Проверка достоверности модели

Сам по себе здравый смысл вряд ли можно считать научным способом проверки достоверности модели. К сожалению, другие методы проверки достоверности также имеют свои недостатки. На­пример, часто в заключении о проверке модели говорится, что ор­ганизация сэкономила X средств на издержках или получила Y до­полнительной прибыли в результате использования модели приня­тия решений. При этом возникает вопрос: вдруг такого же (или да­же более значительного) повышения доходности можно добиться без данной модели?

Поскольку в реальном мире контролируемые эксперименты, как правило, невозможны, одним из весьма несовершенных спосо­бов проверки правильности модели является ее ретроспективное использование: данные о решениях, параметрах и результатах для аналогичной ситуации, имевшей место в прошлом, помешаются в модель. Затем результаты, полученные с помощью модели, сравни­ваются с известными реальными результатами. Наконец, модель анализируется, и любое дополнительное улучшение рекомендаций по принятию решения становится доказательством того, что модель заслуживает доверия.

На этапе заключительного анализа следует помнить, что условия принятия решений постоянно меняются. Поскольку методы поддержки принятия решений предназначены для тех же самых ситуаций, нет смысла подгонять модели под более высокие, практически недостижимые научные стандарты. При заключительном анализе суждение о правильности модели, равно как и об ее полезности, выносится на основании здравого смысла.

Подведение итогов

В разрешении разнообразных управленческих ситуаций часто применяются условная оптимизация и принятие решений в условиях риска. К сожалению, для того, чтобы правильно использовать подобные модели, не достаточно просто описать их. Прежде чем использовать их на интуитивном уровне, необходимо понять, как такие модели создаются, какие связи существуют между решениями и результатами. Нужно изучить модели и их применение в различ­ных ситуациях, только после этого могут появиться собственные идеи. Требуется уделить время критическому анализу чужих работ, а также попрактиковаться самому.

Оптимальное решение дает наилучший ответ для абстрактной задачи, сформулированной в модели. Но будет ли это решение лучшим ответом в реальной ситуации, для которой создавалась модель? На этот вопрос необходимо ответить до того, как реализовать рекомендации модели. Всегда приходится принимать решение о том, следует ли реализовывать конкретную рекомендацию, но качество этого решения в значительной мере будет зависеть от того, насколько четко установлена взаимосвязь между моделью и реальной ситуацией, которую она отражает.

Важно также оценить чувствительность результата, т.е. насколько рекомендуемые моделью решения зависят от значений конкретных параметров, служащих входами модели. Предпочтительнее решения, которые остаются в силе для широкого диапазона входных значений. Следовательно, хорошее решение не должно превращаться в плохое при незначительном изменении одного из входов модели.

Большинство терминов, используемых при описании процесса моделирования, интуитивно понятны, тем более, что по мере развития модели эта терминология приобретает все более точный смысл. Но необходимость точного определения переменных и свя­зей модели (переменная решения, параметр, внешняя переменная и т. п.) встречает определенное сопротивление, возражения и непо­нимание со стороны других менеджеров, которые часто играют ключевую роль в реализации решений, полученных на основе ана­лиза модели. В табл. 1.3 представлены термины, используемые в моделировании, их определение и соответствующие примеры.

Таблица 1.3. Терминология моделирования

Непосредственная работа с моделями учит анализировать и разбивать на части путь от начальных предположений к заключени­ям. Первый шаг на пути к хорошему решению - постановка пра­вильных вопросов. Практикуясь в моделировании, вы получите возможность развить этот важный навык.