کاروباری مالکان کو غیر یقینی صورتحال سے بھرا ہوا معاملات پر ہر روز فیصلے کرنے ہوتے ہیں۔ معلومات کامل نہیں ہے ، اور بہترین انتخاب ہمیشہ واضح نہیں ہوتا ہے۔ ان مبہم حالات کو نپٹنے کا ایک طریقہ فیصلہ درخت کا استعمال ہے۔ فیصلے والے درخت متعدد فوائد رکھتے ہیں جو انہیں منیجروں کے ل for مفید اوزار بناتے ہیں۔
فیصلہ کن درخت کیا ہے؟
فیصلہ کن درخت ایک انتظامی ٹول ہوتا ہے جو فیصلہ کے تمام متبادل متبادل اور نتائج کو ایک فلو چارٹ قسم کے آریھ میں پیش کرتا ہے جیسے درختوں کی طرح شاخوں اور پتوں کے ساتھ۔ درخت کی ہر شاخ فیصلے کے آپشن ، اس کی قیمت اور اس کے امکان ہونے کے امکان کی نمائندگی کرتی ہے۔ شاخوں کے آخر میں پتے ممکنہ معاوضے یا نتائج کو ظاہر کرتے ہیں۔ فیصلہ کن درخت گرافک طور پر تمام ممکنہ متبادلات ، امکانات اور نتائج کی وضاحت کرتا ہے اور فیصلہ تجزیہ کے استعمال سے ہونے والے فوائد کی نشاندہی کرتا ہے۔
فیصلہ کن درخت کیسے کام کرتا ہے؟
آئیے ایک سادہ سی مثال کے ساتھ شروع کرتے ہیں ، اور یہ بتاتے ہیں کہ کس طرح فیصلہ کن درختوں کو سرمایہ کاری کے متبادلات کی قدر کرنے کے لئے استعمال کیا جاتا ہے۔ فرض کریں کہ آپ دو طرح کے کاروبار شروع کرنے کے درمیان فیصلہ کرنے کی کوشش کر رہے ہیں: لیمونیڈ اسٹینڈ یا کینڈی اسٹور۔
کینڈی اسٹور میں $ 150 تک کمانے کی صلاحیت موجود ہے۔ لیمونیڈ اسٹینڈ زیادہ سے زیادہ $ 120 کما سکتا ہے۔ اس وقت ، جواب واضح ہے۔ کینڈی اسٹور کے ساتھ جائیں کیونکہ اس سے لیمونیڈ اسٹینڈ سے زیادہ کما سکتا ہے۔
لیکن کاروبار شروع کرنا اور منافع کمانا کبھی بھی یقینی بات نہیں ہوتی۔ کینڈی اسٹور میں کامیابی کا 50 فیصد اور ناکامی کا 50 فیصد امکان ہے۔ اگر یہ کامیاب ہوتا ہے تو ، آپ $ 150 بناتے ہیں۔ دوسری طرف ، اگر یہ ناکام ہوتا ہے تو ، آپ اپنے شروعاتی اخراجات $ 30 سے محروم ہوجائیں گے۔
تاہم ، موسم گرم ہے ، اور لیمونیڈ اسٹینڈ میں کامیابی کا 70 فیصد اور ناکامی کا 30 فیصد امکان ہے۔ اگر یہ کام کرتا ہے تو ، آپ $ 120 بناتے ہیں۔ اگر نہیں ، تو آپ 20 ڈالر کی ابتدائی سرمایہ کاری کھو دیتے ہیں۔
اب ، آپ کس کاروبار کا انتخاب کرتے ہیں؟ اس کا جواب فیصلے والے درخت کی شکل اور "متوقع قدر" کے تصور کے ذریعے حاصل کیا جاسکتا ہے۔
ریاضی کے لحاظ سے ، متوقع قیمت ایک متغیر کی پیش گوئی شدہ قیمت ہے جس میں ہر ممکنہ نتائج کا اضافہ کرکے پایا جاتا ہے ، ہر ایک کے اس امکان کے ضرب میں کہ اس کے ہونے کا امکان بڑھ جاتا ہے۔ یہ مضحکہ خیز لگتا ہے ، لیکن یہ ہماری مثال کے ساتھ واضح ہوگا۔
آئیے کینڈی اسٹور میں سرمایہ کاری کی متوقع قیمت کا حساب لگائیں۔ فارمولا مندرجہ ذیل ہے۔
- متوقع ویلیو کینڈی = کامیابی کا 50 فیصد X نتیجہ + ناکامی کا 50 فیصد ایکس نتیجہ۔
- متوقع ویلیو کینڈی = 0.50 x $ 150 + 0.50 x (- $ 30) = $ 60۔
اب ، لیمونیڈ اسٹینڈ کی متوقع قیمت کا حساب لگائیں۔
- متوقع ویلیو لیمونیڈ = کامیابی کا 70 فیصد X نتیجہ + 30 فیصد ایکس ناکامی کا نتیجہ۔
- متوقع ویلیو لیمونیڈ = 0.70 X $ 120 + 0.30 X (- $ 20) = $ 78.
چونکہ مقصد یہ ہے کہ وہ کاروبار منتخب کریں جو شاید زیادہ سے زیادہ رقم کمائے ، لہذا یہ تجزیہ ظاہر کرتا ہے کہ لیمونیڈ اسٹینڈ بہترین انتخاب ہے۔ اس میں کینڈی اسٹور کی متوقع قیمت کے مقابلے میں $ 78 کی اعلی متوقع قیمت ہے۔
معلومات کے ساتھ فیصلہ کن درخت کو کس طرح استعمال کریں
اب ، ایک پیچیدہ مسئلے کو حل کرنے کے لئے فیصلہ کن درخت کو استعمال کرنے کے فوائد کو دیکھیں۔
کہتے ہیں کہ آپ ایک سٹینلیس سٹیل حصے کے کارخانہ دار ہیں جو واشنگ مشین میں جاتا ہے ، اور آپ کو کسی فیصلے کا سامنا کرنا پڑتا ہے۔ کیا آپ اپنی موجودہ سہولیات میں اس حصے کو گھڑ رہے ہیں یا آپ اسے کسی اور مشین شاپ میں ضمنی معاہدہ کرتے ہیں؟
اس فیصلے کے گرد ہر طرح کی غیر یقینی صورتحال موجود ہے اور معیشت کی مضبوطی اور طلب کی سطح کو جاننے سے پہلے فیصلہ کرنا ہوگا۔
اس صورتحال کے لئے فیصلہ کن درخت کی تعمیر کے لئے درکار اعداد و شمار درج ذیل ہیں۔ اعداد و شمار ہزاروں ڈالر میں ہیں۔
ہمارے پاس تین معاشی حالات ہیں: اعلی مانگ والی مضبوط معیشت ، درمیانی معیشت یا کم مانگ والی کمزور معیشت۔
ہر طلب کی سطح کے ل occ ہونے کا امکان یہ ہے: اعلی کے لئے 0.30 ، درمیانے درجے کے لئے 0.40 اور کم کے لئے 0.30۔
اگر پروڈکٹ گھر کے اندر گھڑ لیا گیا ہے تو ، واپسی اعلی طلب کے لئے $ 200 ، درمیانے درجے کے لئے $ 60 اور کم کے لئے $ 30 کا نقصان ہے۔ کم مانگ پر منفی واپسی کی وجہ یہ ہے کہ گھر کے اندر گھڑنے والے سازوسامان کے لئے سامان لگانے میں رقم خرچ ہوتی ہے ، اور اگر ان سیٹ اپ کے اخراجات کو پورا کرنے کے لئے مطالبہ اتنا زیادہ نہیں ہوتا ہے تو نتیجہ خسارہ ہوتا ہے۔
بیرونی سپلائر سے خریداری کے ل returns اگر مطالبہ زیادہ ہو تو $ 140 ، درمیانے درجے کی مانگ کے لئے $ 80 اور جب مانگ کم ہو تو $ 20 ہیں۔
معیشت کی سمت سے متعلق مشورے کے ل an معاشی مشیر کی خدمات حاصل کرنے کے لئے لاگت $ 10 ہے۔ اس کا امکان جو مشیر ایک سازگار معیشت کی پیشن گوئی کرے گا ، ناگوار معیشت کے لئے 0.40 اور 0.60 ہے۔ نوٹ کریں کہ یہ امکانات تحقیق کے فائدہ کے بغیر اصل گمان شدہ امکانات کو تبدیل کردیں گے۔
فیصلے کے مقصد کے دو حصے ہیں: طے کریں کہ آیا مارکیٹ کی تحقیق کے لئے ادائیگی کرنا ہے اور بہترین حکمت عملی کے بارے میں فیصلہ کرنا ہے۔
تمام احتمالات اور متوقع ادائیگیوں کے ساتھ فیصلہ کن درخت کی تعمیر کے بعد ، ہمیں معلوم ہوا ہے کہ مارکیٹ ریسرچ کی ادائیگی کے بعد متوقع قیمت $ 74.6 ہے تاہم ، مارکیٹ ریسرچ کے بغیر متوقع قیمت $ 80 ہے۔
اس معاملے میں ، تحقیقات کے نتیجے میں ایک کم متوقع قیمت ، $ 74.6 کے مقابلے میں in 80 ، تو تحقیق کا مشورہ لینے والے کا مشورہ لینے کا فیصلہ نہیں ہے۔
اب ، ہمیں یہ فیصلہ کرنا ہے کہ گھر میں حصہ بنانا ہے یا اسے باہر جمع کرنا ہے۔
فیصلہ کن درخت دو شاخوں سے شروع ہوتا ہے: کنسلٹنٹ کی خدمات حاصل کریں یا نوکری پر نہیں رکھیں۔
ان دونوں شاخوں میں سے ہر ایک فیصلے کے نوڈس کا باعث بنتا ہے جس میں گھروں میں مکانات تیار کرنے یا کام ختم کرنے کے لئے زیادہ شاخیں ہوں گی۔ ان سب شاخوں کے آخر میں پتے ہیں ، جو تین معاشی حالتوں میں سے ہر ایک کی ادائیگی کی نمائندگی کرتے ہیں۔
تمام احتمالات اور ادائیگیوں کے بارے میں فیصلہ کرنے کے بعد ، فیصلہ کن درخت سے پتہ چلتا ہے کہ کنسلٹنٹ کو استعمال کرنے کی متوقع قیمت is 75 ہے ، اور مشیر کو استعمال نہ کرنے کی متوقع قیمت $ 80 ہے۔ کنسلٹنٹ کا استعمال نہ کرنے کی متوقع قیمت زیادہ ہے ، لہذا اس انتخاب کا انتخاب کیا جائے۔
ایک قدم آگے جاکر ، فیصلہ کن درخت کام کرنے کا معاہدہ کرنے کے لئے زیادہ متوقع قدر ظاہر کرتا ہے ، لہذا کارخانہ دار باہر کے سپلائر کی خدمات حاصل کرتا ہے۔
ریاضی کی تفصیلات میں جانے کے بغیر ، ہم ان فیصلوں کے درخت کے فوائد کو ایک مفید ٹول کے طور پر دیکھ سکتے ہیں جس میں ایسے مسائل کا حل تلاش کرنے کے لئے ہیں جن میں متعدد امکانات اور متوقع معاوضے ہوتے ہیں۔ فیصلہ کرنے والے درخت عملی طور پر مختلف نصاب کے درمیان انتخاب کرنے کا عقلی طریقہ فراہم کرتے ہیں۔
نتائج کی پیش قیاسی کے لئے فیصلہ کن درخت کا استعمال
متوقع اقدار پر مبنی متبادل کے انتخاب کے لئے فیصلہ کن درختوں کے استعمال کے علاوہ ، ان کو ترجیحات کی درجہ بندی اور پیش گوئیاں کرنے کے لئے بھی استعمال کیا جاسکتا ہے۔
ایک مثال اس درخواست کی بہترین وضاحت کرے گی۔ فرض کریں کہ ایک گھڑی خوردہ فروش اس امکان کو جاننا چاہتا ہے کہ آن لائن گاہک ایک گھڑی خریدے گا۔ فیصلہ کن درخت تعمیر کیا جاسکتا ہے جو اس صورتحال کی خصوصیات کو ظاہر کرتا ہے: جنس ، عمر اور آمدنی کی سطح۔
فیصلہ کن درخت اس بات کی نشاندہی کرے گا کہ ان میں سے کون سا صفات سب سے زیادہ پیش گوئی کرنے والی قیمت کی حامل ہے اور ، آخر کار ، آیا کمپنی کی ویب سائٹ پر آنے والا خریداری کرے گا۔
فیصلے والے درختوں کے لئے درخواستوں کی مثالیں
متوقع قدروں کا استعمال کرتے ہوئے کارروائی کے نصاب کے بارے میں فیصلہ کرنے کے لئے فیصلہ کن درختوں کا استعمال عام ایپلی کیشنز کی طرح ہے۔
- سی ایف او یہ فیصلہ کررہا ہے کہ معیشت کی مستقبل کی توقعات پر مبنی اسٹاک میں 10،000 ڈالر کی زائد نقد رقم لگائیں یا بینک بچت کھاتے میں چھوڑ دیں۔
- ایک کسان بارش کی پیش گوئی ، اجناس کی قیمتوں کی پیش گوئیاں اور فی ایکڑ پیداوار کے حساب سے سویا بین ، مکئی لگانے یا کسی چیز کو نہ لگا کر سرکاری سبسڈی لینے کے درمیان فیصلہ کرنے کے لئے استعمال کرتا ہے۔
- ایک کامیاب پزیریا کا مالک یہ فیصلہ کرنے کی کوشش کر رہا ہے کہ آیا موجودہ اسٹور کو بڑھایا جائے یا قریبی شہر میں کوئی دوسرا کھولا جائے۔
- ایک رومانوی ناول نگاری مصنف کسی فلم کمپنی کی جانب سے اپنے ایک مشہور ناول اور ٹی وی نیٹ ورک کی جانب سے پیش کردہ پر غور کر رہی ہے۔ فلم کمپنی جو رقم ادا کرے گی اس میں باکس آفس کی حاضری مختلف ہوتی ہے ، جبکہ ٹی وی نیٹ ورک ایک فلیٹ ، واضح ادائیگی ہے۔ کس پیش کش کو قبول کرنے کی؟
- کمپنی تمام سیلز عملے کے ل cars کاریں لیز پر دینے ، کاروں کو خریدنے یا ملازمین کو اپنی کاروں میں بزنس میل کے لئے ادائیگی کرنے پر غور کر رہی ہے۔
یہ درجہ بندی کی دشواریوں کی مثالیں ہیں جن کا فیصلہ درختوں کے استعمال سے تجزیہ کیا جاسکتا ہے۔
- کسٹمر بینک لون کی درخواست کی درجہ بندی جیسے عوامل پر انکم کی سطح ، موجودہ ملازمت کے سال ، کریڈٹ کارڈ کی ادائیگی کا وقت بندی اور کسی مجرمانہ ریکارڈ کا وجود۔
- پیشن گوئی کے تاریخی اعداد و شمار (دھوپ ، تیز آندھی یا بارش) ، درجہ حرارت (گرم ، ہلکا یا ٹھنڈا) ، نمی (زیادہ یا معمول) اور ہوا کی تیز رفتار (ہوا چلنا ہے یا نہیں) کی بنا پر ٹینس کھیلنا ہے یا نہیں اس کا فیصلہ۔
- عمر ، جنس ، بلڈ پریشر ، درجہ حرارت ، دل کی شرح ، درد کی شدت اور دیگر اہم پیمائشوں پر مبنی ہنگامی کمرے کے علاج کیلئے مریضوں کو ترجیح دینا۔
- کسی خاص مصنوع کے ممکنہ خریداروں کی تعداد پر محدود اشتہاری بجٹ کا اثر طے کرنے کیلئے آبادیاتی اعداد و شمار کا استعمال۔
فیصلہ درخت تجزیہ کے فوائد کیا ہیں؟
فیصلہ کن درختوں کو عملی ، مفید انتظاماتی ٹول کی حیثیت سے متعدد فوائد ہیں۔
وسیع
فیصلے والے درخت کا ایک اہم فائدہ یہ ہے کہ وہ کسی فیصلے کے تمام ممکنہ نتائج پر غور کرنے پر مجبور ہوتا ہے اور ہر راستے کو کسی نتیجے پر لے جاتا ہے۔ یہ ہر شاخ کے ساتھ ساتھ نتائج کا ایک جامع تجزیہ تخلیق کرتا ہے اور فیصلے کے نوڈس کی نشاندہی کرتا ہے جن کو مزید تجزیہ کی ضرورت ہوتی ہے۔
مخصوص
فیصلے کے درخت ہر مسئلے ، فیصلے کے راستے اور نتائج کے لئے مخصوص قدریں مقرر کرتے ہیں۔ مالیاتی اقدار کا استعمال اخراجات اور فوائد کو واضح کرتا ہے۔ یہ نقطہ نظر متعلقہ فیصلے کے راستوں کی نشاندہی کرتا ہے ، غیر یقینی صورتحال کو کم کرتا ہے ، ابہام کو صاف کرتا ہے اور کارروائی کے مختلف نصاب کے مالی نتائج کو واضح کرتا ہے۔
جب حقائق سے متعلق معلومات دستیاب نہیں ہیں ، تو فیصلہ کے درخت آسانی سے موازنہ کے ل choices انتخاب کو ایک دوسرے کے ساتھ تناظر میں رکھنے کے لئے شرائط کے لئے احتمالات کا استعمال کرتے ہیں۔
استعمال میں آسان
فیصلہ والے درخت آسان ریاضی کے ساتھ استعمال کرنے اور سمجھانے میں آسان ہیں ، کوئی پیچیدہ فارمولے نہیں۔ وہ ضعف سے فوری تقابلی کے فیصلے کے تمام متبادل کو ایک ایسی شکل میں پیش کرتے ہیں جو صرف مختصر وضاحتوں کے ساتھ سمجھنا آسان ہے۔
وہ بدیہی ہیں اور سوچنے کے اسی انداز پر چلتے ہیں جو انسان فیصلے کرتے وقت استعمال کرتے ہیں۔
بہمھی
فیصلہ کن درختوں کے ذریعہ بہت سارے کاروباری مسائل کا تجزیہ اور حل کیا جاسکتا ہے۔ وہ بزنس مینیجرز ، ٹیکنیشنز ، انجینئرز ، میڈیکل اسٹاف اور کسی اور کے لئے مفید ٹول ہیں جن کو غیر یقینی صورتحال میں فیصلے کرنا ہوں گے۔
کسی فیصلے والے درخت کی الگورتھم کو انتظامی تجزیہ کے دوسرے اوزار جیسے نیٹ پریزنٹ ویلیو اور پروجیکٹ ایوولیویشن ریویو ٹیکنک (پی ای آر ٹی) کے ساتھ مربوط کیا جاسکتا ہے۔
آسان پیچیدہ درخت زیادہ پیچیدہ خاکوں کے لئے کمپیوٹر پروگراموں کے ذریعہ دستی طور پر تعمیر یا استعمال کیے جاسکتے ہیں۔
غیر یقینی صورتحال کے ساتھ درپیش مسائل کا بہترین حل تلاش کرنے کے لئے فیصلہ کن درخت ایک عام فہم تکنیک ہیں۔ کیا آپ آج کام کرنے کے لئے چھتری لیتے ہیں؟ جاننے کے ل decision ، فیصلہ کرنے کے ل tree ایک سادہ آریھ تعمیر کریں۔
