欢迎来到压力下的决策分析！
在你至今的学习过程中，我们通常假设未来是完全可预知的——例如精确的销量或产品定价。但在现实世界中，经理人并不是算命师！他们每天都面临着风险 (Risk) 与不确定性 (Uncertainty)。
这一章将介绍各种工具，帮助你在无法百分之百确定未来情况时，做出最佳的决策。如果起初觉得这些内容包含大量数学计算，请不用担心；我们将通过简单的逻辑，一步步为你拆解。
1. 风险与不确定性的区别
学生经常将这两个词混用，但在绩效管理 (Performance Management) 中，它们有着非常明确的定义：
风险 (Risk)： 指存在多种可能的结果，且我们知道每一种结果发生的数学概率（例如：有 60% 的概率会下雨）。可以把它想象成掷骰子——虽然你不知道结果，但你清楚知道赔率。
不确定性 (Uncertainty)： 指存在多种可能的结果，但我们无法为它们分配概率（例如：竞争对手突然进入市场，我们完全不知道客户会有什么反应）。这就像身处浓雾中，看不清前方的道路。
快速回顾：
风险 = 已知概率。
不确定性 = 未知概率。
2. 敏感度分析 (Sensitivity Analysis)
想象你在筹办一场音乐会，你预计会有盈利，但你担心如果门票销量不如预期该怎么办。敏感度分析正是要问：“一个变量在变动多少之后，会使我们的决策从盈利变成亏损？”
通常我们想知道某个变量（如销量或材料成本）在达到盈亏平衡（Profit hits zero）之前可以变动多少。
公式：
\( \text{敏感度 (\%)} = \left( \frac{\text{净利润}}{\text{被测试变量的总值}} \right) \times 100 \)
例子： 如果你的项目利润为 $10,000，总销售额为 $100,000，则销售额的敏感度为 \( (10,000 / 100,000) \times 100 = 10\% \)。这意味着如果你的销售额下降超过 10%，你就会开始亏损。
关键规则：
百分比越低，代表该变量越敏感（因此风险越高）。如果价格变动 1% 就会毁掉你的利润，那这就是一个高风险的项目！
避免常见错误：
敏感度分析一次只改变一个变量。在现实中，许多因素往往会同时发生变动（例如价格和销量同时变动），但这个模型较为简单，无法体现这种复杂性。
3. 期望值 (Expected Values, EV)
当我们面临风险（已知概率）时，我们使用期望值来寻找“长期平均”的结果。
公式：
\( EV = \sum px \)
（意思是：将每个可能的结果 (x) 乘以其概率 (p)，然后加总。）
类比： 如果朋友跟你打赌，掷硬币正面朝上（概率 50%）你赢 $100，反面朝上（概率 50%）你输 $20：
\( EV = (0.50 \times \$100) + (0.50 \times -\$20) = \$50 - \$10 = \$40 \)。
\n严格来说，你永远不会真的拿到 $40（你只会得到 $100 或输 $20），但 $40 是数学上的平均期望值。
期望值的优缺点：
\n优点： 它提供了一个单一、清晰的数据来辅助决策，非常适合重复性决策（如日常生产作业）。
\n缺点： 对于“一次性”项目来说用途较小，因为期望值可能根本不是实际可能出现的结果。它也忽略了对风险的态度（即便期望值为正，但若出现极端亏损，仍可能让你破产！）。
4. 决策规则：风险态度
\n在考试中，你会遇到三种类型的经理人。他们选择项目的方式取决于其“性格”：
\n\nA. 乐观主义者 (Maximax)
\nMaximax 规则着眼于每个选项中最好的结果，并从中选择最高的一个。这是一种“不成功便成仁”的方法。使用步骤：
\n1. 找出每个选项的最大 (Maximum) 获利。
\n2. 在这些最大值中，再选出最大一个 (Maximum of those maximums)。
B. 悲观主义者 (Maximin)
\nMaximin 规则适合那些讨厌亏损的经理人。他们审视每个选项的最坏情况 (worst-case scenario)，并选择“最不坏”的一个。使用步骤：
\n1. 找出每个选项的最小 (Minimum) 获利。
\n2. 在这些最小值中，选出最大一个 (Maximum of those minimums)（即“最坏情况中最好的”）。
C. 机会主义者 (Minimax Regret)
\n这类经理人讨厌“错失机会”。他们希望最小化他们的遗憾 (Regret)（即因为做错选择而错失的利润）。这需要使用遗憾表 (Regret Table)。
\n遗憾表步骤：
\n1. 针对每个可能的“未来情境”（例如：高需求），找出最佳的获利值。
\n2. 将该情境下的其他所有获利值从最佳获利中扣除。（这显示了你的“遗憾值”）。
\n3. 针对每个决策，找出最大遗憾值 (Maximum Regret)。
\n4. 选择具有最小最大遗憾值 (Minimum Maximum Regret) 的决策。
记忆小贴士：
\nMaximax： 好中选好（乐观）
\nMaximin： 坏中选好（悲观）
\nMinimax Regret： 遗憾最少（怕错过/FOMO）
5. 决策树 (Decision Trees)
\n决策树是复杂决策的图解。它使用方格 (squares) 代表决策点（由经理人决定），使用圆圈 (circles) 代表结果点（由“命运”或概率决定）。
\n如何计算：
\n1. 从左至右绘制： 画出所有的选择与可能结果。
\n2. 从右至左计算 (Rollback)： 在每个圆圈处计算期望值。在每个方格处，选择最佳选项并“剪掉”其他选项。
重要提示：
\n记得将决策产生的任何成本（例如市场调查费用）从最终分枝的结果中扣除！
\n\n6. 信息的价值 (Value of Information)
\n有时，我们可以付费购买市场研究报告来预知未来。我们该付多少钱呢？
\n完美信息价值 (Value of Perfect Information, VOPI)：
\n1. 计算拥有完美信息时的期望值（假设你每次都能预知未来）。
\n2. 计算没有信息时的期望值（即标准的 EV 计算）。
\n3. VOPI = (有信息时的 EV) - (无信息时的 EV)。
类比： 如果水晶球能帮你多赚 $1,000 的利润，你愿意支付的上限就是 $1,000，一分钱都不能再多！
重点总结
在你的 PM 考试 Section C 部分，请记住：
- 使用敏感度分析来回答“如果……会怎样 (What if)”的问题。
- 当已知概率时，使用期望值 (Expected Values)。
- 当概率未知（不确定性）时，使用 Maximax/Maximin/Minimax Regret。
- 保持逻辑清晰：如果经理人厌恶风险，他们会倾向选 Maximin 而非 Maximax！
如果起初觉得这些很棘手，请别担心！ 只要多练习编制遗憾表和决策树回溯计算，一切就会变得自然流畅。你一定做得到的！