刘若晴 非对称战略精研社
我们在做投资决策时都希望选择一种最终获利最多的方案，但现实中的决策往往不像做多选题或挑选商品一样简单直接。这是因为每个决策都或多或少伴随着风险，而最后的结果也会因经济、市场环境、竞争对手等因素而发生波动。
那么我们应当如何在综合考虑风险和多种可能性后做出有利决策呢？今天笔者想介绍一种辅助企业做出关键战略决策的模型，期望祝大家一臂之力。
假设我们周末要去一个集市摆摊，可以选择卖冰激凌或奶茶。根据预估客流量，卖冰激凌一天最多能赚800元，而卖奶茶一天最多能赚1000元。
在这种条件下，相信所有人都会选择卖奶茶。
但如果我们把情况考虑得复杂一点呢？假设集市在夏天举办，冰激凌摊位盈利的可能性高达80%，倘若成功可以赚得800元。但由于材料成本较高且有摊位费的固定成本，如果销量达不到盈亏平衡点导致不盈利会赔300元。
而奶茶摊位成功和失败的可能性是一半一半。如果成功可以赚得1000元，否则会赔200元。
这时大家是不是有点纠结了？其实即使面对多种可能性和不确定性，我们也可以用相对科学合理的方法帮助自己做出决策。
而其中的秘诀就在于计算每个方案的“预期价值”（Expected value）。它的算法是将每个方案可能的结果乘以其概率，然后相加。在该案例中，每个方案的预期价值如下：
冰激凌：(0.8)(800) + (0.2)(-300) = ¥580
奶茶：(0.5)(1000) + (0.5)(-200) = ¥400
这样算来，我们就应该认真考虑卖冰激凌了。
但这意味着如果我们选择在集市上卖冰激凌，就会赚580元吗？当然不是。如果我们在完全相同的情况下多次摆摊卖冰激凌，那么我们每次的平均盈利可能是580元。这并不意味着我们这周末就能赚580元。
以上给大家展示的图形化工具叫做决策树模型（Decision Tree），可以辅助企业或个人明确投资问题中涉及的方案、风险、目标和货币收益，从而做出关键决策。无论规模大小，决策树总会包含两个关键元素：
1）不同行动方案。
2）每种方案下不同的可能事件及结果。这些事件受偶然性或其他不可控因素的影响。
为了更深入地了解决策树模型，让我们再看一个相对复杂的投资决策案例：
假设一家加工厂企业A需要决定建立一个大工厂或小工厂来生产一款预期生命周期为10年的新产品。这一决定取决于产品的市场规模和预期利润。
如果建立小工厂，企业A会根据市场需求在后期考虑是否扩张。倘若建立小工厂后产品需求高则在3年后扩张，若需求低则保持原有规模。如果建立大工厂，无论产品市场需求如何变化都会保持原有规模。
市场部经过调研后预测新产品在未来10年的市场需求有如下可能：
· 持续保持高水平：60%
· 初始需求高但后续需求低：10%
· 初始需求低且持续保持低水平：30%
在获取具体财务数据之前，我们可以先根据已有信息画出初步的决策树模型。其中一个重要因素便是每种方案都面临市场需求高或低的可能性。
在做决策时，管理层必须考虑每种方案的成本、成功概率和预期回报。以下是企业A预估的财务数据：
· 建立大工厂成本为5000万元，而小工厂则是1000万元。小工厂扩张需另花费4000万元。
· 产品初始需求较高的可能性是70%（60%+10%）。如果初始需求较高，企业A估计市场需求保持高水平的可能性为86%（60/70）。
· 大工厂每年产量高可产生1000万元销售额，但由于固定成本高，若产量低只能产生100万元销售额。
· 小工厂每年产量高可产生300万元销售额，若产量低可产生250万元销售额。
· 小工厂在扩张后每年产量高可产生900万元销售额。若扩张后市场需求下降，每年可产生200万元销售额。
我们可以将以上数据填入决策树中：
可以看出这里包含两个关键决策，在图四和图五中分别用“1”和“2”表示。决策1涉及建立大工厂或小工厂，而决策2涉及在建立小工厂后是否于3年后扩张。
我们需要先处理决策2，再用其结果考量决策1。因为决策1分析判断的是大工厂和小工厂哪个预期获利更多，而小工厂的总体获利能力建立在决策2之上。
在决策2中，两种选择方案的预期价值计算如下：
从上表中可以得知，不扩张方案7年间的总预期价值比扩张方案高出437万元（2051-1614）。因此，在只考虑货币收益的前提下，企业A根据现有信息面临决策2时应当选择不扩张小工厂。
假设企业A选择日后不扩张小工厂，决策2的预期价值就是2051万元。这里要重申一下预期价值只是一种平均结果。如果企业A在其他条件不变的情况下重复这种经营方式会有86%的机会获得2100万元的收入，而另外14%的机会获得1750万元的收入。
因此假设产品的初始需求较高，小工厂10年的预期收入便是300万 x 3 + 2051万 = 2951万元。
我们可以用这些数据调整上面的决策树并计算决策1中两种方案的预期收益：
可以看出建造小工厂10年间的预期利润比建造大工厂多出146万元（1816 – 1670）。因此，根据目前的信息，建造小工厂是上策。
我们现在可以总结一下企业管理层使用决策树模型的必要步骤：
1）确定关键决策点及每个决策点涉及的方案。
2）识别每种方案的可能结果（例：高或低市场需求）。
3）估算每种方案涉及的数值，例如成本、收益和不同事件或结果的概率。
4）计算每种方案的预期价值，并由此辅助做出决策。
值得注意的是，决策树不会像数学题一样为公司管理层算出一个标准答案。它旨在为管理层清晰地呈现与决策相关的多种方案、不确定事件和预期结果，从而帮助管理层判断哪种方案将产生最大的预期货币收益。
虽然公司普遍以盈利为目的，但货币收益并不是唯一值得考量的因素。决策者还应考虑各种非财务因素，如技术培训和维护成本、竞争对手行为、企业长期灵活性、业务目标和利益相关者的观点。
任何工具都不是十全十美的。我们在使用决策树模型时还应当考虑到它的局限性。通过上述的案例不难看出每种方案的可能结果都基于一系列假设，例如市场需求的高低和预期现金流。这些假设很可能和现实有偏差，而且并非所有的决定因素都可以用具体数值衡量。
现代管理学之父彼得·德鲁克（Peter F. Drucker）曾简洁地阐述过当前规划和未来事件之间的关系：“战略规划并不涉及未来决策。它所涉及的，只是当前决策的前瞻性。”
因此，我们在做决策时应当充分考虑到不确定事件对未来的影响。由于今天的决定为明天的决定奠定了基础，我们需要在经济与灵活性之间找到平衡，既不放过获利的机会，又要保留一定的柔韧性，在面对未来的风险、需求和各种不确定性时进退自如。
作者简介：商业分析师、中英文编辑，美国卡内基梅隆大学（CMU）英语系专业写作硕士
主要参考资料：
1. John F. Magee. “Decision Trees for Decision Making.” Harvard Business Review, July-August 1964.
2. “Decision Tree Tutorial in 7 minutes with Decision Tree Analysis & Decision Tree Example (Basic).” MBAbullshit, Jan 24 2011.
