درخت تصمیم گیری چیست و چه کاربردهایی دارد؟
به گزارش آخرین خبر، درخت تصمیم گیری یکی از شناخته شده ترین تکنیک ها برای تصمیم گیری محسوب می گردد. علت همه گیر بودن آن نیز احتمالاً سادگی استفاده از آن در شناسایی بهترین و بدترین تصمیم است. همچنین به دلیل ساختار ساده ای که دارند، در زمینه های مختلف می توان از آن ها استفاده کرد. درخت تصمیم گیری می تواند دستی هم ترسیم شده و خیلی سریع راستا و در نتیجه بهترین تصمیم را نمایان کند. از طرفی امکان استفاده از آن به وسیله کامپیوترها و نرم افزارها در موارد پیچیده هم فراهم است.
اساس عملکرد درخت تصمیم گیری
با استفاده از مثال زیر، اساس یک تصمیم گیری و نحوه رسیدن به انتخابی درست به وسیله درخت تصمیم گیری را توضیح می دهیم:
- مستطیل ها بیانگر تصمیم یا انتخاب هستند.
- دایره ها نتایج نامعین را نشان می دهند.
- مثلث ها خاتمه یک راستا را به وسیله درخت تصمیم گیری نشان می دهند.
- شاخه ها نیز احتمال یک نتیجه را معین نموده اند.
همانطور که در مثال بالا می بینید، درخت تمام پاسخ های ممکن و حتی محتمل یا نامعین را هم نشان داده است. در این مثال، نتیجه سرمایه گذاری در 10 سهام مختلف، شانس برابر در بازگردانی 13 یا 9 هزار دلار دارد.
این درخت، تصمیم گیری برای 10 هزار دلار پول را نشان می دهد. دو حالت اساسی وجود دارد. آیا قرار دادن این 10 هزار دلار را در بانکی با نرخ سود 3 درصد اقدام درستی خواهد بود یا خرید 10 سهام مختلف؟ این در حالی است که احتمال بازگشت پول با سود 3 هزار دلار یا ضرر 3 هزار دلاری وجود دارد.
در استفاده از درخت، یک واحد اندازه گیری ثابت در تمام راستاها استفاده می گردد تا معین راستا به وسیله آن امکان پذیر گردد. همانطور که در مثال بالا معین است، تمام هزینه ها به دلار نوشته شده اند. در نتیجه ارزیابی هزینه های مرتبط با تمام گزینه ها ساده تر می گردد.
درخت تصمیم گیری معمولاً با یک تصمیم اولیه شروع می گردد و تا رسیدن به همه نتایج ممکن، به وسیله گزینه ها و شانس های مختلف ادامه می یابد. حال پس از ترسیم درخت، از نتایج شروع نموده و به عقب برگردید. در این حالت می توانید بهترین راستا را ارزیابی نموده و در نهایت به بهترین نتیجه ممکن برسید. همانطور که میبینیم در مثال بالا بهترین انتخاب، خرید سهام با 10 هزار و 900 دلار است؛ هر چند که ریسک بالایی دارد.
کاربردهای درخت تصمیم گیری
درخت تصمیم گیری به طور ذاتی دارای اگر، سپس، غیر از این و… است که باعث می گردد به راحتی در هر نوع ساختاری کاربرد داشته باشد. همچنین برای مسائلی که در بعضی طبقه بندی ها وجود دارد هم مناسب است و با ارزیابی سیستماتیک ویژگی ها و مفاد هر کدام از دسته ها، منجر به انتخاب بهترین دسته می گردد. به عنوان مثال درخت تصمیم گیری برای معین گونه های یک حیوان خاص بسیار کارآمد است. به همین دلیل، درخت تصمیم گیری یکی از محبوب ترین الگوریتم ها در یادگیری ماشین و داده کاوی محسوب می گردد. سایر کاربردهای درخت تصمیم گیری عبارتند از:
- ارزیابی فرصت های گسترش برند با استفاده از اطلاعات فروش در روز ها، ماه ها و سال های گذشته
- ارزیابی خریداران محتمل نوعی محصول با استفاده از اطلاعات دموگرافیک جهت هدفمند کردن بودجه محدود تبلیغات
- پیشبینی میزان ریسک پیش فرض برای وام گیرنده ها با استفاده از مدل های گذشته
- یاری به اولویت بندی روش های درمان بیمار، بر طبق الگوهای فشار خون، سن، جنسیت، محل زندگی، شدت درد و…
به علاوه، به دلیل ساده سازی تحلیل اطلاعات، درخت تصمیم گیری در طیف گسترده ای از صنایع و شاخه ها از جمله انرژی، اقتصادی، مهندسی، بهداشت و درمان، داروسازی، آموزش، قانون، کسب و کار و… مورد استفاده قرار می گیرد. برای درک بهتر نحوه عملکرد درخت تصمیم گیری به مثال زیر توجه کنید.
تصمیم گیری برای نحوه افزایش فروش و سود شرکتفرض کنید شرکتی تجاری می خواهد میزان فروش و در نتیجه سود فروش محصولات خود را افزایش دهد. می توان از درخت تصمیم گیری استفاده نموده و نقشه راه و تمام گزینه های محتمل را ترسیم کرد. این شرکت برای افزایش فروش و سود، دو گزینه پیش رو دارد:
1. افزایش هزینه تبلیغات
2. گسترش فعالیت های فروش
همین دو گزینه، دو شاخه ایجاد می نمایند و هر کدام از آن ها نیز به دو انتخاب جدید تقسیم می شوند.
گزینه 1 به دو انتخاب تقسیم می گردد:
- 1-1- آژانس تبلیغاتی جدید
- 1-2- استفاده از خدمات آژانس تبلیغاتی موجود
گزینه 2 هم به دو انتخاب زیر تقسیم می گردد:
- 2-1- کار با نمایندگان جدید
- 2-2- استفاده از نیروهای فروش خود
انشعاب ادامه دارد و هر از 4 انتخاب موجود به صورت زیر به 2 شاخه دیگر منشعب می شوند.
انتخاب 1-1:
- 1-1-1- افزایش 10 درصدی بودجه که به افزایش فروش 6 درصدی و سود 2 درصدی منجر می گردد.
- 1-1-2- افزایش بودجه 5 درصدی که موجب افزایش فروش 4 درصدی و سود 5/1 درصدی می گردد.
انتخاب 1-2:
- 1-2-1- افزایش بودجه 10 درصدی و در نتیجه افزایش فروش 6 درصدی و سود 2 درصدی.
- 1-2-2- افزایش بودجه 5 درصدی که افزایش فروش 4 درصدی و سود 12 درصدی را به دست می دهد.
انتخاب 2-1:
- 2-1-1 کار با نمایندگی های خود که منجر به فروش 20 درصد و سود 5 درصد می گردد.
- 2-1-2 کار با نمایندگی های موجود که افزایش فروش 5/12 درصد و افزایش سود 8 درصد می دهد.
انتخاب 2-2:
- 2-2-1- استخدام کارکنان فروش جدید که می تواند فروش را 15 درصد و سود را 5 درصد افزایش دهد.
- 2-2-2- افزایش انگیزه در فروشندگان فعلی و در نتیجه افزایش فروش 4 درصد و سود 2 درصد.
مزیت های استفاه از درخت تصمیم گیری
درخت تصمیم گیری یکی از سیستماتیک ترین ابزارها برای تئوری های تصمیم گیری و استفاده از آن ها در عمل است. از درخت تصمیم گیری در حل بسیاری از مسائل موجود در تصمیم گیری های پیچیده و چند مرحله ای هم استفاده می گردد. در این حالت دیدگاهی بی طرفانه از ریسک و منفعت در هر کدام از گزینه ها و انتخاب ها شکل می گیرد. همچنین در شناسایی یک استراتژی با بالاترین احتمال رسیدن به هدف نیز بسیار یاری نماینده هستند.
بنابراین درخت تصمیم گیری به دلیل منافع زیر، روشی بسیار موثر است:
- درک و استفاده راحت: درخت تصمیم گیری معمولاً بسیار ساده طراحی می گردد و درک و دنبال کردن استراتژی های آن راحت است.
- شفاف: درخت تصمیم گیری تمام گزینه ها و پیامدها و مزیت های آن ها را کاملاً آشکار نشان می دهد تا همه آن ها به چالش کشیده شوند.
- ارائه چهار چوب ارزیابی: ارزش و احتمال هر کدام از نتایج به طور مستقیم در درخت تصمیم گیری نشان داده می گردد.
- توانمند: زمانی که حقایق به راحتی در دسترس نیست، درخت تصمیم گیری به راحتی فرضیاتی جدید همراه با تمام احتمالات آن ها را معرفی می نماید.
- امکان ارزیابی اطلاعات: درخت تصمیم گیری می تواند ارزش اطلاعات و احتمالات را ارزیابی کند که همین موضوع می تواند هزینه های اضافی برای تحقیقات بیشتر را کاهش دهد.
- ترکیب ساده با سایر تکنیک ها: از سایر تکنیک ها نیز می توان برای ارزیابی گزینه های درخت تصمیم گیری استفاده کرد. تکنیک هایی مانند Net Prest Value (NPV) و Project Evaluation Review Technique (PERT) مثال هایی متداول هستند.
- قابل کاربرد در کامپیوترها - ساختار منطقی اگر، بعد از اینکه و غیر از این و محاسبات ساده درخت تصمیم گیری استفاده از آن را در کامپیوترها و ابزارهای شبیه سازی بسیار ساده نموده است.
معایب و محدودیت های درخت تصمیم گیری
ساختار منظم و منطقی درخت تصمیم گیری هنوز هم به یک نفر احتیاج دارد تا صفاتی را که برای ساخت درخت استفاده می گردد آنالیز و امکان سنجی کند. مانند تمام ساختارهای منطقی، اگر فرضیات اشتباه باشند نتایج هم گمراه نماینده خواهند بود. همچنین فرد باید تفاوت بین علیت و همبستگی، به خصوص برای درختانی را که برای پیشبینی آینده استفاده می شوند کاملاً درک کند.
موارد دیگری که در ساخت درخت تصمیم گیری حتماً باید دقت کنید، به توضیح زیر هستند:
- رشد درخت تصمیم گیری از گره اول شروع و تا نتایج متعدد ادامه دارد. همین موضوع ترسیم دستی درخت را محدود می نماید.
- با رشد هر چه بیشتر درخت، ممکن است وضوح آن از بین برود. زیرا درک کامل خصوصیات و روابط تعبیه شده در درخت و بین گزینه ها، دشوارتر می گردد.
- اهداف و یا عوامل موفقیت در ساختار درخت تصمیم گیری توزیع می گردد، در نتیجه ممکن است امکان پیگیری مهم ترین ها از بین برود.
- ارزیابی راستا تصمیم گیری ممکن است احتیاج به استفاده از متریک رایج، مانند واحدهای پول، داشته باشد. اما در بعضی موارد ممکن است استفاده از چنین متریکی ممکن نباشد.
- تعداد احتمالات ثابت، بسیار کم و محدود است. اما درخت تصمیم گیری در جریان احتمالات ثابت پاسخ بهتری می دهد.
جمع بندی
درخت تصمیم گیری یکی از مهم ترین ابزارها برای یک تصمیم گیری بهتر است. اما مسائلی هم دارد که به بعضی از آن ها در بالا اشاره کردیم. یکی از مهم ترین مسائل درخت تصمیم گیری این است که هر چقدر هم دقیق و قدرتمند بوده و قادر به حل پیچیده ترین معماها باشد، باز هم احتیاج به یک تصمیم گیرنده برای انشعاب و انتخاب گزینه های بالقوه و محتمل دارد. در نتیجه انسان در هر حال باید قدرت تصمیم گیری و مهارت های خود در این زمینه را بالا ببرد.
نظر شما چیست؟ آیا استفاده از درخت تصمیم گیری در کسب و کار مدرن امروزی نتیجه بخش هست؟ آیا نمونه های عملی دیگری می شناسید؟ آیا تا به حال از درخت تصمیم گیری استفاده نموده اید؟ اگر چنین است، آیا از نتیجه حاصل راضی بودید؟ عوامل موفقیت یا عدم موفقیت خود را چه می دانید؟ لطفاً نظرات و پیشنهادات خود را در پایین همین صفحه برای ما و سایر همراهان انگیزه به اشتراک بگذارید.
منبع: مجله انگیزه