Membuat Pilihan Terbaik Dengan Informasi yang Tersedia
Membawa pesanan dari kebingungan.
Menurut statistik George Chacko, pengambilan keputusan adalah "komitmen sumber daya hari ini untuk hasil besok."
Dengan demikian, keputusan umumnya dibuat pada situasi ketidakpastian, lantaran kita nir pernah mampu sepenuhnya konfiden apa yang besok akan terjadi.
Misalnya, bayangkan Anda sedang mencoba buat tetapkan antara 2 kandidat buat pekerjaan penjualan baru. Salah satu mempunyai pengalaman yang cukup menjual dalam bidang pada mana Anda beroperasi, tetapi hanya mempunyai riwayat performa rata-rata. Yang lainnya tidak pernah bekerja dengan jenis produk, akan tetapi beliau punya track record yang luar biasa pada penjualan jenis lain. Anda secara efektif "membandingkan apel menggunakan jeruk". Bagaimana Anda memilih orang yang akan menghasilkan penjualan masa depan yg terbaik?
Atau, bayangkan bahwa Anda memutuskan apakah Anda akan berinvestasi dalam proyek baru. Mengingat masa depan yang pasti (dan karena itu penjualan masa depan tidak niscaya) bagaimana Anda tetapkan apakah penjualan tambahan Anda akan menghasilkan akan membenarkan porto tambahan?
Ini merupakan di mana Anda perlu mengelola taraf ketidakpastian Anda bekerja, sebagai akibatnya Anda dapat membuat keputusan dari rasional, dan pikiran disiplin.
Dalam kedua masalah, penyelesaiannya adalah dengan mengkuantifikasi kasus, meskipun masing-masing melibatkan pendekatan yang tidak sinkron. Pada yang pertama, Anda perlu mengaktifkan kualitas seperti "pengalaman" dan "kemampuan penjualan" ke angka, sehingga Anda bisa membandingkan mereka. Di ke 2, Anda perlu tahu cara-cara yg hal yg mungkin berubah di masa depan, & faktor ini ke dalam keputusan Anda.
Kita akan mulai menggunakan melihat bagaimana Anda bisa mengukur pembuatan keputusan Anda. Kami lalu akan melanjutkan buat menerangkan Anda bagaimana Anda bisa faktor kemungkinan masa depan yg tidak sinkron ke dalam keputusan Anda.
Mengukur non-numerik Fitur
Ketika ketidakpastian Anda bekerja dengan ada dari keharusan buat menentukan antara opsi tidak selaras, Anda akan perlu mengetahui bagaimana buat mengukur elemen-elemen masing-masing pilihan, sehingga Anda bisa membuat perbandingan, eksklusif numerik.
Ada poly tool yg dapat Anda gunakan buat melakukan hal ini ...
Bagaimana menciptakan keputusan adaptasi buat pada tujukan pada ketidakpastian ini.?
jika Anda memiliki $ 100 milyar untuk menghabiskan pada penelitian adaptasi, bagaimana Anda akan menghabiskannya? Perasaan dalam kelompok tampaknya bahwa sementara kita harus berusaha untuk meningkatkan pemodelan iklim harus fokus pada kegiatan uji coba untuk mengetahui apa yang berhasil dan apa yang tidak di lapangan. Sementara beberapa bidang ketidakpastian dalam model iklim mungkin dapat dikurangi melalui penelitian lebih lanjut, beberapa ketidakpastian yang mungkin tak dapat dikurangi, karena sifat kompleks dan sebagian kacau dari sistem iklim, dan batas-batas tertentu untuk kemampuan kita untuk model sistem yang kompleks (Stainforth dan Harrison 2009). Dalam rangka untuk mulai berurusan dengan ketidakpastian kita perlu mendapatkan rasa apa yang kisaran proyeksi iklim masa depan terlihat seperti di Explorer Perubahan Iklim yang dirancang untuk membantu.
Yang penting, kita perlu mendapat ketidakpastian dan bekerja menggunakan mereka, daripada menduga bahwa kita dapat memprediksi masa depan & lalu mengikuti keadaan dengan keadaan pada masa depan. Lebih percaya diri pada proyeksi kita tentang syarat iklim di masa depan, dan ketergantungan pada satu proyeksi tunggal berjangka banyak kemungkinan, sanggup pula mengakibatkan Maladaptation.
Lima Instruksi Pengambilan Keputusan pada Ketidakpastian
1. "Lingkungan kompleks sering bukannya panggilan untuk aturan keputusan sederhana"
Penjelasan paling sederhana adalah bahwa pengumpulan & pengolahan keterangan yg dibutuhkan buat pengambilan keputusan yg kompleks mahal, mungkin punitively begitu. Sepenuhnya menentukan masa depan negara pada global, & probabilitas-pembobotan mereka, berada pada luar batas kognitif seseorang. Bahkan dalam game yang nisbi sederhana, seperti catur, batas kognitif dengan cepat dilanggar. Grandmaster catur tidak bisa sepenuhnya mengevaluasi lebih menurut 5 catur langkah ke depan. Terbesar super-personal komputer tidak dapat sepenuhnya menghitung lebih jauh 10 langkah ke depan (Gigerenzer (2007)).
Kebanyakan dunia nyata pengambilan keputusan jauh lebih kompleks daripada catur - rabat lebih berkecimpung dengan jumlah yang lebih akbar menurut versus dinilai lebih poly berkecimpung ke depan. Simon membangun kata "rasionalitas dibatasi" & "satisficingdanquot; buat menyebutkan biaya -diinduksi penyimpangan dari pembuatan keputusan rasional (Simon (1956)). Sebuah generasi dalam, ini merupakan pembenaran diri yang sama yang digunakan sang para ekonom perilaku hari ini. Untuk ke 2, kurang mungkin lebih karena kabar lebih lanjut datang dalam harga yang terlalu tinggi.
2. "Ketidaktahuan dapat Kebahagiaan"
Terlalu besar fokus dalam kabar yang dikumpulkan menurut masa kemudian mungkin menghambat pembuatan keputusan yg efektif tentang masa depan. Mengetahui terlalu banyak mampu menyumbat inbox kognitif, membebani hard disk neurologis. Salah satu tujuan utama tidur - melakukan kurang - adalah buat unclog inbox kognitif (Wang et al (2011)). Itulah sebabnya, saat membuat keputusan besar , kita seringkali "tidur di atasnya".
"Tidur di atasnyadanquot; memiliki interaksi langsung pada teori statistik. Dalam ekonometrika, model berusaha buat menyimpulkan perilaku dari masa lalu, menurut terlalu pendek sampel, dapat menyebabkan "over-pasdanquot;. Kebisingan lalu keliru menjadi frekuwensi, blip parameterised sebagai tren. Sebuah contoh yang "over-pas" bergoyang menggunakan angin statistik terkecil. Untuk alasan itu, dapat membuat prediksi relatif rapuh tentang masa depan.
Bukti eksperimental pertanda hal ini. Ambil prediksi olahraga. . .
3. "Bobot Probabilistik dari masa lalu mungkin menjadi panduan rapuh untuk masa depan"
John von Neumann dan Oskar Morgenstern menetapkan bahwa pengambilan keputusan yg optimal terlibat probabilistically-pembobotan semua output masa depan (von Neumann dan Morgenstern (1944)). Teknik regresi adalah analog statistik von Neumann-Morgenstern optimasi, dengan konduite disimpulkan oleh probalistik-bobot faktor kentara.
Dalam lingkungan yang nir pasti, di mana probabilitas statistik tidak diketahui, bagaimanapun, pendekatan-pendekatan buat pengambilan keputusan mungkin nir lagi sinkron. Bobot probabilistik berdasarkan masa kemudian mungkin sebagai pedoman rapuh buat masa depan. Pembobotan mungkin sia-sia. Strategi yang menyederhanakan, atau bahkan mungkin mengabaikan, bobot statistik mungkin lebih baik. Yang paling sederhana misalnya skema dibayangkan akan sama-pembobotan atau "menghitung-hitungdanquot;.
4. "Hal-hal lain yang sama, semakin kecil sampel, semakin besar model ketidakpastian dan semakin baik kinerja sederhana, strategi heuristik"
Pemilihan taktik pengambilan keputusan optimal tergantung penting pada taraf ketidakpastian mengenai lingkungan - dalam hal statistik, ketidakpastian Model. Sebuah faktor kunci yg memilih ketidakpastian yang panjang sampel dimana model diperkirakan. Hal-hal lain yang sama, semakin kecil sampel, semakin besar model ketidakpastian & semakin baik kinerja sederhana, taktik heuristik.
Sampel kecil menaikkan sensitivitas estimasi parameter. Mereka menaikkan kemungkinan tidak seksama data historis over-pas. Risiko ini menjadi lebih akut, semakin akbar ruang parameter yg diperkirakan. Model yg kompleks lebih mungkin untuk menjadi lebih pas. Dan sensitivitas parametrik diinduksi sang lebih-pas menciptakan prediksi tidak bisa diandalkan tentang masa depan. Model sederhana menderita sedikit dari masalah excesssensitivity parametrik, terutama apabila sampel yang pendek.
5. "Aturan Kompleks dapat menyebabkan orang untuk mengelola aturan, karena takut jatuh busuk dari mereka"
Ada alasan terakhir, terkait namun tidak selaras, untuk sederhana atas anggaran yang kompleks. Aturan yang rumit bisa mengakibatkan orang buat mengelola anggaran, karena takut jatuh busuk dari mereka. Mereka mungkin mendorong orang buat bertindak membela diri, fokus dalam goresan pena kecil dengan mengorbankan citra yang lebih akbar.
Studi mengenai perilaku dokter menggambarkan pola ini (Gigerenzer dan Kurzenh?User (2005)). Takut misdiagnosis, mungkin litigasi, dokter cenderung centang kotak. Itu mungkin berarti over-mendiagnosis obat atau over-mengirimkan pasien ke rumah sakit. Keduanya tindakan defensif, mengurangi risiko ke dokter. Tapi keduanya potensi bahaya kesehatan kepada pasien. Misalnya, mengirimkan pasien ke rumah sakit meningkat secara signifikan risiko infeksi sekunder. Rumah sakit adalah, selesainya seluruh, penuh dengan orang sakit.
Dokter tidak terbebani sang kitab anggaran yang kompleks akan memiliki insentif lebih sedikit buat bertindak membela diri. Mereka jua mungkin lebih bisa buat membentuk penilaian independen mereka sendiri waktu mendiagnosis masalah medis, menggunakan akumulasi pengalaman mereka. Yang seharusnya lebih dekat menyelaraskan insentif resiko dokter dengan pasien mereka. Hal yg sama mungkin benar tentang profesi lain, menurut pengacara buat polisi buat pengawas bank.
Fokus dalam analisis & keputusan yang sederhana vs kompleks yg berdasarkan pada heuristik daripada optimasi bertentangan menggunakan butir kebijaksanaan konvensional di poly bidang, mulai dari regulasi keuangan buat proteksi lingkungan.
Satu hal penting untuk dicatat adalah bahwa kertas mereka menggunakan dua definisi yang bertentangan dari "ketidakpastian." Salah satu definisi ketidakpastian adalah setara dengan "risiko" atau kemungkinan hasil tertentu dari distribusi diketahui hasil. Jika saya bertaruh $ 1000 bahwa gulungan berikutnya mati akan muncul 6, saya mengambil risiko pada hasil yang tidak pasti. Definisi kedua ketidakpastian adalah setara dengan apa yang biasanya saya sebut" kebodohan "mengikuti dari karya John Maynard Keynes, seperti yang dibahas dalam The Honest Broker. Kedua definisi ini jelas tidak mengacu pada konsep yang sama, dan dengan demikian tunduk pada kebingungan kecuali perawatan diambil di dalam penafsiran.
Akademisi dan penghasil kebijakan biasanya ingin fokus pada ketidakpastian-menjadi berisiko daripada ketidakpastian-menjadi-kebodohan sebagai mantan lebih mudah tunduk dalam kuantifikasi gampang dan manipulasi. Fokus ini memperkuat nilai-nilai akademis (di mana fisika iri merajalela melalui ilmu-ilmu sosial) & asa politisi buat membuat klaim beton yg tampak didukung oleh keahlian otoritatif yang terdengar. Hasilnya dapat membangun zona ketidaktahuan lebih kurang keputusan kita. Tidak mengherankan, keputusan tidak baik dapat mengakibatkan.
Keputusan Kuat
Sebuah ketidakpastian sepanjang jalan adalah untuk mencari strategi adaptasi yang tidak sensitif terhadap kombinasi spesifik dari kondisi masa depan, namun akan bermanfaat di bawah berbagai negara di masa depan. Misalnya daripada perencanaan untuk sialan yang akan memiliki umur 100 tahun dan memenuhi tujuannya hanya di bawah serangkaian kondisi yang suhu akan meningkat tidak ebih dari 3C, curah hujan telah meningkat 20% dan penduduk kota terdekat menang ' t melebihi 2 juta orang, Kita sedang mencari pilihan yang bekerja dengan baik dalam berbagai keadaan. Sebuah cara formal untuk melakukan hal ini adalah dengan menggunakan kerangka Pengambilan Keputusan Kuat yang dikembangkan oleh perusahaan RAND.
Cara lain untuk mengatasi kasus merupakan menggunakan menggunakan kerangka diilustrasikan pada diagram pada sebelah kanan, juga menurut Wilby & Dessai 2009. Langkah-langkah dasar:
Mengingat masalah Anda / apa yg Anda cari di
- Buat daftar yang masuk akal strategi adaptasi yang Anda pikir akan memperbaiki situasi.
- Pilihan ini, yang merupakan serangkaian pilihan yang disukai (yaitu yang diinginkan dll sosial, terjangkau, layak secara teknis)
- Buat daftar skenario yang masuk akal dari kondisi masa depan (baik iklim dan sosial-ekonomi) berdasarkan informasi yang tersedia dan pemahaman.
- Tes pilihan pilihan Anda terhadap skenario yang berbeda; seberapa baik masing-masing pilihan akan tampil di bawah skenario yang berbeda dari masa depan? Di sini kita mencari pilihan yang mungkin melakukan dengan baik di berbagai skenario (ini tidak selalu pilihan TERBAIK untuk setiap skenario yang diberikan).
- Pilih sebuah opsi yang Anda menemukan cukup kuat diberikan keputusan Anda-konteks. Akan selalu ada beberapa resiko yang terlibat, tetapi mengingat situasi, apa yang diterima untuk Anda?
Pengelolaan Adaptif
Manajemen adaptif berusaha buat agresif memakai hegemoni manajemen sebagai indera untuk strategis mengusut fungsi ekosistem. Intervensi dibuat untuk menguji hipotesis kunci mengenai fungsi ekosistem. Pendekatan ini sangat tidak sama berdasarkan pendekatan manajemen khas 'keterangan trial-and-error' yang menggunakan pengetahuan terbaik yang tersedia untuk membentuk taktik manajemen sebuah 'perkiraan terbaik' menghindari risiko, yg lalu berubah sebagai informasi baru memodifikasi terbaik menebak '.
Manajemen adaptif mengidentifikasi ketidakpastian, dan kemudian menetapkan metodologi untuk menguji hipotesis tentang mereka ketidakpastian. Menggunakan manajemen sebagai indera nir hanya buat mengubah sistem, namun sebagai indera buat belajar tentang sistem. Itu berkaitan dengan kebutuhan buat belajar dan biaya ketidaktahuan, ad interim manajemen tradisional berfokus pada kebutuhan buat melestarikan dan biaya pengetahuan.
Ada beberapa proses ilmiah dan sosial yang merupakan komponen krusial dari manajemen adaptif:
- manajemen terkait dengan skala temporal dan spasial yang sesuai
- manajemen tetap fokus pada kekuatan statistik dan kontrol
- penggunaan model komputer untuk membangun sintesis dan konsensus ekologi diwujudkan
- menggunakan konsensus ekologi diwujudkan untuk mengevaluasi alternatif strategis
- berkomunikasi alternatif ke arena politik untuk negosiasi pilihan
Pencapaian tujuan tadi membutuhkan proses manajemen terbuka yg bertujuan buat mencakup masa lalu, kini & masa depan stakeholder. Manajemen adaptif perlu buat setidaknya mempertahankan keterbukaan politik, tetapi umumnya perlu buat menciptakannya. Akibatnya, manajemen adaptif harus sebagai proses sosial dan ilmiah. Ini harus penekanan dalam pengembangan forum-lembaga baru dan taktik kelembagaan misalnya halnya maka wajib penekanan pada hipotesis ilmiah dan kerangka kerja eksperimental.
Manajemen adaptif mencoba buat memakai pendekatan ilmiah, disertai menggunakan pengujian hipotesis sejawat buat membentuk pemahaman, tetapi proses ini pula bertujuan buat menaikkan fleksibilitas kelembagaan & mendorong pembentukan lembaga baru yang dibutuhkan buat menggunakan pemahaman ini pada Bab Sebelumnya
Home | Bab Sebelumnya | Menu | Bab Selanjutnya