درخت تصمیم گیری چیست و چه کاربردهایی دارد؟

درخت تصمیم گیری یکی از شناخته شده‌ترین تکنیک‌ها برای تصمیم‌‌ گیری محسوب می‌شود. علت همه‌گیر بودن آن‌ نیز احتمالاً سادگی استفاده از آن در شناسایی بهترین و بدترین تصمیم است. همچنین به دلیل ساختار ساده‌ای که دارند، در زمینه‌های مختلف می‌توان از آن‌ها استفاده کرد. درخت تصمیم‌گیری می‌تواند دستی هم ترسیم شده و خیلی سریع مسیر و در نتیجه بهترین تصمیم را نمایان کند. از طرفی امکان استفاده از آن از طریق کامپیوترها و نرم‌افزارها در موارد پیچیده هم فراهم است.

 

اساس عملکرد درخت تصمیم گیری

با استفاده از مثال زیر، اساس یک تصمیم‌گیری و نحوه رسیدن به انتخابی درست از طریق درخت تصمیم گیری را شرح می‌دهیم:

• مستطیل‌ها بیانگر تصمیم یا انتخاب هستند.
• دایره‌ها نتایج نامشخص را نشان می‌دهند.
• مثلث‌ها پایان یک مسیر را از طریق درخت تصمیم‌گیری نشان می‌دهند.
• شاخه‌ها نیز احتمال یک نتیجه را مشخص کرده‌اند.

همانطور که در مثال بالا می‌بینید،‌ درخت تمام پاسخ‌های ممکن و حتی محتمل یا نامشخص را هم نشان داده است. در این مثال، نتیجه سرمایه گذاری در ۱۰ سهام مختلف، شانس برابر در بازگردانی ۱۳ یا ۹ هزار دلار دارد.

این درخت، تصمیم‌گیری برای ۱۰ هزار دلار پول را نشان می‌دهد. دو حالت اساسی وجود دارد. آیا قرار دادن این ۱۰ هزار دلار را در بانکی با نرخ سود ۳ درصد اقدام درستی خواهد بود یا خرید ۱۰ سهام مختلف؟ این در حالی است که احتمال بازگشت پول با سود ۳ هزار دلار یا ضرر ۳ هزار دلاری وجود دارد.

در استفاده از درخت، یک واحد اندازه‌گیری ثابت در تمام مسیرها استفاده می‌شود تا تعیین مسیر از طریق آن امکان‌پذیر شود. همانطور که در مثال بالا مشخص است، تمام هزینه‌ها به دلار نوشته شده‌اند. در نتیجه ارزیابی هزینه‌های مرتبط با تمام گزینه‌ها ساده‌تر می‌شود.

درخت تصمیم گیری معمولاً با یک تصمیم اولیه شروع می‌شود و تا رسیدن به همه نتایج ممکن، از طریق گزینه‌ها و شانس‌های مختلف ادامه می‌یابد. حال پس از ترسیم درخت، از نتایج شروع کرده و به عقب برگردید. در این حالت می‌توانید بهترین مسیر را ارزیابی کرده و در نهایت به بهترین نتیجه ممکن برسید. همانطور که میبینیم در مثال بالا بهترین انتخاب، خرید سهام با ۱۰ هزار و ۹۰۰ دلار است؛ هر چند که ریسک بالایی دارد.

 

کاربردهای درخت تصمیم‌گیری

درخت تصمیم‌گیری به طور ذاتی دارای اگر، سپس، غیر از این و… است که باعث می‌شود به راحتی در هر نوع ساختاری کاربرد داشته باشد. همچنین برای مشکلاتی که در برخی طبقه‌بندی‌ها وجود دارد هم مناسب است و با ارزیابی سیستماتیک ویژگی‌ها و مفاد هر کدام از دسته‌ها، منجر به انتخاب بهترین دسته‌ می‌شود. به عنوان مثال درخت تصمیم‌گیری برای تعیین گونه‌های یک حیوان خاص بسیار کارآمد است. به همین دلیل، درخت تصمیم‌گیری یکی از محبوب‌ترین الگوریتم‌ها در یادگیری ماشین و داده کاوی محسوب می‌شود. سایر کاربردهای درخت تصمیم‌گیری عبارتند از:

• ارزیابی فرصت‌های گسترش برند با استفاده از اطلاعات فروش در روز‌ها، ماه‌ها و سال‌های گذشته
• ارزیابی خریداران محتمل نوعی محصول با استفاده از اطلاعات دموگرافیک جهت هدفمند کردن بودجه محدود تبلیغات
• پیشبینی میزان ریسک پیش‌فرض برای وام‌گیرنده‌ها با استفاده از مدل‌های گذشته
• کمک به اولویت‌بندی روش‌های درمان بیمار، بر طبق الگوهای فشار خون، سن، جنسیت، محل زندگی، شدت درد و…

به علاوه، به دلیل ساده‌سازی تحلیل اطلاعات، درخت تصمیم‌گیری در طیف گسترده‌ای از صنایع و شاخه‌ها از جمله انرژی، مالی،‌ مهندسی، بهداشت و درمان، داروسازی، آموزش، قانون، کسب و کار و… مورد استفاده قرار می‌گیرد. برای درک بهتر نحوه عملکرد درخت تصمیم‌گیری به مثال زیر توجه کنید.

فرض کنید شرکتی تجاری می‌خواهد میزان فروش و در نتیجه سود فروش محصولات خود را افزایش دهد. می‌توان از درخت تصمیم‌گیری استفاده کرده و نقشه راه و تمام گزینه‌های محتمل را ترسیم کرد. این شرکت برای افزایش فروش  و سود، دو گزینه پیش رو دارد:

۱. افزایش هزینه تبلیغات

۲. گسترش فعالیت‌های فروش

همین دو گزینه، دو شاخه ایجاد می‌کنند و هر کدام از آن‌ها نیز به دو انتخاب جدید تقسیم می‌شوند.

گزینه ۱ به دو انتخاب تقسیم می‌شود:

• ۱-۱- آژانس تبلیغاتی جدید
• ۱-۲- استفاده از خدمات آژانس تبلیغاتی موجود

گزینه ۲ هم به دو انتخاب زیر تقسیم می‌شود:

• ۲-۱- کار با نمایندگان جدید
• ۲-۲- استفاده از نیروهای فروش خود

انشعاب ادامه دارد و هر از ۴ انتخاب موجود به صورت زیر به ۲ شاخه دیگر منشعب می‌شوند.

انتخاب ۱-۱:

• ۱-۱-۱- افزایش ۱۰ درصدی بودجه که به افزایش فروش ۶ درصدی و سود ۲ درصدی منجر می‌شود.
• ۱-۱-۲- افزایش بودجه ۵ درصدی که موجب افزایش فروش ۴ درصدی و سود ۵/۱ درصدی می‌شود.

انتخاب ۱-۲:

• ۱-۲-۱- افزایش بودجه ۱۰ درصدی و در نتیجه افزایش فروش ۶ درصدی و سود ۲ درصدی.
• ۱-۲-۲- افزایش بودجه ۵ درصدی که افزایش فروش ۴ درصدی و سود ۱۲ درصدی را به دست می‌دهد.

انتخاب ۲-۱:

• ۲-۱-۱ کار با نمایندگی‌های خود که منجر به فروش ۲۰ درصد و سود ۵ درصد می‌شود.
• ۲-۱-۲ کار با نمایندگی‌های موجود که افزایش فروش ۵/۱۲ درصد و افزایش سود ۸ درصد می‌دهد.

انتخاب ۲-۲:

• ۲-۲-۱- استخدام کارکنان فروش جدید که می‌تواند فروش را ۱۵ درصد و سود را ۵ درصد افزایش دهد.
• ۲-۲-۲- افزایش انگیزه در فروشندگان فعلی و در نتیجه افزایش فروش ۴ درصد و سود ۲ درصد.

 

مزیت‌های استفاه از درخت تصمیم گیری

درخت تصمیم‌گیری یکی از سیستماتیک‌ترین ابزارها برای تئوری‌های تصمیم‌گیری و استفاده از آن‌ها در عمل است. از درخت تصمیم‌گیری در حل بسیاری از مشکلات موجود در تصمیم‌گیری‌های پیچیده و چند مرحله‌ای هم استفاده می‌شود. در این حالت دیدگاهی بی‌طرفانه از ریسک و منفعت در هر کدام از گزینه‌ها و انتخاب‌ها شکل می‌گیرد. همچنین در شناسایی یک استراتژی با بالاترین احتمال رسیدن به هدف نیز بسیار کمک کننده هستند.

بنابراین درخت تصمیم‌گیری به دلیل منافع زیر، روشی بسیار موثر است:

• درک و استفاده راحت: درخت تصمیم‌گیری معمولاً بسیار ساده طراحی می‌شود و درک و دنبال کردن استراتژی‌های آن راحت است.
• شفاف: درخت تصمیم‌گیری تمام گزینه‌ها و پیامدها و مزیت‌های آن‌ها را کاملاً آشکار نشان می‌دهد تا همه آن‌ها به چالش کشیده شوند.
• ارائه چهار چوب ارزیابی: ارزش و احتمال هر کدام از نتایج به طور مستقیم در درخت تصمیم‌گیری نشان داده می‌شود.
• توانمند: زمانی که حقایق به راحتی در دسترس نیست، درخت تصمیم‌گیری به راحتی فرضیاتی جدید همراه با تمام احتمالات آن‌ها را معرفی می‌کند.
• امکان ارزیابی اطلاعات: درخت تصمیم‌گیری می‌تواند ارزش اطلاعات و احتمالات را ارزیابی ‌کند که همین موضوع می‌تواند هزینه‌های اضافی برای تحقیقات بیشتر را کاهش دهد.
• ترکیب ساده با سایر تکنیک‌ها: از سایر تکنیک‌ها نیز می‌توان برای ارزیابی گزینه‌های درخت تصمیم‌گیری استفاده کرد. تکنیک‌هایی مانند Net Prest Value (NPV) و Project Evaluation Review Technique (PERT) مثال‌هایی متداول هستند.
• قابل کاربرد در کامپیوترها – ساختار منطقی «اگر، بعد از اینکه و غیر از این» و محاسبات ساده درخت تصمیم گیری استفاده از آن را در کامپیوترها و ابزارهای شبیه‌سازی بسیار ساده کرده است.

 

معایب و محدودیت‌های درخت تصمیم‌گیری

ساختار منظم و منطقی درخت تصمیم‌گیری هنوز هم به یک نفر احتیاج دارد تا صفاتی را که برای ساخت درخت استفاده می‌شود بررسی و امکان‌سنجی کند. مانند تمام ساختارهای منطقی، اگر فرضیات اشتباه باشند نتایج هم گمراه‌ کننده خواهند بود. همچنین فرد باید تفاوت بین علیت و همبستگی، به خصوص برای درختانی را که برای پیشبینی آینده استفاده می‌شوند کاملاً درک کند.

موارد دیگری که در ساخت درخت تصمیم‌گیری حتماً باید دقت کنید، به شرح زیر هستند:

• رشد درخت تصمیم‌گیری از گره اول آغاز و تا نتایج متعدد ادامه دارد. همین موضوع ترسیم دستی درخت‌ را محدود می‌کند.
• با رشد هر چه بیشتر درخت، ممکن است وضوح آن از بین برود. زیرا درک کامل خصوصیات و روابط تعبیه شده در درخت و بین گزینه‌ها، دشوارتر می‌شود.
• اهداف و یا عوامل موفقیت در ساختار درخت تصمیم‌گیری توزیع می‌شود، در نتیجه ممکن است امکان پیگیری مهم‌ترین‌ها از بین برود.
• ارزیابی مسیر تصمیم‌گیری ممکن است نیاز به استفاده از متریک رایج، مانند واحدهای پول، داشته باشد. اما در برخی موارد ممکن است استفاده از چنین متریکی ممکن نباشد.
• تعداد احتمالات ثابت، بسیار کم و محدود است. اما درخت تصمیم‌گیری در جریان احتمالات ثابت پاسخ بهتری می‌دهد.

 

جمع بندی

درخت تصمیم گیری یکی از مهم‌ترین ابزارها برای یک تصمیم‌گیری بهتر است. اما مشکلاتی هم دارد که به برخی از آن‌ها در بالا اشاره کردیم. یکی از مهم‌ترین مشکلات درخت تصمیم‌گیری این است که هر چقدر هم دقیق و قدرتمند بوده و قادر به حل پیچیده‌ترین معماها باشد، باز هم نیاز به یک تصمیم گیرنده برای انشعاب و  انتخاب گزینه‌های بالقوه و محتمل دارد. در نتیجه انسان در هر حال باید قدرت تصمیم‌گیری و مهارت‌های خود در این زمینه را بالا ببرد.

نظر شما چیست؟ آیا استفاده از درخت تصمیم‌گیری در کسب و کار مدرن امروزی نتیجه‌بخش هست؟ آیا نمونه‌های عملی دیگری می‌شناسید؟ آیا تا به حال از درخت تصمیم‌گیری استفاده کرده‌اید؟ اگر چنین است، آیا از نتیجه حاصل راضی بودید؟ عوامل موفقیت یا عدم موفقیت خود را چه می‌دانید؟ لطفاً نظرات و پیشنهادات خود را در پایین همین صفحه برای ما و سایر همراهان انگیزه به اشتراک بگذارید.