Wariant

Z Encyklopedia Zarządzania
Wariant
Polecane artykuły


Wariant jest to jedna z możliwości w procesie decyzyjnym. Proces decyzyjny nie zawsze prowadzi do podjęcia decyzji. Stanowi on grupę logicznie powiązanych ze sobą operacji myślowych lub obliczeniowych, prowadzących do rozwiązania problemu decyzyjnego poprzez dokonanie wyboru jednego z możliwych wariantów działania. Podmiotem procesu decyzyjnego jest decydent, wyrażający określone preferencje, oceniający możliwości i wyniki oraz wybierający ostateczny wariant decyzyjny. Sytuacja decyzyjna określa zaś zbiór wszystkich czynników (zależnych i niezależnych od oceniającego), mających wpływ na podjęcie decyzji przez decydenta w procesie decyzyjnym. Natomiast problem decyzyjny – oznacza sytuację problemową, w której decydent staje przed koniecznością wyboru jednego z co najmniej dwóch możliwych wariantów działania

Czemu służy wariantowanie:

  • pomaga w opracowaniu najbardziej optymalnych i zrównoważonych rozwiązań w zakresie podejmowania decyzji
  • ukazuje dowody w sprawie wybrania najlepszej z możliwych opcji
  • przedstawia powody przez które zostały odrzucone pozostałe pozornie bardziej opłacalne opcje
  • poprzez porównanie opcji pozwala dokonać oceny (szczególnie jeśli chodzi o np.: niepewność danych)[1]

Metody oceny i porównywania wariantów decyzyjnych

W procesie podejmowania decyzji często napotykamy na sytuacje, w których musimy porównać różne warianty i ocenić ich atrakcyjność. Istnieje wiele różnych metod, które mogą nam w tym pomóc.

Jedną z najpopularniejszych metod oceny i porównywania wariantów jest metoda punktowa. Polega ona na przypisaniu każdemu wariantowi punktów w zależności od spełnienia określonych kryteriów. Następnie sumuje się punkty i wybiera się wariant o najwyższym wyniku. Metoda ta jest prosta w zastosowaniu i umożliwia uwzględnienie różnych kryteriów, ale może być trudna do zastosowania w przypadku dużej liczby wariantów.

Inną popularną metodą jest metoda macierzy wagowej. Polega ona na przypisaniu wag poszczególnym kryteriom i ocenie wariantów pod względem tych kryteriów. Następnie mnoży się oceny przez wagi i sumuje wyniki dla poszczególnych wariantów. Metoda ta umożliwia uwzględnienie względnej ważności różnych kryteriów, ale może być czasochłonna w przypadku dużej liczby kryteriów.

Kolejną metodą jest metoda rankingowa. Polega ona na porównaniu wariantów dwupoziomowym rankingiem. Najpierw porównuje się każdy wariant z każdym innym i przypisuje się mu odpowiednie miejsce w rankingu. Następnie sumuje się miejsca dla poszczególnych wariantów i wybiera się ten o najniższym wyniku. Metoda ta jest prosta w zastosowaniu i umożliwia porównanie wielu wariantów, ale może być trudna do zastosowania w przypadku dużej liczby kryteriów.

Każda z tych metod ma swoje zalety i ograniczenia. Metoda punktowa jest prosta i intuicyjna, ale może być trudna do zastosowania w przypadku dużej liczby wariantów. Metoda macierzy wagowej umożliwia uwzględnienie różnej ważności kryteriów, ale może być czasochłonna. Metoda rankingowa umożliwia porównanie wielu wariantów, ale może być trudna do zastosowania w przypadku dużej liczby kryteriów.

Ważnym elementem oceny i porównywania wariantów jest uwzględnienie wag poszczególnych kryteriów. Wagi te mogą być ustalone na podstawie intuicji, ekspertyzy lub analizy danych. Ważne jest również określenie, jakie znaczenie mają poszczególne kryteria w kontekście podejmowanej decyzji.

Przykładowo, jeśli rozważamy różne warianty inwestycyjne, jednym z kryteriów może być oczekiwany zwrot z inwestycji. Jeśli uznajemy, że oczekiwany zwrot jest dla nas ważniejszy niż inne kryteria, możemy przypisać temu kryterium większą wagę. Z kolei, jeśli uznajemy, że ryzyko inwestycji jest dla nas kluczowe, możemy przypisać temu kryterium większą wagę.

Metody oceny i porównywania wariantów są szeroko stosowane w praktyce. Możemy je zastosować w różnych obszarach, takich jak zarządzanie projektami, strategia biznesowa czy planowanie strategiczne. Przykładowo, możemy oceniać różne opcje strategii rozwoju firmy, porównywać różne warianty projektu lub wybierać najlepsze rozwiązanie w procesie planowania strategicznego.

Ryzyko i niepewność w procesie podejmowania decyzji

W procesie podejmowania decyzji często napotykamy na sytuacje, w których występuje ryzyko i niepewność. Ryzyko oznacza możliwość wystąpienia niekorzystnych zdarzeń lub strat, podczas gdy niepewność odnosi się do braku informacji lub pewności co do przyszłych wyników.

Ryzyko i niepewność mają istotne znaczenie w procesie decyzyjnym, ponieważ mogą wpływać na wyniki i skutki naszych decyzji. Dlatego ważne jest, aby umiejętnie oceniać i zarządzać tymi czynnikami.

W celu oceny i zarządzania ryzykiem istnieje wiele narzędzi i technik. Jednym z popularnych narzędzi jest analiza scenariuszy. Polega ona na opracowaniu różnych scenariuszy przyszłych zdarzeń i ocenie ich wpływu na wyniki decyzji. Dzięki temu możemy lepiej zrozumieć potencjalne ryzyko i podejmować lepsze decyzje.

Innym narzędziem jest drzewo decyzyjne. Polega ono na przedstawieniu różnych możliwości i konsekwencji decyzji w formie drzewa. Dzięki temu możemy wizualnie przedstawić różne ścieżki i ocenić ich ryzyko i korzyści.

Symulacje Monte Carlo to kolejna popularna technika. Polega ona na losowym generowaniu wartości dla różnych zmiennych i analizie ich wpływu na wyniki decyzji. Dzięki temu możemy ocenić ryzyko i niepewność związane z różnymi czynnikami i podejmować lepsze decyzje.

W obliczu ryzyka i niepewności istotne jest również zastosowanie strategii redukcji ryzyka. Polega ona na podejmowaniu działań mających na celu zmniejszenie ryzyka lub jego konsekwencji. Możemy również zastosować podejście adaptacyjne, które polega na monitorowaniu i reagowaniu na zmiany sytuacji.

Ryzyko i niepewność mogą mieć różne źródła. Mogą wynikać z czynników finansowych, technicznych, politycznych czy społecznych. Dlatego ważne jest, aby identyfikować, analizować i zarządzać tymi różnymi typami ryzyka i niepewności.

W procesie podejmowania decyzji istotne jest również uwzględnienie ryzyka i niepewności. Musimy być świadomi, że nasze decyzje są podejmowane w pewnym stopniu niepewności i ryzyka. Dlatego ważne jest, aby podejmować decyzje na podstawie dostępnych informacji i analizy, ale również być gotowym do adaptacji i reakcji na zmiany sytuacji.

Etapy procesu wariantowania

Proces wariantowania jest strukturalnym podejściem do generowania, oceny i wyboru wariantów decyzyjnych. Składa się z kilku etapów, które po kolei prowadzą do znalezienia najlepszego rozwiązania.

Pierwszym etapem jest identyfikacja problemu. Polega ona na określeniu, jakie są cele, jakie są ograniczenia i jakie są dostępne alternatywy. W tym etapie ważne jest również uwzględnienie różnych perspektyw i interesów.

Kolejnym etapem jest generowanie wariantów. Polega on na opracowaniu różnych możliwych rozwiązań problemu. Możemy zastosować różne techniki, takie jak brainstorming, metoda morfologiczna czy analiza kosztów i korzyści, aby wygenerować jak najwięcej różnych wariantów.

Następnie przechodzimy do etapu oceny wariantów. Polega on na ocenie każdego wariantu pod względem określonych kryteriów. Możemy zastosować wcześniej omówione metody oceny i porównywania wariantów, takie jak metoda punktowa, metoda macierzy wagowej czy metoda rankingowa.

Ostatnim etapem jest wybór optymalnego rozwiązania. W tym etapie analizujemy wyniki oceny wariantów i dokonujemy wyboru najlepszego rozwiązania. Ważne jest uwzględnienie zarówno wyników oceny, jak i różnych perspektyw i interesów.

Proces wariantowania jest istotnym narzędziem w podejmowaniu decyzji. Pozwala on na systematyczne podejście do generowania, oceny i wyboru wariantów. Może być stosowany w różnych obszarach, takich jak zarządzanie projektami, strategia biznesowa czy planowanie strategiczne.

Ważne jest przeprowadzenie procesu wariantowania w sposób efektywny i skuteczny. Wymaga to odpowiedniego przygotowania, wykorzystania odpowiednich technik i narzędzi oraz uwzględnienia różnych perspektyw i interesów. Przykłady zastosowania procesu wariantowania w praktyce pokazują, jak może on przyczynić się do lepszych decyzji i osiągnięcia zamierzonych celów.

Wybrane metody wspomagania decyzji

Według Tadeusza Trzaskalika wyróżnią się główne metody wspomagania decyzji:

  • Metody addytywne
  1. SAW (ang. Simple Additive Weighting Method)
  2. F-SAW (ang. Fuzzy Simple Additive Weighing Method)
  3. SMART (ang. Simple Multi-Attribute Ranking Technique)
  4. SMARTER (ang. Simple Multi-Attribute Ranking Technique Exploiting Ranks)
  • Metoda analitycznej hierarchizacji i metody pokrewne
  1. AHP (ang. Analytical Hierarchy Process)
  2. REMBRANDT (ang. Ratio Estimation in Magnitudes or decibells to Rate Alternatives which are Non-Dominated)
  3. F-AHP (ang. Fuzzy Analytic Hierarchy Process)
  4. ANP (ang. Analytic Network Process)
  5. F-ANP (ang. Fuzzy Analytic Network Process)
  6. MACBETH (ang. Measuring Attractiveness by a Categorical Based Evaluation Technique)
  • Metody werbalne
  1. ZAPROS (ros. Метод ЗАПРОС - ЗАмкнутые ПРоцедуры у Опорных Ситуаций)
  2. ZAPROS III
  • Metody ELECTRE (fr. Elimination Et Choix Traduisant la Realia)
  1. ELECTRE I
  2. ELECTRE Iv
  3. ELECTRE Is
  4. ELECTRE III
  5. ELECTRE TRI
  6. ELECTRE I + SD
  7. ELECTRE III + SD
  • Metody PROMETHEE (ang. Preference Ranking Organisation Method for Enrichment Evaluations)
  1. PROMETHEE I
  2. PROMETHEE II
  3. PROMETHEE II + weto
  4. EXPROM (ang. Extension of the Promethee method)
  5. EXPROM II + weto
  6. PROMETHEE II + weto + SD
  7. EXPROM II + weto + SD
  • Wykorzystanie punktów referencyjnych
  1. TOPSIS (ang. Technique for Order Preference by Similarity to Ideal Solution)
  2. F-TOPSIS (ang. Fuzzy Technique for Order Preference by Similarity to Ideal Solution)
  3. VIKOR (serb. Visekrzterijumska Optimizacija i Kompromisno Resenje)
  4. DEMATEL + ANP + VIKOR
  5. BIPOLAR
  6. BIPOLAR zmodyfikowany
  7. BIPOLAR + SD
  • Metody interaktywne
  1. STEM-DPR (ang. Step Method for Discrete Decision Making Problems under Risk)
  2. INSDECM (ang. Interactive Stochastic Decision Making Procedure)
  3. ATO-DPR (ang. Analysis of Trade-Offs for Discrete Decision Making Problems under Risk)[2]

Aby wybrać najlepszą metodę, trzeba przeprowadzić analizę porównawczą, warto skorzystać z:

  • dane wejściowe-kryterium to przedstawia stopień skomplikowania wprowadzanej do algorytmu danej metody
  • liczba kryteriów oceny- określa czy dana metoda posiada wysoką skuteczność obliczeniową przy większym skomplikowaniu (większej liczbie kryteriów do oceny)
  • pracochłonność- kryterium to przedstawia w uogólnieniu poziom skomplikowania i ilość potrzebnych obliczeń przy tej samej liczbie kryteriów
  • prezentacja wyników- określa stopień czytelności ukazanych wyników[3]

Bibliografia

Przypisy

  1. W. Bojar, M. Wełnitz s. 1
  2. T. Trzaskalik (2014) s. 241
  3. M. Książek 2011 s. 1430

Autor: Daniel Baster