当面临艰难的选择时,我们经常对替代方案进行排名,看看它们是如何叠加的。这种方法无处不在,从重大商业和政策决策到个人选择,如大学课程的选择、居住地或政治投票偏好。

如何做出更好的决策使用评分系统

通常,确定标准并根据重要性对每个标准进行“加权”。然后根据每个标准和应用的权重对选项进行评分。但这种常见的方法经常存在缺陷,并不像最初看起来那么理性。

决策通常涉及从有限的选项中进行选择。当只有一个标准需要考虑时,例如成本,决策很简单。但是,通常情况下,每个选项都有优点和缺点需要平衡。称为多标准决策分析的过程通常用于以这种方式权衡备选方案。

有许多变体,但加权和法是最常见的。这种技术表面上看起来简单,合乎逻辑和直观。通常,决策者首先会消除任何无法满足一个或多个基本需求的选项,这些需求被称为“需求”。

第二阶段涉及根据偏好将剩余选项分类到订单中。此优先顺序基于选项满足其他要求的程度,这些要求称为“需求”。需求必须得到满足,而需求是最大化的属性。消除无法满足需求的选项很简单,但组合需求则更为复杂。

为了根据需求评估选项,决策者绘制了一个表格,其中列标题表示不同的替代方案,行标题表示需求。分数放置在表格的单元格中,以表示每个选项相对于每个需求的性能。有些需求比其他需求更重要,因此每个需求都被赋予了重要性权重。

通常,分数和权重或“权重”都是在从0到10的范围内选择的。然后将每个分数乘以其相应的权重,并为此目的在表中插入其他列。然后将每个选项的加权分数相加。最后,根据选项的总加权分数对选项进行排名。

变体是加权乘积法,其中每个选项的加权分数相乘,而不是相加。它要求所有值至少为1。这种方法有利于良好的全方位性能,而加权和方法更宽容性能的广泛变化。

传统方法的缺陷

大多数这些多标准决策分析的一个弱点是它们依赖于数字值来表达依赖于人类评估的想法——换句话说,它们是“定性的”。

除了这些困难之外,如果使用像0到10这样的简单量表,则直接将分数乘以重要性权重具有固有的陷阱。如果一个需求被认为是重要的——具有很高的重要性权重——并且候选人在该需求方面表现良好,则加权分数将像预期的那样很高。

如果一个需求被认为不那么重要,并且一个选项在该需求方面表现不佳,该方法将给该选项一个低权重分数。但是,由于所讨论的匮乏的重要性权重较低,因此不应严厉惩罚该选项,而应继续存在争议。

理想情况下,最低加权分数应该是那些归因于低分期权而不是高加权需求的选项。它们不应该被给予那些得分低的期权,而不是一个权重低的、因此无关紧要的需求。因此,尽管标准方法适用于确定最佳选项,但它在对替代方案进行排序方面很差,并且给人一种最差选项的错误印象。

考虑使用这种方法根据赠款申请分配资金。竞争对手的投标可能会根据创新、质量、及时性和性价比等需求进行评分,每一项都根据重要性进行加权。根据最重要的标准,应将最小的奖项授予得分最低的投标。相反,排名垫底的投标是那些在最不重要的标准下得分较低的投标。

更好的方法

这些问题可以通过使用包含负值的评分量表来解决。替代推理机制(AIM)方法在保持直观的分数范围(例如0到10)的同时进行必要的调整。

AIM认识到,最差的候选人是那些对需求得分低但重要性权重高的人。另一方面,在不重要的需求中得分不佳的候选人不会处于严重劣势。

下图将AIM与传统方法进行了对比。这两种方法就最佳选项达成一致,即聚集在右上角的绿色选项。但是,红色或橙色中最差的选项使用传统方法位于左下角,使用AIM位于右下角。

传统方法在底部有一排零,因为如果候选人对需求得分为零,无论其重要性如何,它都会对候选人进行平等排名。同样,它的左侧有一列零,因为它会根据不重要的标准惩罚所有候选人,无论他们的分数如何。相比之下,AIM的左侧有很多黄色,表明不重要的分数既不好也不坏——这是合理决策的更合乎逻辑和理性的基础。

多标准决策分析可能是在备选选项之间进行选择的绝佳工具,但了解加权机制至关重要。

AIM以前在专业工程期刊上有所描述,但其更广泛的欣赏和采用可以改善整个社会的决策。传统的评分模型只有在毫无疑问地接受其有效性的情况下仍然存在。

AIM已经显示出更深入地探索数字含义的价值。随着对AIM等理性模型的更多认识,我们可以在生活的各个方面做出更好的决策。