以一判斷標準來定接受或拒絕虛無假設。此判斷標準即為決策法則。
亦稱最大最小收益值法或華爾德決策法則。是不確定型決策中使用的一種決策方法。採用這種決策的出發點是,決策者對未來情況持悲觀態度,考慮到各種最壞的狀況,但又想從中選擇稍微好一點的方案。這種決策偏於保守,僅為十分保守的決策者或資金不足的企業所採用。
基本介紹
- 中文名：決策法則
決策五部法則,確定目標,收集相關信息,提出可行的備選方案,作出決策,執行和評價,
決策五部法則
在決策中，有一個經典且有效的五步法：一、確定目標；二、收集相關信息；三、提出可行的備選方案；四、做出決策；五、執行和評價。當然，這並不意味著你會在所有情況下都盲目遵循這種方法。不過，它呈現的是一個相當自然的思維順序，即使沒有正式的框架，你可能也會按照同樣的思維路徑進行決策。知道和了解這種方法的好處在於，當漏掉某個步驟時（或者更可能的是已經不知不覺地運用了某個步驟時），你能迅速覺察。
確定目標
你必須弄清（或者至少儘可能地明確）究竟要去向何方，否則整個決策過程就像霧裡看花。一句諺語說得好：“如果你不知道自己要駛向哪個港口，就只有隨波逐流。”如果對自己的目標心存懷疑，那么試著把它寫下來。如果時間允許，過一兩天再看看。這時可能一眼就看出該如何擊中目標。
收集相關信息
有些信息是顯而易見的，有些卻可能被遺漏掉。許多關鍵信息不是立刻就能到手，如果允許拖延時間，最好不要在尚未掌握這些重要信息前作出決策。
記住，“可利用的”（Available）和“相關的”（Relevant）信息是有區別的。利用手邊已有的信息來幫助我們決定該作何種決策，這是一個典型的錯誤。然而，有些管理者就是這樣。他們看到已經掌握的信息時，不是反問自己“這是相關信息嗎”，而是問“我該如何利用這些信息”。他們混淆了兩類信息。
管理者及其下屬說，現在進退兩難：大家都認為應該掌握更多的信息來作出更好的決策，但是資料來源越來越多，他們不可能緊跟信息增長的速度。
為避免信息超載綜合症的困擾，我們需要獲取有效的信息。
假設手邊可利用的信息與需要的信息有一定的差距，那么你怎么辦？顯然，你將著手獲取更多“需要的信息”。然而，收集信息或調查研究要花費時間與金錢。如圖表2所示，一般情況下你可能會在相對較短的時間內以相對較低的金錢成本獲取大量相關信息。然而，曲線迅速趨於平緩。你會發現自己花費的時間越來越多，搜尋到的相關信息卻越來越少。例如，在一次晚宴上，我們倆初次相遇。在最初的半個小時內，我了解到的關於你的信息應該都是最重要的。聊得越久，我對你的了解增加得越少。三個小時後，我就會談一些相當瑣碎的細節。
提出可行的備選方案
“備選方案”（Option）並非“二選一方案”（Alternatives）。缺乏技巧的決策者常常過快地進入二選一的狀況。他們沒有留出足夠的時間和精力來醞釀至少三或四種可能的方案。我們知道，著名的通用汽車公司總裁阿爾弗雷德·斯隆（Alfred Sloan）曾因屬下僅提交了兩個選擇方案而將會議延期。他說：“離開這裡，去想出更多的方案。”
你必須將思維發散出去，在廣闊的空間中思索所有的可能性。這樣才能激發創造性思維。然而之後，你的評價能力就必須發揮作用了，通過評價來確認切實可行的方案。“可行的”（Feasible）意思是“可做的”、“可執行的”或“可實現的”。如果某個事物是可行的，那么它的達成就具有一定的現實性，目標才有實現的可能。
作出決策
在做出決策之前，首要任務是建立選擇標準。管理者有必要區分出不同的優先權。
執行和評價
備選方案如果不滿足“必須”級的要求，則應該被捨棄。在滿足必要條件後，就看你的喜好，高度偏好的是“應該”級，額外喜好則歸於“可以”級。
評估風險
高風險是導致決策困難的真正因素。你可能知道兩句俗語，“三思而後行”和“躊躇不決者必然失敗”，它們給出的建議是相互矛盾的。計算風險時有一個有用的方法，就是界定最糟的下限，即最糟的情況會怎樣？你能接受嗎？或者這種情況將導致你徹底失敗。然而，在高風險高回報的情況下，即使你知道如果決策出錯會損失巨大，可能還是會選擇高風險的方案，因為高額回報實在是太有誘惑力了。
然後，你必須集中精力儘可能去降低風險。在這裡，經驗、實踐、專家諮詢、搜尋信息、心理演練可能都是會涉及到的技巧。儘量將成功的可能性轉化為實際，但不可能完全消除風險。
評估結果
有兩種形式的結果，外顯的和潛在的。外顯結果理論上是你作決策時能夠預見到的結果。
這裡說“理論上”，是因為這並不意味著你確實預見到了，而是任何有著必備知識、經驗和技能的專業人士都可以預見到這些結果。例如，如果你妄圖搶銀行，外顯結果對那些“專家”而言是顯而易見的：
·你可能變得非常非常富有
·有人可能會受傷，包括你自己
·你可能會進監獄
潛在結果與外顯結果的區別在於，它們幾乎不會發生。專業人士如果沒有預見到決策引發的一系列複雜事件所導致的連鎖反應，是可以原諒的。不可否認，有了計算機之後，在某些特定領域中識別潛在結果變得容易些了，但還是很少有可能完全排除驚喜或意外。我們不可能用這樣的方式預見未來。
