1.1 不是什么

决策树不是简单的流程图，不是选择题，更不是让机器替你做决定。

它不是消除不确定性，而是让不确定性可视化。

1.2 是什么

决策树是一种可视化决策工具：

好的决策树，能让你一眼看清决策的全貌，避免遗漏重要选项。

1.3 核心要素

第一步：定义决策问题（15分钟）

明确你要做出的决策是什么。

如何定义决策问题？

示例：

练习：

第二步：列出所有选项（30分钟）

列出所有可能的选择方案。

如何列出选项？

1. 头脑风暴：列出所有可能的选择

2. 分类整理：将相似选项归类

3. 筛选优化：保留可行的选项

案例：产品决策的选项

第三步：识别不确定事件（30分钟）

识别影响决策结果的不确定事件。

什么是不确定事件？

案例：产品决策的不确定事件

第四步：评估概率和收益（1小时）

为每个不确定事件评估概率，为每个结果评估收益。

如何评估概率？

如何评估收益？

案例：产品决策的概率和收益

第五步：计算期望值（30分钟）

计算每条决策路径的期望值，选择最优方案。

期望值计算公式：

案例：产品决策的期望值计算

决策：选择期望值最高的方案，延后开发。

案例一：投资决策

问题：是否投资一个新项目？

决策树构建：

1. 决策问题：是否投资？

2. 决策选项：

- 选项A：投资

- 选项B：不投资

3. 不确定事件：

- 市场反应：好 / 中 / 差

- 竞争对手：跟进 / 不跟进

4. 概率和收益：

决策：投资，期望值25万 > 0。

案例二：职业决策

问题：是否接受新工作？

决策树构建：

1. 决策问题：是否接受新工作？

2. 决策选项：

- 选项A：接受新工作

- 选项B：留在现有工作

3. 不确定事件：

- 新工作适应：顺利 / 不顺利

- 现有工作发展：晋升 / 停滞

4. 概率和收益：

决策：接受新工作，期望值65 > 52。

误区一：过度依赖期望值

❌ 错误做法：只看期望值，忽视风险和不确定性。

✅ 正确做法：期望值只是参考，还要考虑风险承受能力和非财务因素。

误区二：概率估计不准确

❌ 错误做法：凭感觉估计概率，缺乏数据支撑。

✅ 正确做法：基于历史数据和专家意见，尽可能准确估计概率。

误区三：决策树过于复杂

❌ 错误做法：列出所有可能情况，决策树过于复杂。

✅ 正确做法：聚焦关键因素，简化决策树，突出核心决策路径。