【文章內容簡介】 對電信項目來說影響很大，因此這一指標的風險影響得分為5。 提示：不同類型項目針對同一風險指標的風險影響打分不同如“政策扶持程度”對日用消費品項目的風險影響就比較小。 3. 為每個指標的風險或機遇發(fā)生概率 (Probability)打分 A 為每個指標從 14 分的衡量標準。 B 明確規(guī)定 14 分的衡量標準。 例：風險指標“技術成熟程度”的風險概率： 見下頁 技術成熟程度 風險概率 已具備必須的技術和產品水準 1 30%以下是新技術和新產品 2 30%60%為新技術和新產品 3 70%以上是新產品或尖端技術 4 4. 將每個指標的影響與概率相乘 ，例： 技術成熟程度 風險影風險概 IxP 響 (I) 率 (P) 已具備必須的技術和產品水準 3 3 3 30%以下是新技術和新產品 3 2 6 30%60%為新技術和新產品 3 3 9 70%以上是新產品或尖端技術 3 4 12 A 將所有風險指標的得分相加 B 將所有機遇指標的得分相加 C 繪制風險機遇評估矩陣 其中： I. 橫坐標為項目風險評估 II. 橫坐標最小單位為 1*風險指標個數(shù) III. 最大單位為 4*5*風險指標個數(shù) IV. 縱坐標為 項目機遇評估 V. 縱坐標最小單位為 1*機遇指標個數(shù) VI. 最大單位為 4*5*機遇指標個數(shù) 例：具有 10 個風險指標和 5 個機遇指標的電信項目評估矩陣： (見圖：風險與機遇評估 圖 1) 機遇 10 風險 0 風險與機遇評估 — 圖 1 應用范圍 風險與機遇評估矩陣既適合于在項目前期對風險進行總體評估，又適合于項目實施過程中對具體工作步驟中的可能風險進行評估。 蒙特卡羅 模擬風險因素，評估項目風險 什么是蒙特卡羅 蒙特卡羅（ Monte Carlo）得名于摩洛哥的一個著名賭城，它實質上是利用服從某種分布的隨機變量來模擬現(xiàn)實系統(tǒng)中可能出現(xiàn)的隨機現(xiàn)象。在項目管理中，可以用來模擬計算不確定性很強的項目收益、進度和成本，以及評估不確定因素對項目結果的影響。 蒙特卡羅的作用 ? 計算在眾多不確定性因素影響下，項目可能的收益、進度和成本； ? 分析在眾多不確定性因素影響下，達到項目目標的概率； ? 分析各種不確定性因素對項目的影響程度； ? 找出關鍵性的影響因素。 怎么做 1. 確定要分析的不確定因素 例：三項項目活動的時間估計 T1， T2， T3。 T1 ① T2 ② T3 2. 確定目標函數(shù) 例：項目活動總時間＝ Max(T1,T2,T) 3．找出不確定因素的概率分布 例：三項項目活動的時間 T1， T2， T 符合 β 分布。 項目管理中常用的概率分布： β 分布 正態(tài)分布 泊松分布 項目活動的工期 項目活動的成本 項目總時間 項目總成本 項目總收益 機器故障問題 產品質量問題 項目運營維護費用 例：設項目活動的最短時間為 8 天，最長為 12 天，在 812 的區(qū)間內隨機產生三個變量， 分別模擬三項項目活動的時間。 例：產生隨 量的過程重復 300 次（或以上）。 例：分別統(tǒng)計項目總時間分別落在“項目開始－第 8 天”、“第 9 天－第 10 天”、“第 11 天－第 2 天”的頻率。 例：分別計算 T1， T2， T3 落在關鍵路徑上的次數(shù)，從而算出三條路徑對項目總時間的影響程度。 適用范圍： 1. 蒙特卡羅的特點是模擬次數(shù)越多，計算結果的可靠性越大。特別適用于在計算機上對大型項目、新產品項目和其他含有大量不確定 因素的復雜決策系統(tǒng)進行風險模擬分析； 2. 蒙特卡羅模擬法不可能使計算結果發(fā)生實質性變化，但是可以給 算結果的概率分布，便于預測達到預期目標的可能性。 例：用蒙特卡羅做敏感性分析的流程圖： N＝ H1=H2=H3=0 產生隨機數(shù) 8≤ X1≤ 12 8≤ X2≤ 12 8≤ X3≤ 12 X1X2AND X1X3 X2＞ X1AND X2＞ X3 H1＝ H1＋ 1 H2=H2+1 X3X1ANDX3X2 H3=H3+1 H1+H2+H3≤ 300 計算 P1=H1/（ H1+H2+H3） P2=H2/（ H1+H2+H3） P3=H3/（ H1+H2+H3） 決策樹 預測項目期望值，做出風險決策 什么是決策樹 決策樹是一種運用樹狀網絡圖形，根據(jù)期望（損益）值決策準則進行項目戰(zhàn)略決策分析的工具。 決策樹的作用 ? 能有效地對風險型項目進行戰(zhàn)略決策分析； ? 運用樹狀網絡圖直觀、方便、易操作； ? 是一種定量的 決策分析工具，可以有效地解決多級（序貫）決策問題。 怎么做 決策樹由以下四部分組成，如下圖： ? 決策節(jié)點 ?方案節(jié)點 — 樹枝 ?樹梢 銷路好 ()?20 大批量生產 A1 一般 () ?14 銷路差 ()?12 銷路好 ()?18 ? 中批量生產 A2 一般 () ?12 銷路差 ()?8 銷路好 ()?16 小批量和平 一般 () ?10 銷路差 ()?6 決策樹圖 — 圖 1 1. 畫出決策樹 A 先畫一決策節(jié)點“ ? ”； B 從決策節(jié)點引出方案分枝，分枝上注明方案名或代號； C 方案分枝的末端畫上方案節(jié)點“ ?”； D 從每個方案節(jié)點引出狀態(tài)分枝“ — ”，分枝上注明狀態(tài)名、代號及其出現(xiàn)的概率； C 樹梢末畫上結果節(jié)點“ △ ”，旁邊注明相應的損益值。 提示： 按照從左到右的順序畫決策樹，畫決策樹的過程本身就是一個對決策問題進一步深入探索的過程。 例： 某計算機制造商為開發(fā)一種市場需要的新產品考慮籌建一個分廠。經過調查研究取得以下有關資料： 方案 狀態(tài) 收益值（萬元 /年） 投資額（萬元） 前 3 年情況 后 7 年情況 S1（銷路好） S2（銷路差） S1（銷路好） S2（銷路差） P（ S1） = P(S2)= P（ S1） = P(S2)= A1 （建大廠） 300 100 20 100 20 A2 （建小廠） 120 40 30 擴建 95 20 200（后 7 年擴建） 不擴建 40 30 決策樹 表 1 銷路好（ ） △ 100 銷路好 () 建大廠 A1 投資 300 銷路差 () △ 20 銷路 差 () 銷 路差 () △ 100 ① 銷路好 ()△ 40 不擴建 銷路差 ()△ 30 銷路好 ()△ 95 擴建投資 200 銷路差 ()△ 20 建小廠 A2 投資 120 銷路差 △ 30 3年 7 年 2 4 5 3 6 8 9 7 決策樹 — 圖 2 2．計算各方案的期望值損益值 按從右到左的順序計算期望損益值，并將結果標注在相應的狀態(tài)節(jié)點處。 點 ⑤ ： [100*+(20)*]*7(年 )=616 點 ② ： (20)**7(年 )=140 100**3(年 )+616*+(20)**3(年 )+(140)*(建大廠投資 )= 點 ⑧ ： (40*+30*)*7(年 )=273 點 ⑨ ： [95*+(20)*]*7(年 )200(擴建投資 )= 因 273,說明擴建方案好 。劃掉不擴建方案 ,并將點 9 的期望值轉移到點 6 處 . 點 ⑦ ： 30**7(年 )=210 點 ③ ： 40**3(年 )+*+30**3(年 )+210*(建小廠投資 )= 帶有期望損益值的決策樹：（單位：萬元） 見下頁圖 616 銷路好（ ） △ 100 281． 2 銷路好 () 建大廠 A1 投資 300 銷路差 () △ 20 140 銷路差 () 銷路差 () △ 100 ① 273 銷路好 ()△ 40 384． 5 不擴建 銷路差 ()△ 30 384 ． 5 銷路好 ()△ 95 擴建投資 200 323 ． 3 銷路差 ()△ 20 建小廠 A2 投資 120 210 銷路差 △ 30