Quais são as vantagens das árvores de decisão?

Os proprietários de empresas precisam tomar decisões todos os dias sobre questões repletas de incertezas. As informações não são perfeitas e a melhor escolha nem sempre é clara. Uma maneira de lidar com essas situações vagas é usar uma árvore de decisão. As árvores de decisão têm inúmeras vantagens que as tornam ferramentas úteis para os gerentes.

O que é uma árvore de decisão?

Uma árvore de decisão é uma ferramenta gerencial que apresenta todas as alternativas de decisão e resultados em um tipo de diagrama de fluxograma, como uma árvore com galhos e folhas. Cada ramo da árvore representa uma opção de decisão, seu custo e a probabilidade de sua ocorrência. As folhas no final dos galhos mostram os possíveis ganhos ou resultados. Uma árvore de decisão ilustra graficamente todas as alternativas, probabilidades e resultados possíveis e identifica os benefícios do uso da análise de decisão.

Como funciona uma árvore de decisão?

Vamos começar com um exemplo simples e explicar como as árvores de decisão são usadas para avaliar alternativas de investimento. Suponha que você esteja tentando decidir entre abrir dois tipos de negócios: uma barraca de limonada ou uma loja de doces.

A confeitaria tem potencial para ganhar até US $ 150; a barraca de limonada pode ganhar no máximo $ 120. Nesse ponto, a resposta é óbvia. Vá com a confeitaria porque ela pode ganhar mais do que a barraca de limonada.

Mas começar um negócio e ter lucro nunca é uma coisa certa. A confeitaria tem 50% de chance de sucesso e 50% de chance de fracasso. Se for bem-sucedido, você ganhará $ 150. Por outro lado, se falhar, você perderá seus custos iniciais de $ 30.

No entanto, o clima está quente e a barraca de limonada tem 70% de chance de sucesso e 30% de chance de fracasso. Se funcionar, você ganharia $ 120; caso contrário, você perde o investimento inicial de $ 20.

Agora, que negócio você escolhe? A resposta pode ser encontrada usando o formato de árvore de decisão e o conceito de "valor esperado".

Matematicamente, o valor esperado é o valor projetado de uma variável encontrada pela adição de todos os resultados possíveis, com cada um multiplicado pela probabilidade de que isso ocorra. Isso parece obscuro, mas ficará mais claro com nosso exemplo.

Vamos calcular o valor esperado de investimento na confeitaria. A fórmula é a seguinte:

  • Doce de valor esperado = 50 por cento X resultado de sucesso + 50 por cento x resultado de fracasso.
  • Valor esperado - doce = 0,50 x $ 150 + 0,50 x (- $ 30) = $ 60.

Agora, calcule o valor esperado da barraca de limonada.

  • Limonada de valor esperado = 70 por cento X resultado de sucesso + 30 por cento x resultado de fracasso.
  • Limonada de valor esperado = 0,70 X $ 120 + 0,30 X (- $ 20) = $ 78.

Como o objetivo é escolher o negócio que provavelmente vai render mais dinheiro, essa análise mostra que a barraca de limonada é a melhor escolha. Tem um valor esperado mais alto de $ 78 em comparação com o valor esperado de $ 60 da confeitaria.

Como usar uma árvore de decisão com informações

Agora, vamos examinar as vantagens de usar uma árvore de decisão para resolver um problema mais complexo.

Digamos que você seja o fabricante de uma peça de aço inoxidável que vai para uma máquina de lavar e esteja diante de uma decisão. Você fabrica essa peça em suas instalações existentes ou a terceiriza para outra oficina mecânica?

Todo tipo de incerteza existe em torno dessa decisão, e a decisão deve ser feita antes de se conhecer a força da economia e o nível de demanda.

A seguir estão os dados necessários para construir uma árvore de decisão para essa situação. Os números estão em milhares de dólares.

Temos três condições econômicas: economia forte com alta demanda, economia média ou economia fraca com baixa demanda.

A probabilidade de ocorrência para cada nível de demanda é: 0,30 para alta, 0,40 para média e 0,30 para baixa.

Se o produto for fabricado internamente, o retorno é de $ 200 para alta demanda, $ 60 para média e perda de $ 30 para baixa. A razão para o retorno negativo da baixa demanda é que custa dinheiro configurar o equipamento para fabricação interna e, se a demanda não for alta o suficiente para cobrir esses custos de configuração, o resultado será uma perda.

Os retornos de compra de um fornecedor externo são de $ 140 se a demanda for alta, $ 80 para a demanda média e $ 20 quando a demanda for baixa.

O custo de contratação de um consultor econômico para obter conselhos sobre os rumos da economia é de $ 10. A probabilidade de o consultor prever uma economia favorável é de 0,40 e 0,60 para uma economia desfavorável. Observe que essas probabilidades mudarão as probabilidades originais assumidas sem o benefício da pesquisa.

O objetivo da decisão tem duas partes: Determinar se vai pagar pela pesquisa de mercado e decidir sobre a melhor estratégia.

Depois de construir a árvore de decisão com todas as probabilidades e resultados esperados, descobrimos que o valor esperado após pagar pela pesquisa de mercado é de $ 74,6. No entanto, o valor esperado sem a pesquisa de mercado é $ 80.

Nesse caso, a realização da pesquisa resulta em um valor esperado inferior, $ 74,6 versus $ 80, portanto a decisão é não contratar o consultor para a pesquisa.

Agora, temos que decidir se fabricamos a peça internamente ou substituímos.

A árvore de decisão começa com dois ramos: Contratar o consultor ou não contratar.

Cada uma dessas duas ramificações leva a nós de decisão com mais ramificações para a fabricação interna ou subdesenvolvida. No final de todos esses ramos estão as folhas, que representam os ganhos para cada uma das três condições econômicas.

Depois de colocar todas as probabilidades e recompensas, a árvore de decisão mostra que o valor esperado para usar o consultor é $ 75, e o valor esperado para não usar o consultor é $ 80. O valor esperado por não usar o consultor é maior, então essa escolha é selecionada.

Indo um passo adiante, a árvore de decisão mostra um valor esperado mais alto para a contratação do work out, então o fabricante contrata o fornecedor externo.

Sem entrar em detalhes matemáticos, podemos ver as vantagens de uma árvore de decisão como uma ferramenta útil para encontrar soluções para problemas que têm uma miríade de probabilidades e resultados esperados. As árvores de decisão fornecem uma maneira racional de escolher entre diferentes cursos de ação.

Usando uma árvore de decisão para prever resultados

Além de usar árvores de decisão para escolher alternativas com base em valores esperados, eles também podem ser usados ​​para classificação de prioridades e fazer previsões.

Um exemplo explicará melhor esta aplicação. Suponha que um varejista de relógios queira saber a probabilidade de um cliente online comprar um relógio. Pode-se construir uma árvore de decisão que mostra os atributos desta situação: sexo, idade e nível de renda.

Uma árvore de decisão identificará qual desses atributos tem o maior valor preditivo e, em última análise, se o visitante do site da empresa fará uma compra.

Exemplos de aplicativos para árvores de decisão

Usar árvores de decisão para decidir sobre cursos de ação usando valores esperados tem aplicações comuns como as seguintes:

  • O CFO está decidindo se deve investir $ 10.000 em excesso de caixa em ações ou deixar uma conta de poupança no banco com base nas expectativas futuras da economia.
  • Um agricultor usando previsões de chuva, previsões de preços de commodities e rendimentos por acre para decidir entre plantar soja, milho ou coletar um subsídio do governo por não plantar nada.
  • O proprietário de uma pizzaria de sucesso está tentando decidir se vai expandir a loja existente ou abrir outra em uma cidade próxima.
  • Uma autora de romance está considerando ofertas para um de seus romances populares de uma empresa de cinema e também de uma rede de TV. O valor que a produtora de cinema vai pagar varia de acordo com a bilheteria, enquanto a rede de TV é um pagamento simples e à vista. Qual oferta aceitar?
  • A empresa está considerando alugar carros para toda a equipe de vendas, comprando os carros ou pagando aos funcionários por milhas comerciais em seus próprios carros.

Estes são exemplos de problemas de classificação que podem ser analisados ​​usando árvores de decisão:

  • Categorizar um pedido de empréstimo bancário de cliente em fatores como nível de renda, anos no emprego atual, pontualidade de pagamentos com cartão de crédito e existência de registro criminal.
  • A decisão de jogar tênis ou não com base em dados históricos de previsão (ensolarado, nublado ou chuvoso), temperatura (quente, ameno ou frio), umidade (alta ou normal) e velocidade do vento (vento ou não).
  • Priorizando pacientes para tratamento de emergência com base na idade, sexo, pressão arterial, temperatura, frequência cardíaca, intensidade da dor e outras medidas vitais.
  • Usar dados demográficos para determinar o efeito de um orçamento de publicidade limitado sobre o número de prováveis ​​compradores de um determinado produto.

Quais são as vantagens da análise da árvore de decisão?

As árvores de decisão apresentam uma série de vantagens como ferramenta gerencial prática e útil.

Compreensivo

Uma vantagem significativa de uma árvore de decisão é que ela força a consideração de todos os resultados possíveis de uma decisão e traça cada caminho para uma conclusão. Ele cria uma análise abrangente das consequências ao longo de cada ramificação e identifica os nós de decisão que precisam de análises adicionais.

Específico

As árvores de decisão atribuem valores específicos a cada problema, caminho de decisão e resultado. O uso de valores monetários torna os custos e benefícios explícitos. Esta abordagem identifica os caminhos de decisão relevantes, reduz a incerteza, esclarece ambigüidades e esclarece as consequências financeiras de vários cursos de ação.

Quando as informações factuais não estão disponíveis, as árvores de decisão usam probabilidades para condições para manter as escolhas em perspectiva umas com as outras para facilitar as comparações.

Fácil de usar

As árvores de decisão são fáceis de usar e explicar com matemática simples, sem fórmulas complexas. Eles apresentam visualmente todas as alternativas de decisão para comparações rápidas em um formato que é fácil de entender com apenas breves explicações.

Eles são intuitivos e seguem o mesmo padrão de pensamento que os humanos usam ao tomar decisões.

Versátil

Vários problemas de negócios podem ser analisados ​​e resolvidos por árvores de decisão. Eles são ferramentas úteis para gerentes de negócios, técnicos, engenheiros, equipe médica e qualquer pessoa que tenha que tomar decisões em condições incertas.

O algoritmo de uma árvore de decisão pode ser integrado a outras ferramentas de análise de gerenciamento, como Valor Presente Líquido e Técnica de Revisão de Avaliação de Projeto (PERT).

Árvores de decisão simples podem ser construídas manualmente ou usadas com programas de computador para diagramas mais complicados.

Árvores de decisão são uma técnica de bom senso para encontrar as melhores soluções para problemas com incerteza. Você deveria levar um guarda-chuva para o trabalho hoje? Para descobrir, construa um diagrama de árvore de decisão simples.

Postagens recentes