我们在进行决策时，通常的做法是列出所有选择及其可能结果，即利弊清单或做成本收益分析。
但在此过程中，我们对每个选项的分析不是那么容易进行以及各个选项存在一定的不确定性，可能导致决策不尽如人意。
此时，我们可以引进“决策树”来辅助决策。
它是一种直观的示意图，树干是决策点，树叶代表可能出现的不同结果。
对于概率低但后果严重的事件，决策树特别管用。
在实际使用决策树时，先从最终决策点出发，向下扩展，列出所有选项。接着向下列出各个选项可能的结果。然后对每个可能出现的结果估计概率，每组概率总和为1。最后将各个可能结果的成本以概率加权求和算出每个选项的期望值，对比期望确定选项。
为了保证结论的可靠性，还可以做些额外动作：
一是修改概率再计算作敏感性分析。
二是在决策树中纳入“额外值”，计入额外成本。这些额外值可被称为“效用值”，用以反映偏好。比如周杰伦和林俊杰开演唱会的时间冲突，在考虑选择谁时，虽然直接成本是周杰伦的票价更贵，但纳入“你更喜欢周杰伦”这个“额外因素”，可使最终决策向你的偏好倾斜。
此外，在实际决策中我们常常面临一些特殊问题。
一是可能出现的最极端的“黑天鹅事件”。
之所以我们容易误判其出现的概率，其原因有三：
1 将其放置于“正态分布”的尾部
实际上许多黑天鹅事件通常属于“肥尾分布”，意味着远离中间位置的事件发生概率更大。比如保险赔付，其最大离群值出现的概率远高于我们按正态分布的预期。
2 误解其出现的原因
当你认定某种情况应属于一种分布，而实际上它涉及多种分布时，就会出现误解。比如按正态分布估计人的身高会失准，是因为它不能解释罕见的遗传变异。
3 可能会低估“连锁故障”发生的概率及影响
针对非孤立事件，牵一发而动全身。在这类事件中做决策，如果低估了连锁故障，就有可能发生“黑天鹅事件”。
所以，我们判断出可能的“黑天鹅事件”后，在将其纳入决策树时需要更加审慎。具体来说可以提高其出现的概率。
二是面对“高度复杂系统”。
这时不能急于求成，在进入决策树前，我们应当退一步先对整个系统有一定的把握。
这就要求我们具备“系统思考”的能力。
通过纵观全局，我们更有可能理解系统中各部分的微妙关系或者互动，然后在决策时将它们通通纳入考量。
有几个方法可以辅助系统思考。
1 画示意图
包括因果循环图（系统中的反馈循环）、线流图（系统中事物的积聚和流动）。
2 软件辅助
即所谓的“仿真模拟”。这在工程领域十分常见，比如房屋、桥梁的受力分析，铁路的试运营分析……
在仿真模拟中，我们通过修改输入，得到不同的输出，从而观察系统对外界条件的适应能力。
如果条件允许，还可以进行多个独立运行的仿真模拟，每个模拟设置随机的初始条件。比如在之前一篇文章中，搞笑诺贝尔奖得主研究“成功与运气的关系”课题，就是1000个独立仿真。（链接https://www.jianshu.com/p/6b3148f93b74）
好的系统思考可以使我们避免陷入“局部最优”。
总之，采用决策树是一个化繁为简、行之有效的工具。但个中细节要讨论起来实在太复杂。
在实际决策中，采用什么工具是次要的，关键是我们对问题的理解以及对问题涉及的全局之把握。
网友评论