管理者学习平台

一、四个构成符号

绘制顺序：从左到右（时间顺序）展开；计算顺序：从右到左（反推法）。

二、核心计算：期望值 EMV

决策规则：选择 EMV 最大的方案。注意这是在可重复决策意义上的最优——单次决策仍可能出现坏结果，这是概率的本质。

三、实操步骤（6 步）

1. 明确决策问题：要选什么？在什么时点决策？
2. 列出可选方案：从决策节点分出 2-4 个方案枝。
3. 展开机会情景：为每个方案列出可能结果及其概率（概率需有依据：历史数据、行业统计、专家判断）。
4. 标注结果值：每个终点的净收益（收益 − 成本，单位一致）。
5. 从右往左计算 EMV：机会节点取加权平均，决策节点取最大 EMV 的方案。
6. 做灵敏度分析：改变关键概率，看结论是否翻转（见第五节）。

四、进阶：信息的价值（EVPI）

决策树最有价值的延伸应用是回答：「再多做一些调研/测试，值不值得？」

五、灵敏度分析：结论稳健吗

决策树依赖概率估计，而概率常常不准。因此必须检验：概率变一点，结论会变吗？

1. 找转折点：计算「某个概率变为多少时，最优方案会切换」——即盈亏平衡概率。
2. 评估可信度：实际的概率估计离转折点有多远？如果很远，结论稳健；如果很近，需谨慎。
3. 决策建议：若接近转折点，应先获取信息降低不确定性（见第四节 EVPI），或选择风险更小的方案。

六、完整案例：是否追加可靠性测试再投产

背景：某新品电锤计划投产，需决定是直接投产还是先追加一轮可靠性测试（费用 12 万，耗时 3 周）。

已知信息：

• 直接投产：若产品可靠性达标（历史类似产品达标率 70%），预计贡献毛利 300 万；若不达标（30%），上市后客诉与召回损失预计 −150 万。
• 追加测试：测试能准确识别可靠性问题（假设测试准确率 90%）。测试通过后投产，成功率提升至 95%，贡献毛利 285 万（扣测试费）；测试未通过则改进后延期上市，净收益 20 万。

结论：选择 B（追加测试），EMV 210.6 万 > 165 万，高出 45.6 万，远高于测试成本 12 万。

灵敏度分析：关键在于「历史达标率 70%」这个估计。计算转折点——当达标率高于约 87% 时，直接投产的 EMV 才会超过追加测试。由于历史数据显示达标率仅 70%，距离转折点较远，结论稳健。

补充思考（风险视角）：虽然 B 的 EMV 更高，但如果公司现金流紧张、无法承受 150 万召回损失，那么即使 EMV 略低也可能选择 B——因为 B 大幅降低了最坏情况的概率。这说明 EMV 之外还需考虑风险承受能力。

七、常见错误（5 条避坑指南）

• 概率拍脑袋：无依据的概率会让整个分析失去意义。应注明来源（历史数据/行业统计/专家意见）。
• 概率之和不等于 1：同一机会节点各枝概率必须加总为 100%。
• 结果值口径不一致：有的写毛利、有的写净利，有的漏算成本——必须统一为净收益。
• 忽略灵敏度分析：直接用 EMV 拍板，不检验对概率假设的敏感度。
• 重大不可逆决策只看 EMV：还需结合风险承受能力与最坏情况评估。

八、给你的练习：为手头一个不确定决策画树

1. 写下决策问题，列出 2-3 个可选方案。
2. 为每方案列出 2-3 种情景，给出概率及依据。
3. 估算每种情景的净收益（统一口径）。
4. 从右往左算 EMV，选出最优方案。
5. 找出最关键的那个概率，计算结论翻转的转折点。