为不确定性和意外事件做好业务准备

在不确定性下进行管理并不容易,尤其是当您面临以前从未经历过的新情况时,例如能源价格上涨贸易中断、流行病和通货膨胀

但有一种解决方法,其核心是帮助解决因果关系和系统的内在规则。 这种方法就是仿真。 有了它,您可以对不可预见的事件进行预测,例如,由于流行病或地缘政治变化导致的大规模中断。

四个级别的不确定性

许多管理者必然会在不确定的情况下,根据通常不完美的观察和未知的结果做出决策。 但不确定性本身可以有不同的层次。 确定正确的不确定性水平可以帮助管理人员和顾问制定可操作的策略,以保护公司免受影响。

在进行了最佳可能分析之后仍然存在的不确定性属于以下四个类别之一。

四个级别的不确定性

四个级别的不确定性。 资料来源:麦肯锡

级别 1: 一个明确的未来

在这个级别上,环境是稳定且变化缓慢的,尽管系统并不是完全确定的,但对未来的简单预测可能足以准确地制定战略。

级别 2:少数几种可能的未来

少数几种未来可能的情形,但不确定其中哪一个最终会发生。 许多面临重大监管或立法变革的企业都面临这种程度的不确定性。

借助仿真模型,管理人员可以运行各种假设情景,以测试和分析建模系统的性能并评估可能的风险。

级别 3: 一系列可能的未来

为了确定一系列潜在的未来,关键变量的数量有限,结果可能位于该范围内的某个地方。

例如,咖啡馆老板从他们的观察中得知,第一批客人通常在上午 8 点 30 分到 10 点之间的任何时间到达,并且可能同时有 1 到 5 位顾客进入。

在为咖啡馆建模时,仿真工程师需要考虑这些变量范围。

级别 4:真正的不确定性

不确定性的多个维度相互作用,创造了一个几乎无法预测的环境。 与第 3 级情景相比,不能确定一系列潜在结果,更不用说范围内的情景了。 属于这一类的情况很少见,随着时间的推移,它们往往会迁移到 2 级或 3 级。

尽管如此,它们确实存在。 麦肯锡举了一个电信公司的决策案例,公司需要决定在哪里以及如何在新兴消费多媒体市场竞争。 其中将面临一些关于技术、需求以及硬件和内容提供商之间关系的不确定性。 这些不确定性可能以不可预测的方式相互作用,以至于无法找到合理的情景范围。

大多数情况本质上是动态的现实生活场景,通常属于第 2 级或第 3 级,可以通过仿真建模来解决。

基于仿真的实验有助于解决不确定性

通过仿真建模,您可以处理时间和因果关系,解释事情发生的原因。 这有助于在现实世界中实施业务决策之前了解它们的影响。

少数几种可能未来的案例

对于各种程度的不确定性,AnyLogic中都有可用的实验。对于2级类别的情况,有敏感性分析、参数变化和比较运行实验。

敏感性分析通过多次改变其中一个参数来运行仿真模型,并显示仿真输出如何依赖于它。

敏感性分析结果示例

敏感性分析结果示例

参数变化实验运行具有不同参数的模型并分析它们如何影响模型行为。 变化是自动执行的,包括多个单模型运行。 这些运行的结果可以显示在一个图表上,说明具有某个参数值子集的不同行为。

参数变化统计

参数变化统计

比较运行实验类似于参数变化实验,但不是根据预定义算法自动更改输入值,而是用户可以交互控制输入并最终比较结果。

比较运行统计

比较运行统计

一系列可能未来的蒙特卡洛

对于 3 级情况,AnyLogic 提供了蒙特卡洛仿真实验。实验显示了运行随机模型或具有从特定分布采样的随机变化输入的模型的结果。

蒙特卡洛统计

蒙特卡洛统计

蒙特卡洛仿真需要多次迭代才能产生有用的结果,因此依赖快速的计算机处理。 当模型非常复杂和动态时,处理要求会变得很重要并且运行时间会很长。 这降低了假设实验的可能性,并可能限制模型在决策中的有用性。

云端实验

仿真允许您使用真实系统的虚拟模型进行实验。 为了向您提供具有代表性的结果,实验需要多次仿真运行和处理能力。 借助连接到云的 AnyLogic仿真,您可以在任何计算机上快速运行实验,并轻松与同事分享结果。

结论和案例研究

世界各地的许多公司都使用仿真建模作为决策支持工具。 他们对潜在风险进行建模并制定战略,以使他们的业务更加稳健并能够应对世界上的意外变化。

下载我们的白皮书,了解仿真如何帮助制定和分析颠覆性业务战略。


下载


我们收集了典型的案例研究,客户在其中分享了他们的项目细节和经验:

相关文章