决策树：决策构造工具，

决策树明确决策后果及必须考虑的不确定性因素。

图6.1开始绘出迈克尔的情况。

正方形代表迈克尔的决策：接受初创公司的工作或留在原处。

从工作满意度考虑，他可能得到的结果如右侧所示。如果迈克尔保持目前的工作，他确定自己每周需工作45小时，薪资8万美元。这个结果显示在底部决策树枝的末端。与接受新工作相关的结果就没有这么明确了。

这家初创公司是否能成功是一个关键不确定性因素。

决策树上部的分枝上加了一个圈，以表示这种不确定性。迈克尔已经了解到，如果公司能在年底之前获得至少200万美元的新投资，这家初创公司会继续成功运营。否则，一切就都结束了。

描述迈克尔新工作的工作时间和收入结果需要另一个步骤。这些因素都是不确定的。为了更加了解自己的工作时间，迈克尔与初创公司的招聘主管进行了沟通。他了解到，第一年，他的预期工作时间应该是每周50小时。如果初创公司一年后仍然成功运营，每周工作时间可能仍然是50小时，但更有可能会增加到55小时，甚至是60小时或更多。这一新信息标注在图6.2的决策树中。在迈克尔的案例中，薪水是另一个不确定因素.

现在，迈克尔已经有了决策问题结构，但他需要更多信息。他意识到了相关不确定性和可能的结果，但还没有具体确认它们的可能性有多大。例如提到初创公司成功或失败的可能性有多大，他可能会说：“有很大概率会成功。”但这句话是什么意思呢？需要用更明确的“概率”表达。对可能发生的事情的判断可以作为概率增加到决策树的每个分枝上。

迈克尔必须设法估算不确定结果的概率：初创公司成功的概率、他在那儿的工作时间以及目前公司以同样薪资水平重新雇用他的概率。

为了回答这些问题，迈克尔请教了资深专家的意见，然后形成了自己的判断。它可以与初创公司的CEO或CFO谈谈公司的融资计划。但是，为了抵消这些高管可能允诺美好结果所带的任何偏见，他可以再咨询一下一位在风投公司工作的朋友，以获得更深刻的见解。那么如果初创公司倒闭，以同样的薪资水平回到现在的公司呢？与人力资源部的同事谈一谈可以帮助他建立合理的概率。

由于每个案例各不相同，对于“我们怎样才能找到估算未来事件概率所需的信息？”这个问题，没有统一的答案。但是，通过接近信息量最大、最可靠的来源，并且在此过程中确保摒除偏见，就有可能获得可以表述为概率的基于信息的判断。

这一概率是一个数值，不过，这只是因为我们用数值来表示我们的判断，并不会因此而降低概率的主观性。判断天生就是主观的；用数值只是允许我们清晰地表达这些判断。

在迈克尔的案例中，他对决策树每个分枝概率的估算在图6.3中出示。

例如，他认为有70%的概率该初创公司会成功。如果是这样，他每周工作50小时的概率预计为35%。这样的树形结构是明确决策信息的有效工具。可能性带来的后果，包括其随后的整个路径以及概率都清楚了。迈克尔识别出他认为与自己决策相关的信息，以避免偏见的方式从可靠来源搜集这些信息.

什么是可靠？

除了相关，用于优质决策的信息还必须“可靠”，也就是说要准确客观，不是基于错误的信念或从不可靠的来源获得。没有可靠信息，就无法实现优质决策。

此外，在复杂情况下，如果决策者无法判断信息或分析是否可靠，他就会拒绝接受。

可能出错的事

信息最常见的问题之一就是人们无法找到所需信息，得出客观的结论。相反，他们寻找证据来支持某个特定观点。

这通常很容易，但无法实现优质决策。

优质决策要求坚定地搜集最能代表决策后会发生的事情的信息。

在搜寻信息时，决策者应该提防：

●有偏见的来源

●有错误的数据

●没有专业知识的信息来源

●刻意挑选出来证明某个结论的信息

●只搜寻支持有偏见的观点和假设的信息的冲动

●自负——认为自己知道的比实际知道的更多

可以问更多关于信息相关性的细节问题：

●“关键价值动因最终会如何导致价值的最大变化，哪些不确定性是关键价值动因？”

●“如果我们能多了解一些关于关键不确定性的信息，可以有多大成果？”

●“如果有更多的时间和资源，我们还可以搜集哪些其他信息？”

●“不确定性的什么结果会导致我们改变对哪个是最佳选项的看法？”

信息质量评估——首先构造决策，搜集信息，然后完成充分论证——会告诉我们应该填补缺陷还是继续进行。

●所有的决策都有未来导向性，但未来的事实不存在。

过去及现在的事实和数据必须转换为对于未来的判断。

●关于不确定未来的决策必须用可能性和概率来解读。可能性限定未来可能发生的潜在结果。概率代表我们对于不同结果可能性的最佳判断。

●为了避免信息过多，我们应该搜集那些与我们选项和我们寻求的价值直接相关的信息。决策树可以指导我们完成这一任务。

●决策树显示决策的后果及不确定性，表明每个决策可能的结果及概率。

●决策者需要既相关又可靠的信息才能做出好的决策。

●如果信息能帮助我们预测所选选项可能带来的价值结果，并且在充分论证过程中，灵敏度分析表明该信息是关键动因，那么这个信息就是相关信息。

●如果信息是可信的、客观的，就是可靠信息。