歡迎來到壓力下的決策分析！
在你至今的學習過程中，我們通常假設未來是完全可預知的——例如精確的銷量或產品定價。但在現實世界中，經理人並不是算命師！他們每天都面臨著風險 (Risk) 與不確定性 (Uncertainty)。
這一章將介紹各種工具，幫助你在無法百分之百確定未來情況時，做出最佳的決策。如果起初覺得這些內容包含大量數學計算，請不用擔心；我們將會透過簡單的邏輯，一步步為你拆解。
1. 風險與不確定性的區別
學生經常將這兩個詞混用，但在績效管理 (Performance Management) 中，它們有著非常明確的定義：
風險 (Risk)： 指存在多種可能的結果，且我們知道每一種結果發生的數學機率（例如：有 60% 的機率會下雨）。可以把它想像成擲骰子——雖然你不知道結果，但你清楚知道賠率。
不確定性 (Uncertainty)： 指存在多種可能的結果，但我們無法為它們分配機率（例如：競爭對手突然進入市場，我們完全不知道客戶會有什麼反應）。這就像身處濃霧中，看不清前方的道路。
快速回顧：
風險 = 已知機率。
不確定性 = 未知機率。
2. 敏感度分析 (Sensitivity Analysis)
想像你在籌辦一場音樂會，你預計會有盈利，但你擔心如果門票銷量不如預期該怎麼辦。敏感度分析正是要問：「一個變數在變動多少之後，會使我們的決策從盈利變成虧損？」
通常我們想知道某個變數（如銷量或材料成本）在達到盈虧平衡（Profit hits zero）之前可以變動多少。
公式：
\( \text{敏感度 (\%)} = \left( \frac{\text{淨利潤}}{\text{被測試變數的總值}} \right) \times 100 \)
例子： 如果你的專案利潤為 $10,000，總銷售額為 $100,000，則銷售額的敏感度為 \( (10,000 / 100,000) \times 100 = 10\% \)。這意味著如果你的銷售額下降超過 10%，你就會開始虧損。
關鍵規則：
百分比越低，代表該變數越敏感（因此風險越高）。如果價格變動 1% 就會毀掉你的利潤，那這就是一個高風險的專案！
避免常見錯誤：
敏感度分析一次只改變一個變數。在現實中，許多因素往往會同時發生變動（例如價格和銷量同時變動），但這個模型較為簡單，無法體現這種複雜性。
3. 期望值 (Expected Values, EV)
當我們面臨風險（已知機率）時，我們使用期望值來尋找「長期平均」的結果。
公式：
\( EV = \sum px \)
（意思是：將每個可能的結果 (x) 乘以其機率 (p)，然後加總。）
類比： 如果朋友跟你打賭，擲硬幣正面朝上（機率 50%）你贏 $100，反面朝上（機率 50%）你輸 $20：
\( EV = (0.50 \times \$100) + (0.50 \times -\$20) = \$50 - \$10 = \$40 \)。
\n嚴格來說，你永遠不會真的拿到 $40（你只會得到 $100 或輸 $20），但 $40 是數學上的平均期望值。
期望值的優缺點：
\n優點： 它提供了一個單一、清晰的數據來輔助決策，非常適合重複性決策（如日常生產作業）。
\n缺點： 對於「一次性」專案來說用途較小，因為期望值可能根本不是實際可能出現的結果。它也忽略了對風險的態度（即便期望值為正，但若出現極端虧損，仍可能讓你破產！）。
4. 決策規則：風險態度
\n在考試中，你會遇到三種類型的經理人。他們選擇專案的方式取決於其「性格」：
\n\nA. 樂觀主義者 (Maximax)
\nMaximax 規則著眼於每個選項中最好的結果，並從中選擇最高的一個。這是一種「不成功便成仁」的方法。使用步驟：
\n1. 找出每個選項的最大 (Maximum) 獲利。
\n2. 在這些最大值中，再選出最大的一個 (Maximum of those maximums)。
B. 悲觀主義者 (Maximin)
\nMaximin 規則適合那些討厭虧損的經理人。他們審視每個選項的最壞情況 (worst-case scenario)，並選擇「最不壞」的一個。使用步驟：
\n1. 找出每個選項的最小 (Minimum) 獲利。
\n2. 在這些最小值中，選出最大的一個 (Maximum of those minimums)（即「最壞情況中最好的」）。
C. 機會主義者 (Minimax Regret)
\n這類經理人討厭「錯失機會」。他們希望最小化他們的遺憾 (Regret)（即因為做錯選擇而錯失的利潤）。這需要使用遺憾表 (Regret Table)。
\n遺憾表步驟：
\n1. 針對每個可能的「未來情境」（例如：高需求），找出最佳的獲利值。
\n2. 將該情境下的其他所有獲利值從最佳獲利中扣除。（這顯示了你的「遺憾值」）。
\n3. 針對每個決策，找出最大遺憾值 (Maximum Regret)。
\n4. 選擇具有最小最大遺憾值 (Minimum Maximum Regret) 的決策。
記憶小撇步：
\nMaximax： 好中選好（樂觀）
\nMaximin： 壞中選好（悲觀）
\nMinimax Regret： 遺憾最少（怕錯過/FOMO）
5. 決策樹 (Decision Trees)
\n決策樹是複雜決策的圖解。它使用方格 (squares) 代表決策點（由經理人決定），使用圓圈 (circles) 代表結果點（由「命運」或機率決定）。
\n如何計算：
\n1. 從左至右繪製： 畫出所有的選擇與可能結果。
\n2. 從右至左計算 (Rollback)： 在每個圓圈處計算期望值。在每個方格處，選擇最佳選項並「剪掉」其他選項。
重要提示：
\n記得將決策產生的任何成本（例如市場調查費用）從最終分枝的結果中扣除！
\n\n6. 資訊的價值 (Value of Information)
\n有時，我們可以付費購買市場研究報告來預知未來。我們該付多少錢呢？
\n完美資訊價值 (Value of Perfect Information, VOPI)：
\n1. 計算擁有完美資訊時的期望值（假設你每次都能預知未來）。
\n2. 計算沒有資訊時的期望值（即標準的 EV 計算）。
\n3. VOPI = (有資訊時的 EV) - (無資訊時的 EV)。
類比： 如果水晶球能幫你多賺 $1,000 的利潤，你願意支付的上限就是 $1,000，一分錢都不能再多！
重點總結
在你的 PM 考試 Section C 部分，請記住：
- 使用敏感度分析來回答「如果……會怎樣 (What if)」的問題。
- 當已知機率時，使用期望值 (Expected Values)。
- 當機率未知（不確定性）時，使用 Maximax/Maximin/Minimax Regret。
- 保持邏輯清晰：如果經理人厭惡風險，他們會傾向選 Maximin 而非 Maximax！
如果起初覺得這些很棘手，請別擔心！ 只要多練習編製遺憾表和決策樹回溯計算，一切就會變得自然流暢。你一定做得到的！