доктор Матиас Нёльке ( Matthias Nollke), немецкий психолог, автор нескольких книг по креативности и развитию творческих способностей.
Рассматриваемые здесь техники принятия решений предназначены прежде всего для того, чтобы помочь вам максимально облегчить процесс выработки наиболее выгодного для вас решения. Ни один из этих методов не претендует на универсальность применения в любой жизненной ситуации. Скорее верно обратное: если какой-то метод не подошел вам для решения конкретной практической ситуации, то просто измените его или выберите другой. Далее мы подробно рассматриваем шесть методов принятия решений: «дерево решений», «наименьшее зло», «всё по максимуму» и метод Лапласа, сценарий «наихудшего случая», «система нокаута», техники воображения и «Буриданов осел».
1. «Дерево решений»
Многие решения даются нам легче, если мы можем изобразить их графически. Подходящим вспомогательным средством для того, чтобы выстроить многоступенчатый процесс решения, является так называемое «дерево решений»:
Оно делает комплексные, многоступенчатые решения абсолютно «прозрачными».
Все связи становятся более явными, а процессы — более четко структурированными.
«Дерево решений» также помогает вам впоследствии распознавать ошибочные оценки и исправлять их.
Как нужно действовать?
Вы начинаете с постановки вопроса или формулировки проблемы, которую записываете в самом верху листа. От этого «отправного пункта» отходят две (или более) «ветви», которые обозначают возможные решения вашего вопроса.
На последующих уровнях располагаются соподчиненные элементы: решения, события (состояния), последствия. Для большей ясности этим элементам присваиваются три различных символа:
квадрат — для решений;
круг — для событий (состояний);
треугольник — для последствий.
От этих элементов могут ответвляться следующие решения, состояния или последствия. И так до того уровня, который вы избрали предварительным результатом вашего решения (уровень последствий). На каждом уровне содержатся элементы только одного типа, т. е. только решения, или только состояния, или только последствия.
Весьма распространена трехслойная модель: за исходным вопросом следует первый слой с возможными решениями, одно из которых вы должны выбрать. Второй слой вводит в игру события, которые могут произойти после того, как решение будет принято. Третий слой содержит последствия в каждом соответствующем случае. «Дерево решений» позволяет вам представить различные возможные решения вместе с их последствиями. Вы также получаете представление о том, какова вероятность тех или иных последствий.
Какова вероятность последствий?
Не все последствия имеют одинаковую вероятность. Чем более различается степень вероятности, тем более серьезное значение нужно придавать этому обстоятельству. Без информации о вероятности последствий не может быть найдено правильное решение.
Именно поэтому каждому состоянию должно быть присвоено соответствующее вероятностное значение. Естественно, вы должны заранее знать эти значения или иметь возможность точно рассчитать их. Как правило, значения всех состояний, связанных с определенным решением, составляют в сумме 1. Если два состояния одинаково вероятны, каждое из них имеет значение 0,5.
Пример. Вероятность того, что после вакцинации у вас поднимется температура, составляет 25 %. Из этого следует, что состояние «температура» имеет вероятностное значение 0,25, в то время как состояние «нет температуры» — значение 0,75. Риск инфицирования составляет для вас 3 % (вероятностное значение — 0,03), а вероятность того, что вы не будете инфицированы, таким образом, составляет 97 % (вероятностное значение — 0,97).
При сложных решениях вам приходится сталкиваться с гораздо большим количеством ступеней-состояний. Если происходит случай А (а не В), то может произойти как случай С, так и случай D, из чего вытекают различные последствия. Но с какой вероятностью? Здесь действует правило умножения. Вы должны умножить вероятностные значения случая А на вероятностные значения случая С или, соответственно, случая D.
Пример. Вероятность того, что после вакцинации вы будете инфицированы и у вас поднимется температура, составляет 0,75 % (0,25 х 0,03 = 0,0075). Вероятность же того, что после вакцинации у вас не поднимется температура и вы не будете инфицированы, составляет 72,75 % (0,75 х 0,97 = 0,7275).
Проблема, однако, состоит в том, что в большинстве случаев вероятностное значение вам неизвестно. Тогда вам нужно произвести оценку. И подобная оценка значений не только может быть неточной или произвольной, но имеет также опасную тенденцию усиливаться и фальсифицировать результат. Можно лишь посоветовать очень осторожно обращаться с подобными оценками.
В конце каждого «дерева решений» выстраиваются в виде кроны (или, скорее, корней) последствия каждого решения. Этот список поможет вам найти правильное решение. Просмотрите каждое последствие в отдельности и проверьте, какие из них наиболее близко подводят вас к осуществлению цели. Какова вероятность этих последствий?
В идеальном случае все последствия можно оценить по одному критерию, например сколько денег вы получите. в таком случае вы можете сравнить различные альтернативы, например: если вы выберете альтернативу А, то выиграете 10 тыс. евро при условии, что произойдет событие X. Если же произойдет событие Y, то вы потеряете 3 тыс. евро.
Чем более различны по содержанию предполагаемые последствия, тем менее выразительным получается «дерево решений».
Пример. Г-н Якоб хочет решить, стоит ли ему купить собаку. В конце его «дерева решений» возникают следующие последствия: «Я не смогу больше свободно путешествовать», «2,5 тыс. евро», «Каждый день ходить гулять в парк» и «Никакой защиты от грабителей». Теперь г-н Якоб не знает, на что ему решиться.
Для анализа последствий вам необходимо нечто вроде общего знаменателя, а именно ваши критерии оценки, т. е. ваши цели. Если у вас не одна цель, то и «деревьев решений» должно быть несколько.
«Дерево решений» показывает вам, какие последствия могут иметь ваши решения и определенные события. Для этого вам нужно все максимально упростить. Вы можете внести в «дерево решений» лишь небольшое количество событий. Кроме того, все должно быть ясно и четко систематизировано, а это не всегда возможно. В «дереве решений» нет места для промежуточных аспектов. Единственный смысл «дерева решений» состоит в том, что вы получаете более наглядную картину проблемы и ваши мысли, хотите вы этого или нет, структурируются.
Какую альтернативу вы предпочтете, зависит от ваших пристрастий. Чтобы выбрать подходящую, целесообразно выстроить все последствия в иерархическом порядке: что вам нравится больше, а что совсем не желательно? Возможно, вы даже сможете оценить их по десятибалльной шкале (0 — нежелательно, 10 — превосходно).
2. «Наименьшее зло», «всё по максимуму» и Лаплас
Чтобы выбрать подходящее решение, вы можете обратиться к трем классическим правилам, которые относятся к принятию решений в условиях неопределенности (а также при отсутствии точного вероятностного значения).
Согласно правилу «наименьшего зла» необходимо выбрать тот вариант, который при возникновении наиболее нежелательного последствия приводит к наивысшему результату. Таким образом вы обезопасите себя.
Следуя правилу «всё по максимуму», вы должны выбрать ту альтернативу, которая приведет к наилучшему результату в наиболее благоприятном случае. Это правило для оптимистов.
Критерий Лапласа представляет собой общую оценку всех событий, которые могут иметь хоть какое-то отношение к той или иной альтернативе. Таким образом, например, общая сумма выигрыша в случае А, когда вы выигрываете 10 тыс. евро, и в случае В, когда вы проигрываете 5 тыс. евро, составит 5 тыс. евро. В другом же варианте, если бы вы могли выиграть 10 тыс., но при этом проиграть уже 8 тыс., общая сумма составила бы только 2 тыс. евро. Следовательно, вам нужно было бы выбрать первый вариант.
Нельзя рекомендовать следовать в каждом конкретном случае определенной схеме. Скорее, наоборот, вы должны взвесить значения возможных последствий и на основании этого на свой страх и риск принять решение.
Пример. При решении А вероятность того, что вы выиграете 10 тыс. евро, составляет 40 %, а того, что проиграете 2 тыс. евро, — 60 %. При решении В вероятность выигрыша в 2 тыс. евро составляет 60 %, а проигрыша в 1 тыс. евро — 40 %. На что решиться? Математически здесь все совершенно ясно: решение А предпочтительнее. Вы достигнете общего результата в 2,8 тыс. евро (0,4 х 10 тыс. евро + 0,6 х (-2 тыс. евро)), в то время как при решении В получается только 800 евро (0,6 х 2 тыс. евро + 0,4 х (-1 тыс. евро)). Однако многие выберут вариант В. Почему? Для вас гораздо важнее меньше проиграть, чем больше выиграть, хотя с точки зрения математики этот вариант ошибочен.
3. «Система нокаута»
Этот метод может быть использован лишь тогда, когда вам приходится выбирать из огромного количества похожих вариантов. Независимо от того, выбираете ли вы книгу или страховку на случай болезни, «система нокаута» поможет вам сэкономить много времени и сил.
Первое, что вам нужно, — это четкие «критерии нокаута». При поиске кандидата на определенную должность они могут быть следующими: возраст, внешность, разговорчивость, знания. Вы вынимаете несколько заявок из общей стопки и проверяете возраст кандидата. Если соискатель слишком стар или слишком молод, вам больше не надо тратить на него время и вы переходите к следующему.
Продолжайте оценку по всем критериям. Если какое-то из требований не выполняется, отказывайтесь от кандидата. Выберите тот вариант, который будет соответствовать всем требованиям.
Успех поиска решения зависит от того, насколько рационально систематизированы «отфильтровываемые» возможности. Для этого необходимо решить, в какой последовательности выстроить «фильтры» — критерии.