Upload
dinhngoc
View
222
Download
0
Embed Size (px)
Citation preview
1
Copyright C. A. Bana e Costa 2011
Teorema da Impossibilidade de Arrow(1951)
k candidatos (k > 2)
m votantes (m > 1) fornecendo cada um deles uma ordenaçãodos k candidatos
Será possível encontrar um método de agregação de todos as preferências individuais numa preferência colectiva tal que:
1. os candidatos resultem ordenados 2. respeite a unanimidade
3. um candidato resultar preferível a outronão dependa dos restantes
4. o método não é a ditadura Resposta: NÃO !
Copyright C. A. Bana e Costa 2011
Utilização de procedimentos incorrectosde ponderação de critérios
The most common critical mistake
Ralph KeeneyValue-Focused Thinking, 1992
2
Copyright C. A. Bana e Costa 2011
Ponderação de critérios: Questionamento incorrecto
Perguntar directamente se um critério é
mais importante do que outro critério é
“o erro crítico mais frequente.”
Ralph L. Keeney
Value Focused Thinking, 2001
Exemplo: Concursos Público para a construção de uma linha de
Metro em Lisboa.
O que é mais importante:
Custo global ou Prazo de execução ?
Copyright C. A. Bana e Costa 2011
Ponderação de critérios: Questionamento incorrecto
Custo global
(milhões de euros)
Prazo de execução
(meses)
Pior plausível
Melhor plausível
100 milhões de euros
40 meses
75 milhões de euros
35 meses
3
Copyright C. A. Bana e Costa 2011
Ponderação de critérios: Questionamento incorrecto
Custo global
(milhões de euros)
Prazo de execução
(meses)
Pior real
Melhor real
100 milhões de euros
39 meses
75 milhões de euros
34 meses
Copyright C. A. Bana e Costa 2011
Ponderação de critérios: Questionamento incorrecto
Custo global
(milhões de euros)
Prazo de execução
(meses)
Afinal, o que é ‘mais importante’, o custo ou o prazo !?
Pior plausível
Melhor plausível
100 milhões de euros
40 meses
75 milhões de euros
35 meses
Pior real
Melhor real
100 milhões de euros
39 meses
75 milhões de euros
34 meses
4
Copyright C. A. Bana e Costa 2011
Utilização de procedimentos incorrectos de alocação de recursos: selecção com base apenas nos benefícios dos projectos,em vez dos rácios benefícios/custos (value for the money)
Copyright C. A. Bana e Costa 2011
Como melhorar a tomada de decisão nas organizações?Facilitar a tomada de decisão seguindo um processo
consultivo apoiado em modelos de Análise de Decisão
Processo consultivo
“Caro Senhor,
Num assunto tão importância para si,
sobre o qual me pede conselho,
não posso aconselhar-lhe
o que decidir, mas, se desejar, posso
aconselhá-lo como.”
Benjamin Franklin
Carta a Joseph Priestly, 1772
Moral and Prudential Algebra
5
Copyright C. A. Bana e Costa 2011
Análise de Decisão
O objectivo de um processo consultivo de análise de decisão é
ajudar a estruturar e simplificar a tarefa de tomar uma decisão
complexa, tão bem e tão facilmente quanto a natureza da decisão
o permitir.
Objectivo
A ‘Análise de Decisão’ é o desenvolvimento e a aplicação de
metodologias e técnicas, de sólida base teórica, para ajudar a
melhorar a tomada de decisões nas organizações, em contextos
diversos:
• avaliação de opções / afectação de recursos
• decisão em grupo / negociação
• múltiplos objectivos / incerteza / risco.
Definição
Copyright C. A. Bana e Costa 2011
Necessidade de uma sólida base teórica
…in the same way that
we rely so firmly upon
the natural sciences for
our technological
advances.Elliot Jaques
Requisite Organization,
1988
6
Copyright C. A. Bana e Costa 2011
Teoria das probabilidades
• Origens: Pascal, De Fermat, 1654; Bayes, 1763
• Fundamentos axiomáticos: Ramsey, 1931; de Finetti, 1937
• Origens: Bernoulli, 1738
• Fundamentos axiomáticos: von Neumann e Morgenstern, 1947 Savage, 1951
Teoria da utilidade
Os fundamentos teóricos da Análise de Decisão são as teorias das probabilidades, da utilidade
e da utilidade esperada
• Origens: Savage, 1954(Princípio da “coisa-certa”)
• Fundamentos axiomáticos: ordenação, transitividade e dominância
Axiomas da preferência
)(max ii
ij
j
iji UEupUE e∑=para i opções e j consequências
• A probabilidade existe
• A utilidade existe
• Escolher a opção com maior UE
Utilidade esperada (UE)
UwU ijkk
kij ∑='
• Para k critérios independentes
Teoria multicritério da decisão (MAUT)
Teoria da Utilidade Esperada (UE)Axiomas da preferência
1. Ordenação
2. Transitividade
3. Dominância
4. Princípio da
“coisa-certa”
(Savage, 1954)
1. A probabilidade existe.
2. A utilidade existe.
3. Escolher a opção com maior UE.����
( ) e maxi ij ij ii
j
UE p u UE=∑
para i opções e j consequências
Teoria Multicritério da Decisão (MAUT)
Ralph KeeneyHoward Raiffa
1976
Para k critérios independentes:
UwU ijkk
kij ∑='
7
Copyright C. A. Bana e Costa 2011
31
ComplexidadeIncerteza Problema dominado por
Escolha• Árvores de • decisão• Diagramas de influência
Avaliação de opções
• Análise multicritério(MACBETH,EQUITY)
Afectação de recursose negociação
Revisão de opinião• Redes Bayesianas
Separação emcomponentes• Análise de risco
Modelos e técnicas de análise de decisão
Copyright C. A. Bana e Costa 2011
1. Quais são as principais incertezas?
2. Quais são os resultados possíveis dessas incertezas?
3. Qual a credibilidade associada a cada resultado ocorrer?
4. Quais são as consequências de cada resultado ocorrer?
Enfrentar a incerteza
8
Copyright C. A. Bana e Costa 2011
Exemplo 1: Avaliação de propostas de empreitadas de obras públicas
1. Quais são as principais incertezas?Preço final da obraPrazo de execução da obra
2. Quais são os resultados possíveis dessas incertezas?O preço e o prazo contratados virem a ser excedidos ou não
3. Qual a credibilidade associada a cada resultado ocorrer?Determinar a probabilidade de ocorrência de cada resultado
4. Quais são as consequências de cada resultado ocorrer?☺ ��
� ��
� ��
Copyright C. A. Bana e Costa 2011
Construir perfis de risco contendoa informação essencial sobre como a incerteza
afecta as opções.
A. Perfil de risco A associado a escolher uma proposta
Incerteza: custo final da obraresultados probabilidades consequências
preço excedido p = P(preço final > contratado) �
preço não excedido 1 – p ☺
B. Perfil de risco B associado a escolher uma proposta
Incerteza: prazo de execução da obra resultados probabilidade consequências
prazo excedido q = P(prazo real > contratado) �
prazo não excedido 1 – q ☺
9
Copyright C. A. Bana e Costa 2011
Árvores de Decisão
Opções
Incertezas
Consequências
Software: DATA(Treeage)
Copyright C. A. Bana e Costa 2011
Diagramas de influência
Lucros
Lançar um novo produto:sim ou não?
Lançar o produto
Quota de mercado
Dimensão do
mercado
Volume de vendas
Custos
Ronald Howard, James Matheson, J. (eds.), 1984
Readings on the Principles and Applications of Decision
Analysis
10
Copyright C. A. Bana e Costa 2011
Diagramas de influênciaLançar um novo produto:
sim ou não?
LucrosLançar o produto
Quota de mercado
Dimensão do
mercado
Volume de vendas
Custos
Ronald Howard, James Matheson, J. (eds.), 1984
Readings on the Principles and Applications of Decision
Analysis
Copyright C. A. Bana e Costa 2011
Software: Precision Tree
(PALISADE)
11
Copyright C. A. Bana e Costa 2011
Software: DPL
(ADA)
Copyright C. A. Bana e Costa 2011
40
ComplexidadeIncerteza Problema dominado por
Escolha• Árvores de • decisão• Diagramas de influência
Avaliação de opções
• Análise multicritério(MACBETH,EQUITY)
Afectação de recursose negociação
Revisão de opinião• Redes Bayesianas
Separação emcomponentes• Análise de risco
Modelos e técnicas de análise de decisão
12
Copyright C. A. Bana e Costa 2011
Da teoria à prática: diminuir a complexidade
Exemplo: Identificação dos factores-chave de
competitividade
42
Software: Decision Explorer
(Banxia, 2000)
Jonathan Rosenhead, John Mingers (Ed.), 2001Rational Analysis for a Problematic World Revisited
13
Simplificar a complexidade
Construção de um “Modelo Ajustado”
43
Escolha de um escritório
44
valores
Recursoslimitados
Pontos de vista(objectivos)
�Acessibilidade ao trabalho boa
�Facilidade de estacionamento
�Serviços essenciais disponíveis
�Área suficiente�Renda aceitável
Acções potenciais
(Opções)
Como medir as consequências?(critérios)
Tempo de casa ao escritório em hora de ponta (min.)
Probabilidade de encontrar depressa um lugar perto (%)Estafeta: sim ou não?Fotocopiadora: sim ou não?Fax: sim ou não?
Área do escritório (m2)Renda mensal (contos)
Alugar A , B, C, D ou E.
14
Tabela de consequências
45
Acessibilidade Facilidade de estacionamento
Serviços disponíveis
Área Renda mensal
A 45 min 50% estafeta fotocópia fax
80 m2 190 c
B 25 min 80% estafeta fotocópia
70 m2 170 c
C 20 min 70% nenhum 50 m2 150 c
D 25 min 85% estafeta fotocópia fax
95 m2 190 c
E 30 min 75% nenhum 70 m2 175 c
Tabela de consequências
46
Acessibilidade Facilidade de estacionamento
Serviços disponíveis
Área Renda mensal
A 45 min 50% estafeta fotocópia fax
80 m2 190 c
B 25 min 80% estafeta fotocópia
70 m2 170 c
C 20 min 70% nenhum 50 m2 150 c
D 25 min 85% estafeta fotocópia fax
95 m2 190 c
E 30 min 75% nenhum 70 m2 175 c
Muitos factores
Nenhuma localização óptima (conflito entre factores)
Como encontrar
o melhor compromisso?
15
Simplificar a complexidade
progressivamente. Como?
• Eliminando opções Analisar
dominâncias
Técnicas de
AD
Estabelecer
• Eliminando critérios compensações
47
Análise de dominância
48
B domina E
Acessibilidade Facilidade de estacionamento
Serviços disponíveis
Área Renda mensal
A 45 min 50% estafeta fotocópia fax
80 m2 190 c
B 25 min 80% estafeta fotocópia
70 m2 170 c
C 20 min 70% nenhum 50 m2 150 c
D 25 min 85% estafeta fotocópia fax
95 m2 190 c
E 30 min 75% nenhum 70 m2 175 c
16
49
Acessibilidade Facilidade de estacionamento
Serviços disponíveis
Área Renda mensal
A 45 min 50% estafeta fotocópia fax
80 m2 190 c
B 25 min 80% estafeta fotocópia
70 m2 170 c
C 20 min 70% nenhum 50 m2 150 c
D 25 min 85% estafeta fotocópia fax
95 m2 190 c
E 30 min 75% nenhum 70 m2 175 c
D domina A
Compensação
50
Acessibilidade Facilidade de estacionamento
Serviços disponíveis
Área Renda mensal
A 45 min 50% estafeta fotocópia fax
80 m2 190 c
B 25 min 80% estafeta fotocópia
70 m2 170 c
C 20 min 70% nenhum 50 m2 150 c
D 25 min 85% estafeta fotocópia fax
95 m2 190 c
E 30 min 75% nenhum 70 m2 175 c
25 min 140 c
© 2001 Carlos A. Bana e Costa
17
51
Facilidade de estacionamento
Serviços disponíveis
Área Renda mensal
B 80% estafeta fotocópia
70 m2 170 c
C 70% nenhum 50 m2 140 c
D 85% estafeta fotocópia fax
95 m2 190 c
estafetafotocópia
170 c
170 c
Problema ainda menos complexo
52
D domina B e C
Facilidade de estacionamento
Serviços disponíveis
Área Renda mensal
B 80% estafeta fotocópia
70 m2 170 c
C 70% nenhum 50 m2 140 c
D 85% estafeta fotocópia fax
95 m2 190 c
DD
Melhor opção!Melhor opção!
Problema simples
1999
18
53
Ponderação de critérios
Facilidade de estacionamento
Serviços disponíveis
Área Renda mensal
B 80% estafeta fotocópia
70 m2 170 c
C’ 70% nenhum 50 m2 140 c
D’
85%
estafeta fotocópia
95 m2
190 c
Qual é mais importante ?
SIM
O erro grave mais comum
Copyright C. A. Bana e Costa 2011
Avaliação, prioritização e selecção de projectos de investimento, estratégias e políticas,
e alocação de recursos:Que tipo de abordagem?
Participação
→→→→ Uma abordagem socio-técnica:
NORMATIVA PRESCRITIVA CONSTRUTIVA
• Aprendizagem em grupo
• Interactividade; facilitação
• Confrontação de preferências holísticas intuitivas com resultados dos métodos analíticos
• Respeito do princípio de que o problema e a solução pertencem ao decisor e não ao consultor
• O consultor conduz o processo sem interferir no conteúdo
19
Copyright C. A. Bana e Costa 2011
A abordagem socio-técnica de apoio à decisãoutiliza métodos de análise de decisão (componente técnica)
em conferências de decisão (componente social)para construir um modelo ‘ajustado’ às preferências do grupo
Principais vantagens
• Combinação entre processo social e técnico
— Explicitação de conhecimento tácito permite ao grupo ter performance decisória superior à individual
— Uso de sistemas de ajuda à decisão permite análises de sensibilidade e resposta imediata a questões ‘what-if’
• Experiência comprovada
— CD preferidas às reuniões normais(Chun, 1992)
— Alto valor em grupos menores, abertos à mudança e com decisões participativas
Copyright C. A. Bana e Costa 2011
Metodologias de intervençãoModelo de consulta
Abordagem Objectivo Tipo de aprendizagem
Escolas deAnálise de Decisão
Modelodo
PERITO
Normativa Resolver o problema do cliente
Adaptativa, unívoca
Cliente
Consultor
Teoria da decisão
Modelodo
ANALISTA
(doctor)
PrescritivaResolver o
problema com
o cliente
Mais adaptativa do que generativa
Howard (STANFORD)
Keeney e Raiffa (HARVARD)
Modelodo
FACILITADOR
(‘helper’)
ConstrutivaAumentar a
capacidade de
aprendizagem
do cliente
Generativa, biunívoca
Cliente
Consultor
Roy (LAMSADE)
Edwards (USC)
Bana e Costa & Phillips (LSE / IST)
20
Copyright C. A. Bana e Costa 2011
Princípios de intervenção do ‘facilitador’
• Tente sempre ajudar
• Tente estar sempre em contacto com a realidade actual
• Avalie o seu desconhecimento
• Tudo o que faz é uma intervenção
• O problema e a solução pertencem ao cliente
Edgar Schein, 1999Process Consultation Revisited:
Building the Helping Relationship
Copyright C. A. Bana e Costa 2011
‘MODELO AJUSTADO’ (requisite decision model)
Modelo ajustadoTão simples quanto possível:
suficiente em forma e conteúdopara ‘ajudar a resolver o problema’
Resultados do modelo
intuição⊗
revisões, alterações
contributos, novas intuições
Phillips (1984), “A theory of requisite decision models”, Acta Psychologica
Phillips & Bana e Costa (2007) Transparent prioritisation, budgeting and resource allocation with multi-criteria decision analysis and decision conferencing, Annals of
Operations Research, 154 (1), 51-68
21
Copyright C. A. Bana e Costa 2011
Decisão em processo de conferência (Decision Conferencing)
Cameron Peterson, 1979; Lawrence Phillips, LSE
Assuntos adiscutir
Acção
Actores
ExplorarFactores
ConstruirModelo
ExplorarModelo
Entendimento partilhado Compromisso
Preparar:Objectivos
ParticipantesConvocatória
Comparar: Intuição⇔Modelo
Copyright C. A. Bana e Costa 2011
Decisão em processo de conferência
Screen Screen
Facilitator
Analyst Analyst
Participants
Participants
Participants