Cập nhật lần cuối vào 24/08/2024 bởi Phạm Mạnh Cường
Bạn đã bao giờ đưa ra quyết định khi biết rằng lựa chọn của mình sẽ có hậu quả lớn chưa? Nếu đã từng, bạn biết rằng thật khó để xác định phương án hành động tốt nhất khi bạn không chắc chắn kết quả sẽ như thế nào.
Phân tích cây quyết định có thể giúp bạn hình dung tác động của các quyết định của mình để bạn có thể tìm ra phương án hành động tốt nhất. Trong bài viết này, chúng tôi sẽ chỉ cho bạn cách tạo cây quyết định để bạn có thể sử dụng trong suốt quá trình quản lý dự án .
Decision tree là gì?
Decision Tree hay Cây quyết định là một sơ đồ luồng, ban đầu chỉ có 1 ý chính nhưng sau đó được phát triển ra nhiều ý phụ. Sự phát triển như vậy khiến cho sơ đồ này trông giống như cái cây và có hiệu quả trong quá trình đưa ra quyết định nên nó được đặt cho cái tên “Decision Tree – Cây quyết định”.
Decision tree analysis là gì?
Phân tích cây quyết định là quá trình vẽ cây quyết định, là biểu diễn đồ họa của nhiều giải pháp thay thế khác nhau có sẵn để giải quyết một vấn đề nhất định, nhằm xác định các phương án hành động hiệu quả nhất. Cây quyết định bao gồm các nút và nhánh – các nút biểu diễn một phép thử trên một thuộc tính và các nhánh biểu diễn các kết quả thay thế tiềm năng.
6 bước tạo decision tree analysis chi tiết nhất
Xác định vấn đề cần giải quyết
Mỗi cây quyết định đều bắt đầu bằng việc hiểu rõ vấn đề đang gặp phải. Xác định các mục tiêu và mục đích, cũng như các biến số và yếu tố chính sẽ ảnh hưởng đến quyết định. Bước này đặt nền tảng cho toàn bộ quá trình phân tích. Định nghĩa vấn đề của bạn càng chính xác thì cây quyết định của bạn sẽ càng phục vụ bạn tốt hơn.
Bắt đầu xây dựng cây quyết định
Khi vấn đề đã được xác định rõ ràng, bước tiếp theo là bắt đầu tạo cây quyết định . Cây bắt đầu bằng một nút quyết định mà các nhánh mở rộng, đại diện cho các tùy chọn khác nhau. Các nút tiếp theo được thêm vào để đại diện cho các kết quả tiềm năng của các tùy chọn đó.
Ở giai đoạn này, bạn sẽ không có ý tưởng rõ ràng về việc mỗi nhánh sẽ mở rộng đến đâu, nhưng bằng cách đặt nền tảng, bạn sẽ bắt đầu có được cảm nhận trực quan về cách cây quyết định sẽ phát triển. Thêm ghi chú và các tài liệu khác để làm tài liệu tham khảo khi bạn tiếp tục xây dựng cây quyết định của mình.
Đưa ra tất cả giải pháp
Tiếp tục xây dựng cây quyết định bằng cách liệt kê tất cả các phương án thay thế hoặc hành động khả thi. Thêm chúng dưới dạng các nhánh bắt nguồn từ nút quyết định trung tâm.
Những phương án thay thế này đại diện cho các con đường hoặc lựa chọn khác nhau có thể được thực hiện trong quá trình ra quyết định. Đảm bảo rằng bạn bao gồm một loạt các tùy chọn và kết quả tiềm năng toàn diện cho từng phương án.
Đưa ra các biến và tính giá trị của từng giải pháp
Lý tưởng nhất là cây quyết định của bạn sẽ có dữ liệu định lượng liên quan đến nó. Dữ liệu phổ biến nhất được sử dụng trong cây quyết định là giá trị tiền tệ.
Ví dụ, công ty của bạn sẽ phải tốn một khoản tiền cụ thể để xây dựng hoặc nâng cấp một ứng dụng. Việc tạo một ứng dụng này cũng tốn nhiều hoặc ít tiền hơn so với ứng dụng khác. Viết các giá trị này vào cây của bạn dưới mỗi quyết định có thể giúp bạn trong quá trình ra quyết định .
Bạn cũng có thể thử ước tính giá trị kỳ vọng mà bạn sẽ tạo ra, dù lớn hay nhỏ, cho mỗi quyết định. Khi bạn biết chi phí của mỗi kết quả và xác suất xảy ra, bạn có thể tính giá trị kỳ vọng của mỗi kết quả bằng công thức sau:
Giá trị kỳ vọng (EV) = (Kết quả khả thi đầu tiên x Khả năng xảy ra kết quả) + (Kết quả khả thi thứ hai x Khả năng xảy ra kết quả) – Chi phí
Tính giá trị mong đợi bằng cách nhân cả hai kết quả có thể xảy ra với khả năng xảy ra của từng kết quả rồi cộng các giá trị đó lại. Bạn cũng cần trừ mọi chi phí ban đầu khỏi tổng số.
Đánh giá kết quả và đưa ra quyết định phù hợp nhất
Khi bạn đã có kết quả mong đợi cho mỗi quyết định, hãy xác định quyết định nào là tốt nhất cho bạn dựa trên mức độ rủi ro mà bạn sẵn sàng chấp nhận. Giá trị mong đợi cao nhất có thể không phải lúc nào cũng là giá trị bạn muốn đạt được. Đó là bởi vì, mặc dù nó có thể mang lại phần thưởng cao, nhưng nó cũng có nghĩa là chấp nhận mức rủi ro dự án cao nhất .
Hãy nhớ rằng giá trị mong đợi trong phân tích cây quyết định xuất phát từ thuật toán xác suất. Bạn và nhóm của bạn phải quyết định cách đánh giá tốt nhất kết quả của cây.
Ưu nhược điểm của decision tree analysis
Ưu điểm
Khi bạn đang phải vật lộn với một quyết định phức tạp và xử lý nhiều dữ liệu, sơ đồ quyết định có thể giúp bạn hình dung những hậu quả hoặc lợi ích có thể có liên quan đến mỗi lựa chọn.
Minh bạch: Phần tốt nhất về cây quyết định là chúng cung cấp một cách tiếp cận tập trung vào việc ra quyết định cho bạn và nhóm của bạn. Khi bạn phân tích từng quyết định và tính toán giá trị mong đợi của chúng, bạn sẽ có ý tưởng rõ ràng về quyết định nào có ý nghĩa nhất để bạn tiến hành.
Hiệu quả: Cây quyết định hiệu quả vì chúng đòi hỏi ít thời gian và ít tài nguyên để tạo. Các công cụ ra quyết định khác như khảo sát, thử nghiệm người dùng hoặc nguyên mẫu có thể mất nhiều tháng và rất nhiều tiền để hoàn thành. Cây quyết định là một cách đơn giản và hiệu quả để quyết định phải làm gì.
Linh hoạt: Nếu bạn đưa ra một ý tưởng mới sau khi tạo cây, bạn có thể thêm quyết định đó vào cây mà không tốn nhiều công sức. Bạn cũng có thể thêm các nhánh cho các kết quả có thể xảy ra nếu bạn thu thập được thông tin trong quá trình phân tích.
Nhược điểm
Có những nhược điểm đối với cây quyết định khiến nó trở thành một công cụ ra quyết định không hoàn hảo. Bằng cách hiểu những nhược điểm này, bạn có thể sử dụng cây của mình như một phần của quy trình dự báo lớn hơn.
Phức tạp: Mặc dù cây quyết định thường đi đến các điểm kết thúc xác định, nhưng chúng có thể trở nên phức tạp nếu bạn thêm quá nhiều quyết định vào cây của mình. Nếu cây của bạn phân nhánh theo nhiều hướng, bạn có thể gặp khó khăn trong việc giữ cho cây được ẩn và tính toán các giá trị mong đợi của mình. Cách tốt nhất để sử dụng cây quyết định là giữ cho nó đơn giản để nó không gây nhầm lẫn hoặc mất đi lợi ích của nó. Điều này có nghĩa là sử dụng các công cụ ra quyết định khác để thu hẹp các lựa chọn của bạn, sau đó sử dụng cây quyết định khi bạn chỉ còn lại một vài lựa chọn.
Không ổn định: Điều quan trọng là phải giữ các giá trị trong cây quyết định của bạn ổn định để các phương trình của bạn luôn chính xác. Nếu bạn thay đổi ngay cả một phần nhỏ của dữ liệu, dữ liệu lớn hơn có thể bị phá vỡ.
Rủi ro: Vì cây quyết định sử dụng thuật toán xác suất, giá trị kỳ vọng mà bạn tính toán là ước tính, không phải là dự đoán chính xác của từng kết quả. Điều này có nghĩa là bạn phải xem xét các ước tính này một cách thận trọng. Nếu bạn không cân nhắc đầy đủ xác suất và lợi nhuận của các kết quả, bạn có thể gặp rất nhiều rủi ro với quyết định mà bạn chọn.
Ví dụ về ứng dụng decision tree analysis
Trong ví dụ phân tích cây quyết định bên dưới, bạn có thể thấy cách lập sơ đồ cây quyết định nếu bạn phải lựa chọn giữa việc xây dựng hay nâng cấp một ứng dụng phần mềm mới.
Khi cây phân nhánh, kết quả của bạn bao gồm doanh thu lớn và nhỏ, còn chi phí dự án được lấy ra khỏi giá trị mong đợi.
Các nút quyết định từ ví dụ này :
Xây dựng ứng dụng lập lịch mới: 50.000 đô la
Nâng cấp ứng dụng lập lịch hiện tại: 25.000 đô la
Xây dựng ứng dụng năng suất nhóm: 75.000 đô la
Các nút cơ hội từ ví dụ này:
Doanh thu lớn và nhỏ cho quyết định một: 40 và 55%
Doanh thu lớn và nhỏ cho quyết định thứ hai: 60 và 38%
Doanh thu lớn và nhỏ cho quyết định thứ ba: 55 và 45%
Các nút kết thúc từ ví dụ này:
Lợi nhuận tiềm năng cho quyết định thứ nhất: 200.000 đô la hoặc 150.000 đô la
Lợi nhuận tiềm năng cho quyết định thứ hai: 100.000 đô la hoặc 80.000 đô la
Lợi nhuận tiềm năng cho quyết định thứ ba: 250.000 đô la hoặc 200.000 đô la
