6.2. Pengambilan Keputusan dalam Ketidakpastian

Membuat Pilihan Terbaik Dengan Informasi yang Tersedia

Membawa pesanan dari kebingungan.

Menurut statistik George Chacko, pengambilan keputusan adalah "komitmen sumber daya hari ini untuk hasil besok."

Dengan demikian, keputusan biasanya dibuat dalam situasi ketidakpastian, karena kita tidak pernah bisa sepenuhnya yakin apa yang besok akan terjadi.

Misalnya, bayangkan Anda sedang mencoba untuk memutuskan antara dua kandidat untuk pekerjaan penjualan baru. Salah satu memiliki pengalaman yang cukup menjual dalam bidang di mana Anda beroperasi, namun hanya memiliki riwayat performa rata-rata. Yang lainnya tidak pernah bekerja dengan jenis produk, tapi dia punya track record yang luar biasa dalam penjualan jenis lain. Anda secara efektif "membandingkan apel dengan jeruk". Bagaimana Anda memilih orang yang akan menghasilkan penjualan masa depan yang terbaik?

Atau, bayangkan bahwa Anda memutuskan apakah Anda akan berinvestasi dalam proyek baru. Mengingat masa depan yang pasti (dan karena itu penjualan masa depan tidak pasti) bagaimana Anda memutuskan apakah penjualan tambahan Anda akan menghasilkan akan membenarkan biaya tambahan?

Ini adalah di mana Anda perlu mengelola tingkat ketidakpastian Anda bekerja, sehingga Anda dapat membuat keputusan berdasarkan rasional, dan pikiran disiplin.

Dalam kedua kasus, solusinya adalah dengan mengkuantifikasi masalah, meskipun masing-masing melibatkan pendekatan yang berbeda. Pada yang pertama, Anda perlu mengaktifkan kualitas seperti "pengalaman" dan "kemampuan penjualan" ke nomor, sehingga Anda dapat membandingkan mereka. Di kedua, Anda perlu memahami cara-cara yang hal yang mungkin berubah di masa depan, dan faktor ini ke dalam keputusan Anda.

Kita akan mulai dengan melihat bagaimana Anda dapat mengukur pembuatan keputusan Anda. Kami kemudian akan melanjutkan untuk menunjukkan Anda bagaimana Anda dapat faktor kemungkinan masa depan yang berbeda ke dalam keputusan Anda.

Mengukur non-numerik Fitur

Ketika ketidakpastian Anda bekerja dengan timbul dari keharusan untuk memilih antara opsi berbeda, Anda akan perlu mengetahui bagaimana untuk mengukur elemen-elemen masing-masing pilihan, sehingga Anda dapat membuat perbandingan, langsung numerik.

Ada banyak tool yang dapat Anda gunakan untuk melakukan hal ini ... 

Bagaimana membuat keputusan adaptasi untuk di tujukan pada ketidakpastian ini.?

jika Anda memiliki $ 100 milyar untuk menghabiskan pada penelitian adaptasi, bagaimana Anda akan menghabiskannya? Perasaan dalam kelompok tampaknya bahwa sementara kita harus berusaha untuk meningkatkan pemodelan iklim harus fokus pada kegiatan uji coba untuk mengetahui apa yang berhasil dan apa yang tidak di lapangan. Sementara beberapa bidang ketidakpastian dalam model iklim mungkin dapat dikurangi melalui penelitian lebih lanjut, beberapa ketidakpastian yang mungkin tak dapat dikurangi, karena sifat kompleks dan sebagian kacau dari sistem iklim, dan batas-batas tertentu untuk kemampuan kita untuk model sistem yang kompleks (Stainforth dan Harrison 2009). Dalam rangka untuk mulai berurusan dengan ketidakpastian kita perlu mendapatkan rasa apa yang kisaran proyeksi iklim masa depan terlihat seperti di Explorer Perubahan Iklim yang dirancang untuk membantu.

Yang penting, kita perlu menerima ketidakpastian dan bekerja dengan mereka, daripada menganggap bahwa kita dapat memprediksi masa depan dan kemudian beradaptasi dengan keadaan di masa depan. Lebih percaya diri dalam proyeksi kita tentang kondisi iklim di masa depan, dan ketergantungan pada satu proyeksi tunggal berjangka banyak kemungkinan, bisa juga menyebabkan Maladaptation.

Lima Instruksi Pengambilan Keputusan dalam Ketidakpastian

 1. "Lingkungan kompleks sering bukannya panggilan untuk aturan keputusan sederhana"

Penjelasan paling sederhana adalah bahwa pengumpulan dan pengolahan informasi yang diperlukan untuk pengambilan keputusan yang kompleks mahal, mungkin punitively begitu. Sepenuhnya menentukan masa depan negara di dunia, dan probabilitas-pembobotan mereka, berada di luar batas kognitif seseorang. Bahkan dalam game yang relatif sederhana, seperti catur, batas kognitif dengan cepat dilanggar. Grandmaster catur tidak dapat sepenuhnya mengevaluasi lebih dari 5 catur langkah ke depan. Terbesar super-komputer tidak dapat sepenuhnya menghitung lebih jauh 10 langkah ke depan (Gigerenzer (2007)).
Kebanyakan dunia nyata pengambilan keputusan jauh lebih kompleks daripada catur - potongan lebih bergerak dengan jumlah yang lebih besar dari lawan dievaluasi lebih banyak bergerak ke depan. Simon menciptakan istilah "rasionalitas dibatasi" dan "satisficing" untuk menjelaskan biaya-diinduksi penyimpangan dari pembuatan keputusan rasional (Simon (1956)). Sebuah generasi pada, ini adalah pembenaran diri yang sama yang digunakan oleh para ekonom perilaku hari ini. Untuk kedua, kurang mungkin lebih karena informasi lebih lanjut datang pada harga yang terlalu tinggi. 

2. "Ketidaktahuan dapat Kebahagiaan"

Terlalu besar fokus pada informasi yang dikumpulkan dari masa lalu mungkin menghambat pembuatan keputusan yang efektif tentang masa depan. Mengetahui terlalu banyak bisa menyumbat inbox kognitif, membebani hard disk neurologis. Salah satu tujuan utama tidur - melakukan kurang - adalah untuk unclog inbox kognitif (Wang et al (2011)). Itulah sebabnya, ketika membuat keputusan besar, kita sering "tidur di atasnya".

"Tidur di atasnya" memiliki hubungan langsung dalam teori statistik. Dalam ekonometrika, model berusaha untuk menyimpulkan perilaku dari masa lalu, berdasarkan terlalu pendek sampel, dapat menyebabkan "over-pas". Kebisingan kemudian keliru sebagai sinyal, blip parameterised sebagai tren. Sebuah model yang "over-pas" bergoyang dengan angin statistik terkecil. Untuk alasan itu, dapat menghasilkan prediksi agak rapuh tentang masa depan.
Bukti eksperimental membuktikan hal ini. Ambil prediksi olahraga. . . 

3. "Bobot Probabilistik dari masa lalu mungkin menjadi panduan rapuh untuk masa depan"

John von Neumann dan Oskar Morgenstern menetapkan bahwa pengambilan keputusan yang optimal terlibat probabilistically-pembobotan semua hasil masa depan (von Neumann dan Morgenstern (1944)). Teknik regresi adalah analog statistik von Neumann-Morgenstern optimasi, dengan perilaku disimpulkan oleh probalistik-bobot faktor jelas.

Dalam lingkungan yang tidak pasti, di mana probabilitas statistik tidak diketahui, bagaimanapun, pendekatan-pendekatan untuk pengambilan keputusan mungkin tidak lagi sesuai. Bobot probabilistik dari masa lalu mungkin menjadi panduan rapuh untuk masa depan. Pembobotan mungkin sia-sia. Strategi yang menyederhanakan, atau bahkan mungkin mengabaikan, bobot statistik mungkin lebih baik. Yang paling sederhana seperti skema dibayangkan akan sama-pembobotan atau "menghitung-hitung". 

4. "Hal-hal lain yang sama, semakin kecil sampel, semakin besar model ketidakpastian dan semakin baik kinerja sederhana, strategi heuristik"

Pemilihan strategi pengambilan keputusan optimal tergantung penting pada tingkat ketidakpastian tentang lingkungan - dalam hal statistik, ketidakpastian Model. Sebuah faktor kunci yang menentukan ketidakpastian yang panjang sampel dimana model diperkirakan. Hal-hal lain yang sama, semakin kecil sampel, semakin besar model ketidakpastian dan semakin baik kinerja sederhana, strategi heuristik.

Sampel kecil meningkatkan sensitivitas estimasi parameter. Mereka meningkatkan kemungkinan tidak akurat data historis over-pas. Risiko ini menjadi lebih akut, semakin besar ruang parameter yang diperkirakan. Model yang kompleks lebih mungkin untuk menjadi lebih pas. Dan sensitivitas parametrik diinduksi oleh lebih-pas membuat prediksi tidak dapat diandalkan tentang masa depan. Model sederhana menderita sedikit dari masalah excesssensitivity parametrik, terutama bila sampel yang pendek. 

5. "Aturan Kompleks dapat menyebabkan orang untuk mengelola aturan, karena takut jatuh busuk dari mereka"

Ada alasan terakhir, terkait tetapi berbeda, untuk sederhana atas aturan yang kompleks. Aturan yang rumit dapat menyebabkan orang untuk mengelola aturan, karena takut jatuh busuk dari mereka. Mereka mungkin mendorong orang untuk bertindak membela diri, fokus pada tulisan kecil dengan mengorbankan gambaran yang lebih besar.
Studi tentang perilaku dokter menggambarkan pola ini (Gigerenzer dan Kurzenhäuser (2005)). Takut misdiagnosis, mungkin litigasi, dokter cenderung centang kotak. Itu mungkin berarti over-mendiagnosis obat atau over-mengirimkan pasien ke rumah sakit. Keduanya tindakan defensif, mengurangi risiko ke dokter. Tapi keduanya potensi bahaya kesehatan kepada pasien. Misalnya, mengirimkan pasien ke rumah sakit meningkat secara signifikan risiko infeksi sekunder. Rumah sakit adalah, setelah semua, penuh dengan orang sakit.
Dokter tidak terbebani oleh buku aturan yang kompleks akan memiliki insentif lebih sedikit untuk bertindak membela diri. Mereka juga mungkin lebih mampu untuk membentuk penilaian independen mereka sendiri ketika mendiagnosis masalah medis, menggunakan akumulasi pengalaman mereka. Yang seharusnya lebih dekat menyelaraskan insentif resiko dokter dengan pasien mereka. Hal yang sama mungkin benar tentang profesi lain, dari pengacara untuk polisi untuk pengawas bank.

Fokus pada analisis dan keputusan yang sederhana vs kompleks yang didasarkan pada heuristik daripada optimasi bertentangan dengan butir kebijaksanaan konvensional di banyak bidang, mulai dari regulasi keuangan untuk perlindungan lingkungan.
Satu hal penting untuk dicatat adalah bahwa kertas mereka menggunakan dua definisi yang bertentangan dari "ketidakpastian." Salah satu definisi ketidakpastian adalah setara dengan "risiko" atau kemungkinan hasil tertentu dari distribusi diketahui hasil. Jika saya bertaruh $ 1000 bahwa gulungan berikutnya mati akan muncul 6, saya mengambil risiko pada hasil yang tidak pasti. Definisi kedua ketidakpastian adalah setara dengan apa yang biasanya saya sebut" kebodohan "mengikuti dari karya John Maynard Keynes, seperti yang dibahas dalam The Honest Broker. Kedua definisi ini jelas tidak mengacu pada konsep yang sama, dan dengan demikian tunduk pada kebingungan kecuali perawatan diambil di dalam penafsiran. 
Akademisi dan pembuat kebijakan biasanya ingin fokus pada ketidakpastian-sebagai berisiko daripada ketidakpastian-sebagai-kebodohan sebagai mantan lebih mudah tunduk pada kuantifikasi mudah dan manipulasi. Fokus ini memperkuat nilai-nilai akademis (di mana fisika iri merajalela melalui ilmu-ilmu sosial) dan keinginan politisi untuk membuat klaim beton yang tampak didukung oleh keahlian otoritatif yang terdengar. Hasilnya dapat menciptakan zona ketidaktahuan sekitar keputusan kita. Tidak mengherankan, keputusan buruk dapat mengakibatkan.

Keputusan Kuat

Kerangka keputusan di bawah ketidakpastian: Wilby dan Dessai 2009

Sebuah ketidakpastian sepanjang jalan adalah untuk mencari strategi adaptasi yang tidak sensitif terhadap kombinasi spesifik dari kondisi masa depan, namun akan bermanfaat di bawah berbagai negara di masa depan. Misalnya daripada perencanaan untuk sialan yang akan memiliki umur 100 tahun dan memenuhi tujuannya hanya di bawah serangkaian kondisi yang suhu akan meningkat tidak ebih dari 3C, curah hujan telah meningkat 20% dan penduduk kota terdekat menang ' t melebihi 2 juta orang, Kita sedang mencari pilihan yang bekerja dengan baik dalam berbagai keadaan. Sebuah cara formal untuk melakukan hal ini adalah dengan menggunakan kerangka Pengambilan Keputusan Kuat  yang dikembangkan oleh perusahaan RAND.

Cara lain untuk mengatasi masalah adalah dengan menggunakan kerangka diilustrasikan dalam diagram di sebelah kanan, juga dari Wilby dan Dessai 2009. Langkah-langkah dasar:

Mengingat masalah Anda / apa yang Anda cari di

• Buat daftar yang masuk akal strategi adaptasi yang Anda pikir akan memperbaiki situasi.
• Pilihan ini, yang merupakan serangkaian pilihan yang disukai (yaitu yang diinginkan dll sosial, terjangkau, layak secara teknis)
• Buat daftar skenario yang masuk akal dari kondisi masa depan (baik iklim dan sosial-ekonomi) berdasarkan informasi yang tersedia dan pemahaman.
• Tes pilihan pilihan Anda terhadap skenario yang berbeda; seberapa baik masing-masing pilihan akan tampil di bawah skenario yang berbeda dari masa depan? Di sini kita mencari pilihan yang mungkin melakukan dengan baik di berbagai skenario (ini tidak selalu pilihan TERBAIK untuk setiap skenario yang diberikan).
• Pilih sebuah opsi yang Anda menemukan cukup kuat diberikan keputusan Anda-konteks. Akan selalu ada beberapa resiko yang terlibat, tetapi mengingat situasi, apa yang diterima untuk Anda?

Pengelolaan Adaptif

Manajemen adaptif berusaha untuk agresif menggunakan intervensi manajemen sebagai alat untuk strategis menyelidiki fungsi ekosistem. Intervensi dirancang untuk menguji hipotesis kunci tentang fungsi ekosistem. Pendekatan ini sangat berbeda dari pendekatan manajemen khas 'informasi trial-and-error' yang menggunakan pengetahuan terbaik yang tersedia untuk menghasilkan strategi manajemen sebuah 'perkiraan terbaik' menghindari risiko, yang kemudian berubah sebagai informasi baru memodifikasi terbaik menebak '.

Manajemen adaptif mengidentifikasi ketidakpastian, dan kemudian menetapkan metodologi untuk menguji hipotesis mengenai mereka ketidakpastian. Menggunakan manajemen sebagai alat tidak hanya untuk mengubah sistem, tetapi sebagai alat untuk belajar tentang sistem. Itu berkaitan dengan kebutuhan untuk belajar dan biaya ketidaktahuan, sementara manajemen tradisional berfokus pada kebutuhan untuk melestarikan dan biaya pengetahuan.

Ada beberapa proses ilmiah dan sosial yang merupakan komponen penting dari manajemen adaptif:

1. manajemen terkait dengan skala temporal dan spasial yang sesuai
2. manajemen tetap fokus pada kekuatan statistik dan kontrol
3. penggunaan model komputer untuk membangun sintesis dan konsensus ekologi diwujudkan
4. menggunakan konsensus ekologi diwujudkan untuk mengevaluasi alternatif strategis
5. berkomunikasi alternatif ke arena politik untuk negosiasi pilihan

Pencapaian tujuan tersebut membutuhkan proses manajemen terbuka yang bertujuan untuk mencakup masa lalu, sekarang dan masa depan stakeholder. Manajemen adaptif perlu untuk setidaknya mempertahankan keterbukaan politik, tetapi biasanya perlu untuk menciptakannya. Akibatnya, manajemen adaptif harus menjadi proses sosial serta ilmiah. Ini harus fokus pada pengembangan lembaga-lembaga baru dan strategi kelembagaan seperti halnya maka harus fokus pada hipotesis ilmiah dan kerangka kerja eksperimental. 

Manajemen adaptif mencoba untuk menggunakan pendekatan ilmiah, disertai dengan pengujian hipotesis sejawat untuk membangun pemahaman, tetapi proses ini juga bertujuan untuk meningkatkan fleksibilitas kelembagaan dan mendorong pembentukan lembaga baru yang diperlukan untuk menggunakan pemahaman ini pada sehari-hari .

Home |Bab Sebelumnya| Menu| Bab Selanjutnya