Manaersk rozhodovn Ing Helena Hrzov CSc helena hruzovavsem
- Slides: 186
Manažerské rozhodování Ing. Helena Hrůzová, CSc. helena. hruzova@vsem. cz
Informativně • Termíny výuky • Literatura (základní) • – Hrůzová, H: Manažerské rozhodování. Praha: VŠEM, 2010 100 – 91 1 – Prezentace 90 – 71 2 Zkouška 70 – 51 3 – Vzorový test 50 4 • Systém výuky a forma práce • Účastníci 2
Obsah předmětu Rozhodovací procesy a jejich struktura Postup řešení a analýza rozhodovacích problémů Vytváření variant řešení Hodnocení a výběr variant Management rizika Participativní rozhodování 3
8 Rozhodovací procesy – terminologie 4
Znaky manažerského rozhodování • • • (Dnes již) vědní disciplina „Mladá“ disciplina Prakticky zaměřená (není „vysokou teorií“) Multidisciplinární Významnost role rozhodovatele Významnost rizikových faktorů a situací 5
Multidisciplinarita 9 psychologie personalistika sociologie management podniková ekonomika teorie, nástroje, praxe manažerského rozhodování marketing výroba a logistika filosofie matematika statistika ……. informační systémy a technologie 6
Typy rozhodování • Intuitivní vs. analytické • Vědomé vs. nevědomé • Racionální vs. iracionální 7
Stránky, teorie a modely 10 9 • Meritorní, procedurální a instrumentální stránka 12 • Normativní teorie a deskriptivní teorie • Sociálně psychologické, kvantitativně orientované, organizační teorie rozhodování 11 8
Modely rozhodování 11 MODEL RACIONÁLNĚ EKONOMICKÝ ADMINISTRATIVNÍ v rozhodovací situaci manažer by měl dělat skutečně dělá informace získat úplné a přesné užívá neúplné a nepřesné riziko vyloučit riziko/nejistotu nevyloučí riziko/nejistotu racionalita hodnotit racionálně a logicky je omezen subjektivní racionalitou princip volby směřovat optimalizace – princip optimalizace směřuje k uspokojení – princip satisfakce rozhodnutí/teorie normativní deskriptivní výsledek optimální pro zájmy a cíle organizace nemusí být optimální pro organizace 9
8 Manažerské rozhodování – věda, praxe, intuice? 10
12 Rozhodovací procesy – struktura 11
Rozhodovací procesy • • • Prvky rozhodovacího procesu Klasifikace rozhodovacích procesů Role informací a informačních technologií v rozhodování 12
Prvky rozhodovacího procesu 13 Stav světa Cíle Subjekt Kritéria Objekt Varianty Důsledky 13
Klasifikace prvků a typů 12 -16 Zejména: • Podmínky pro rozhodování • Postoj subjektu k riziku • Racionalita rozhodování • Princip optimalizace/satisfakce řešení • Strukturovanost objektu • Algoritmizovatelnost • Forma vyjádření cílů a kritérií • Typ kritérií • Vývoj v čase • Konfliktnost variant • . . . 14
Strukturovanost problémů • Dobře strukturované problémy • Špatně strukturované problémy • Semi-strukturované problémy 15
Informace při rozhodování Požadavky • dostatečný počet • kvalitní • relevantní • aktuální • jednoznačné • verifikované 16 Odmítnout • opak Je třeba bilancovat množství informací vs. náklady a užitečnost informací 16
Informace – užitek a náklady 17 užitek, náklady užitek náklady rozsah informací Optimum ! S růstem objemu informací rostou mezní náklady, ale klesá jejich mezní užitek 17
Faktory rozsah informací • • Významnost Reversibilita Senzitivita Časový horizont/tlak Disponibilnost zdrojů Dostupnost informací Schopnosti rozhodovatele 18
Počítačová podpora 17 • Informační forma – manažerské informační systémy (MIS) • Modelová forma – systémy na podporu rozhodování (DSS) • Expertní forma – expertní systémy (ES) 19
Shrnutí tématu a dotazy • Rozdíl mezi rozhodováním a rozhodovacím procesem • Rozlišovat meritorní a procedurální stránku rozhodovacích procesů • Rozlišovat normativní a deskriptivní teorie rozhodování • Znát prvky rozhodovacího procesu • Umět klasifikovat rozhodovací procesy • Uvědomovat si roli informací a PC 20
20 Postup řešení a analýza rozhodovacích problémů 21
Obsah 1. Fáze řešení rozhodovacích procesů 2. Metodický postup analýzy rozhodovacích problémů – Situační analýza – Identifikace rozhodovacích problémů – Analýza a formulace rozhodovacích problémů 3. Metody analýzy a interpretace rozhodovacích problémů – Metody kauzální analýzy – Metody analýzy struktury rozhodovacích problémů 4. Využití metod v praxi 22
1. Fáze rozhodovacího procesu 1. Určení problému 2. Tvorba variant 3. Hodnocení variant 4. Výběr variant 5. Realizace rozhodnutí 6. Kontrola a hodnocení 1. 2. 3. 4. 5. 6. 7. 8. 9. Situační analýza Identifikace problémů Analýza problémů Rozhodovací kritéria Tvorba variant Důsledky variant Výběr variant/y Realizace Kontrola, retrospektiva 23
Rozhodovací proces jako cyklus 23 situační analýza monitorování, kontrola a retrospektiva im ple va men ria tac nty e iden an tifik lac alýza ace, e p , fo rob rm lém u- ů určení kritérií a tvorba variant výběr varianty u ho rče dů dn ní s o a va led cen ria ků í nt vé my o n lé ob r p 24
2. Metodický postup vznik rozhodovacího problému 24 -37 situační analýza identifikace rozhodovacích problémů analýza a formulace problému rozpoznání problémových situací důležitost řešení problémů deskripce a prvotní formulace problému rozčlenění problémových situací pořadí řešení problémů cíl řešení problému kauzální analýza testování kauzality zpřesnění formulace problému 25
3. Metody analýzy a interpretace 38 rozhodovacích problémů metody kauzální analýzy • metoda Kepnera-Tregoea • kauzální řetězec • strom kauzálních vztahů • diagram příčin a následku • kauzální diagnóza • regresní a korelační analýza • analýza silového pole • Paretova analýza • analýza kauzálních vrstev (CLA) další metody analýzy rozhodovacích problémů • dimenzionální analýza • metoda šesti slov • metoda šesti klobouků • analýza interaktivních rozhodovacích oblastí (AIDA) metody analýzy struktury • influenční diagram • kognitivní mapa 26
Klasifikace příčin • • • 34 Ovlivnitelnost Zjistitelnost Latence (P) výskytu Doba působení Charakter působení Rozsah působení Místo působení Potence působení 27
Formy kauzální analýzy • Deduktivní N P • Induktivní P N 35 28
Kauzální řetězec následek nevyužitá výrobní kapacita příčina 1 malá vytíženost výrobní linky příčina 2 Proč? 39 malý objem výroby … nízká poptávka příčina n vysoká cena produktu 29
Strom kauzálních vztahů – př. 75 nevyužitá kapacita výrobní linky malá vytíženost výrobní linky špatný marketingový výzkum spěch malá nabídka zákazníkům malý objem výroby není dost materiálu dlouhé dodací lhůty špatně uzavřené smlouvy poruchovost linky nízká poptávka velká konkurence záběhový provoz podceněno nabídkové řízení nejnižší cenová nabídka linky splátky investičního úvěru zastaralá linka změna instalace stavební dispozice vysoká cena produktu vysoké náklady investiční úvěr Proč? nepřizván komerční právník 30
Diagram příčin a následku skupina příčin C příčina C 1 42 skupina příčin A příčina A 2 příčina A 1 příčina C 2 příčina A 3 následek příčina B 1 skupina příčin B Skupiny Výroba: 4 resp. 6 M (Man, Machine, Method, Materials; Measurement, Mother Nature, resp. Equipment, Process, People, Materials, Environment, Management) Administrativa, služby: 8 P (Price, Promotion, People, Processes, Place/Plant, Policies, Procedures, Product) Služby: 4 S (Surroundings, Suppliers, Systems, Skills) 31
Kauzální diagnóza – příklad Tabulka kauzálních vztahů Graf pozice jevů 1 2 3 4 5 6 1 pokles objemu přepravy 1 2 zvýšení cen energií 1 1 3 zvýšení legislat. nároků 1 4 přechod ke konkurenci 1 1 5 lepší nabídka konkurence 1 1 1 6 špatný ek. výsledek ∑ následností 3 0 0 1 0 5 ∑ příčinností 1 2 3 0 kauzalita (rozdíl) 2 -2 -1 -1 -3 5 centalita (součet) 4 2 1 3 3 5 5 4 3 2 1 centralita jev příčiny následky kauzalita 32
Analýza silového pole 49 Rozhodovací problém Síly hybné Síly brzdné -5 -4 -3 -2 -1 +1 +2 +3 +4 +5 33
Analýza silového pole – př. 1 NEVYUŽITÍ KAPACITY ZAŘÍZENÍ Síly hybné Síly brzdné -5 -4 -3 -2 -1 +1 +2 +3 +4 +5 nízká poptávka potvrzené zakázky čekání na materiál, nekvalitní dostatečné zásoby materiál bezporuchový provoz vysoká poruchovost zařízení kvalifikovaný, nefluktující personál nedostatečně početná/kvalifikovaná třísměnný provoz obsluha jednosměnný provoz reinstalace celkem -24 celkem +21 34
Pareto – příklad Hodnota příčin snížení odbytu příčina 1 snížení kupní síly hodnota 54 pořadí 350 1. 2 opatrná bankovní politika 28 6. 3 pád koruny 19 11. 4 problémy finančních ústavů 32 5. 5 substituty 23 10. 104 4. 7 rozdíl mezi příjmy osob ve velkoměstech a na malých městech a venkově 14 13. 8 sociální skladba obyvatel v regionu 14 12. 205 2. 10 malý rozsah státních zakázek 28 7. 11 malá státní podpora 23 8. 137 3. 23 9. 6 zvýšená nezaměstnanost 9 obrovská konkurence na domácím trhu 12 obtížnost proniknutí za hranice 13 zvýšení úrokových sazeb 35
Paretův diagram – příklad 1000 900 80% 800 56% 600 500 350 300 100% 90% 80% 70% 60% Lorenzova křivka 50% 35% 40% 30% 205 200 137 100 0 95%97%99% 69% 700 400 83%86% 93% 88%91% 1 9 12 % 104 32 28 28 23 23 4 2 10 11 13 6 6 4 2 10 11 13 Skupiny příčin A B 20% C X 10 -20 23 19 14 Y 3 80 8 5 5 3 8 30 -5010% 45 -50 14 15 0% 5 7 7 A B C 36
Metoda šesti slov ANO 57 NE 1. Co je problém? 1. Co není problém? 2. Kdy problém nastal? 2. Kdy problém nenastal? 3. Proč problém nenastal? 4. Kde problém nenastal? 5. Kdo přispěl k příčinám problému? 5. Kdo nepřispěl k příčinám problému? 6. Jak poznat, že problém nastal? 6. Jak poznat, že problém nenastal? 37
Metoda šesti slov – příklad ANO • neoprávněné čerpání peněz z klientských účtů • pracovní doba v pracovní den • málo zabezpečený počítač klientem problém 58 NE • chybný výběr z účtu klientem Co? • chybné odepsání z klientského účtu bankou Kdy? • mimo pracovní dobu • výběr na přepážce Proč? • phishing • napadení systému banky • účty na pobočkách v regionech Kde? • soukromé účty • pobočka na území hlavního města • firemní účty • konta s častými pohyby peněz • klient - nedostatečné ochranné • klient bankovní transakcí mechanizmy internetových účtů • osoby s dispozičním právem • bankovní úřednice back-office • pokladní • back-office banky - nedostatečné Kdo? • pracovnice na přepážce kontrolní mechanizmy • služba bezpečnostní agentury • IT oddělení banky - nedostatečné kontrolní mechanismy • zcizení uživatelského jména, • kontrola výpisů klientem hesla a bezpečnostního certifikátu • běžné kontrolní mechanizmy v Jak? klienta využívajícího služby bance internetového bankovnictví • víceúrovňová ochrana klientů • napadení bankovního systému 38
Kognitivní mapa • Postup 71 Co ovlivnilo snížení ceny? cena, atraktivita, konkurence, – Definování rozh. problému zisk – Identifikace prvků RPr směr – Určení kauzálních závislostí a závislosti jejich směru – Označení typu kauzálních prvek RP závislostí – Simulace rozhodovacích situací – Hodnocení RPr typ závislosti Pramen: Hrůzová-Richter-Švecová, 2003 39
Kognitivní mapa – princip + Faktor 7 - + Faktor 2 - Faktor 3 Faktor 6 Faktor 5 - - - + Faktor 4 + 1 -4 -2 -7 1 -4 -6 -2 -7 1 -4 -2 -3 -7 1 -4 -6 -2 -3 -4 -2 -7 1 -4 -6 -2 -3 -4 -6 -2 -7 1 -5 -4 -6 -2 -7 1 -5 -4 -2 -3 -7 1 -5 -4 -6 -2 -3 -7 1 -5 -4 -2 -3 -4 -2 -7 1 -5 -4 -2 -3 -4 -6 -2 -7 7 7 7 + Faktor 1 Pramen: Hrůzová, 2007 40
Influenční diagram • Typy prvků 64 • Typy vazeb Rozhodovací proměnná Situační proměnné: Exogenní veličina Riziková exogenní vel. Stavová veličina Omezující podmínky Cílová proměnná/kritérium Funkční závislost Informační závislost Stochastická závislost Pramen: Hrůzová, 2007 41
Influenční diagram – příklad Riziková exog. veličina cena vstupů Kritérium Fu zá nkčn vis í los t Zisk Rozhodovací proměnná prodejní cena ká c i t as t h c Sto vislos zá Fu zá nkčn vis í los t prodej Stavová veličina 42
Influenční diagram – příklad 67 cena vstupů náklady Zisk prodejní cena tržby prodej 43
4. Výhody a aplikovatelnost metod • • • Nejde o optimalizaci, ale o systematický přístup k řešení Logický, racionální analytický postup Jednoduché, názorné, srozumitelné metody Rychle a levně aplikovatelné na malý i složitější úkol Použití metod individuálně i v kombinaci Snadno komunikovatelné Jsou subjektivní a vyžadují diskuzi a čas Nejsou finančně náročné Nevyžadují hluboké znalosti matematiky a statistiky Retrospektivní i perspektivní použití Přesvědčivý argumentační a motivační nástroj Kultivují rozhodovací proces 44
Významné chyby v praxi • Použití minulých řešení pro současné problémy, metoda pokusů a omylů, intuitivní postup • Řešení problému, aniž by byl dříve definován a analyzován • Řešení problému bez stanovení cíle řešení • Řešení problému bez znalosti širšího kontextu • Řešení symptomů problému („rychlá diagnóza“) • Odhad bez použití analytických metod • Uplatnění subjektivních preferencí • Reakce na problémy místo akce proti příčinám 45
Shrnutí tématu a dotazy • Rozumět procedurální stránce rozhodovacích procesů • Vnímat následnost a obsah jednotlivých fází rozhodovacího procesu • Umět analyzovat rozhodovací situaci • Umět identifikovat rozhodovací problémy • Priorizovat problémy • Používat metody postupu řešení problémů • Používat metody kauzální analýzy aj. metody • Dokázat nalézt příčiny rozhodovacích problémů 46
76 Vytváření variant řešení 47
Obsah 1. Tvorba a výběr kritérií hodnocení variant 2. Metody tvorby variant 3. Problémy uplatnění metod v praxi 48
1. Tvorba a výběr kritérií • Jsou – hlediska, ukazatele, měřítka, faktory • Slouží – k posouzení výhodnosti variant • Odvozují se Pramen: Fotr a kol. , 2006 – z CÍLŮ formulovaného rozhodovacího problému 49
Klasifikace kritérií rozhodování 77 • Forma vyjádření – – Kvantitativní Kvalitativní • Typy kritérií – Výnosového typu – Nákladového typu 50
Jak tvořit portfolio kritérií? vycházet 79 respektovat • Cíle • Subjekty rozhodování – S. M. A. R. T. – žádoucí efekty nez áv – nežádoucí dopady islost • krátkodobé • dlouhodobé ne ce n a nd u d re úplnost Požadavky na portfolio st no e ž á vyv min rozismální ah operacionalita 51
Struktura portfolia kritérií • Počet kritérií – – • Složení kritérií – jednotypové – kombinované monokriteriální multikriteriální • Povaha kritérií – – 78 • Sourodost kritérií – heterogenní – homogenní komplementární konfliktní • Význam pro rozhodovatele – – indiferentní 52
Kritéria – shrnutí • Kritéria odvozovat od cílů • S variantním řešením souvisí rozhodovací kritéria • Rozhodovací kritéria mohou být velmi rozdílná • Je třeba respektovat zásady a požadavky na tvorbu portfolia kritérií • Kritéria ovlivňují nejen tvorbu, ale i hodnocení variant 53
Varianty 80 • Varianty – 1 cíl, různé cesty • Alternativy – různé cíle, různé cesty • Rozhodovací pole varianty vylučující se nevylučující se 54
Případy řešení rozhodovacích problémů z hlediska znalosti variant řešení 81 1. varianty známe dobře strukturovaný problém varianty neznáme 2. postupy známé 3. postupy neznáme semistrukturovaný problém špatně strukturovaný problém 55
2. Metody tvorby variant elementární vědecké tvůrčí metody intuitivní tvůrčí metody systematickoanalytické tvůrčí metody 82 normativní tvůrčí metody přímá tvorba: metoda • hodnotové inženýrst • analogie • brainstorming • kontrolních seznamů • hodnotová analýza • agregace • brainwriting aj. • alternativních dotazů • desagregace • metoda Delphi • morfologická • dimenzování • matematicko • kinematické obrácení využití analogie: • kombinace s interakcí • Gordonova metoda -logických modelů • porovnávání podobností • synektická (Gordo- • rozhodovací strom • porovnávání funkcí nova) metoda 56
Brainstorming 85 • A. F. Osborn, 1938 • Co je a co není brainstorming • Principy příznivá atmosféra odložená kritika rozlet návaznost množství námětů 57
Brainstorming – příklad 88 Výběr lokality skladu cena pozemku vládní úlevy atraktivnost lokality vstřícnost úředníků poloha v rámci republiky reakce obyvatel preference manažerů (kam se stěhovat) volná pracovní síla v regionu možnost využití existující stavby dostupnost ubytování časová dosažitelnost z přístavu ekologické iniciativy frekvence dopravy krajinný reliéf terénu cena pohonných hmot způsob dopravy dopravní infrastruktura velikost skladu inženýrské sítě síť prodejen klimatické podmínky dostupnost kvalifikované pracovní síly bonita půdy 58
Brainstorming Výhody • Více osob, více námětů • Relativně rychle • Generování námětů s podporou ostatních • Odložená kritika • Motivační, zajímavé, poučné Nevýhody • Sociální lenost (ztráta motivace při práci v týmu) • Obavy • Odsun/zapomnění nápadu • Rušivé vlivy (smích) 59
Brainstorming – modifikace 88 • Rolestorming – Generování řešení v pozici určité role (funkce, osoby, postavy, zvíře, . . . ) – Nárůst nápadů o 60 -70 % • • Imaginární brainstorming Negativní brainstorming Vizuální brainstorming (brainsketching) Brainwriting – Metoda 635 – Diskuze 66 60
Gordonova metoda – příklad 91 Odstranění tekutiny setřít nechat stéct vysát nechat vytéct vytřít vyvařit nechat tekutinu objektem „projít“ odčerpat působit chemicky vylisovat vyčerpat působit biologicky vysušit vylít přečerpat jinam odvodnit vypařit chránit objekt před vniknutím tekutiny vystřelit na měsíc zabránit vniknutí tekutiny odvést jinam vypít vyschnout zmrazit změnit skupenství tekutiny před vniknutím do objektu vyvařit vytlačit 61
Synektická metoda • Postup: 1. Problém a jeho analýza 2. Odstoupení od problému (zobecnění) 3. Uvědomění si vzájemných souvislostí 4. Zpracování návrhů • Příklad: 1. Odstraňování znečištění světlometů za jízdy 2. Odstraňování vrstvy povlaku z povrchu 3. Z přírody, života, techniky 4. Oční víčko, vítr, odtrhnout, síla, padák, brzda Upraveno podle: VLČEK, R. 62
Etapy synektické metody příprava 93 zadání problému analýza problému spontánní řešení odstup a redefinice problému analogie z přírody osobní symbolická z techniky analýza námětů návrat a řešení původního problému 63
Morfologická metoda 93 Fritz Zwicky, 1967 • Princip • Morfologie – nauka o tvarech nebo formách • Systematické kombinace znaků a vztahů mezi prvky komplexních problémů 64
Morfologická metoda – příklad Varianty mlékárenského produktu A Konzistence 1 Tekutina 2 Prášek 3 Instantní B Přísady 1 Žádné 2 Konzervační 3 Barviva C Obal 1 Sklo 2 Plast 3 Papír D Otevření/za 1 Víčko 2 Zátka 3 Uzávěr 4 Brčko 5 Roztržení • Prvky každého kritéria: 3 prvky kritéria A 3 prvky kritéria B 3 prvky kritéria C 5 prvků kritéria D • Možných variant: 3 * 3 * 5 = 135 • Vyloučit nereálné varianty: např. A 2 -…-C 2 -D 4; … 65
Morfologická matice – příklad Varianty logistického centra A Hlediska působnost centra B lokalita C způsob dopravy 94 Prvky a 1 republiková a 2 více zemí a 3 přidružení k zahraničnímu centru a 4 okresní a 5 lokální b 1 velkoměsto b 2 středně velké město b 3 na zelené louce b 4 průmyslová zóna c 1 železnice c 2 c 3 c 4 kamionová doprava automobilová doprava vodní doprava 66
Hodnotové inž. /analýza 95 • Lawrence D. Miles, 1947 základní principy funkční přístup funkční analýza tvůrčí přístup interdisciplikritérium nární přístup efektivnosti funkčnost náklady funkční syntéza • Vztahy mezi funkčností a náklady 67
Funkční přístup • Uplatnění klasického přístupu – prvky, položky • Uplatnění funkčního přístupu – funkce 68
Funkční analýza/syntéza/portfolio 97 • Funkce hlavní a vedlejší • Funkce uživatelské a výrobce • Funkce existující a nové funkce požadované funkce chybějící funkce dosavadní funkce zbytečné 69
3. Praxe – problémy a řešení • Neznalost zásad a požadavků tvorby portfolia kritérií • Jedno kritérium, jedna varianta • Trvání na standardním řešení • Porušení zásad týmové práce a tvůrčího řešení • Princip optimalizace • Respektování fází RP • Využití databází • Rozvoj tvůrčího potenciálu • Týmová práce • Modelování RP • Výpočetní technika 70
Shrnutí tématu a dotazy • Rozeznáváme standardní varianty se znalostí řešení a bez znalosti řešení • Kvalita tvorby variant ovlivňuje výběr varianty • Kvalitu zvyšuje interdisciplinární týmové řešení • Při vytváření variant je nezbytné zvažovat jejich počet • Je ovlivněn zejména řešeným problémem, kvalitou návrhů a náklady na tvorbu variant řešení • Odlišujme varianty bez rizik; s riziky a pravděpodobností jejich výskytu • Většinu metod tvorby variant lze využít i při hodnocení variant 71
101 Hodnocení a výběr variant 72
Obsah 1. Vícekriteriální hodnocení – Měření kritérií – Stanovení vah kritérií – Metody vícekriteriálního hodnocení 2. Výběr implementační varianty 3. Aplikovatelnost metod v praxi 73
1. Měření kritérií 102 Stupnice měření • Nominální • Ordinální • Kardinální • • Intervalové Poměrové 74
Aditivizace multikriteriality 103 Měrné jednotky • Převodní můstky – převod na stejnou jednotku – převod na utilitu – převod na bezrozměrnou (aditivní, standardizovanou hodnotu • Kompenzace hodnot kritérií • (Vyloučení některých kritérií) 75
Metody určení vah kritérií bez znalosti důsledků variant metody přímé: • expertní metoda • bodovací metoda • Metfesselova metoda • metoda poměrných čísel • metoda odchylkové stupnice • metoda postupného rozvrhu vah metody nepřímé: • metoda párového srovnávání • Saatyho metoda 103 se znalostí důsledků variant • kompenzační metoda • regresní metoda 76
Metoda poměrných čísel 107 • Postup 1. Sestupné pořadí kritérií 2. Poslední kritérium váha 1 3. Každé vyšší kolikrát je důležitější, než poslední? z*1 4. Výpočet normovaných vah x*1 1 77
Metoda postupného rozvrhu vah 110 mnoho a rozdílných kritérií Postup 1. Rozdělení kritérií do skupin 2. Stanovení vah skupin 3. Stanovení vah kritériím v každé skupině 4. Výsledný výpočet vah kritérií Sj A B C wj … … … Ki wij 1 w 1 A w 1 2 w 2 A w 2 3 w 3 A w 3 4 w 4 A w 4 … … … … … n ∑ 1, 00 wi wn. C wn 1, 00 78
Postupný rozvrh vah – příklad Zjednodušený příklad hodnocení vozu z pohledu řidiče Skupina kritérií Váha skupiny Kritérium Váha Individuální kritéria ve váha kritéria skupině v souboru 50 Pořizovací cena Provozní nákl. 60 30 40 20 Technických 30 Akcelerace Jízdní vlastnosti 30 9 70 21 Ekologických 20 Exhalace Hlučnost 10 2 90 18 Ekonomických 100 79
Metody založ. na párovém srovnávání • Postup Metoda párového srovnávání 111 1. Postupné srovnávání dvojic kritérií 2. Počet preferencí 3. Stanovení normovaných vah Saatyho metoda 1. 2. 3. 4. 114 Postupné srovnávání dvojic kritérií Velikost (důležitosti) preferencí Metoda nejmenších čtverců / aproximace Stanovení normovaných vah 80
Příklad MPS Zjednodušený příklad Ki K 1 K 2 K 3 K 4 K 5 +1 Voleb Pořadí Váha K 1 x 0 0 1 1 2 3 3. 0, 2 K 2 1 x 0 1 1 3 4 2. 0, 26 K 3 1 1 x 1 1 4 5 1. 0, 33 K 4 0 0 0 x 0 0 1 5. 0, 07 K 5 0 0 0 1 x 1 2 4. 0, 13 10 15 x 0, 99 Počet srovnání = [n(n-1)] : 2 81
Saatyho metoda 114 • Bodovací stupnice 1 – obě kritéria stejně významná 1 3 – o málo významnější 3; 1/3 5 – významnější 5; 1/5 7 – velmi významnější 7; 1/7 9 – nejvýznamnější 9; 1/9 82
Příklad Saaty Ki K 1 K 3 K 4 K 5 Součin 5 Wi 1/3 1/5 7 5 2, 31 1, 18 0, 14 26, 46 K 2 K 1 1 K 2 3 1 1/7 9 7 K 3 5 7 1 9 7 K 4 1/7 1/9 1 1/5 K 5 1/7 1/7 5 1 2205 1, 93 0, 229 4, 66 0, 553 0, 000339 0, 20 0, 024 0, 0196 0, 46 0, 054 8, 43 1, 00 83
Srovnání metod – MPS & Saaty určuje míru důležitosti kritérií určuje důležitost kritérií Stupnice 0; 1 Saatyho stupnice 1; 9 Ki K 1 K 2 K 3 K 4 K 5 Wi 1/3 1/5 7 5 0, 14 K 1 x 0 0 1 1 0, 2 K 1 1 K 2 1 x 0 1 1 0, 27 K 2 3 1 1/7 9 7 0, 229 K 3 1 1 x 1 1 0, 33 K 3 5 7 1 9 7 0, 553 K 4 0 0 0 x 0 0, 07 K 4 1/7 1/9 1 K 5 0 0 0 1 x 0, 13 K 5 1/7 1/7 5 1, 00 1/5 0, 024 1 0, 054 1, 00 84
Zákon tranzitivity • Platí-li, že: – K 1 K 2 – K 2 K 3 • Pak: – nemůže K 3 K 1 – protože logicky K 1 K 3 Ki K 1 K 2 K 3 Wi K 1 x 1 0 1 K 2 0 x 1 1 K 3 1 0 x 1 [n(n-1)] : 2 = 3 Ki K 1 K 2 K 3 Wi K 1 x 1 1 2 K 2 0 x 1 1 K 3 0 0 x 0 85
Příklad Saaty splňující zákon Ki K 1 K 2 K 3 K K 5 W 4 K 1 1 K 2 1/ 1/ 7 5 3 5 1/ 3 1 9 7 7 K 3 5 7 1 9 7 i 5 K 3 K 1 1 1/3 2/9 8/3 4/3 0, 26107 0, 76 3 1 2/3 8 4 0, 2664 1 12 6 K 4 3/8 3/24 6/72 1 ½ K 5 3/4 1/4 2 1 1/ 1/ 1 7 9 9 5 K 2 K 5 1/ 1/ 1/ 5 1 5 7 7 K 3 9/2 3/2 Součin K 2 K 4 1/6 K 4 K 5 Ki K 1 486 Wi 0, 10 2, 30 0, 31 3, 45 0, 47 0, 00195 0, 29 0, 04 0, 0625 0, 57 0, 08 7, 37 1, 00 86
Kompenzační metoda 118 respektuje význam rozdílnosti hodnot kritérií u jednotlivých variant • Postup 1. Zjištění hodnot kritérií hodnocených variant 2. Označení výnosových a nákladových kritérií 3. Určení nejhorší a nejlepší hodnoty každého kritéria mezi hodnocenými variantami 4. Stanovení rozdílu mezi nimi nejhorší a nejlepší hodnotou 5. Určení pořadí významnosti tohoto rozdílu pro hodnotitele 6. Přidělení váhy odrážející významnost rozdílu 7. Výpočet normované váhy (wi) 87
Kompenzační metoda – váhy • Výběr nejhorší a nejlepší hodnoty u variant pro každé kritérium • Velikost změny (rozdílu) na nejlepší hodnotu • Pořadí významnosti změn (rozdílu) • Váha jako významnost změn (wi´) kritéria • Normovaná váha jako významnost kritéria K i V 1 1 2 3 4 5 6 ∑ 10 2 1 12 47 3 V 2 30 3 50 8 48 1 V 3 60 2 5 20 45 3 0 x 60 2 50 8 45 1 1 x 10 3 1 20 48 3 ∆ 50 1 49 12 3 2 Poř. wi ´ wi 1. 6. 2. 5. 4. 3. 100 30 80 40 50 60 360 0, 28 0, 08 0, 22 0, 11 0, 14 0, 17 1, 00 Pramen: Fotr J. a kol. , 2006 88
Pravidlo dominance variant 121 • Dominovaná varianta teoreticky: když existuje lepší a neexistuje horší prakticky: když # lepších je výrazně větší než # horších • Nedominovaná varianta neexistuje lepší řešení a existuje horší teoreticky, prakticky nedominovaná Pravidlo: Existují-li v souboru hodnocených variant dominované varianty, můžeme je vyloučit 89
Zobrazení dominance • Kritéria K 1 - K 5 • Varianty V 1 - V 3 • Střed pentagonu – minimální/maximální hodnota kritérií výnosového/nákladového typu • Na ose míra splnění kritéria u každé varianty V 3 – dominovaná V 1, V 2 – nedominované 90
Vícekriteriální hodnocení metody elementární empirické metody bazické varianty metoda • váženého pořadí • bodovací • klasifikační • kompenzač ní • lineárních dílčích funkcí utility zejm. metoda • nejlepších hodnot • průměrných hodnot • PATTERN • kvadrátů podílů • průměrné světové úrovně • vzdálenosti od fiktivní hodnoty metody párového srovnávání 124 metody vícerozměrn é statistické analýzy • diskriminačn analýza • metoda KORTER • metody prahů citlivosti • Saatyho metoda 91
Lineární dílčí funkce utility Ui 124 Ui 0 x i 1 x xi i 1 x i 0 x xi i 92
Metody – vzorce • MLDFU xij – nejhorší xi sij = nejl xi – nejh xi 128 -132 • MNH xij nejl xi sij = ; nejl xi xij • PATTERN xij nejh xi sij = ; nejh xi xij Uij = sij * wi Uj = Uij 93
vzorce Matice hodnot Zadané hodnoty kritérií Standardizované hodnoty Hodnoty užitečnosti V 1 V 2 V 3 V 4 K 1 x 11 x 12 x 13 … K 1 S 11 S 12 S 13 … … K 1 U 11 U 12 U 13 K 2 x 21 xij K 2 S 21 Sij … … … K 3 x 31 … x 34 K 3 S 31 S 34 - - - - - Cena 100 300 700 … Cena 0, 106 0, 035 0, 009 … Prov N 470 50 80 … Prov. N 0, 008 0, 071 0, 044 … PP 500 200 980 … PP 0, 016 0, 033 … - K 2 U 21 … Uij … … … U K 3 U 31 34 Uj U 1 U 2 U 3 U 4 … 94
2. Výběr implementační varianty třídy kritérií 143 PROVEDITELNOST PŘIJATELNOST RIZIKOVOST Co by se mohlo pokazit? Jak je to obtížné? Jak je to hodnotné? Co bude potřeba? INVESTICE/KAPITÁ L (finanční, manažerské/ý) Co to přinese? Co proti tomu udělat? NÁVRATNOST RIZIKA Podle: Cooke, S. – Slack, N. , 1991 95
Filtrace variant 145 implementační varianta vhodné varianty nezranitelné varianty přijatelné varianty proveditelné varianty vytvořené varianty 96
Faktor času 150 • Referenční hodnota – – Historická ideální hodnota Srovnatelná externí Absolutní (ideální) průměrn á Dosavadní (status quo) hodnota historickv odvětví á hodnota současnost varianta B varianta A varianta statu quo čas 97
3. Aplikovatelnost metod • Musí se vědět, o co v nich jde – každá má jiný princip • Jsou různě pracné • Je vhodnější použít SW (rychlé, přesné, výsledek) • Poskytnou objektivní posouzení • Mohou se doplňovat 98
Významné chyby v praxi • Nevhodný/žádný převod neaditivních kritérií • Používají se minulá řešení, nevytvářejí se nová • Obvykle málo nebo pseudo-varianty, žádné „zálohy“ • Jednostranný postup vyhodnocení • Zamlžený/netransparentní postup hodnocení • Intuice a odhady, chybí exaktní metody • Spěch – málo času • Efekt z využití metod vnímán jako malý • Hledání optimality 99
Shrnutí tématu a dotazy • • • Je důležité stanovit vhodná kritéria Je třeba řešit aditivnost hodnot kritérií Je rozumné pracovat s více variantami Odlišnou významnost kritérií vyjadřujeme různými postupy výpočtu vah kritérií Znát metody výpočtu vah kritérií K preferenčnímu uspořádání variant můžeme použít různé metody Nezbytnost satisfakčních variant Uvědomovat si pozitiva a negativa metod Význam filtrace a faktoru času 100
155 Management rizika 101
Obsah 1. Vymezení cíle, obsahu a postavení managementu rizika v podniku 2. Pojetí rizika, klasifikace rizik a přístup k riziku 3. Proces řízení rizik – Fáze řízení – Subjekty a jejich role – Další metody analýzy a hodnocení rizik 4. Krizové řízení 5. Aplikovatelnost metod 102
1. Co je risk management? 156 • Management rizika – včasná indentifikace potenciálních dopadů rizik, které ohrožují činnost a kapitál firmy – tvorba, ochrana a zvyšování hodnoty firmy cíleným řízením rizik • Rizikový manager – ochrana vlastnictví podniku – nároky a odpovědnost • Komplexní a systematický přístup – plánovitý, koordinovaný a celofiremní proces proaktivního a ofenzivního řízení (potenciálních i existujících) rizik • • • předvídání rizik prevence rizik diagnostikování rizik zvládání rizik hodnocení rizik 103
2. Co je riziko? 161 • Pojetí teorie rozhodování – podmínky jistoty, rizika a nejistoty • Manažerské pojetí – nejistota je příčinou rizika jako následku • Pojetí manažerského rozhodování – příčina – pravděpodobnost vzniku – velikost důsledku (odchylky) • pozitivní • negativní 104
Typy rozhodovacích situací / rizik 163 • Příležitost – potenciální perspektivní vyhlídka – proaktivní řešení – výdaje a investice na využití • Ohrožení – potenciální nebezpečí různých stupňů – selhání techniky, neúmyslné poškození, živelné události – výdaje a investice na proaktivní předcházení • Porucha – přerušení funkce nebo plynulého provozu zařízení nebo systému – přináší ztráty – předcházet preventivními opatřeními + reaktivní řešení • Krize – stav s negativním dopadem na organizaci + reaktivní řešení • Katastrofa – destrukce podnikatelského subjektu 105
Klasifikace rizik • • Působnost Ovlivnitelnost Systematičnost Únosnost Velikost Místo výskytu Odhalení • (P) • Věcné hledisko 166 • • Čisté / podnikatelské Zcela / částečně / vůbec Ne / systematická Nezbytná / ne/únosná Malá / střední / velká Externí / interní Primární / sekundární / zbytková • Ne/pravděpodobná / jistá • Ekonomická / mezinárodní /… 106
Postoj k riziku 176 • Typ postoje – averzní – neutrální – akceptační • Určení postoje – srovnání rizikové a nerizikové varianty – jistotní ekvivalent – funkce utility za rizika Postoj k riziku ovlivněn: - osoba rozhodovatele (vlastnosti, znalosti, zkušenost) - vlastní rozhodovací situace 107
Srovnání ne/rizikové varianty 177 Příklad • Var. A: ZA 1 = 10 s PA 1 = 0, 5 ; ZA 2 = 0 s PA 2 = 0, 5 • Var. B: ZB 1 = 5 s PB 1 = 1, 0 Řešení • Volba var. A • Volba var. B • Volba var. A nebo B – akceptace – averze – neutrální postoj 108
Jistotní ekvivalent 177 • Jistotní ekvivalent rizikové varianty(JE) – Hodnota, jejíž jistý užitek = očekávané hodnotě užitku rizikové varianty • Riziková prémie ( r) – částka získaná (dodatečný příjem) nebo obětovaná za jistotu postoj výnosové kritérium nákladové kritérium averze E(X) – JE > 0 E(X) – JE < 0 neutrální E(X) – JE = 0 sklon E(X) – JE < 0 E(X) – JE > 0 riziková prémie 109
Funkce utility za rizika 181 averze Ui Ui neutrální sklon 0 x i 1 x xi i 1 x i 0 x xi i 110
Funkce utility s inflexním bodem utilita 1, 0 averze k riziku inflex n í bod sklon k riziku 0, 0 -20 -10 oblast ztráty 0 10 20 30 40 zisk oblast zisku 111
Funkce utility zisku – příklad zisk -5000 utilita 0 0 5000 15000 20000 55000 0, 04 0, 45 0, 65 // 0, 85 1 // Jaký má rozhodovatel postoj k riziku? 112
Postoj firmy k riziku Vstupní data poř. č. zisk (f. j. ) utilita 1 utilita 2 utilita 3 1 2 0 0 0 2 4 0, 13 0, 02 3 6 0, 26 0, 04 4 8 0, 38 0, 1 5 10 0, 65 0, 2 6 12 0, 63 0, 32 7 14 0, 9 0, 75 0, 5 8 16 0, 96 0, 87 0, 7 9 20 1, 0 113
182 Proces řízení rizik 114
3. Proces řízení rizik 182 -186 • Plánování – Předvídání – Analýza • Operativní řízení – Monitoring – Identifikace dalších rizik – Průběžná kontrola, evidence, hodnocení – Nápravná opatření • Kontrola – Vyhodnocení – Kontrolní mechanizmy – Databáze – Podněty 115
Etapy analýzy rizika 182 určení faktorů rizika stanovení významnosti faktorů výpočet velikosti a míry rizika hodnocení únosnosti a přijatelnosti rizika korekční opatření 116
Matice významnosti • Dvě hlediska hodnocení – (P) a intenzita • Osa x – pravděpodobnost výskytu faktorů rizika • Osa y – intenzita negativního vlivu faktorů 1 183 2 2 5 4 3 1 5 1 2 3 4 5 117
Analýza citlivosti 184 Definice Etapy 1. Závislost kritéria na faktorech rizika 2. Jde o faktory rizika? 3. Odhad hodnot faktorů rizika 4. Výpočet hodnoty rizika 5. Předpoklady vývoje 6. Výpočet změn hodnot faktorů a kritéria 7. Diferenciace citlivosti faktorů 8. Závislost kritéria na změnách faktorů rizika - simulace 118
Příklad – zadání Určete citlivost ročního zisku z provozu výrobní linky na rizikové faktory. Předpokládejte pesimistický 10 %-ní vývoj. Hodnoty rizikových faktorů jsou uvedeny v následující tabulce. 119
Příklad – řešení Rizikový faktor 1 Q (odbyt) Výchozí hodnota 100 000 Vývo j (%) -10 Nová hodnota 90 000 Hodnota zisku (mil. ) 34, 3 Změna Změn zisku a (mil. ) zisku absolutní (%) -15, 7 31, 4 0 Jednicová 2 cena 2 500 -10 2 250 25 -25 50, 0 0 Jednicové 3 mzdy 100 +10 110 49 -1 2, 00 Jednicový 4 mat. 5 Jednicová en. 750 +10 825 42, 5 -7, 5 15, 0 0 80 +10 88 49, 2 -0, 8 1, 60 +10 22 000 48 -2 4, 00 +10 51 700 000 45, 3 -4, 7 Zisk = 50 000 6 Výrobní režie 20 000 7 Správní režie 47 000 9, 40 120
Příklad – graf závislosti • Osa x - vývoj faktoru • Osa y - hodnota kritéria • Rozdílný vývoj faktorů výnosového a nákladového typu • Rozdílné hodnoty pro optimistický a pesimistický vývoj • Rozdílná míra závislosti • Volba m. j. os Z (mil. ) HKi „ 0“ = 50 KNT: N, R ; KVT: Q, C, Tž %ní ∆ RFi 121
188 Subjektivní pravděpodobnosti výpočet použití 122
Pravděpodobnosti výskytu jevů Důsledky variant jsou ovlivněny budoucími rizikovými situacemi 189 pravděpodobnost výskytu jevu/situace objektivní subjektivní slovně Číslo Slovní význam 0 zcela vyloučeno krajně 0, 1 nepravděpodobné 0, 2 - dosti 0, 3 nepravděpodobné 0, 4 nepravděpodobné 0, 6 pravděpodobné 0, 7 dosti pravděpodobné Pramen: Fotr-Dědina-Hrůzová, 2003 0, 8 nanejvýš 0, 9 číselně metody poměrem počtu n. sázek # výskytů / ∑ možností sázkou 5: 1 = 0, 83 123
Metody určení subjektivních (P) 191 Pro diskrétní faktory Pro spojité faktory (konečný počet jevů/hodnot, např. počet poruch) (velký, resp. počet jevů/hodnot, např. poptávka, cena, kurzy) Metoda relativních velikostí Metoda kvantilů 124
Metoda relativních velikostí Postup: 1. Určení nejpravděpodobnější hodnoty faktoru rizika 2. Výpočet pravděpodobností dalších jevů 3. Stanovení rozdělení (P) # jevů (tabulka, graf) 4. Graf kumulativní (P) 192 Příklad ((P) počtu poruch): 1. Jevy: P 0; P 3 m=P 2 2. P 0=P 2/4; P 1=P 2/2, P 3=P 2/3 P 2/4+P 2/2+P 2/3=1 P 0=0, 12; P 1=0, 24; P 2=0, 48; P 3=0, 16 ∑Pi=1, 00 3. Rozdělení (P) 4. tj. distribuční funkce 125
205 Rozhodovací matice Metoda tabulkovou formou srovnává důsledky rizikových variant vzhledem ke zvolenému kritériu hodnocení daného rozhodovacího pravidla. 126
Rozhodovací matice – obecně • Mohou nastat 3 Sit. i S 1 S 2 S 3 situace s různou pravděpodobností (P)(P)1 (P)2 (P)3 PRj i 0, 3 0, 5 0, 2 • Máme 3 varianty Vj • Kondicionální hodnoty V 1 zisku v tabulce V 2 • Výpočet zisku pro očekávané situace - V 3 pravidlo rozhodování 127
Rozhodovací matice – příklad Řešení Zadání (P) 0, 2 • Nákupní cena páru obuvi • 800 Kč (Cn) NákP 30 • Prodejní cena páru obuvi 1000 op Kč (Cp) Cp 30*1 30 • Mimosezónní cena páru obuvi tis 500 Kč (Cm) Cm 0 Cn • Odhad poptávky 30 na 20 %, 30*800 50 na 60 % a 80 na 20 %. • Úkol: Kolik párů nakoupit? 30, 50, nebo 80? 50 80 Z = 6 tisíc Cp 30*1 tis Cm 20*500 Cn 50*800 Z = 0 Cp 30*1 tis 0, 6 0, 2 50 80 Z = 6 tisíc Cp 50*1 tis Cm 0 Cn 50*800 Z = 10 tisíc Cp 50*1 tis Z = 10 tisíc Cp 80*1 tis 128
196 Pravidla rozhodování Určují pořadí výhodnosti hodnocených rizikových variant vzhledem ke stanovenému kritériu. 129
Pravidla rozhodování za rizika 188 • Očekávané hodnoty a variability – očekávané hodnoty a rozptylu – očekávané hodnoty a směrodatné odchylky – očekávané hodnoty a variačního koeficientu • Očekávané utility 130
Očekávaná hodnota a rozptyl – očekávaná hodnota E(X) = (Xi. Pi) – rozptyl D(X) = (Xi - E(X))2. Pi – směrodatná odchylka S(X) = D(X) √ – variační koeficient VK = S(X) : E(X) Interpretace výsledků • E(X) ± S(X) = min; max • variabilita v % 131
Pravidla rozhodování za nejistoty • Optimistické • Pesimistické • Hurwiczovo • Laplaceovo • Savageovo 202 132
Příklad 17 UT – řešení očekávaná Var. hodnota Výpočty E(Z) Hurwicz očekávaná rozptyl utilita D(Z) 204 VK U(Z) maximax maximin La. Place α = 0, 5 Savage β = 0, 5 A 500, 00 0, 2 0, 00 500 500, 00 500 472 B 472, 00 27216, 00 0, 61 0, 35 580 220 460, 00 400 392 C 699, 20 121349, 76 0, 66 0, 50 972 200 577, 33 586 300 Vstupní data rozhodovací matice Matice lítosti rozhodovací situace Varianta pokles stagnace rozhodovací situace zvýšení pokles stagnace pravděpodobnost Pi zvýšení hodnoty lítosti 0, 3 0, 1 0, 6 500 580 972 A 500 500 0 80 472 B 220 580 280 0 392 C 200 560 972 300 20 0 133
Příklad • Aplikujte pravidla rozhodování na příklad s obuví. • Vyberte z variant nákupu 30, 50, 80 párů obuvi. 134
Pravidla rozhodování – příklad 0, 0, 0, Maxi Sava Hurwi Nák. 2 6 2 cz Popt 30 50 80 max min ge =0, 5 30 6 6 6 10 6 50 0 10 10 10 0 80 -9 1 16 16 -9 La. U(X E(X D(X plac ) ) ) e 6 0, 7 6 0 0, 7 6 5 6, 67 8 16 3 0, 3 15 3, 5 2, 67 Zisk -92 0 641 2 Matice lítosti Nejlepš í možná h. Kterou variantu vybereme? Utilita 6 10 16 50 80 Nákup /Popt. 3 30 0 4 10 50 6 9 0 80 0 1 5 0 σ VK 0 0 4 0, 5 8 10 416 6 0, 0 0, 2 0, 7 0, 9 5 1 135
Řešení konfliktů • Výběr varianty při uplatnění pravidel rozhodování není jednoznačný • Ani při uplatnění jednoho pravidla - očekávané hodnoty a rozptylu – nemusíme získat úplné preferenční uspořádání variant • Zjednodušme si výběr vyloučením dominované/dominovaných variant/y • Při výběru je třeba zvažovat postoj rozhodovatele k riziku 136
207 Pravděpodobnostní strom Grafická metoda, která zobrazuje posloupnost časově následně uspořádaných rizikových činností a kvantifikuje důsledky jednotlivých rizikových situací varianty. 137
Typ „ 1“ (1) ↑ cena 126 0, 7 cena ubyt. 0, 3 CZK posílí o 5% 0, 6 měn. kurz CZK stejná 0, 3 cena ubyt. 0, 7 CZK oslabí 0, 1 o 5% ↑ cena 132 S 2 0, 18 ↑ cena 132 S 3 0, 09 cena 120 ↑ cena 126 cena ubyt. 0, 1 0, 3 S 1 0, 42 0, 6 0, 3 S 4 0, 21 S 5 0, 01 0, 6 cena 120 S 6 0, 06 ↓ cena 114 0, 1 S 7 0, 03 138
Typ „ 1“ (2) Je-li dosavadní cena 120€, jaká je celková (P), že: - cena ubyt. zůstane stejná? - … vzroste? -… poklesne? -Jaká je (P), že cena bude nanejvýš 126€? scénář S 1 S 2 S 3 S 4 S 5 S 6 S 7 cena ub. 126 132 120 126 120 114 (P) 0, 4 0, 1 0, 0 0, 2 0, 0 2 8 9 1 1 6 3 139
Typ „ 2“ • Výchozí údaje – Navazující etapy – (P) úspěchu a neúspěchu situace – Náklady, Výnosy • Výpočty 1 + Sit Zki (Pi)p (P)=0, 2; N=5; V=2 A -3 0, 20 - (P)=0, 3; N=5; V=3 B -5 0, 24 C -10 0, 06 D 15 0, 50 x x 1, 00 - 2 – Kumulace zisku 0, 8 + 3 – Podmíněná (Pi)p 0, 7 ukončení situace 9 + 0, – (Očekávaná hodnota úspěchu projektu) - (P)=0, 1; N=8; V=3 N=30; V=50 Postup: A-B-D E(Z) = +5, 1 140
Příklad – zadání Si 1 - + , 7 =0 2 ) ú (P 1 =0 1ú V , ; + 5 =0 = ) ú N 1ú (P 2 9 =2 ú 2 V ; 0, 9 =3 = ú ) ú N 2 (P 3 =5 8 3ú V ; 30 = N 3ú (P 1)n=0, 3; N=8; V 1 n=0 - (P 2)n=0, 1; N=5; V 2 n=0 3 - (P 3)n=0, 02; N=40; V 3 n=0 + 4 + - (P ) =0, 2; N=3; V =10 4 n 4 n (P 4)ú=0, 8; N=2; V 4ú=100 Zki (Pi)p A B C D E ∑ Upraveno podle: Fotr-Dědina-Hrůzová, 2003 141
Příklad 20 UT – řešení 212 k vytvoření PS použit MS Visio 142
213 Rozhodovací strom Grafická metoda, která zobrazuje posloupnost etap rozhodnutí a následných rizikových situací vzhledem k rozhodovacímu kritériu a kvantifikuje důsledky rozhodovací varianty. 143
Příklad 21 UT – řešení 216 144
216 Metoda Monte Carlo Simulační metoda určená ke stanovení rozdělení pravděpodobnosti rozhodovacího kritéria a výběru nebo zamítnutí rizikových variant. 145
Etapy metody Monte Carlo 217 určení modelu závislosti kritéria určení rizikových faktorů odhad vývoje a typu rozdělení pravděpodobnosti rizikových faktorů zjištění statistické ne/závislosti faktorů generování rizikových situací rozdělení pravděpodobnosti kritéria 146
Příklad 22 UT – řešení 219 • Průběh simulace – – – Pokusů: 100. 000 Doba simulace: 32 vteřin Pokusů/vt. : 3. 101 Rozsah jistoty: 10 %; + Šíře rozsahu: 1615 % -469; 1146 Standardní chyba: 0, 46 % Úkol: předpověď rentability investice • Výsledky simulace: – – – E(X) = 57, 99 % S(X) = 144, 42 % Variační koeficient = 2, 49 Šikmost = 1, 23 Špičatost = 5, 15 (P)RI>10% = 54, 34 % Podmínky přijetí investice: RI > 10 % s (P) ≥ 80 % Závěr simulace: Odmítnutí investice pouze 54 %-ní (P), že rentabilita bude > 10 %. 147
Šikmost (vychýlení) - + • Negativní – „-“ Vychýlení doleva, tj. „ocásek“ doleva je delší, tzn. většina hodnot je koncentrována napravo • Nulová vychýlení žádné = symetrie • Pozitivní - „+“ vychýlení doprava, tj. „ocásek“ doprava je delší, tzn. většina hodnot je koncentrována nalevo kolem ± 0, 5 … přibližně symetrické rozdělení mezi ± 0, 5 a ± 1 … mírná šikmost < -1 a > +1 … značná šikmost 148
219 Portfolio variant Vzájemně nezávislé (příp. komplementární) rizikové varianty tvořící efektivní soubor variant. 149
Tvorba portfolia variant 221 S(X) Oblast neefektivních portfolií hra nic e e fek tivn os ti Oblast mimo požadované hodnoty 0 E(X) 100 200 700 150
Příklad 23 UT – zadání varianta očekávaná hodnota směrodatná odchylka investiční náklady směrodatná odchylka 12. 00 10. 00 8. 00 6. 00 4. 00 2. 00 0 5 E(Z) 10 15 6 5 1 2 2 6 5 5 5 7 2 6 4 8 4 7 7 9 3 8 222 8 3 1 9 10 11 5 5 10 4 5 9 Rozpočet ≤ 20 fin. j. • portfolio A: var. {6, 5, 7} = 16 • portfolio B: var. {5, 7, 3} = 19 • portfolio C: var. {3, 1} = 14 Postoj k riziku • Sklon k riziku: portfolio C • Averze k riziku: portfolio A • Neutrální postoj: portfolio B 151
223 Krizový management 152
Krize – úkoly • Nedostat se do krize • Řešit krizi • Zotavit se z krize • Prevence krize • Detekce krizových stavů • Reakce na krizové stavy • Krizový manažer – úkoly, postavení, pravomoc a zodpovědnost 153
Období zvládání krize 225 • Krizová událost a vyhodnocení krizové situace (příčiny krize, cíl řešení krize) • Aktuální situace (dopad, náklady, čas) • Strategie obnovy (plán přežití) (způsob, doba, rozsah, náklady, efektivnost, přínos) • Plán obnovy (ozdravná řešení) • Realizační podmínky pro ozdravění • Obnova • Návrat do normálního stavu (strategie/plán) 154
Shrnutí tématu a dotazy • • Známe obsah rizikového managementu Vnímáme rozdíly v postojích k riziku Chápeme důležitost prevence rizikových situací Rozeznáme typy a druhy rizik a dovedeme je třídit Chápeme rozdíl mezi přístupy k redukci rizika Známe fáze řízení rizika Známe metody analýzy a řízení rizika 155
237 Participativní rozhodování 156
Obsah 1. Subjekty rozhodování, výhody a nevýhody participativního rozhodování 2. Modely stylů rozhodování – – – – Model orientace na pracovníky a na úkoly Model manažerské mřížky Model stylu rozhodování podle orientace na vedoucího a podřízené Model stylu rozhodování podle teorie VDL Model stylu rozhodování podle teorie životního cyklu Fiedlerův kontingenční model stylu rozhodování Model Vrooma-Yettona-Jagoa 157
1. Subjekty rozhodování individuální skupinové míra rozhodovacích pravomocí a zodpovědnosti vliv na průběh, subjekty a dopady rozhodovacího procesu 158
Typy participace • Aktuální participace • Vnímaná participace – rozsah, ve kterém jednotlivec cítí, že ovlivnil rozhodnutí • Legislativní (formální) • Neformální (styl řízení a rozhodování) 159
Pracovní tým • • • skupina osob dovednosti společný cíl společný úkol interakce a závislost odpovědnost Členění podle: • funkce • úkolu • složení • doby trvání • zájmu • druhu – – interkativní nominální Delphi virtuální 160
Rezistence k práci v týmu manažera • Nedostatečná důvěra v „sílu“ týmu • Nepohodlí a zdržování • Nejistý výsledek • Nejasný cíl • Obavy ze ztráty kontroly • Obtížná akceptace „přenosu moci“ na podřízené • Nemá s ní zkušenost • Nároky na motivaci • Kulturní důvody podřízených • • • Nejistota a nepohodlí Strach z více práce Větší nároky kvalifikační Větší nároky časové Chtějí dělat, co se jim řekne Nemají zkušenosti, vzdělání, … Obavy z větší odpovědnosti Nevhodná motivace „Nebudu dělat práci jiných“ „Více práce žádá vyšší mzdu“ 161
Participativní rozhodování Výhody • Více info, znalostí • Kombinace přístupů • Lepší pochopení • Lepší přístup k řešení • Logické, racio jednání • Větší komunikace • Více variant • Objektivnější rozhodnutí • Větší přijatelnost • Větší stimulace a motivace • Pozitivní reakce • Sklon k riziku 239 Nevýhody • Více osob, času, nákladů • Různá hierarchie • Obavy-ztráta autority • Nebezpečí dominantní osoby • Ego-orientace • Hledání konsensu • Skupinové myšlení • Skupinová lenost • Náročnost stylu • Anonymita • Ztráta odpovědnosti • Sklon k riziku 162
2. Modely stylů rozhodování 239 -253 skupina „vlastnosti“ skupina „chování“ skupina „situační“ • Model autokratického - liberálního chování • Model orientace na pracovníky a úkoly • Model manažerské mřížky • Model orientace na vedoucího a podřízené • Model VDL • Model životního cyklu • Fiedlerův kontingenční model • Model Vrooma-Yettona-Jagoa 163
Orientace na pracovníky a úkoly • 40. /50. -70. léta Rensis Likert • Při jakém stylu je manažer úspěšnější? • Nejsou obě orientace správné? 164
Manažerská mřížka • 60. /70. léta R. S. Blake & J. S. Mountonová • ÚČEL: • hodnotí aktuální styl • hledá ideální styl • PŘEDPOKLAD • ORIENTACE: • na pracovníky • na výrobu 165
Manažerská mřížka (2) 1, 1 „chudý“ management 1, 9 „klubový“ mgt 5, 5 mgt „střední cesty“ 9, 1 „administrativní“ mgt 9, 9 „týmový“ mgt Malý Zájem o lidi Velký 1, 9 9, 9 5, 5 1, 1 9, 1 Malý Zájem o výrobu Velký 166
Situační modely Koncepce 1 • Situace jsou specifické • Styl přizpůsobit situaci • Model 1 -3, 5 Koncepce 2 • Situace jsou specifické • Situaci přizpůsobit stylu • Model 4 1. Model Tannenbauma a Schmidt 2. Model VDL 3. Model Hersey a – Blancharda 4. Fiedlerův model 5. Model Vroom-Yetton. Jago 167
Orientace na vedoucího a podřízené 243 • 1958 R. Tanenbaum & W. H. Schmidt • FAKTORY: – Manažer • Hodnotový systém, důvěra podřízeným, pocit jistoty, osobní inklinace, pocit jistoty – Podřízení • Potřeba nezávislosti, ochota přijmout odpovědnost, tolerance nejednoznačnosti, zájem o problém, pochopení cílů, znalosti a zkušenosti, očekávání podřízených – Situace • Typ organizace, efektivnost týmu, typ problému, tlak času 168
Model a příklad Orientace na vedoucího 1 7 Orientace na podřízené 1 Mgr rozhodne a rozhodnutí oznámí 2 Mgr „prodává“ rozhodnutí 3 Mgr předloží návrhy, očekává dotazy 4 Mgr předloží prozatímní rozhodnutí 5 Mgr předloží problém, dává návrhy, rozhodne 6 Mgr definuje omezení, žádá podřízené o rozh. 7 Mgr vymezí rámec, rozhodují podřízení 1 Určí, kdy a jak dlouho budou mít dovolenou 2 Oznámí, ve kterém termínu si mají vybrat dovolenou, a přesvědčuje je, že to je ten nejlepší možný termín 3 Sdělí, že chce dobu dovolených stanovit na únor a dotazuje se, mají-li nějaké otázky 4 Zeptá, byl-li by srpen vhodným termínem pro dovolené, podřízení mohou navrhnout, že by lepší byl leden 5 Požádá je, aby dali návrh na termín dovolené, potom o něm sám rozhodne 6 Určí že si podřízení musí vybrat ¾ své dovolené vcelku, skupina se pak dohodne, kdy dovolenou nastoupí 7 Dovolí skupině, aby rozhodl, kdy a jak dlouho budou mít dovolenou s tím, že to nesmí být od-do 169
Model VDL (vertikálních vztahů) 244 • 70. léta F. Dansereau, G. Graen, W. J. Haga • ORIENTACE: – Podřízení tzv. „in-group“ – Podřízení tzv. „out-group“ 170
Model životního cyklu 246 • 70. /80. léta P. Hersey & K. H. Blanchard • ORIENTACE: – Vztahy – Úkoly • PŘEDPOKLAD: Závislost na ZRALOSTI • Kompetence • Zkušenosti • Motivace 4 úrovně zralosti podřízených: Schopnost Ochota ano ne ne M 3 M 1 ano M 4 M 2 171
MŽC – styly rozhodování Zralost podřízených Nízká M 4 M 3 M 2 M 1 S+O S+NO NS+NO Vysoká S 3 Par. S 2 ticipace Vedení Vztahy S 4 De. S 1 Na. Nízká legování řizování Nízká Orientace na úkoly Vysoká 172
Fiedlerův model 247 • 60. /70. Léta F. E. Fiedler • ORIENTACE: – Úkolová – Vztahová • PŘEDPOKLAD: – Styl rozhodování je reflexí osobnosti • FAKTORY: – Vztahy vedoucí-podřízení – Strukturovanost problému – Váha pozice vedoucího 173
Fiedler – styly rozhodování Permisivní styl Direktivní styl Dobré Špatné S S N N V M V M Vztahy Strukturovanost Váha pozice 174
Model Vrooma-Yettona-Jagoa 248 • 1973 Victor Vroom, Yale School of Management & Philip Yetton, Australian Graduate School of Management • 1988 Victor Vroom & Arthur G. Jago, University of Missouri, Columbia • masové ověřování modelu v praxi platnost 175
Princip modelu PŘEDPOKLAD: kvalita přijatelnost • Kvalita rozhodnutí - výběr nejlepší možnosti • Přijetí rozhodnutí - stupeň, ve kterém je akceptováno rozhodnutí učiněné vedoucím • Čím důležitější kvalita rozhodnutí, tím důležitější je jeho přijetí • Participace zvyšuje přijetí rozhodnutí • Účel modelu: rozhodování o tom, kdo bude rozhodovat ! 176
Styly rozhodování • STYLY: A autokratický K konzultativní S skupinově orient. I nadřízený II i podřízení AI AII KI KII SII mgr R R „tým“ info+názor týmová diskuse R 177
Model A – preference času 1. Jak je důležité kvalitně rozhodnout? V/M 2. - ztotožnění podřízených s rozhodnutím? V/M 3. Má M informace, aby mohl kvalitně rozhodnout? A/N 4. Jde o DSP? A/N 5. Je (P), že PS budou akceptovat R Mgra? A/N 1 6. Sdílejí PS cíle problému? A/N 7. Je (P) konflikt mezi PS? A/N 8. Mají PS info pro kvalitní R? A/N 5 8 6 4 2 6 5 3 4 6 8 KII AII 7 5 SII 7 6 2 AI SII KII 5 3 250 KI KII AI SII Pramen: Vroom-Jago, 1988 178
Model B – preference rozvoje LZ 5 6 7 KI 8 7 251 KII SII 8 6 3 4 KII 5 6 8 2 SII 8 4 6 KII 3 6 1 8 KI 7 6 5 2 SII 8 KII SII AI Pramen: Vroom-Jago, 1988 179
Shrnutí modelu • Jasný a přímý nástroj rozhodování jak úzce spolu/rozhodovat s podřízenými a uchopit problém • Velmi racionální teorie může vyžadovat v praxi určitou míru sociálního vnímání • Nic není konstantní určitá flexibilita musí existovat • Testování se týkalo vedoucích i podřízených výsledky vedoucích podpořili správnost modelu – rozdílnost vyhodnocení efektivnosti rozhodnutí – hodnocení požadované přijatelnosti – čím blíže se vedoucí dostane k SII, tím je pravděpodobnost spokojeného podřízeného větší 180
Zhodnocení modelu Obhájci • Racionální model • Umožňuje flexibilitu • Je jednoduchý, názorný, široce přístupný, rychle aplikovatelný, poskytuje efektivní výsledky • Pracuje se sociálním vnímáním • Užitečný nástroj pro určení vhodného stupně účasti podřízených na rozhodování Kritici • • Příliš jednoduchý Příliš složitý Zbytečný Stačí intuice Model nutí zvažovat i další styly rozhodování Ve stresu eliminujeme určité informace Intuitivní rozhodnutí fungují jen za určitých podmínek … 181
Příklad 1 UT – hledání volby 252 otázka Jak je důležité kvalitně rozhodnout? zdůvodnění odpovědi Pokud by manažer rozhodl sám a podřízení by své ohodnocení považovali za nespravedlivé, silně by je to demotivovalo. V případě, kdyby určení výše odměn ponechal na jejich rozhodnutí a došlo by k osobním sporům, dobrý kolektiv by se mohl rozpadnout. Jak je důležité, aby podřízení Je to velmi důležité. Nebudou-li mít pocit, že nebyli rozhodnutí akceptovali a byli jím náležitě odměněni, budou se cítit ukřivděni. Přestanou vázáni? manažerovi důvěřovat a mohou mít zášť i vůči lépe odměněným spolupracovníkům. Má manažer dostatečné informace k Manažer má informace, ale nemá takové, které má tomu, aby sám mohl kvalitně kolektiv podřízených. Oni vědí více o postupu řešení, rozhodnout? kvantitě i kvalitě návrhů jednotlivých členů, nadšení, vstřícnosti i ochotě ke spolupráci. Je řešený problém dobře strukturovaný? Problém je dobře strukturovaný. Je pravděpodobné, že podřízení budou Podřízení by rozhodnutí nadřízeného akceptovali, ale akceptovat rozhodnutí, pokud jej učiní jeho chybné rozhodnutí může ovlivnit práci celého manažer sám? kolektivu do budoucna. Sdílejí podřízení cíle, kterých se má Ano, sdílejí je. řešením dosáhnout? Je pravděpodobné, že mezi Ano, je to pravděpodobné. podřízenými dojde ke konfliktu, kterému řešení dát přednost? 182
Příklad 1 UT – graficky 5 6 7 8 7 253 KI KII SII 8 3 4 5 6 KII 6 8 2 8 3 4 6 KII 6 1 8 6 5 SII KI 7 2 SII 8 KII SII AI 183
Shrnutí tématu a dotazy • Je jeden nebo více rozhodovatelů • Postavení a pravomoc subjektů jsou ovlivněny řadou faktorů • Je efektivní dodržovat normy týmové práce • Uvědomit si pozitiva a negativa skupinového rozhodování • Volba stylu závisí na osobě rozhodovatele, ale i na dalších faktorech • Je dobré znát různé styly rozhodování • K výběru stylu experti používají intuitivní, grafické a matematické metody • Populární je model Vroom-Yetton-Jago 184
Procvičení metod k jednotlivým tématům 185
Děkuji za pozornost helena. hruzova@vsem. cz 186
- Pradzieje ziem polskich notatka 1 liceum
- Why does oberon send puck to confuse the two young men
- Se helena apartar analise
- Helena wong cityu
- Helena törölä
- Prdriż
- Helena reguli
- Helena orrevad
- Helena kilander
- Helmikammari
- Helena kosec
- Varietoscope 1987
- Blessed maria helena
- Helena de chauvin
- Helsinki tapahtuma
- Helena akemi wada watanabe
- Helena romanes
- Helena kregar
- Helena modrzejewska porn
- Anger management nelson
- Lysohlávky
- Risto hotulainen
- Helena wisniewski
- Kaukajärviseura
- Helena reguli
- Helena de chauvin
- Astenická osobnost
- Helena lemmats
- Stephen wittkopf
- Helena rausell guillot
- Elenaranko.ucoz
- Agora é a hora de compartilharmos com carlos e helena
- Helena hnilicová
- Anna helena altenfelder
- Boroff v van wert
- Helēna reizniece
- Helena alati
- Helena felgueiras
- Leopold staff żona
- Tymoprofylaktika
- Helena reguli
- Jesli 100 kg makulatury moze uratowac 2 drzewa
- Helena uthas
- Madre maria helena cavalcanti
- Helena education association
- Helena reguli
- Helena tomaszewska historia
- Helena college moodle
- Helena hurme
- Helena reguli
- Helena mandac
- Helena symbol
- Luz helena sarmiento
- Kuressaare kaubamaja poed
- Helena mulero
- Prechodna psychoza
- Helena tomaszewska historia
- Helena ranängen
- Helena novak
- Console extensible but helena
- Helena djurkovic
- Mudr. helena staňková
- Helena reguli
- Helena pettersson jönköping
- Helena hutchins
- Etes csc
- Csc 240 degrees
- Csc240 degrees
- Performance management team csc
- Artificial intelligence
- Csc skill center banner
- Csc 143
- Csc 407
- Wavez csc
- Csc 402
- Csc 394
- Cygnus csc
- Csc browser
- Csc tankkaart
- Csc 343
- Csc 270
- 4-5 graphing other trigonometric functions answers
- Csc
- Csc mobile app
- Csc 505 ncsu
- Csc 405
- Csc(270)
- Csc gymnastics
- Csc algebra
- Csc135
- Derivatives formulas
- Cos inverse x formula
- Csc 205
- Csc 128
- Unit 7 lesson 4 answer key
- Csc-005
- Csc 352
- Csc retina
- Michelle kuttel
- Ibm corporate service corps case study solution
- Os context switch
- Tangent and cotangent graphs
- Scriptdom slang
- Sin cos tan csc sec cot
- Csc dawagram
- Csc
- Cos 2x identities
- Problem analysis example
- Csc 252
- Spanning tree tutorial
- Csc
- Csc 343
- 노트20 csc 변경
- Linear and nonlinear multimedia
- Csc cache
- Marine net moodle
- Csc 121
- Csc ncsu
- Csc 375
- Csc 370
- Csc canvas
- Csc 660
- Csc 270
- Csc(240)
- Csc 253
- System design tutorial
- Csc
- Is to as is to
- Sin cos tan cot sec
- Csc 401
- Csc 270
- Csc.weebly
- Csc tep co
- Csc
- Wsdot-goodtogo csc
- Csc 113
- Ratios trigonometry
- Ap cms csc
- Csc 337
- Cs form no. 33-b revised 2018 download
- Csc 405
- Evaluate trigonometric functions
- Csc a
- Csc 600
- Csc 225
- Csc 317
- Iudicia populi
- Csc 240°
- Csc 480 degrees
- Csc ploenzke ag
- Sin cos tan csc sec cot
- Gagal beasiswa csc
- Csc jelentése
- Csc 240 degrees
- Csc graph
- How to find secant of an angle
- System software consists of
- Tantiememodell
- Csc 103
- Cos^2(x) trig identity
- Csc 115
- Csc 370
- Csc 120 degrees
- Csc 335
- Csc 340
- Csc 660
- Csc 135°
- Define coupling in software engineering
- Csc // indexing
- Csc digi domain
- Csc 660
- Csc 480
- Unit circle
- Csc 340
- Csc 422
- Csc los angeles canvas
- Csc allas
- Csc ict
- Csc 110 university of arizona
- Csc 282
- Csc telecom
- Csc bord
- Builder design pattern uml diagram
- Csc 242
- Csc translation
- Csc 520
- Csc 207