校近，周邊環境(層級目標)＝＞有市場...(工具目標網路)
• 下而上的和成歸納法(達非法)
• 將零散產生的決策目標重新組織拼湊回來的過程，因此，可以反覆向決策者詢問:這些目標所共同表達的是什麼?。
• 換句話說，將基層(底層)目標由下而上地去考慮組織整合得過程中，應確保所選擇的高層目標可以將所有對應的低層目標考慮進去。且在此過程中應該避免目標之間的重複
• EX:購屋:離學校近，有市場...(工具目標網路)＝＞周邊環境(層級目標)
• 由上而下法-也就是將一般性目標分解成較具可行性的低層目標，將高層抽象目標由上而下地解構過程中，應確保相關子目標可以完全代表高層目標
• 反之，基層(底層)目標由下而上地去考慮組織整合得過程中，應確保所選擇的高層目標可以將所有對應的低層目標考慮進去。
• B.方案/配套方案--B
• 可以從不同決策之間的層次關係來區分為不同類型，例如:戰略和戰術
• C.因子因果關係(支援"方案/配套方案")--C
• 當決策目標多卻不確定因子繁雜時，要把不確定因子之間的先後或因果關係弄清楚
• 貝式網路:將一個複雜且範圍廣泛的目標假設的不確定性判斷，解析為多個簡單的不確定事件，每個不確定事件與目標假設的推論都是一個簡單判斷，並藉由網路來表達簡單節點之間的因果推論關係，經由分解在組合的過程，決策者針對目標架設的評估，可由最底層節點觀察到的證據或樣本資訊，在網路架構中逐層推演更新而產生
• 客觀敘述感受
• 決策方案的好壞和決策者偏好有關，所以需要讓決策者用心去感受方案預期的結果，並客觀敘述每個方案以建立結果表
• 決策者的研究必須結合理論與實際，不能過度偏重在建立複雜的數量模式，而忽略其中所需要的輸入數值是否真的能夠被決策者感受，而精確地反映出其判斷
• A.屬性(支援"方案預期的結果")--A
• 用來衡量一個目標被達成的程度，像是用來敘述方案某個特徵的方式
• 有時候根本目標不易找到對應的評估屬性，而可以從工具性目標找到相關的"代理屬性"，以方便後續衡量。
• 良好的目標和對應的屬性必須具有完整性/可衡量性/可解構性/不重複性/最小化
• 衡量工具(有洞見/簡單/快速/切合實際)
• 名目尺度
• 類別尺度
• 順序尺度
• 間距尺度
• 比率尺度
• 尺度誤差
• 集中誤差
• 刺激與反應等同誤差
• 壓縮誤差
• 等距反應誤差
• 對數誤差
• 效度檢驗
• 內容效度/建構效度/校標效度
• B.方案預期效果--B
• 可能的情況，只經過一段時間後，該項原本不確定的事件，就已經謎底揭曉而出現某其中一種結果
• C.可能的狀態(支援"方案預期的結果")--C
• 建立結果表，凡是考慮的不確定因子，則將受該不確定事件影響的各種可能的預期結果一一列出，使決策者在進行價值衡量和主觀判斷之前，可以先掌握全局。
• 綜合判斷與主觀衡量
• A.屬性相對權重--(與機率做連結)A
• 相對權重-不同屬性對決策者的重要性反映在其權衡和取捨的相對權重
• B.價值/效用--(與屬性相對權重和機率做連結)B
• 在風險的決策情境中所衡量的效用函數，依決策者對風險的偏好的態度不同，也有風險迴避/風險中庸/風險趨向的三種類型
• C.機率--(與屬性相對權重做連結)C
• 不確定情況下的決策需要用機率來描述各種自然狀態出現的可能性，來協助決策者進行風險下的決策分析，可以運用結構化推理框架來表示不確定因子和可能出現的狀況，接著再蒐集事實和資料加以分析和判斷，以驗證先前的假設使否成立
• 事前機率的取得
• 大量的先前資訊，例如歷史資料，可以利用統計分析或資料挖掘
• 含糊的先前資訊，可以由專家判斷或決策者主觀機率
• 無先前資料提供任何資訊，可以假設各種狀態的機率相等
• 權衡與決策
• 決策者能夠依循明確的架構和步驟，因此能夠清楚權衡輕重緩急，成功地排力出優先順序
• A&B.多屬性評估模型
• SMART(簡易多屬性評等技術):不具有相依性這類較不複雜的決策問題時，每個屬性可以獨自進行衡量並簡易的加法來加總方案的總體價值
• B.多屬性效用分析
• B&C.統計決策模式

多屬性效用分析知基本架構

決策問題性質與決策模式

決策目標與評估屬性

希望達到的目標尋找可以促成該目標達成的方案(先有目標，才有方案)

目標代表一個決策者努力或願意付出代價以達成的一個方向

EX:決策目標:理想對象

• 決策目標
• A
• B
• 限制條件
• 1.
• 2.
• ...
• 注:不可以模糊，一定要是可以定數定量，要可以論證的
• EX 1:英文好或是托福500以上
• EX 2:身高在160~165OR165~170；無不良嗜好...

如果沒有用心在目標定義，則往往會導致以下事件:

• 以太狹隘的範圍來處理問題
• 只集中在量化的評估屬性，而忽略定性的相關資訊
• 決策者將注意力集中在短期的目標上，而忽略長期目標
• 決策者花太少時間與精神在釐清目標上，貿然投入

目標的應用

• 目標決定努力方向
• 目標可以決定什麼資訊是決策者需要
• 目標可以告訴別人，為什麼你的決策是這樣

目標的類型

• 策略目標
• 決策者想要達成的終極目標，亦即根本的總體目標
• 另外 一般性目標:指其他決策者在相同情況下也會做一樣的考慮，或是會關心相同的目標。決策者可以利用標竿學習，來參考別人的作法
• 根本目標(基本目標)
• 反映決策者在特定決策問題所希望達成的根本方向，也就是決策問題上真正想要做到的目標
• 工具目標
• 幫助決策者達成某些根本目標的手段與對策

EX:

• 總目標:目標網路(策略性目標)-公司獲得高額利潤
• ↑←(評估) 基本目標/根本目標(提高效率/提高良率/降低成本)
• 提高效率(以下是工具目標)
• ↑←(評估)人員
• ↑←(評估)備品供應綠
• ↑←(評估)設備使用率
• 提高良率(以下是工具目標)
• ↑←(評估)人員教育
• ↑←(評估)購買新機器
• A/B/C
• 降低成本(以下是工具目標)
• ↑←(評估)人事成本
• ↑←(評估)原物料成本
• ↑←(評估)生產成本

目標產生方法-目標產生應從"價值專注"的思維邏輯中，找出決策認為有價值的目標

尋找目標集合的方法

• 發展期望(或願景)表單
• 我希望...，我想要...
• 選出選擇方案
• 考慮問題與其缺點
• 預測結果
• 正向推論: 希望上下學方便→ 找離學校近的房子
• 反向推論: (用預期結果來反推目標)這附近有學校→未來可能上下學方便
• 找出標的與限制
• 先訂定目標
• 從不同的觀點考慮
• 可以詢問他人意見，或是帶入其他人想法，例如如果我是誰，我會如何做?...
• 決定策略性目標
• 決定一般性目標

方案產生與決策創意

選取方案時，應注意列三點原則:

• 未納入考量的方案，就不可能會被選取。因此忽略方案產生的重要會導致未被考慮的選擇方案可能比現存好
• 不管可供選擇的方案有多少，都比不上一個好方案，因為最後的決策必然是其中一個。即如果可供選擇的方案與目標沒有合理的搭配，則未必能選出其中最好的
• 千萬不要將自己局限在有限的方案和思考方向中，因而限制方案笧收的範圍

創意產生的概念和階段

• 事前準備-必須了解問題之元素，以及元素間的關聯性，嘗試由不同的觀點看問題
• 醞釀-通常是一個無意識的過程，由各種角度去除假設，改變觀點以提出新的思考方向。創意過程中需要一個適度減壓的環境，以留下閃出好點子的空間
• 靈光一現-醞釀到極點時的靈光一閃，將所有可能的想法的片段串聯成一可能的完整改念
• 驗證可行性-由理性邏輯思考的角度驗證靈光一閃得到的概念之可行性，以及對問題的解決力。
• 其中去除假設是改變觀察問題角度而能獲得創意的重要關鍵，假設不同則推論結果就會不同。

方案創新的思維方式

方案產生的三階段

• 第一階段:產生方案，這階段需要大量創意
• 價值專注-目標的意義和努力方向推論所得到的方案，可以使用目標層級與價值樹作為工具
• 習慣領域-每個人大腦裡面所存的知識與技術...等各種訊息
• 創意檢查表-進行有系統地檢討，涵蓋各種創意的來源即方案的範圍，找出各種可能的方案
• 創造其他用途-舊的方案能不能找到新用途?如果修改方案部分內容，以後是否就能改變方案的用途?
• 例如:便利貼
• 引進新的意涵-舊的方案是否有其他意涵?除此以外，還有什麼類似的方案?過去的方案有無可以拷貝學習的?有沒有過去的經驗可以類比?哪一個決策者是我可以效法的?
• 例如:平板電腦+手機功能
• 修正或改變既有方案-可否改變既有方案的某個或幾個屬性?可否故意扭曲既有方案的定義或組合來創造新的方案?
• 例如:印表機與墨水
• 放大既有方案-可不可以放大既有方案的某個屬性或局部?可不可以增加方案使用的時機?可不可以與其他方案產生加乘效益?
• 例如:差異化，藍海策略，Wii
• 縮小既有方案--可不可以縮小既有方案的某個屬性或局部?可不可以減少方案使用的時機?可不可以減少方案的規模?可不可以將既有方案拆解成幾個小方案?
• 例如:特殊規格，只服務特定族群，外接顯示卡
• 取代-決策者不做決策時，誰會代替?如果選擇的方案不能用時，備選方案是什麼?執行方案的人員是誰?可否取代?可以換個環境執行相同方案嗎?
• 例如:馬車→車子，威爾鋼
• 重新排列-可否改變方案元素的組成和排列順序?可以重新排列執行方案的先後嗎?可以改變方案的因果關係嗎?
• 例如:先開發出IPod才有IPone，但發表是先有IPone才有IPod
• 反轉或顛倒既有方案-既有方案的相反方案是什麼?可否將既有方案做逆向反推?如何主客易位去思考?
• 例如:App Store 沒有開發遊戲，卻是賣遊戲最好的平台
• 組合-如何組合舊有元素創造新方案?如何將不同的目標結合起來?如何將不同的想法結合在一起?如何將不同用途結合在一起?
• 例如:瑞士刀
• 譬喻聯想
• 人類的思考方式大多都是以聯想的程序，因此遭遇決策問題時往往也是用同樣的思考方式來處理遭遇的問題。來提出解決方案，決策者應用譬喻聯想時，必須謹慎避免產生"框架效應"。
• 可以增加創意會議的人員複雜度來改善框架效應
• 策略產生表
• 將解決方案的構成要件解構成元素後，藉由構成元素的不同組合方式以產生新的方案，固然有些組合而成的新放案可能不可行，但是透過不同組合嘗試以產生新的方案，其中有可能因而產生較好或是從未想到的方案
• 群體決策技術
• 腦力激盪法
• 名目群組技術
• Delphi法
• TRIZ法-將問題歸納為物理矛盾與技術矛盾
• 第二階段:過濾過多方案，尤其是確定被其他方案支配凌越的方案，就不需要在列入決策分析中。(因為全部都比較好，差的就可以剔除)
• 再產生方案時要避免做價值判斷，但第二階段就要開始做價值判度，計算投資報酬率與邊際效應
• 第三階段:停止生產方案，決策的最後要的是實行，雖然三思而後行可以避免錯誤的決策，但花過多的時間產生方案會錯失行動的最佳良機
• 檢驗是否停止這個步驟的準則包括:
• 已經使用上述產生較佳方案的技巧，認真思考新的方案?
• 可供選擇的方案中已有可以滿意的方案在內?
• 目前可供選擇的方案，有一定數量和多樣性，避免一直圍繞在同一點上打轉

產生較佳方案的關鍵

• 善用目標
• 挑戰(真實或假想)的限制
• 改變決策的遊戲規則
• 高度靈感
• 發掘潛意識和更深層的思考
• 從經驗學習
• 專家意見
• 多元化思考與分散方案
• 先生產方案再評估
• 不放棄尋求新方案

方案的類型

• 過程式的方案-強調決定某件事件的決策過程方式，而不管經過此種決策的結果，重點在找到大家人為公平的機制，而且決定就不可以再改，以免破壞互信機制
• 例如:原本用抽籤改用猜拳
• 雙贏方案-預留空間給對手，來創造雙贏
• 蒐集資訊的方案-先蒐集資訊，使真正的決策有更好的結果
• 買時間方案-暫時不做最後決定，而把決定的時間延後，時機一到再決定，通常會支付一點代價，像是分期付款
• 兩邊下注-面對不確定性極高的決策與方案，決策者為了避免損失，故對所有可能的情況下注，例如:避險基金
• 序列決策-做出大決策是很困難的一件事，為了降低決策難度，所以將大決策拆解成許多較小的決策
• 風險分擔-在不確定的決策下，可以舊不同決策方案找個夥伴憶起承擔風險，或是商量對策，例如:再保險公司
• 保險:指某先情況下，可以額外的付出些成本，找保險公司幫忙承擔風險，期貨也算是風險控制

方案產生中可能發生的錯誤

• 新問題用老方法或方案去解決-限制創新
• 對問題已經預設解決答案-掉入原地打轉的陷阱中
• 思考產生方案時，僅考慮短期目標而忽略長期目標
• 遇到第一個可能解決的方案，馬上採用滿足方案，陷入滿足的偏差中
• 採取別人已經預留立場的方案，陷入"框架效應"中，或是受到別人的基準點影響
• 對於決策對手的決策問題時，應主動採取解決方案，因為對手並不是一直停留原地等待回應，故方案不會乖乖等待讓你選擇，有時要趁早選擇把握機會，以免錯失良機

結果衡量與權衡

結果表

建立結果表-四個步驟

1. 眼光放遠-最基本的考量應是設身處地衡量各個方案可能伴隨而來的結果，以作為後續評估之依據
2. 描述每個方案的結果-使用掌握關鍵特性的文字或數字對方案作具體描述，可以任何一種形式表達
1. 使用衡量工具跟效度檢驗來得到每個元素的數值
3. 刪掉所有明顯被凌越的方案-通常其中一個可以既存狀態當作最初的起點，另外一個就從待選方案中任取一個來比較看看何者比較符合所有目標
4. 將剩下的方案彙總成結果-完成整個表後即可再次檢查比較方案，若有被凌越的方案還是給予刪除。假釋仍選部最佳方案，則必須做取捨

結果表除了可以用客觀敘述目前的決策狀況，也是一種簡易的直覺是決策分析工具，凡是每個屬性被凌越就刪除，直到最後剩下來的做比較，有以下方法來做比較或給予權重

• 等值交換法-是指在方案比較過程中，將某個目標下個方案的表象結果調成相等，另一方面為了維持每個方案的總體價值不變，勢必同步調整該方案在其他目標的結果。
• 例如:購買物為X，X有X1/X2做選擇，元素有A/B/C，而為了使X1跟X2的A調成等價，換句話說兩個A鄉等候，被調整的不關高低都要修正B/C的數值，但至於該修正多少取決於決策者主觀的判斷
• 步驟:
• 決定一個可以消去的目標。評估將預計削去的目標之各個結果調成一致，另外一個目標必須同步改變多少才能維持個方案原本的價值
• EX:有些參數是依決策者喜好而變動比例，像是假如C車要變成普通的話，價格要多多少才合理，D車則是減多少才合理，可以由決策者主觀判斷。
• 在什麼樣的條件(情況)下，可以接受什麼樣的調整
• 各方案做等值的交換，使得結果表的前後，對決策者而言各方案的價值是沒有差別的
• 將結果表上不影響方案優缺評量的目標(即同一目標下每個方案皆有相同的結果)予以刪除。
• 去掉被凌越的方案
• 
• 簡易權重給定法
• 排序倒數權重法(RR)
• 排序加總權重法(RS)
• 排序指數權重法(RE)

多屬性決策分析

常見多屬性價值模式

• 多目標決策分析-用於討論決策方案未知，但可經由多個限制條件求取多目標最佳化的決策
• SMART-步驟
1. 找出決策者已決定誰的價值應被考慮
2. 確定決策元素與決策目標
3. 決定可供選擇的方案
4. 找出相關之評估屬性
5. 將屬性依其重要性予以排序
• 將N個屬性依重要性程度排序，以方便之後步驟地進行
6. 按個屬性的重要程度給予相對權重
• SMART是以比例估計法求取權重，根據每一個屬性相對於重要性最低之屬性的比例。
7. 將步驟六所得之鄉對決種予以標準化
8. 在每一屬性下衡量各方案之價值
9. 對於不同的方案，計算加權後的總價值
10. 決定最佳方案
• SMART改良方案-改用新的加權方法，排序次序重心權重法或ROC權重法
1. 決策的目的和決策者
2. 建立價值樹
3. 產生被評估的方案或對象
4. 建立方案對應屬性的結果表
5. 排除被凌越的方案
6. 建立個別屬性的效用函數
7. 使用權重交換法
8. 建立多屬性效用值
9. 下決策
• 多屬性決策分析-用於討論決策方案已知，經由多屬性衡量可由方案中選出最適方案的決策
• 確定情況下決策之價值衡量方法
• 數值化估計
• 直接給分法
• 類別法
• 比立法
• 曲線繪製法
• 無異判斷
• 標準間距法
• 二分法
• 雙標準間距序列權衡法
• 給定權重之方法(權重交換)
• 數值化的估計
• 屬性排序法
• 直接給分法
• 分數法
• 比例法
• 權重交換法
• 無異的判斷
• 跨屬性無異判斷法
• 跨屬性偏好強度判斷法
• 多屬性價值加總模式
• 相加模式
• 線性相加模式
• 交互作用相加模式
• 多線式相加模式
• 相乘模式
• 聯合模式
• 解離模式

其他決策分析法

分析層級程序法(AHP)

• 可以使用AHP的問題類型和範圍
• 決定優先順序
• 產生一組方案
• 選擇最佳的政策
• 決定需求
• 分配資源
• 預測結果
• 評估績效
• 設計系統
• 確保系統穩定性
• 最佳化
• 規劃
• 解決衝突與矛盾
• 風險評估
• AHP主要步驟
• 將複雜決策問題的評估結構化，系統化，列出相關的因子，並建立層級結構
• 建立評估屬性和各屬性下不同方案的成對比較舉證
• 計算個屬性之相對權重和各方案的相對評估值
• 檢定一致性

資料包絡分析法(DEA)

績效評估是評估組織或個人如何以較少的投入資源獲得較多產出的結果的多屬性評估，通常使用成本效益分析之投入產出比，來同時考慮對目標分別為負向影響與正向影響的投入屬性與產出屬性

基本模式

• CCR模式
• BCC模式
• A&P模式

完全不確定決策

不確定情況下的決策分析方法，大致遵循以下五步驟

• 確認主要不確定事件:不確定事件為決策者在決策時並不能控制該事件的發生情況，但該事件最後出現的狀態，卻會影響不同決策方案的實行後果
• 定義不確定事件可能的自然狀態:所定義該事件的自然狀態應該彼此間完全互斥，並且集合起來又可以完整表達該不確定事件所有可能的結果
• 估計不確定程度:估計不確定事件的不確定程度，進而設法給每種自然狀態的對應機率
• 確認各方案在不同自然狀態下的後果:可以量化或質化的方式表示。量化表示通常以金錢的報酬或損失來表示，並結合多屬性的結果表示方式
• 評估方案:根據不確定情況下的決策理論或方法，計算各方案的期望報酬或期望損失，從中選擇最優者

完全不確定情況下的決策準則:

• 小中取大準則(Maxmin return)-又稱 悲觀準則 或 安全準則
• 此準則認為當決策者處於全然無知的不確定情況下時，應做最為打算，在由各最壞打算中選擇最好的結果。
• 大中取小準則(Maximax return)-又稱 樂觀準則 或 冒險準則
• 此準則認為決策者應對每一個方案報慈最樂觀的希望，因此先由每個方案中找出不同自然狀態下之最高報酬為該方案的最高報酬，再由這些方案的最高報酬中選取最大的一個。
• 賀威智決策準則(Huricz optimism-pessimism index)-介於上述兩種方法之間
• 此決策指標是指每一個可行的決策方案的報酬，可以根據決策者的樂觀或悲觀的程度來給予調整權重，而決定。
• 薩維基最小悔惜準則(Savage's minimax regret)
• 尋找最小損失或最小悔惜，使決策發生錯誤時的機會成本趨於最小，亦即期望在相同自然狀態下，選擇的方案縱使不是最佳方案，但該方案的報酬和相同狀態下最佳方案的報酬之間的差額是最小的。
• 採用此準則表示決策者放棄最大報酬，只希望減少風險，求一個滿意的報酬。所以特別適用於不確定情況下，避免被事後諸葛批評的決策準則。
• 拉普拉斯準則(Laplace's principle of insufficient reason)-又稱 不充分理由原則
• 決策者根據此原理，再完全不確定的情況下，對每一個可能狀態賦予相同的機率，則可以進而求出每一個決策方案的期望報酬，並從中選擇期望值較大的方案

古典機率

• 定理一:機率範圍-發生機率必定介於0~1之間。也就是0%~100%
• 定理二:所有可能狀態的集合總合為1
• 定理三:機率具有可加性

主觀機率之給定

• 離散機率
• 贏的機率=獎金/總經額(贏個金額+輸的金額)
• 連續機率
• 機率修正
• 貝式定理
• 機率認知陷阱
• Allais矛盾
• Ellsberg's矛盾

風險下的決策與資訊的價值

影響圖(influence diagram)，是一種具方向性，且非循環的圖形，用來描述決策元素的互相影響關係。

• 構成元素-有三種節點，箭號(→)則是用以表示節點間影響的關係
• 決策點:用□表示，列出決策者決策方案
• 機會點:用○表示，表示一個不確定事件，有各種機會產生不同之結果
• 計算節點或結果:用【】表示(是四個角為圓弧狀的矩形)，代表結果或計算的數值。例如方案的期望收益，投資報酬率....
• 箭號表達彼此之間關係時，有下列兩種方式
• 相關
• 當箭號指向結果節點，亦即結果節點作為後續節點時，所有指向結果節點的先行節點都會影響該結果節點的計算
• 另外一種相關關係是當箭頭指向機會節點時，所有指向該機會節點的先行節點都會影響該機會節點的不確定性變化
• 順序
• 當箭號指向決策節點時，表示做決策的時候，所有指向該決策節點的先行節點必須先發生且結果確定。
• 常見錯誤
• 錯把影響圖當作流程圖
• 為了表達決策的不確定性，將多個機會點都指向決策點
• 節點間有循環產生，由於影響圖呈現的決策情境，決策者不會有機會根據決策結果回饋到下一次決策，因此不會有循環產生。

決策樹(decision tree)，使用一些標記符號，來表示決策者所能採取的各種行動路徑，並用樹枝狀展開，以及利用機率表達其中可能的結果

• 構成元素
• 節點
• 決策點通常使用□表示，此節點會面臨多擇一的決策，故決策節點所連接的分支中，每一個分支及代表一個方案，通常會將方案標註於決策節點。
• 機會節點通常使用○表示，此節點決策者會面臨一個有多種可能結果的不確定事件，故機會節點所連接的分支中。
• 分支
• 每個分支都代表該不確定事件的一種可能結果，每種結果都有其發生機率，通常會將即發生機率標註於機會節點的分支上
• 以決策節點區分
• 單接決策問題ˊ
• 序列決策問題
• 解讀決策樹
• EMV(期望金錢價值 expected monetary value)
• 採取反向計算法，也就是由終端開始向左計算EMV。
• 每條EMV都可算出其價值，預期報酬率A*機率A+預期報酬率B*機率B+...得到該策略的價值
• 最後看哪一條的價值最高
• 風險輪廓圖(risk profile)
• 將每個方案中，可能的結果的對應機率加以描繪，幫助決策者分析方案間的相對風險，將風險的叫杜納入決策中，而不是只有一個平均值
• 敏感度分析(sensitivity analysis)
• 為了避免決策樹架構本質不能正確描述決策的特性、或未能將重要的不確定事件列入決策樹中、或者方案不具有錯抑或實行上有缺陷，就可以使用，所以決策樹完成決策後，也應再次反思決策樹中的不確定事件，是否會有便意以致賴以計算的EMV的參數產生變異，而導致決策逆轉。
• 單因子敏感度分析-一次變動一個因子，將其他因子固定於基質的敏感度分析
• 先找到每個因子的基值(正常情況下的數值)、下界(最低)與上界(最高)
• 然後在後續的計算過程中，把因子的參數(基值)分別換成上界與下界，從中來找到損益平衡點
• 越敏感的代表影響很大
• 龍捲風圖:可以協助比較多個因子的單因子敏感度分析結果
• 貝式決策分析(Bayesian decision analysis)
• 當取得有用地的額外資訊後，依據貝式定理來修正主觀機率，主觀機率修正後，EMV也會跟著改變，甚至改變決策的決定。
• 貝式網路
• 期望效用理論
• 價值理論(value theory)
• 弱偏好定理(weak preference)
• 可比較性
• 遞移姓
• 無異與弱偏好的一致性
• 強偏好與弱偏好的一致性
• 以弱偏好定理衍生出 期望效用理論(定理)
• 偏好弱順序
• 簡單機率測度偏好獨立性或線性
• 簡單機率測度的連續性
• 簡單機率測度與被呈現的順序無關
• 簡單機率測度的簡化法則
• 屬性效用值的衡量 方法
• 確定等值法
• 機率等值法
• 向上估計法
• 向下估計法
• 模糊理論(fuzzy theory)

簡易決策流程

1. 問題定義
2. 架構決策問題
1. EX:
1. A 成本 X1 獲利 Y1
2. B 成本 X2 獲利 Y2
3. 確認所有決策元素
1. 可選方案 A/B..
2. 最終結果:獲利
3. 不確定性:...
4. 風險:...
5. 目標:在此決策目標獲利?%
4. 建構決策樹
1. 投資方案
1. A
2. 在某因子下(不確定因子或風險)
1. 90%機率 B1獲利
2. 10%機率 B2獲利
5. 敏感度分析
6. 方案評估與風險