Применение практических методов разработки управленческих решений в организации (на конкретном примере )

     Основная  суть метода сводится к представлению  объекта в виде совокупности функций (функциональной модели) и решению  вопроса о том, все ли функции  действительно необходимы, какие  из них можно совместить или убрать без ущерба для качества.

     Метод хорошо себя зарекомендовал в управленческой практике разработки и принятия решений: он обладает высокой практической полезностью  в сфере построения организационных  структур управления, в том числе  при анализе функций исполнителей (выявление лишних функций, нейтральных, негативных и др.) и выборе оптимального соответствия качества выполнения функций  с затратами на их реализацию

2. Метод цепных подстановок используется для разработки и принятия решений в том случае, если проблема имеет строго выраженный функциональный характер. При этом функция должна быть выражена в виде либо произведения, либо частного отделения одних показателей на другие, либо суммы.

     Суть  метода заключается в последовательной замене плановых величин одного из факторов при условии, что остальные  факторы остаются неизменными. Степень  влияния на функцию того или иного  фактора определяется последовательным вычитанием i-го расчета из j-го. Причем в первом расчете все величины плановые, а в последнем — фактические.

3. Метод причинно-следственного анализа и др.

 

1.4. Понятие метода «дерево решений»

     Одним из популярных методов принятия решений  являются деревья решений. С помощью  этого метода можно принимать  решения:

     по  социальным и макроэкономическим вопросам;

     по  развитию фирмы или в банковской сфере.

     Деревья решений используются также для  диагностики в медицине, экономике  и бизнесе.

     Основное  отличие деревьев решений от методов  распознавания образов и моделирования  состоит в том, что проводимое исследование основывается на логических рассуждениях, а не на вычислениях. Деревья решений – это один из методов построения экспертных систем на основе правил вывода. Такие системы  называются системами прямого логического  вывода, так как мы начинаем с  фактов, в результате приходим к  тому или иному выводу

     Дерево  решений – популярный метод науки  управления, используемый для выбора наилучшего направления действий из имеющихся вариантов. "Дерево решений  – это схематичное представление  проблемы принятия решений". Как  и платежная матрица, дерево решений  дает руководителю возможность "учесть различные направления действий, соотнести с ними финансовые результаты, скорректировать их в соответствии с приписанной им вероятностью, а  затем сравнить альтернативы". Концепция  ожидаемого значения является неотъемлемой частью метода дерева решений⁹.

     Дерево  решений – способ отображения  информации, имеющих много различных  уровней и связей. Обычно представляет построенную по иерархическому принципу: главную цель или вершину дерева целей (для фирмы это может быть, например, миссия, видение); подчиненные ей подцели первого, второго и последующих уровней (ветви дерева).

     В общем виде дерево решений представлено на рис. 2. 

     

     Рис.2. Дерево решений 

     Методом дерева решений можно пользоваться в ситуациях, подобных описанной  выше, в связи с рассмотрением  платежной матрицы. В этом случае предполагается, что данные о результатах, вероятности и т.п. не влияют на все  последующие решения. Однако дерево решений можно построить под  более сложную ситуацию, когда  результаты одного решения влияют на последующие решения. Таким образом, дерево решений – это полезный инструмент для принятия последовательных решений.

     На  рис. 2проиллюстрировано применение метода дерева решений для разрешения проблемы, требующей определенной последовательности решений. Вице-президент по производству из компании, выпускающей электрические газонокосилки, считает, что расширяется рынок ручных косилок. Он должен решить, стоит ли переходить на производство ручных косилок, и если сделать это, – стоит или не стоит продолжать выпуск электрических газонокосилок. Производство косилок обоих типов потребует увеличения производственных мощностей. До принятия решения руководитель собрал релевантную информацию об ожидаемых выигрышах в случае тех или иных вариантов действий и о вероятности соответствующих событий. Эта информация представлена на дереве решений¹⁰.

     Прогнозы  полезны для планирования и осуществления  деловых операции только в том  случае, если компоненты прогноза тщательно  продуманы, а ограничения, содержащиеся в прогнозе, откровенно названы.

     Используя дерево решений, руководитель находит  путем возврата от второй точки к  началу наиболее предпочтительное решение  – наращивание производственных мощностей под выпуск косилок  обоих типов. Это обусловлено  ожидаемым выигрышем (3 млн. долл.), который  превышает выигрыш (1 млн. долл.) при  отказе от такого наращивания, если в  точке А будет низкий спрос  на электрические косилки.

     Руководитель  продолжает двигаться назад к  текущему моменту (первой точке принятия решений) и рассчитывает ожидаемые  значения в случаях альтернативных действий – производства только электрических или только ручных косилок. Ожидаемое значение для варианта производства только электрических косилок составляет 6,5 млн. долл. (0,7 х 8 млн. долл. + 0,3 х 3 млн. долл.). Подобным образом рассчитывается ожидаемое значение для варианта выпуска только ручных косилок, которое равно всего 4,4 млн. долл. Таким образом, наращивание производственных мощностей под выпуск косилок обоих типов является наиболее желательным решением, поскольку ожидаемый выигрыш здесь наибольший, если события пойдут, как предполагается.¹¹

     Дерево  решений позволяет представить  проблему схематично и сравнить возможные  альтернативы визуально. Этот метод  можно использовать в применении к сложным ситуациям, когда результат  принимаемого решения влияет на последующие. 

     В наиболее простом виде дерево решений  – это способ представления правил в иерархической, последовательной структуре. Основа такой структуры  – ответы "Да" или "Нет" на ряд вопросов.

     На  рис. 3 приведен классический пример дерева решений, задача которого – ответить на вопрос: "Играть ли в гольф?"¹² Чтобы решить задачу, т.е. принять решение, играть ли в гольф, следует отнести текущую ситуацию к одному из известных классов (в данном случае – "играть" или "не играть"). Для этого требуется ответить на ряд вопросов, которые находятся в узлах этого дерева, начиная с его корня.

     Первый  узел нашего дерева "Солнечно?" является узлом проверки, т.е. условием. При  положительном ответе на вопрос осуществляется переход к левой части дерева, называемой левой ветвью, при отрицательном  – к правой части дерева. Таким  образом, внутренний узел дерева является узлом проверки определенного условия. Далее идет следующий вопрос и  т.д., пока не будет достигнут конечный узел дерева, являющийся узлом решения. Для нашего дерева существует два  типа конечного узла: "играть" и "не играть" в гольф.

     В результате прохождения от корня  дерева (иногда называемого корневой вершиной) до его вершины решается задача классификации, т.е. выбирается один из классов – "играть" и "не играть" в гольф.

     Целью построения дерева решения в нашем  случае является определение значения категориальной зависимой переменной.

     Итак, основными элементами дерева решений  являются:

     Корень  дерева: "Солнечно?"

     

     Рис.3. Дерево решений "Играть ли в гольф?"

     Внутренний  узел дерева или узел проверки: "Температура  воздуха высокая?", "Идет ли дождь?"

     Лист, конечный узел дерева, узел решения  или вершина: "Играть", "Не играть"

     Ветвь дерева (случаи ответа): "Да", "Нет".

     В рассмотренном примере решается задача бинарной классификации, т.е. создается  дихотомическая классификационная  модель. Пример демонстрирует работу так называемых бинарных деревьев.

     В узлах бинарных деревьев ветвление  может вестись только в двух направлениях, т.е. существует возможность только двух ответов на поставленный вопрос ("да" и "нет").

     Бинарные  деревья являются самым простым, частным случаем деревьев решений. В остальных случаях, ответов  и, соответственно, ветвей дерева, выходящих  из его внутреннего узла, может  быть больше двух.

     Качество  построенного дерева решения весьма зависит от правильного выбора критерия расщепления. Над разработкой и  усовершенствованием критериев  работают многие исследователи.

     Дерево  должно быть достаточно сложным, чтобы  учитывать информацию из исследуемого набора данных, но одновременно оно  должно быть достаточно простым. Другими  словами, дерево должно использовать информацию, улучшающую качество модели, и игнорировать ту информацию, которая ее не улучшает.

     Тут существует две возможные стратегии. Первая состоит в наращивании  дерева до определенного размера  в соответствии с параметрами, заданными  пользователем. Определение этих параметров может основываться на опыте и  интуиции аналитика, а также на некоторых "диагностических сообщениях" системы, конструирующей дерево решений.

     Вторая  стратегия состоит в использовании  набора процедур, определяющих "подходящий размер" дерева, они разработаны  Бриманом, Куилендом и др. в 1984 году. Однако, как отмечают авторы, нельзя сказать, что эти процедуры доступны начинающему пользователю.

     Процедуры, которые используют для предотвращения создания чрезмерно больших деревьев, включают: сокращение дерева путем  отсечения ветвей; использование  правил остановки обучения.

     Правило остановки должно определить, является ли рассматриваемый узел внутренним узлом, при этом он будет разбиваться дальше, или же он является конечным узлом, т.е. узлом решением.

     Остановка – такой момент в процессе построения дерева, когда следует прекратить дальнейшие ветвления.

     Один  из вариантов правил остановки – "ранняя остановка", она определяет целесообразность разбиения узла. Преимущество использования такого варианта –  уменьшение времени на обучение модели. Однако здесь возникает риск снижения точности классификации. Поэтому рекомендуется "вместо остановки использовать отсечение".

     Второй  вариант остановки обучения –  ограничение глубины дерева. В  этом случае построение заканчивается, если достигнута заданная глубина.

     Еще один вариант остановки – задание  минимального количества примеров, которые  будут содержаться в конечных узлах дерева. При этом варианте ветвления продолжаются до того момента, пока все конечные узлы дерева не будут  чистыми или будут содержать  не более чем заданное число объектов.

     Мы  рассмотрели метод деревьев решений; определить его кратко можно как  иерархическое, гибкое средство предсказания принадлежности объектов к определенному  классу или прогнозирования значений числовых переменных.

     Качество  работы рассмотренного метода деревьев решений зависит как от выбора алгоритма, так и от набора исследуемых  данных. Несмотря на все преимущества данного метода, следует помнить, что для того, чтобы построить  качественную модель, необходимо понимать природу взаимосвязи между зависимыми и независимыми переменными и  подготовить достаточный набор  данных.

 

2. Использование метода «дерево решений» для снижения кредитного риска на примере ОАО «Банк Москвы»

2.1. Характеристика ОАО " Банка Москвы" 

     ОАО Банк Москвы – один из крупнейших российских банков. Он располагает 32 отделениями  в Москве и Московской области  и 41 филиалом в крупнейших городах  – административных центрах России.

     С помощью филиалов во всех экономически важных регионах России и развития корреспондентских отношений с  ведущими банками мира Банк Москвы помогает своим клиентам продвигать их собственный бизнес, расширяет  их присутствие через свои филиалы  в крупнейших городах страны и  международных центрах. Банк обслуживание более 40 тысяч клиентов – юридических  лиц и свыше 400 тысяч физических лиц (вместе с филиалами).

     Масштабы  деятельности Банка позволяют ему  выступать в роли надежного партнера при реализации крупных социально-экономических  проектов. В Москве Банк занимает лидирующее положение на рынке инвестиционного  обеспечения городских программ. По своим финансовым показателям  Банк Москвы уверенно входит в первую десятку ведущих российских банков.

     Отличительной особенностью деятельности Банка в  столице и регионах является его  ориентация на поддержку их социально-экономического развития. В Москве Банк уполномочен  осуществлять выплату пенсий и пособий.