歡迎來到決策樹：通往明智決策的導航圖！
你好！歡迎來到 P1 課程中視覺感與邏輯性最強的部分之一。在管理會計的世界裡，我們經常需要在未來充滿變數的情況下作出選擇。新產品會大受歡迎嗎？經濟會持續強勁嗎？
決策樹（Decision Trees）是一個非常棒的工具，因為它能將複雜且充滿不確定性的問題，轉化為清晰、步驟分明的地圖。你可以把它想像成一本「互動式冒險」書籍，不過這裡的主角是商業利潤！看完這些筆記後，你將能繪製出這些「導航圖」，並精確計算出企業應該採取哪條路徑來實現利益最大化。
1. 到底什麼是決策樹？
決策樹是一種圖解，用於展示企業可以採取的不同路徑以及這些路徑可能產生的結果。它屬於「應對不確定性」的章節，因為它能協助我們處理那些沒有單一正確答案，而是存在多種可能性、且每一種可能性都有相應發生機率（Probability）的情境。
先備知識檢查：在深入研究之前，請先複習期望值（Expected Value, EV）的概念。它簡單來說就是所有可能結果的加權平均數。
公式為：\( EV = \sum (p \times x) \)
其中 \( p \) 是機率，\( x \) 是結果（利潤或成本）。只要你會計算期望值，你就能駕馭決策樹！
決策樹的結構
你需要記住三個主要符號，只要掌握這三個，你就已經成功了一半：
• 方格（決策節點 Decision Node）：代表一個由你必須作出選擇的點。例如：「我們應該推出產品 A 還是產品 B？」
• 圓圈（機率節點 Chance Node）：代表一個由自然或市場決定結果的點。這裡你無法控制，只能透過機率來評估。例如：「市場需求是高（60%）還是低（40%）？」
• 分支（線條）：用來連接節點，代表不同的選項或結果。
重點複習：方格代表選擇（由你掌控），圓圈代表機率（不由你掌控）。
2. 如何繪製決策樹（由左至右原則）
在構建決策樹時，請務必按照由左至右的順序進行。這其實就是按時間順序講述一個故事。
步驟 1：從你需要作出的第一個決策開始（畫一個方格）。
步驟 2：為每個選項畫出分支。
步驟 3：在這些分支末端，如果有不確定的事件，畫一個圓圈（機率節點）。
步驟 4：從圓圈引出所有可能結果的分支（例如：好、普通、壞）。
步驟 5：在最右側的每個分支末端，寫下最終的回報（Payoff）（利潤或損失）。
例子：想像你正決定是否舉辦戶外演唱會。
決策（方格）：舉辦或不舉辦。
如果你選擇舉辦，就會面臨機率（圓圈）：天氣晴朗（70%）或下雨（30%）。
回報：晴天 = 利潤 \$10,000；雨天 = 虧損 \$2,000。
3. 數學運算：反向推導（由右至左原則）
如果剛開始覺得困難別擔心，大多數學生都覺得計算部分最棘手，但它遵循非常嚴格的邏輯。一旦畫好樹狀圖，我們就透過由右至左的反向推導（Rolling Back）來計算其價值。
反向推導步驟：
1. 從最右側開始：觀察分支末端的結果。
2. 計算每個圓圈（機率節點）的期望值：將每個回報乘以其機率並相加，將得出的數值寫在圓圈內或上方。
3. 向左移動到方格（決策節點）：比較來自不同分支的數值。
4. 作出決策：選擇數值最高的分支（如果是計算利潤）或數值最低的分支（如果是計算成本）。
5. 修剪決策樹：在被放棄的選項分支上畫兩條平行小短線，代表該選項已被剔除，不再考慮。
關鍵總結：我們按時間順序由左至右繪製，但按目標導向由右至左計算。
4. 現實範例：新產品上市
一間公司正在考慮是否推出新產品。
• 初始上市成本：\$50,000。
\n• 若需求高（60% 機率），收入為 \$150,000。
• 若需求低（40% 機率），收入為 \$30,000。
\n機率節點的計算：
\n\( (0.60 \times \$150,000) + (0.40 \times \$30,000) \)
\n\( = \$90,000 + \$12,000 = \$102,000 \)
最終決策：
推出產品的價值：\$102,000（期望值）- \$50,000（成本）= \$52,000
\n什麼都不做的價值：\$0
決策：選擇推出產品，因為 \$52,000 大於 \$0！
常見錯誤提醒！永遠記得在最後減去投資的初始成本。學生常忘記這一步，導致選擇了看起來有盈利，但實際上投入成本過高的選項！
5. 為什麼要使用決策樹？（優缺點）
在 P1 考試中，你可能會被問及此技術的局限性。儘管它們看起來很科學，但並不完美。
優點：
• 清晰度：將所有選項視覺化，讓管理層更容易理解。
• 邏輯性：強迫決策者考慮每一種可能結果，即使是糟糕的情況。
• 多功能性：可以處理複雜的多階段決策（例如：「如果我們先測試產品，再決定是否上市」）。
缺點：
• 數據品質：整個樹狀圖取決於機率。如果你的「60% 機率」只是隨意猜測，最終結果也會是錯的。（Garbage In, Garbage Out，垃圾進垃圾出！）
• 複雜度：對於大型專案，樹狀圖可能會變得龐大且混亂。
• 忽略風險偏好：決策樹使用期望值，這假設決策者是風險中性（Risk Neutral）的。它沒有考慮到那些非常害怕損失資金的人（風險趨避者，Risk Averse）。
你知道嗎？決策樹在今天的人工智慧和機器學習中被廣泛應用！你現在為管理會計所學的邏輯，正是建構複雜電腦演算法所使用的同一套邏輯。
6. 總結與快速提示
• 方格 = 決策。圓圈 = 機率。
• 務必在圓圈引出的分支上標記機率。它們的總和必須等於 1.0（或 100%）。
• 永遠記得由右至左計算。
• 選擇具有最高期望值的路徑。
• 如果題目提到「完美資訊（Perfect Information）」，這與我們願意花多少錢將一個圓圈（不確定性）轉變為方格（確定性）有關！
最後的鼓勵：決策樹本質上只是一系列互相連結的小型簡單謎題。別讓整張圖表嚇倒你。只要一個節點一個節點地處理，往回推算，你一定能找到正確的路徑！