תורת ההחלטות היא מה שהופך את התחושה של "אני תקוע" לדרך הניתנת לשחזור לדירוג אפשרויות על בסיס ראיות, פשרות ותוצאות. מחשבון דירוג מטריצה עושה זאת על ידי המרת הקריטריונים, המשקלים והציונים שלכם לדירוג שקוף. מדריך זה מראה מה המתמטיקה עושה בפועל, כיצד לקבוע משקלים ללא הטיות, וכיצד להציג תוצאות מדורגות מבלי להעמיד פנים שהבחירה המובילה היא "מובנת מאליה".
מהו מחשבון דירוג מטריצה (תורת ההחלטות) ומתי דירוג הוא שימושי?
מחשבון דירוג מטריצה הוא מערכת ניקוד שלוקחת אפשרויות (שורות) וקריטריונים (עמודות), מחילה משקלים, ומפיקה רשימה מדורגת על בסיס סך הציונים המשוקללים. במונחים של תורת ההחלטות, זוהי צורה מעשית של ניתוח החלטות מרובה קריטריונים (MCDA): אתם מבצעים הערכה של "תועלת" על פני יעדים מתחרים.
דירוג שימושי כאשר יש לכם אילוצים אמיתיים ויעדים מתחרים: גיוס עובדים, בחירת ספקים, תעדוף מפת דרכים, שינויים תפעוליים, אריזת תמחור, או "על איזו אסטרטגיה אנחנו מהמרים בשני הרבעונים הבאים?". זה שימושי גם כאשר אתם זקוקים לנתיב ביקורת (audit trail) עבור הסיבה לכך שהתקבלה החלטה, ולא רק מה בחרתם.
היכן שדירוג נכשל זה צפוי. ראיתי צוותים "עושים את המטריצה" ועדיין מסיימים בוויכוחים כי המטריצה הסתירה את הוויכוח בתוך קלטים מרושלים: קריטריונים מעורפלים, משקלים שנבחרו כדי להצדיק מועדף, סולמות ניקוד לא עקביים, או נתונים חסרים שטופלו כאפס ללא דיון. המחשבון הוא לעיתים רחוקות הבעיה. ההגדרה היא הבעיה.
אם אתם בוחרים מסגרת עבודה עבור הארגון שלכם, שלבו מדריך זה עם כיצד לבחור מסגרת החלטות עבור הצוות שלכם כדי שתדעו מתי מטריצה היא הכלי הנכון לעומת תהליך החלטה הפיך או כלל פשוט.
מה מטריצת קבלת החלטות מחשבת בפועל
רוב הכלים של "מטריצת קבלת החלטות" מחשבים סכום משוקלל:
לאחר מכן הם ממיינים את האפשרויות לפי TotalScore כדי להפיק את הדירוג.
זה הכל. המורכבות נובעת ממה שאתם מחליטים שכל חלק אומר:
מה מייצג "ציון 4 לעומת 5"?
האם משקלים הם סדרי עדיפויות אמיתיים או רק "תחושות חשיבות"?
האם אתם מערבבים יחידות (דולרים, שבועות, הסתברויות סיכון) ללא נורמליזציה?
אם אתם רוצים את הבסיס הפורמלי, הסקירה של ויקיפדיה על ניתוח החלטות מרובה קריטריונים היא נקודת התייחסות מוצקה למשפחת השיטות שזה נמצא בתוכה.
כיצד קובעים קריטריונים ומשקלים לדירוג?
האופן שבו אתם קובעים קריטריונים ומשקלים קובע אם הדירוג הוא אינפורמטיבי או פוליטי. המטרה אינה "המשקלים המושלמים". המטרה היא משקלים שמשקפים את המציאות, ניתנים להסבר, ויכולים לשרוד בדיקת רגישות.
התחילו עם קריטריונים שניתנים למדידה או לפחות להפרכה. "התאמה אסטרטגית" זה בסדר רק אם אתם מגדירים מה נחשב להתאמה. אני בדרך כלל מכריח כל קריטריון לכלול: הגדרה, מחוון ניקוד ומקור נתונים.
הנה טבלה מעשית שניתן להעתיק לתבנית מטריצת החלטות.
אלמנט
איך נראה "טוב"
מצב כשל שיש להימנע ממנו
קריטריון
ספציפי, לא חופף, רלוונטי להחלטה
כפילויות (למשל, "מאמץ" ו-"מורכבות" שמנקדים את אותו הדבר)
משקל
מסתכם ל-1.0 (או 100%), רציונל כתוב
שקלול כדי להצדיק אפשרות מועדפת
סולם ציון
עוגנים ברורים (1, 3, 5) עם דוגמאות
"5 אומר טוב" ללא מחוון
ראיות
קישור לנתונים, בעל הערכה, תאריך
ציונים המבוססים על זיכרון או על הקול החזק ביותר
שיטת קביעת משקלים שעובדת בצוותים אמיתיים
אם אתם רוצים גישה אחת שהיא פשוטה וניתנת להגנה, השתמשו בשיטת פשרה מאולצת:
תנו לכל בעל עניין 100 "נקודות משקל" להקצאה בין הקריטריונים.
צברו ודונו רק בהפרשים הגדולים ביותר (לא בכל נקודה).
המירו למשקלים על ידי חלוקת הנקודות של כל קריטריון בסך הכל.
זה מכריח תעדוף. זה גם מציף חוסר התאמה מוקדם: אם קבוצה אחת שמה 40% על סיכון ואחרת שמה 5%, הרגע מצאתם את השיחה האמיתית.
כאשר צוותים זקוקים לחלופה מהירה ומוכרת, לפעמים אתחיל עם מטריצת אימפקט מול מאמץ כדי לצמצם את קבוצת האפשרויות, ואז אריץ את המטריצה המשוקללת המלאה על הפיינליסטים. תצוגת אימפקט-מאמץ היא למיון; המטריצה המשוקללת היא למחויבות.
נורמליזציה: הסיבה השקטה לכך ש-"תוצאות סך המטריצה" משקרות
אם קריטריון אחד הוא "השפעה על הכנסות שנתיות ($)" ואחר הוא "זמן הטמעה (שבועות)", ניקוד גולמי הוא השוואה בין תפוחים לתפוזים. גם אם תמירו את שניהם ל-1-5, אתם עדיין יכולים לעוות תוצאות אם המחוון שלכם אינו עקבי.
גישת נורמליזציה מעשית היא למפות ערכים גולמיים לסולם 0-1 משותף:
NormalizedValue = (x - min) / (max - min)
עבור קריטריונים של "נמוך יותר הוא טוב יותר" (כמו עלות או זמן), הפכו זאת:
NormalizedValue = (max - x) / (max - min)
זו לא קטנוניות אקדמית. ראיתי בחירת ספק מתהפכת כי הצוות ניקד "עמדת אבטחה" על בסיס תחושת בטן של 1-5 בעוד ש-"מחיר" דורג באמצעות מחוון הדוק. המטריצה תגמלה דיוק, לא ערך.
אם אתם רוצים התייחסות סמכותית לבחירות נורמליזציה נפוצות ומלכודות, הסקירה של NIST על סולמות מדידה ושיקולי נתונים היא נקודת התחלה שימושית כאשר אתם מתמודדים עם יחידות מעורבות ויכולת השוואה.
כיצד מטפלים בתיקו ובנתונים חסרים?
תיקו אינו באג. זה מידע. תיקו לרוב אומר שהקריטריונים שלכם אינם יכולים להבחין בין שתי אפשרויות ברמת הראיות הנוכחית. התייחסו לכך כאל איתות להוסיף קריטריון מבחין או לאסוף נתונים טובים יותר.
כללי שובר שוויון שניתן להגן עליהם
בחרו כלל שובר שוויון לפני שאתם רואים את התוצאות. אחרת אתם "תגלו" שובר שוויון שמתאים בנוחות למועדף של מישהו.
הנה כללי שובר שוויון שבהם השתמשתי שנשארים כנים:
העדיפו את האפשרות עם אי-ודאות נמוכה יותר (מרווח ביטחון צר יותר בהערכות מפתח).
העדיפו את האפשרות עם סיכון בלתי הפיך נמוך יותר (מחויבויות שקשה לבטל).
העדיפו את האפשרות שמנצחת בקריטריון החשוב ביותר (אם המשקלים משקפים סדרי עדיפויות אמיתיים).
הריצו ניתוח תרחישים קצר: המקרה הטוב ביותר, הצפוי, הגרוע ביותר. העדיפו את האפשרות עם המקרה הגרוע ביותר הטוב ביותר אם לחיסרון יש משמעות.
אם אתם רוצים למסד אי-ודאות, אתם יכולים גם לבצע סימולציית מונטה קרלו קלה. אפילו 500 הרצות בגיליון אלקטרוני יכולות להראות אם ה-"#1" שלכם הוא למעשה שביר.
נתונים חסרים: החליטו על המדיניות שלכם מראש
רוב כלי מחשבון דירוג המטריצה מתייחסים בשקט לערכים חסרים כאל אפס. זה כמעט תמיד שגוי כי "לא ידוע" אינו זהה ל-"רע".
בחרו מדיניות אחת ותעדו אותה בנתיב הביקורת:
חסימת ניקוד: לא ניתן לדרג עד ששדות חובה מלאים.
זקיפה (Impute): השתמשו בהערכה שמרנית (וסמנו אותה כזקופה).
קנס: החסירו קנס אי-ודאות קטן כדי שאלמונים לא ינצחו על ידי השמטה.
כלל פשוט שאני אוהב: אם קריטריון הוא שער (אבטחה, תאימות, חוקיות), הוא אינו קריטריון משוקלל כלל. זהו מסנן מעבר/כישלון שמסיר אפשרויות לפני הדירוג.
כיצד מציגים תוצאות מדורגות מבלי להסתיר פשרות?
רשימה מדורגת היא מפתה כי היא נראית החלטית. הבעיה היא שדירוג דוחס מציאות רב-ממדית למספר אחד. אם תציגו רק את הדירוג, תקבלו את הסוג הגרוע ביותר של יישור קו: הסכמה ללא הבנה.
הציגו את פרופיל הפשרה לצד הדירוג
במקום "אפשרות ב' היא #1", הציגו: "אפשרות ב' מנצחת בזמן לערך ובסיכון, מפסידה ברווח לטווח ארוך". זה שומר על ההחלטה כנה.
השתמשו בטבלה שמכריחה את השיחה להישאר על פשרות:
אפשרות
דירוג
למה היא מדורגת גבוה
מה היא מקריבה
מה היה משנה את ההחלטה
א'
1
חזקה בקריטריונים בעלי משקל גבוה
עלות גבוהה יותר, השקה איטית יותר
אם התקציב יורד ב-15%
ב'
2
המהירות הטובה ביותר, מורכבות נמוכה
רווח נמוך יותר
אם משקל הרווח עולה
ג'
3
הרווח הגבוה ביותר
מסוכנת יותר, יותר תלויות
אם הסיכון מופחת
כאן תורת ההחלטות היא מעשית: אתם לא "מוצאים את האמת". אתם הופכים את ההנחות שלכם למפורשות כדי שאנשים יוכלו לאתגר את הדבר הנכון.
בדיקות רגישות: הוכיחו שהדירוג יציב (או הודו שלא)
בדיקת רגישות עונה על: "אם נשנה משקלים מעט, האם המנצח משתנה?". אם הוא מתהפך בקלות, הדירוג אינו החלטה. זו העדפה שבירה.
שתי בדיקות מהירות שעובדות:
תנודת משקל: הגדילו את משקל הקריטריון המוביל ב-10% והקטינו אחרים באופן יחסי. האם דירוג #1 נשאר #1?
דלתא של שני המובילים: אם הפרש הניקוד בין #1 ל-#2 קטן מרעש הניקוד שלכם (לרוב 0.2 עד 0.5 במחוון 1-5), התייחסו אליהם כאל שווים בפועל.
ל-Harvard Business Review יש סיקור שימושי על מדוע מנהיגים מפרשים לא נכון ביטחון בהחלטות וכיצד לבנות תהליכי החלטה טובים יותר, כולל פרה-מורטם וטיפול באי-ודאות. מרכז הנושא של קבלת החלטות שלהם הוא נקודת התחלה אמינה: Harvard Business Review על קבלת החלטות.
נתיבי ביקורת: ההבדל בין כלי לתיעוד החלטה
אם אתם רוצים שהדירוג יזכה לאמון, אתם צריכים להיות מסוגלים לענות, שבועות לאחר מכן:
מי קבע כל ציון?
אילו ראיות תמכו בכך?
באיזה תאריך הראיות היו עדכניות?
מה השתנה מאז?
זו הסיבה שגיליונות אלקטרוניים סטטיים נכשלים בהקשרים שנעים במהירות. ברגע שהנחות משתנות, המטריצה הופכת לחפץ מיושן ואנשים מפסיקים להאמין בה.
הפכו "מחשבון דירוג מטריצה" למפת אפשרויות חיה (עם Lucid)
דירוג מחשבון מטריצה הוא התחלה מצוינת, אך דירוג לבדו אינו לוכד תוצאות. בהחלטות אמיתיות, השאלה היא לעיתים רחוקות "איזו אפשרות מקבלת את הציון הגבוה ביותר?". השאלה היא "מה יקרה הלאה אם נבחר בה?".
זה הפער ש-Lucid נבנתה לסגור. אתם יכולים להכניס הערות מבולגנות או תמלול קולי, ליצור מפת אפשרויות עם יתרונות, חסרונות ותוצאות עתידיות, ואז להשוות נתיבים זה לצד זה בתצוגת לוח. כאשר ההקשר משתנה (אילוץ חדש, נתונים חדשים, סיכון הופך לאמיתי), הלוח מתעדכן ותיעוד ההחלטה שלכם נשאר עקבי.
אם אתם רוצים שההחלטה תהיה קריאה לצוות שלכם, התחילו עם לוח מובנה ושמרו על הדירוג גלוי כעדשה אחת, לא כל הסיפור. בנינו את Lucid עבור בעלי החלטות שנמאס להם להתווכח מחדש על אותן פשרות בכל פגישה.
צעד הבא טוב הוא ליצור לוח החלטות אחד עבור הדילמה הנוכחית שלכם ולהכריח שלושה דברים להיות מפורשים: קריטריונים, משקלים, ומה היה משנה את דעתכם. אתם יכולים לעשות זאת בדקות על ידי התחלת לוח חדש לאחר שתצרו חשבון Lucid. טיפ אחרון: התייחסו לדירוג הראשון כאל טיוטה, ואז הריצו בדיקת רגישות אחת לפני שאתם נותנים למישהו לקרוא לזה "התשובה".
