Введение в дисциплину "Поддержка принятия решений" (Окончание)

7. Групповые решения

До сих пор можно было считать, что у нас есть один эксперт или один ЛПР. А что делать, если их несколько? Пусть, для примера, мы готовим предложения для одного ЛПР и хотим учесть мнение нескольких экспертов. Рассмотрим такой случай  применительно к модели критериального выбора.

При групповой экспертизе наиболее типична следующая ситуация:

• у экспертов разные мнения по поводу набора критериев,
• у экспертов разные мнения о сравнительной значимости критериев,
• эксперты дают разные оценки альтернатив по критериям.

Можно сказать, что методы группового выбора позволяют структуризовать множество альтернатив в ситуации "разноголосицы" суждений экспертов. Для начала вспомним, как преодолевается разница мнений в обычной практике. На ум тут же приходит способ  решения спорных вопросов методами голосования: консенсус (полное согласие), простое большинство, квалифицированное большинство. При всей хрестоматийности и широкой распространенности, эти методы имеют по меньшей мере один существенный недостаток. Они  отбрасывают мнение меньшинства (кроме консенсуса, где изначальное меньшинство попросту сводится на нет путем убеждения). В методах поддержки принятия решений пытаются, по возможности, обрабатывать экспертные суждения без отбрасывания. Действительно, ведь мы имеем дело с экспертами, т.е. со специалистами высокой квалификации. Как же можно просто отбрасывать их мнения? Иногда к отбрасыванию все же прибегают, но – в редких случаях, например, в методах  так называемой  "борьбы с манипулированием", т.е. сознательным искажением экспертами своих оценок с целью лоббирования тех или иных альтернатив. Любители фигурного катания знают, что при выставлении оценки участнику соревнований крайние оценки судей отбрасываются, а оставшиеся усредняются. Это пример одного из простых методов борьбы с манипулированием.

Какие же методы применяются для решения проблем, обозначенных в начале этого раздела? При формировании набора критериев можно попросить каждого эксперта дать свое множество критериев, а затем объединить все множества в одно. Если есть жесткое ограничение по количеству критериев, то тут без отбрасывания не обойтись. Проще всего упорядочить критерии по частоте упоминания и "подвести черту" в том месте, которое удовлетворяет заданному ограничению.

Итак, набор критериев сформирован. Как получить их сравнительную значимость? Здесь хорош, например, метод построения компромиссной ранжировки. Каждый эксперт дает свою ранжировку критериев по важности. На основе индивидуальных  ранжировок  нужно построить обобщенную. Это можно сделать разными методами. Наиболее корректным (но и наиболее трудоемким) считается метод "медианы Кемени" (по имени автора – американского математика и экономиста, лауреата Нобелевской премии). Для нахождения медианы, прежде всего, нужно задать способ определения расстояния между ранжировками, как говорят математики "определить метрику в пространстве ранжировок". После этого, нужно найти (построить) такую ранжировку, суммарное расстояние от которой до всех заданных экспертных ранжировок было бы минимально.  Искомая ранжировка и будет медианой Кемени. Заметим, что тем самым мы получаем обобщенное мнение экспертов не отбрасывая ни одного мнения, поскольку при построении медианы существенно учитываются все индивидуальные ранжировки.

Теперь займемся оценками альтернатив по критериям. Эта часть текста, к сожалению, содержит математические категории и читателям-гуманитариям рекомендуется ее пропустить. Итак, первое, что приходит в голову – нужно взять среднее арифметическое оценок экспертов. К сожалению, все не так просто. Прежде всего, нужно задуматься о согласованности экспертных суждений. Действительно, если эксперты оценивают реальный объект, то их оценки не должны сильно расходиться. А если  они все-таки существенно расходятся? Тогда, прежде всего, нельзя использовать среднее арифметическое, поскольку тогда мы получаем так называемую "среднюю температуру по больнице". Действительно, если сложить температуру всех высокотемпературных больных и температуру тел в морге,  а потом поделить на общее количество замеров, то можно получить 36, 6°. Свидетельствует ли это о том, что "в среднем" все находящиеся в больнице здоровы? Тем не менее, абсурдность усреднения оценок без предварительного анализа согласованности мало кто понимает. А как считать согласованность? Если распределение оценок близко к Гауссовому, можно использовать стандартное отклонение. Если нет, нужно использовать непараметрические методы расчета согласованности. А если согласованность все же оказалась низкой? В этом случае нужно пытаться выяснить причину расхождений и по возможности попытаться устранить ее. Часто причиной может быть отсутствие важной информации у некоторых экспертов. Иногда ситуация слишком неопределенна, "размыта". В некоторых случаях эксперты разбиваются на две устойчивые группы (ситуация разных научных школ, или ситуация "разработчики-эксплуатанты"). В этом случае также нельзя строить обобщенные оценки. Группы нужно уметь выявлять и обрабатывать отдельно. Таким образом, способ обработки оценок в каждом конкретном случае должен подбираться индивидуально и тщательно обосновываться.

8. Примеры практического применения описанных методов

Один из примеров связан с рационированием капитала. Под другим углом зрения его можно рассматривать как конкурс инвестиционных проектов. Пример можно почитать  здесь.

Из практического опыта автора можно выделить следующие, наиболее интересные проекты:

9. Заключение

У читателей обычно возникает неизменный вопрос: почему методы поддержки принятия решений так мало применяются на практике? У меня есть своя точка зрения на эту проблему, которую я попытаюсь изложить. Прежде всего замечу, что слова "мало применяются" нужно уточнить. Где, когда и кем мало применяются? Например, в Америке есть огромная корпорация RAND, которая только и занимается тем, что выполняет проекты в области поддержки принятия решений. В России  вообще консалтинг пока еще развит слабо, а такой специфический – и подавно. Я знаю это не понаслышке. С 1993 по 1997 годы я работал в московском представительстве компании "Ernst & Young" – одного из мировых лидеров в области консалтинга. С тех пор мало что изменилось, хотя робкие подвижки все же есть.

По моим представлениям, история с поддержкой принятия решений сильно напоминает историю медицины. На заре врачевания эскулапов считали, в основном, шарлатанами и предпочитали лечиться самостоятельно. Этот пережиток не полностью изжит и посей день, если учесть масштабы вреда от самолечения. То же и с ПР. Психологический барьер менеджеров и ЛПР будет сдавать позиции даже медленнее, чем в случае с медициной, потому что ничего не болит. Т.е., на мой взгляд, НЕОЧЕВИДНОСТЬ  ПОСЛЕДСТВИЙ является главным тормозом в продвижении ПР в практику. Действительно, методы поддержки принятия решений не гарантируют от ошибок, они только позволяют свести вероятность ошибки к минимуму. Ошибка хирурга может привести к смерти пациента. Если ошибется архитектор – может рухнуть здание. Если ошибся конструктор самолета – аппарат может не взлететь. А если решение  менеджера обошлось фирме в $500 тыс., а могло обойтись в $300, то этого, чаще всего, никто не заметит! Почему? Да потому, что выйти на сумму 300 можно было бы в том случае, если бы менеджер изначально по другому готовил  решение, а ведь время назад не повернешь! Сравнивать не с чем! Нельзя же каждое решение принимать и выполнять в разных вариантах!

Тут есть еще загвоздка. Все принимаемые решения можно условно разделить на повторяющиеся и уникальные. Как изучать и оптимизировать повторяющиеся решения – давно известно. Методы поддержки принятия решений, обсуждаемые в этом введении, как раз и рассчитаны на помощь в принятии уникальных решений.  А любой успешный современный менеджер априори считает, что именно в этой области ничто не заменит его опыт и интуицию. Это устойчивое заблуждение многократно и успешно опровергалось. Один из последних примеров. Специалисты по методам ПР из Голландии как-то проанализировали большой массив известных важных решений в области дипломатии  и смоделировали последствия для тех случаев, если бы решение принималось с использованием методов поддержки ПР. Выяснилось, что 70% принятых решений оказались существенно хуже, чем могли бы быть.

Американские консультанты, которые наиболее продвинуты в этой области, дают такую оценку: один доллар, вложенный в поддержку ПР, приносит в среднем 3 доллара прибыли. Это – в сравнительно устойчивой и предсказуемой экономике. В условиях же современной России, без риска сильно ошибиться, можно увеличить этот коэффициент в 2 – 3 раза.

Если после чтения этого материала, хотя бы один из действующих или будущих ЛПР решит использовать методы ПР в своей практике – я буду считать, что старался не зря.

10. Что еще можно почитать

Популярная литература:

1. Ларичев О.И. Наука и искусство принятия решений. – М.: Наука, 1979.
2. Емельянов С.В., Ларичев О.И. Многокритериальные методы принятия решений.- М.: Знание, 1985

Литература для профессионалов:

3. Белкин А.Р., Левин М.Ш. Принятие решений: комбинаторные модели аппроксимации информации. - М.: Наука, 1990
4. Литвак Б.Г. Экспертная информация: методы получения и анализа. - М.: Радио   и связь, 1981
5. Кини Р.Л., Райфа Х. Принятие решений при многих критериях: предпочтения и замещения. - М.: Радио и связь,1981.
6. Миркин Б.Г. Проблема группового выбора.- М.: Наука, 1974.
7. Гафт М.Г. Принятие решений при многих критериях.- М.: Знание, 1979.
8. Гафт М.Г., Подиновский В.В. О построении решающих правил в задачах принятия решений. - Автоматика и телемеханика, №6, 1981.
9. Подиновский В.В. Многокритериальные задачи с упорядоченными по важности критериями. - Автоматика и телемеханика, 1976, №11.
10. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. - М.: Физматлит, 1996.

Дата публикации: 09.05.2000