1.5.1　决策分析

决策分析（Decision Analysis，DA）是一门由哲学、方法和专业实践组成的学科，是以正式方式处理重要决策所必需的。决策分析包括许多程序、方法和工具，用于确定、明确表示和正式评估一项决定的重要方面。通过将最大预期效用公理应用于形式良好的决定表示，给出建议的行动方针，并将决定的正式表示及其相应的建议转化为决策者和其他相关者的见解。

在进行决策分析时，必须做到以下几点：

●首先确立决策目标。

●对目标进行分类，并按重要程度排列。

●制定替代行动方案。

●对照所有目标对替代方案进行评估。

●必要时采取额外的备用行动。

决策分析一般分为四个步骤：

1）形成决策目标问题，包括提出方案和确定目标。

2）判断自然状态及其概率。

3）拟定多个可行方案。

4）评价方案并做出选择。

一般来说，有一些步骤可以得出决策模型，并用来确定最优的行动方案。

框定是决策分析的前端，其重点是制定目标说明（是什么和为什么）、边界条件、成功衡量标准、决策层次、战略表和行动项目。有时人们认为，决策分析应用中总是需要使用定量方法。但实际上，许多决策也可以使用决策分析工具箱中的定性工具，如价值聚焦思维等。

框定过程可能导致影响图（Influence Diagram，ID）或决策树的发展。这些是决策分析问题中的常用图形，用于表示可供决策者选择的方案、它们所涉及的不确定性，以及决策者的目标在各种最终结果中的实现程度。在需要时，它们还可以构成定量模型的基础。在定量决策分析模型中，不确定性通过概率——特别是主观概率来表示。决策者对风险的态度用效用函数来表示，对冲突目标之间的权衡态度可以用多属性价值函数或多属性效用函数（如果涉及风险）来表示。根据决策分析的公理，最佳决策的选择是其结果具有最大的期望效用（或实现不确定的期望水平的概率最大化）的决策。

根据决策问题是否包含随机因素，决策分析可分为三大类：确定型决策（不包含随机因素），风险型决策（随机因素的概率是可测定的），不确定型决策（随机因素的概率不可测定）。不同的问题类型在具体处理方法上有很大区别。诺贝尔经济学奖得主丹尼尔·卡尼的论文集《不确定状况下的判断：启发式和偏差》就是讨论不确定型决策的案例和各种解决方法的，包含大量数学概念，包括对主观评价的量化。因为不确定型决策较为复杂且主观评价原则比重较大，因此，如果可能，应尽量将随机因素的概率测定出来，把不确定型决策转化为风险型决策来计算，从而获得更为客观的决策依据。从这个角度讲，在可预见的未来，大数据技术及相关基础设施正是变不可控为可控、变不确定型决策为风险型决策的法宝。风险型决策的常用决策分析技术有期望值法、决策树法、马尔可夫分析方法等。其中，决策树法是对决策局面的一种图解，最为直观明确。

决策分析方法已被广泛用于各种领域，包括商业（规划、营销、谈判）、管理、环境整治、保健、研究、能源、勘探、诉讼和争端解决等。早期的一项重要应用是斯坦福研究所在20世纪70年代初为环境科学服务管理局（美国国家海洋和大气管理局的前身）开展的飓风播种利弊研究。

如今，决策分析已被各大企业用于数十亿美元的资本投资分析。例如，2010年，雪佛龙公司因其在所有重大决策中使用决策分析而获得了决策分析协会实践奖。雪佛龙公司副董事长乔治·柯克兰指出：“决策分析是雪佛龙公司经营方式的一部分，原因很简单，但却很强大——决策分析是有效的。”决策分析还可用于做出复杂的个人决策，如规划退休时间、决定何时生孩子、计划一次重要的度假或在几种可能的医疗方法中做出选择等。而在这些决策分析中，决策树成为一种重要的工具。