การตัดสินใจของผู้บริหารที่มีภาวะผู้นำ - การคิดและการตัดสินใจ


2,389 ผู้ชม


การคาดเดาผลลัพธ์ของแต่ละทางเลือก

การประเมินและเปรียบเทียบทางเลือกแต่ละทาง จำเป็นต้องคาดเดาผลลัพธ์ที่จะเกิดของแต่ละทางเลือกได้ โดยสถานการณ์การตัดสินใจมักจะแบ่งได้ตามระดับข้อมูลที่ผู้ตัดสินใจมี ได้แก่

1. การตัดสินใจภายใต้ความแน่นอน (Decision Making Under Certainty)
        
จะถูกสมมติว่ามีข้อมูลอยู่สมบูรณ์ เพื่อที่ผู้ตัดสินใจทราบว่าสภาวะแวดล้อมจะเกิดขึ้นอย่างไร (Deterministic  Environment) ในกรณีนี้ผู้ตัดสินใจจะถูกมองเสมือนเป็นผู้คาดเดาอนาคตที่เก่งมาก การตัดสินใจแบบนี้มักเกิดขึ้นกับปัญหาที่เป็นโครงสร้างที่เกิดขึ้นในช่วงระยะเวลาสั้นๆ

2. การตัดสินใจภายใต้ความเสี่ยง (Decision Making Under Risk หรือ Risk Analysis)
         
การตัดสินใจภายใต้ความเสี่ยง (Probabilistic หรือ Stochastic Decision situation) ผู้ตัดสินใจต้องพิจารณาผลลัพธ์ที่เป็นไปได้หลายๆ แบบที่เป็นไปได้ของแต่ละทางเลือก โดยที่ไม่ทราบว่าจะเกิดเหตุการณ์ใดขึ้นแน่นอน แต่มีข้อมูลเพียงพอที่จะประมาณค่าความน่าจะเป็นที่จะเกิดเหตุการณ์ใดๆ ขึ้น ผู้ตัดสินใจจึงสามารถประเมินระดับความเสี่ยงที่เกี่ยวข้องกับแต่ละทางเลือกได้ เรียกว่าการวิเคราะห์ความเสี่ยง (Risk Analysis) ซึ่งจะทำการคำนวณค่าคาดหวังของแต่ละทางเลือก และเลือกทางเลือกที่มีค่าคาดหวังของผลกำไรสูงที่สุด (Maximize Expected Profit) หรือเลือกทางเลือกที่มีค่าคาดหวังของการสูญเสียต่ำที่สุด (Minimize Expected Losses) หรือใช้เครื่องมือที่เรียกว่าต้นไม้การตัดสินใจ (Decision Tree) เข้ามาช่วยในการตัดสินใจได้

3. การตัดสินใจภายใต้ความไม่แน่นอน (Decision Making Under Uncertainty)
         
ผู้ตัดสินใจไม่มีข้อมูลเพียงพอที่จะประมาณค่าความน่าจะเป็นในการเกิดเหตุการณ์ที่เกี่ยวข้องกับผลลัพธ์ต่างๆได้ การตัดสินใจแบบนี้จึงทำได้ยาก การสร้างตัวแบบภายใต้สถานการณ์นี้จะขึ้นอยู่กับวิธีการในการประเมินความเสี่ยงของผู้ตัดสินใจ ซึ่งเกณฑ์การตัดสินใจภายใต้ความไม่แน่นอนที่สำคัญได้แก่

3.1 เกณฑ์มากมากที่สุด(Maximax Criterion) เป็นเกณฑ์ของคนมองโลกในแง่ดี (Optimistic Criterion) โดยผู้ตัดสินใจจะทำการเลือกทางเลือกที่ให้ผลตอบแทน (Payoff) ที่มากที่สุดในทางเลือกแต่ละทาง และเลือกทางเลือกที่มีค่าตอบแทนมากที่สุดจากทางเลือกทั้งหมด
3.2 เกณฑ์น้อยมากที่สุด(Maximin Criterion) เป็นเกณฑ์ของคนมองโลกในแง่ร้าย (Pessimistic Criterion) โดยผู้ตัดสินใจจะทำการเลือกทางเลือกที่ให้ผลตอบแทน (Payoff) ที่น้อยที่สุดในทางเลือกแต่ละทาง และเลือกทางเลือกที่มีค่าตอบแทนมากที่สุดจากทางเลือกทั้งหมด
3.3 เกณฑ์ค่าเสียโอกาสมากน้อยที่สุด (Minimax Regret Criterion) ผู้ตัดสินใจจะทำการเลือกทางเลือกที่ให้ค่าเสียโอกาสมากที่สุดในทางเลือกแต่ละทาง และเลือกทางเลือกที่มีค่าเสียโอกาสน้อยที่สุดจากทางเลือกทั้งหมด
3.4 เกณฑ์การใช้หลักของความเป็นจริง (Criterion of Realism) เป็นเกณฑ์ที่อยู่ระหว่างเกณฑ์มากมากที่สุด และเกณฑ์น้อยมากที่สุด การใช้เกณฑ์แบบนี้จะต้องทำการกำหนดค่าสัมประสิทธิ์ของการมองโลกในแง่ดี (Coefficient of Optimism) ซึ่งจะแทนด้วยสัญลักษณ์ ต ซึ่งค่าของ ต นี้จะอยู่ระหว่าง 0-1 ถ้า ต มีค่าเป็น 1 หมายถึงผู้ตัดสินใจมองโลกในแง่ดีมาก ถ้าค่า ต มีค่าเป็น 0 แสดงว่าผู้ตัดสินใจเป็นผู้มองโลกในแง่ร้ายมาก เมื่อกำหนดค่า ต ได้แล้ว จะทำการคำนวณหาค่าน้ำหนักของผลตอบแทนของแต่ละทางเลือกจากสูตร
น้ำหนักของผลตอบแทน=ต(ผลตอบแทนสูงสุด)+(1-ต) (ผลตอบแทนต่ำสุด)
เมื่อคำนวณค่าน้ำหนักของผลตอบแทนจากแต่ละทางเลือกได้แล้ว จะเลือกทางเลือกที่ให้ ค่าน้ำหนักของผลตอบแทนมากที่สุดจากทางเลือกทั้งหมด

การวัดค่าผลลัพธ์
ค่าของทางเลือกหรือความเหมาะสมของทางเลือก ตัดสินได้จากการบรรลุเป้าหมาย บางครั้งผลลัพธ์ถูกแสดงอยู่ในรูปของเป้าหมายโดยตรง เช่น กำไรเป็นผลลัพธ์ หรืออาจเป็นผลลัพธ์ในรูปของความพอใจของลูกค้า ระดับความภักดีของลูกค้าที่มีต่อสินค้า เป็นต้น

การสร้างสถานการณ์
เป็นการสมมติสภาพแวดล้อมของระบบใดระบบหนึ่งขึ้นในระยะเวลาที่กำหนด ใช้ในการอธิบายสถานการณ์การตัดสินใจที่กำลังพิจารณาอยู่ โดยสามารถอธิบายถึงผลของการตัดสินใจ ตัวแปรตัดสินใจและตัวแปรที่ไม่สามารถควบคุมได้ ที่เกี่ยวข้องกับตัวแบบได้ และผู้บริหารมักจะสร้างชุดของสถานการณ์ขึ้นเพื่อทำการวิเคราะห์ระบบ โดยนิยมใช้คอมพิวเตอร์ช่วยเพื่อความสะดวกและรวดเร็วในการจำลองเหตุการณ์ (Simulation) และการวิเคราะห์แบบเงื่อนไข(What-If analysis) ได้ ตัวอย่างเช่น การเปลี่ยนระดับความต้องการในการเข้ารักษาในโรงพยาบาลซึ่งเป็นการสร้างสถานการณ์ใหม่ขึ้นมา แล้วทำการวัดระดับเงินที่หมุนเวียนในระบบโรงพยาบาลของแต่ละสถานการณ์

ในการตัดสินใจ สามารถสมมติสถานการณ์ที่จะเกิดขึ้นได้มากมาย แบ่งได้เป็น 3 ลักษณะ คือการสมมติ สถานการณ์แบบที่แย่ที่สุด (The Worst possible Scenario), การสมมติสถานการณ์แบบที่ดีที่สุด (The best possible Scenario) และการสมมติสถานการณ์แบบที่น่าจะเกิดขึ้นมากที่สุด (The most likely Scenario)

3. การเลือก (Choice Phase)

ขั้นตอนนี้ได้แก่การค้นหา การประเมินและการแนะนำทางแก้ปัญหาที่เหมาะสมของตัวแบบ โดยทางแก้ปัญหาหนึ่งๆของตัวแบบ ได้แก่การระบุชุดของค่าของตัวแปรตัดสินใจของทางเลือกที่ได้เลือกแล้วนั่นเอง ทางแก้ปัญหาที่ได้จากตัวแบบ จะให้คำแนะนำในการแก้ปัญหาของระบบ ซึ่งถ้าคำแนะนำนี้ถูกนำไปใช้งานได้จริงและสำเร็จผล จึงจะถือว่าปัญหาได้ถูกแก้ไขแล้ว
วิธีการค้นหา
ในขั้นตอนการเลือกจะเกี่ยวข้องกับการค้นหาทางปฏิบัติที่เหมาะสมในการแก้ปัญหา ซึ่งมีหลายวิธี ขึ้นอยู่กับเกณฑ์ในการเลือก สำหรับตัวแบบเชิงมาตรฐาน (Normative Model) สามารถค้นหาทางเลือกโดยใช้วิธีเชิงวิเคราะห์(Analytical) หรือใช้วิธีการอ้างอย่างสมบูรณ์ (Complete Enumeration) ซึ่งหมายถึงการเปรียบเทียบทางเลือก ทั้งหมดกับทางเลือกทางหนึ่ง ส่วนตัวแบบเชิงบรรยาย (Descriptive Model) จะค้นหาโดยการเปรียบเทียบทางเลือก ที่มีอยู่จำกัด หรือค้นหาโดยใช้วิธีการเดา (Blindly) หรือใช้วิธีฮิวริสติก (Heuristics)
วิธีการเชิงวิเคราะห์ (Analytical Techniques) ใช้สูตรทางคณิตศาสตร์เข้ามาช่วยในการหาทางแก้ปัญหาที่เหมาะสมที่สุด (optimal) โดยตรง หรือใช้วิธีการพยากรณ์ (Forecasting) ผลลัพธ์ที่จะได้รับ โดยวิธีการเชิงวิเคราะห์ นี้มักใช้กับการแก้ปัญหาที่เป็นโครงสร้าง มักใช้กับระดับการจัดการระดับกลาง (managerial control) หรือระดับ ปฏิบัติการ (operational) เช่นการจัดสรรทรัพยากร หรือการจัดการสินค้าคงคลัง
วิธีการค้นหาแบบเดา (Blind Search Approaches) เป็นการค้นหาซึ่งกำหนดเอาเอง ไม่เจาะจง ไม่มี กฎเกณฑ์และไม่มีคำแนะนำที่เฉพาะเจาะจง มีสองชนิดคือ

o การอ้างอย่างสมบูรณ์ (Complete Enumeration) จะพิจารณาทางเลือกทั้งหมด และหาทางแก้ปัญหาที่เหมาะสมที่สุด
o การอ้างอย่างสมบูรณ์ (Incomplete Enumeration) จะพิจารณาทางเลือกเพียงบางส่วน ซึ่งทำจนกระทั่งพบทางแก้ปัญหาที่ดีเพียงพอ

วิธีนี้มีข้อจำกัดในทางปฏิบัติ คือเรื่องเวลาที่ใช้ และหน่วยเก็บข้อมูลของคอมพิวเตอร์ที่มีอยู่ จึงไม่นิยมใช้การค้นหาแบบนี้กับการแก้ปัญหาที่มีขนาดใหญ่

วิธีการค้นหาแบบฮิวริสติก (Heuristic Search Approaches) เป็นการค้นหาโดยพยายามหาหลักเกณฑ์เพื่อที่จะนำมาใช้ในขบวนการค้นหา และลดปริมาณการคำนวณให้น้อยลง ฮิวริสติก (Heuristic) เป็นกฏในการตัดสินใจที่พิจารณาว่าปัญหาหนึ่งๆ ควรจะถูกแก้อย่างไร โดยฮิวริสติกจะทำการวิเคราะห์ปัญหาอย่างมีระเบียบและเป็นขั้นตอน ซึ่งการค้นหาด้วยวิธีนี้จะถูกทำซ้ำๆ จนกระทั่งพบทางแก้ปัญหาที่น่าพอใจ ในทางปฏิบัติการค้นหาแบบนี้จะเร็วและ ถูกกว่าแบบเดา และทางแก้ปัญหาที่ได้จะใกล้เคียงทางแก้ที่ดีที่สุดมากกว่า

การประเมินทางเลือก
การประเมินทางเลือกที่ได้จะเป็นขั้นสุดท้าย ที่จะนำไปสู่ทางแก้ปัญหา ได้แก่ การประเมินในด้านของ จุดประสงค์ต่างๆ (Multiple Goals) ที่มีหลากหลายด้าน และประเมินในแง่ของความอ่อนไหวของผลลัพธ์ที่จะเกิดขึ้นเมื่อค่าตัวแปรที่เกี่ยวข้องต่างๆเปลี่ยนแปลงไป (Sensitivity Analysis)

การประเมินในด้านของจุดประสงค์ที่หลากหลาย
การประเมินผลการวิเคราะห์การตัดสินใจด้านการจัดการ มีจุดประสงค์เพื่อที่จะ ประเมินว่าทางเลือกนั้น ครอบคลุมขอบเขตที่ต้องการมากที่สุดหรือไม่ บรรลุวัตถุประสงค์ได้มากน้อยแค่ไหน ซึ่งในการตัดสินใจปัญหาจริงๆ มักจะยากต่อการประเมินในแง่วัตถุประสงค์ เนื่องจากแต่ละระบบจริงๆ มีวัตถุประสงค์ที่ระบบต้องการมากมาย หลากหลาย ดังนั้นในการวิเคราะห์ทางเลือกจึงจำเป็นต้องวิเคราะห์เพื่อให้สามารถเลือก ทางที่ทำให้บรรลุวัตถุประสงค์ได้มากที่สุด โดยในตัวแบบเชิงปริมาณ อาจจำเป็นต้องแปลงปัญหาที่มีหลายๆ เป้าหมายให้อยู่ในรูปของปัญหาที่มีเป้าหมายเดียวก่อน จึงสามารถวัดประสิทธิผลได้ ก่อนที่จะทำการเปรียบเทียบผลขั้นสุดท้าย

การประเมินในแง่ของความอ่อนไหว
การวิเคราะห์ความอ่อนไหวนั้นผู้สร้างตัวแบบจะทำการคาดเดาและตั้งสมมติฐานของผลลัพธ์ที่ได้ โดยพิจารณาจากข้อมูลเข้าที่มีค่าต่างๆ เนื่องจากผลที่ได้จากตัวแบบจะขึ้นอยู่กับข้อมูลนำเข้าเหล่านี้ ทำให้เกิดความยืดหยุ่นและสามารถนำไปปรับปรุงใช้กับเงื่อนไขที่เปลี่ยนไป หรือกับความต้องการในสถานการณ์การตัดสินใจที่ต่างออกไปได้ และช่วยทำให้ผู้ตัดสินใจเข้าใจตัวแบบ และเข้าใจสถานการณ์ที่ถูกแทนด้วยตัวแบบนั้นได้ดีขึ้น ช่วยให้ผู้จัดการมีความ มั่นใจในการใส่ข้อมูลเข้าให้กับตัวแบบมากขึ้น สามารถใช้ตรวจสอบความสัมพันธ์ระหว่างตัวแปรต่างๆ ที่เกี่ยวข้องกับระบบ เช่น ผลของการเปลี่ยนแปลงตัวแปรภายนอกและพารามิเตอร์ ที่มีต่อตัวแปรผลลัพธ์ และยังช่วยทำให้เกิดความมั่นคง (Robustness)ในการตัดสินใจ เมื่อมีการเปลี่ยนแปลงเงื่อนไขเกิดขึ้น

การวิเคราะห์ความอ่อนไหว มี 2 ชนิดคือ
1. แบบอัตโนมัติ (Automatic) ใช้กับแบบจำลองเชิงปริมาณ เช่น การโปรแกรมเชิงเส้น (linear programming) โดยสามารถบอกช่วงค่าข้อมูลเข้าที่เป็นไปได้ ซึ่งไม่มีผลต่อทางแก้ปัญหานั้นๆ และในการวิเคราะห์แบบนี้จะจำกัดให้มีการเปลี่ยนแปลงอย่างเดียวในหนึ่งครั้ง สามารถใช้ได้กับตัวแปรที่มีค่า แน่นอนเท่านั้น มีประสิทธิภาพสูงเพราะสามารถสร้างขอบเขตและข้อจำกัดได้เร็ว
2. แบบลองผิดลองถูก (Trial and Error) ผลที่เกิดจากการเปลี่ยนแปลงค่าตัวแปรใดๆ สามารถหาได้โดยใช้วิธีลองผิดลองถูก โดยการเปลี่ยน input บางตัว และแก้ปัญหาใหม่อีกครั้ง ทำซ้ำๆ จะได้ทางแก้ปัญหาที่ดีขึ้น มีสองรูปแบบคือ

2.1 การวิเคราะห์แบบเงื่อนไข (What-If Analysis) เป็นการวิเคราะห์ในลักษณะ "อะไรจะเกิดขึ้นกับทางแก้ปัญหา ถ้าค่าของตัวแปรเข้า,สมมติฐานหรือพารามิเตอร์เปลี่ยนแปลงไป" ผู้จัดการสามารถถามคำถามในลักษณะนี้กับตัวแบบคอมพิวเตอร์ และได้คำตอบออกมาอย่างรวดเร็วและสามารถถาม คำถามซ้ำๆ กันนั้น และเปลี่ยนค่าข้อมูลใดๆในคำถามได้ตามต้องการ โดยไม่ต้องอาศัยโปรแกรมเมอร์เลย
2.2 การวิเคราะห์ไปหาเป้าหมาย (Goal Seeking) เป็นการคำนวณปริมาณค่าข้อมูลเข้า (input) ที่ต้องการ เพื่อที่จะทำให้ได้ผลลัพธ์ระดับที่ต้องการ ตัวอย่าง เช่น การคำนวณหาจุดคุ้มทุนในการขายสินค้า

4. การนำไปปฏิบัติ (Implementation Phase)

เป็นขั้นตอนในการนำทางแก้ปัญหาที่ถูกเสนอนั้นไปปฏิบัติ หมายถึงการเริ่มทำสิ่งใหม่ๆ หรือการแนะนำให้มีการเปลี่ยนแปลงนั่นเอง หรือหมายถึง การนำคำแนะนำในการแก้ปัญหาที่ได้เลือกไว้ มาปฏิบัติกับระบบจริงนั่นเอง

เทคโนโลยีที่เข้ามาสนับสนุนในขบวนการตัดสินใจ

เทคโนโลยีที่สนับสนุนในขั้นตอนการระบุปัญหา (Intelligence Phase) ได้แก่

  1. ระบบสารสนเทศเพื่อผู้บริหาร(Executive Information System : EIS) ช่วยในการติดตามดูข้อมูลจากแหล่งข้อมูลทั้งภายในและภายนอกได้อย่างต่อเนื่อง เพื่อหาโอกาสและปัญหาที่จะเกิดขึ้นได้ง่าย

  2. ระบบสารสนเทศเพื่อการตัดสินใจ(Decision Support System : DSS) ใช้ความสามารถของแบบจำลองในการทำการวิเคราะห์ปัญหาได้อย่างรวดเร็ว

  3. ระบบผู้เชี่ยวชาญ(Expert System : ES) ช่วยพิจารณาธรรมชาติ, ลักษณะ, ความสำคัญของปัญหา และช่วยแนะนำวิธีการแก้ปัญหาที่เหมาะสม ช่วยแปลข้อมูลและวินิจฉัยปัญหา

  4. ระบบสารสนเพื่อการจัดการ(Management Information System : MIS) ช่วยแง่ของการทำรายงานประจำวัน และรายงานเฉพาะกิจ ช่วยให้พบปัญหาได้ง่าย

เทคโนโลยีที่สนับสนุนในขั้นตอนการออกแบบ (Design Phase) ได้แก่

  1. ระบบสารสนเทศเพื่อการตัดสินใจ(Decision Support System : DSS) ใช้ตัวแบบช่วยในการสร้างทางเลือก,กำหนดเกณฑ์การตัดสินใจ(criteria) และระดับความสำคัญของทางเลือก และคาดเดาผลที่จะเกิด

  2. ระบบผู้เชี่ยวชาญ(Expert System : ES) ใช้ในกรณีของการสร้างทางเลือกของปัญหาที่ซับซ้อน

  3. ระบบสนับสนุนการตัดสินใจในระดับกลุ่มงาน(Group Decision Support System : GDSS) ช่วยในกรณีที่มีปัญหาที่ต้องมีการระดมสมองในการออกแบบทางเลือกต่างๆ

เทคโนโลยีที่สนับสนุนในขั้นตอนการเลือก (Choice Phase) ได้แก่

  1. ระบบสารสนเทศเพื่อการตัดสินใจ(Decision Support System : DSS)ช่วยโดย การใช้วิเคราะห์แบบเงื่อนไข (what-if) และการวิเคราะห์แบบไปหาเป้าหมาย (goal seeking)

  2. ระบบผู้เชี่ยวชาญ(Expert System : ES) ถูกใช้ในการประเมินว่าทางแก้ปัญหาที่ได้ ตรงกับทางแก้ปัญหาที่ต้องการหรือไม่

  3. ถ้าการตัดสินใจเกิดจากกลุ่มคน ต้องใช้ระบบสนับสนุนการตัดสินใจในระดับกลุ่มงานเข้ามาช่วย

เทคโนโลยีที่สนับสนุนในขั้นตอนการนำไปปฏิบัติ (Implementation Phase) ได้แก่

  1. ระบบสารสนเทศเพื่อการตัดสินใจ(Decision Support System : DSS) ใช้ในการสื่อสาร,การอธิบาย และแสดงเหตุผลอันสมควรใน ด้านการตัดสินใจ ช่วยให้เห็นรายละเอียดของการวิเคราะห์และผลลัพธ์ได้ชัดเจนขึ้น

  2. ระบบผู้เชี่ยวชาญ(Expert System : ES) ใช้ในการแนะนำระบบเมื่อเกิดปัญหาในการนำไปปฏิบัติขึ้น เช่น วิธีการจัดการเมื่อ เกิดการต่อต้านการเปลี่ยนแปลง และช่วยในการฝึกอบรม ซึ่งทำให้การนำทางเลือกนั้นไปปฏิบัติทำได้ ราบรื่นขึ้น

การสร้างตัวแบบ
คุณลักษณะหลักของระบบสนับสนุนการตัดสินใจ จะประกอบด้วยตัวแบบ (Model) อย่างน้อยหนึ่งตัวแบบอยู่ในระบบ โดยเป็นตัวแบบที่ได้จากการวิเคราะห์ระบบจริงที่ต้องการทำการตัดสินใจ และทำการตัดสินใจและวิเคราะห์ผลการตัดสินใจจากตัวแบบนั้น ลักษณะของตัวแบบแบ่งออกเป็น

ตัวแบบเชิงขนาด (Iconic หรือ Scale Models) เป็นตัวแบบที่แสดงแนวคิดของระบบได้น้อยที่สุด เป็นการจำลองแบบทางกายภาพของระบบ แต่มักมีขนาดต่างจากตัวต้นฉบับ อาจมีลักษณะเป็น 3 มิติ เช่นแบบจำลองเครื่องบิน, รถยนต์, สะพาน ฯลฯ หรืออาจเป็นลักษณะ 2 มิติ เช่น รูปถ่ายก็ได้

ตัวแบบเชิงอุปมา (Analog Models) เป็นตัวแบบที่รูปลักษณ์ภายนอกไม่เหมือนกับระบบจริงๆ แต่มี พฤติกรรมที่เหมือนกัน ตัวแบบนี้แสดงแนวคิดของระบบได้มากกว่าตัวแบบเชิงขนาด โดยมีการใช้สัญลักษณ์ในการแสดงความเป็นจริงของระบบ ตัวอย่างเช่น แผนภาพองค์การซึ่งแสดงความสัมพันธ์ระหว่างโครงสร้าง ความรับผิดชอบ และอำนาจในการบริหารงาน แผนที่ซึ่งมีสีต่างๆ แสดงน้ำและภูเขา แผนภาพตลาดหุ้น แสดงการเคลื่อนไหวของราคาหุ้น พิมพ์เขียวของเครื่องจักรหรือบ้าน มาตรบอกอัตราความเร็ว หรือเครื่องวัดอุณหภูมิ เป็นต้น

ตัวแบบเชิงคณิตศาสตร์ (Mathematical หรือ Quantitative Models) ระบบองค์การหลายๆ องค์การมีความซับซ้อนมาก ไม่สามารถใช้ตัวแบบเชิงขนาดหรือเชิงอุปมาแทนได้ หรืออาจจะใช้ได้ แต่มีความยุ่งยากและใช้เวลานาน ตัวแบบที่แสดงแนวคิดของระบบได้มากขึ้น ได้แก่ตัวแบบเชิงคณิตศาสตร์ หรือตัวแบบเชิงปริมาณ ซึ่งแทนระบบด้วยตัวแปร และแสดงความสัมพันธ์ระหว่างตัวแปรด้วยสัญลักษณ์ทางคณิตศาสตร์

ข้อดีของการใช้ตัวแบบ

1. ลดเวลาการดำเนินงาน
2. การจัดการกับตัวแบบ (การเปลี่ยนตัวแปรหรือสภาพแวดล้อม) ทำได้ง่ายกว่าการจัดการกับระบบจริงๆ การทดลองทำได้ง่ายกว่า และไม่รบกวนการทำงานประจำวันขององค์กร
3. ค่าใช้จ่ายในการวิเคราะห์ตัวแบบน้อยกว่าค่าใช้จ่ายในการทดลองทำกับระบบจริงๆ
4. ค่าใช้จ่ายในการทำผิดในระหว่างการลองผิดลองถูกกับตัวแบบน้อยกว่าเมื่อเกิดขึ้นกับระบบจริง
5. สภาพแวดล้อมในปัจจุบันเกี่ยวข้องกับความไม่นอนค่อนข้างมาก ด้วยการใช้ตัวแบบผู้บริหารสามารถคำนวณความเสี่ยงที่เกี่ยวข้องกับการกระทำใดๆ ได้
6. การใช้ตัวแบบทางคณิตศาสตร์สามารถทำการวิเคราะห์ทางแก้ปัญหาได้มา และด้วยเทคโนโลยีและการสื่อสารที่ก้าวหน้าในปัจจุบัน ผู้บริหารจึงมีทางเลือกในการปฏิบัติมากมาย
7. ยกระดับและส่งเสริมในการเรียนรู้ และการฝึกอบรมให้ดีมากขึ้น

อัพเดทล่าสุด