⚡

决策分析Skill decision-analysis

决策分析是一种系统化方法，用于通过结构化技术如决策表、加权评分矩阵和决策树来评估复杂决策。它将主观判断转化为透明、可追踪的推理，适用于业务决策、项目选择和风险评估等场景。关键词：决策分析，决策表，加权评分矩阵，决策树，结构化决策，数据分析。

数据分析 0 次安装 0 次浏览 更新于 3/11/2026

name: decision-analysis description: 使用决策表、加权评分矩阵和决策树进行决策建模。通过清晰的标准、替代方案评估和结果预测来构建复杂决策。 allowed-tools: Read, Glob, Grep, Task, Skill

决策分析

使用结构化技术建模和分析复杂决策：决策表、加权评分矩阵和决策树。创建清晰、可辩护的决策框架，具有可追踪的理论基础。

什么是决策分析？

决策分析是一种系统化方法，用于通过将复杂选择分解为组成部分：目标、替代方案、标准和权衡来评估它们。它将主观判断转化为结构化、透明的推理。

技术 最适合 输出
决策表 基于规则的逻辑，许多条件 基于条件组合的动作
加权评分矩阵 多标准比较 带有分数的排名替代方案
决策树 顺序决策，不确定性 带有概率的最优路径
Pugh矩阵 概念选择，设计选择 最佳概念 vs 基线

技术1: 决策表

什么是决策表？

一个决策表以紧凑的网格格式捕捉复杂的条件逻辑。它列出所有条件组合及其相应的动作。

组件 描述 例子
条件 输入变量/状态 客户类型，订单价值
动作 结果/响应 应用折扣，需要批准
规则 条件组合 IF Premium AND >$1000 THEN 20% off

决策表工作流程

步骤1: 识别条件和动作

## 决策上下文

**决策:** [我们在决定什么？]
**触发:** [何时做出这个决定？]

### 条件（输入）
| # | 条件 | 可能值 |
|---|-----------|-----------------|
| C1 | [条件1] | [值A / 值B / ...] |
| C2 | [条件2] | [是 / 否] |
| C3 | [条件3] | [低 / 中 / 高] |

### 动作（输出）
| # | 动作 | 描述 |
|---|--------|-------------|
| A1 | [动作1] | [发生什么] |
| A2 | [动作2] | [发生什么] |

步骤2: 构建决策表

## 决策表: [名称]

| 规则 | C1 | C2 | C3 | A1 | A2 |
|------|----|----|----|----|----|
| R1 | Premium | 是 | 高 | X | - |
| R2 | Premium | 是 | 低 | X | X |
| R3 | Standard | 是 | - | - | X |
| R4 | Standard | 否 | 高 | - | - |
| R5 | - | 否 | 低 | - | X |

**图例:** X = 执行动作, - = 跳过, [空白] = 任何值

步骤3: 验证完整性

检查 问题 通过？
完整性 所有条件组合都覆盖了吗？ ☐
一致性 没有矛盾规则？ ☐
唯一性 每个组合映射到一个结果？ ☐
简化 规则可以合并吗？ ☐

决策表模板

## 决策表: [决策名称]

**上下文:** [业务上下文]
**所有者:** [决策所有者]
**最后更新:** [ISO日期]

### 条件
| ID | 条件 | 值 |
|----|-----------|--------|
| C1 | | |
| C2 | | |

### 动作
| ID | 动作 | 描述 |
|----|--------|-------------|
| A1 | | |
| A2 | | |

### 规则
| 规则 | C1 | C2 | → | A1 | A2 | 注释 |
|------|----|----|---|----|----|-------|
| R1 | | | | | | |
| R2 | | | | | | |

### 验证
- [ ] 所有组合覆盖
- [ ] 没有矛盾
- [ ] 规则简化

技术2: 加权评分矩阵

什么是加权评分矩阵？

一个加权评分矩阵（也称为决策矩阵或Pugh矩阵）根据加权标准评估多个替代方案，生成排名列表。

组件 描述
替代方案 正在比较的选项
标准 评估因素
权重 每个标准的重要性（总和为100%）
分数 每个替代方案在每个标准上的评分
加权分数 分数 × 权重，跨标准求和

加权评分工作流程

步骤1: 定义决策

## 决策上下文

**决策:** [我们在选择什么？]
**目标:** [我们想要什么结果？]
**约束:** [不可协商的要求]
**时间线:** [我们必须何时决定？]

步骤2: 识别替代方案

## 替代方案

| # | 替代方案 | 描述 | 来源 |
|---|-------------|-------------|--------|
| A | [选项A] | [简要描述] | [如何识别] |
| B | [选项B] | [简要描述] | [如何识别] |
| C | [选项C] | [简要描述] | [如何识别] |

步骤3: 定义和加权标准

## 标准

| # | 标准 | 描述 | 权重 | 理由 |
|---|-----------|-------------|--------|-----------|
| 1 | [标准1] | [测量什么] | 30% | [为什么这个权重] |
| 2 | [标准2] | [测量什么] | 25% | [为什么这个权重] |
| 3 | [标准3] | [测量什么] | 25% | [为什么这个权重] |
| 4 | [标准4] | [测量什么] | 20% | [为什么这个权重] |
|   | **总计** | | **100%** | |

加权方法:

方法 描述 何时使用
直接分配 利益相关者直接分配权重 优先级清晰，经验丰富的团队
成对比较 比较标准对（AHP） 优先级不清晰，需要共识
排名 排名标准，转换为权重 快速，近似
等权重 所有标准权重相等 没有明确优先级，初步分析

步骤4: 评分替代方案

## 评分尺度

| 分数 | 含义 |
|-------|---------|
| 5 | 优秀 - 完全满足/超出标准 |
| 4 | 良好 - 大部分满足标准 |
| 3 | 足够 - 部分满足标准 |
| 2 | 差 - 最小程度满足标准 |
| 1 | 不可接受 - 不满足标准 |

步骤5: 计算加权分数

## 决策矩阵

| 标准 | 权重 | 替代A | 替代B | 替代C |
|-----------|--------|-------|-------|-------|
| 标准1 | 30% | 4 | 3 | 5 |
| 标准2 | 25% | 3 | 5 | 4 |
| 标准3 | 25% | 5 | 4 | 3 |
| 标准4 | 20% | 4 | 4 | 4 |
| **加权分数** | | **3.95** | **3.95** | **4.05** |
| **排名** | | 2 | 3 | 1 |

**计算:** 加权分数 = Σ(分数 × 权重)

步骤6: 敏感性分析

测试权重变化时结果如何改变：

## 敏感性分析

| 场景 | 权重变化 | 获胜者 | 置信度 |
|----------|---------------|--------|------------|
| 基线 | 如定义 | 替代C | - |
| 成本+10% | C1: 40%, 其他调整 | 替代A | 低 |
| 质量+10% | C2: 35%, 其他调整 | 替代C | 高 |

**稳健性:** [获胜者跨场景稳定吗？]

Pugh矩阵（概念选择）

一个专门的评分矩阵，将替代方案与基线比较：

## Pugh矩阵: [决策]

**基线:** [参考选项 - 通常当前状态或最简单选项]

| 标准 | 权重 | 替代A vs 基线 | 替代B vs 基线 | 替代C vs 基线 |
|-----------|--------|-------------------|-------------------|-------------------|
| 标准1 | 30% | + | S | ++ |
| 标准2 | 25% | - | + | S |
| 标准3 | 25% | S | + | - |
| 标准4 | 20% | + | S | + |
| **Σ加** | | 2 | 2 | 2 |
| **Σ减** | | 1 | 0 | 1 |
| **Σ相同** | | 1 | 2 | 1 |
| **净分数** | | +1 | +2 | +1 |

**图例:** ++ 好得多, + 更好, S 相同, - 更差, -- 差得多

技术3: 决策树

什么是决策树？

一个决策树映射顺序决策和不确定事件，以可视化可能的路径和结果。它非常适合多阶段或概率结果的决策。

节点类型 符号 描述
决策节点 □ 选择点（你控制）
机会节点 ○ 不确定事件（概率）
结束节点 △ 最终结果（值）

决策树工作流程

步骤1: 框架决策

## 决策树上下文

**决策:** [主要决策]
**目标:** [我们优化的目标 - NPV, 效用等]
**时间范围:** [未来多远]
**关键不确定性:** [主要未知因素]

步骤2: 识别决策点和不确定性

## 结构

### 决策点
| # | 决策 | 选项 |
|---|----------|---------|
| D1 | [第一个决策] | 选项A, 选项B |
| D2 | [后续决策] | 选项X, 选项Y |

### 机会事件
| # | 事件 | 结果 | 概率 |
|---|-------|----------|---------------|
| E1 | [不确定性1] | 高, 低 | 60%, 40% |
| E2 | [不确定性2] | 成功, 失败 | 70%, 30% |

步骤3: 分配值和概率

## 结果

| 路径 | 序列 | 概率 | 值 | 期望值 |
|------|----------|-------------|-------|----------------|
| P1 | D1:A → E1:高 → D2:X | 0.60 | $100K | $60K |
| P2 | D1:A → E1:高 → D2:Y | 0.60 | $80K | $48K |
| P3 | D1:A → E1:低 | 0.40 | $20K | $8K |
| P4 | D1:B → E2:成功 | 0.70 | $150K | $105K |
| P5 | D1:B → E2:失败 | 0.30 | -$50K | -$15K |

步骤4: 计算期望值（回滚）

从结束节点向后工作：

## 回滚分析

### 机会节点 E1 (在 D1:A 之后)
EV = (0.60 × max($100K, $80K)) + (0.40 × $20K)
EV = (0.60 × $100K) + $8K = $68K

### 机会节点 E2 (在 D1:B 之后)
EV = (0.70 × $150K) + (0.30 × -$50K)
EV = $105K - $15K = $90K

### 决策节点 D1
选择 B: EV = $90K > $68K

**推荐:** 选择选项B

决策树 Mermaid 图表

flowchart TD
    D1{决策1<br/>选择A或B？}

    D1 -->|A| E1((事件1<br/>市场))
    D1 -->|B| E2((事件2<br/>技术))

    E1 -->|高 60%| D2{决策2}
    E1 -->|低 40%| OUT1[/$20K/]

    D2 -->|X| OUT2[/$100K/]
    D2 -->|Y| OUT3[/$80K/]

    E2 -->|成功 70%| OUT4[/$150K/]
    E2 -->|失败 30%| OUT5[/-$50K/]

    style D1 fill:#ffcc00
    style D2 fill:#ffcc00
    style E1 fill:#66ccff
    style E2 fill:#66ccff

DMN-Lite: 决策模型表示法

对于简单、可重复的决策，使用轻量级 DMN 方法：

## 决策: [名称]

**决策 ID:** DEC-001
**业务上下文:** [何时做出此决策]

### 输入数据
| 输入 | 类型 | 来源 |
|-------|------|--------|
| 客户细分 | 文本 | CRM |
| 订单价值 | 货币 | 订单系统 |
| 信用分数 | 数字 | 信用局 |

### 决策逻辑

```text
IF 客户细分 = "Premium" AND 订单价值 > 1000
  THEN 折扣 = 20%
ELSE IF 客户细分 = "Premium"
  THEN 折扣 = 10%
ELSE IF 订单价值 > 5000
  THEN 折扣 = 15%
ELSE
  THEN 折扣 = 0%

输出

输出 类型 范围
折扣 百分比 0% - 20% 

## 输出格式

### 叙述性摘要

```markdown
## 决策分析摘要

**决策:** [决定了什么]
**日期:** [ISO日期]
**分析师:** decision-analyst

### 上下文
[2-3句话说明为什么需要这个决策]

### 方法
- **使用的技术:** [决策表 / 加权矩阵 / 决策树]
- **考虑的替代方案:** [数量和简要列表]
- **应用的标准:** [数量和关键标准]

### 推荐
**推荐选项:** [名称]
**理由:** [关键原因 - 2-3点]
**置信度:** 高 / 中 / 低

### 关键权衡
| 因素 | 推荐选项 | 亚军 |
|--------|-------------------|-----------|
| [因素1] | [评估] | [评估] |
| [因素2] | [评估] | [评估] |

### 风险与缓解措施
| 风险 | 可能性 | 影响 | 缓解措施 |
|------|------------|--------|------------|
| [风险1] | 高/中/低 | 高/中/低 | [行动] |

### 下一步
1. [立即行动]
2. [后续行动]

结构化数据（YAML）

decision_analysis:
  version: "1.0"
  date: "2025-01-15"
  analyst: "decision-analyst"

  context:
    decision: "选择项目管理工具"
    objective: "最大化团队生产力，同时最小化成本"
    constraints:
      - "预算低于 $500/月"
      - "必须与团队消息平台集成"
    timeline: "Q1结束前决定"

  technique: "weighted_scoring_matrix"

  alternatives:
    - id: A
      name: "工具A（企业版）"
      description: "企业级，功能丰富的工作项跟踪"
    - id: B
      name: "工具B（协作版）"
      description: "用户友好，良好的协作功能"
    - id: C
      name: "工具C（开发者聚焦）"
      description: "现代，开发者聚焦界面"

  criteria:
    - id: C1
      name: "易用性"
      weight: 0.30
      rationale: "团队采用至关重要"
    - id: C2
      name: "功能集"
      weight: 0.25
      rationale: "必须处理复杂工作流"
    - id: C3
      name: "集成"
      weight: 0.25
      rationale: "需要Slack集成"
    - id: C4
      name: "成本"
      weight: 0.20
      rationale: "在预算约束内"

  scores:
    - alternative: A
      scores: {C1: 3, C2: 5, C3: 4, C4: 3}
      weighted_total: 3.75
    - alternative: B
      scores: {C1: 5, C2: 4, C3: 5, C4: 4}
      weighted_total: 4.50
    - alternative: C
      scores: {C1: 4, C2: 4, C3: 3, C4: 5}
      weighted_total: 3.95

  ranking:
    - rank: 1
      alternative: B
      score: 4.50
    - rank: 2
      alternative: C
      score: 3.95
    - rank: 3
      alternative: A
      score: 3.75

  sensitivity:
    - scenario: "成本权重+10%"
      winner: C
      stable: false
    - scenario: "易用性权重+10%"
      winner: B
      stable: true

  recommendation:
    choice: B
    confidence: high
    rationale:
      - "最高加权分数 (4.50)"
      - "跨敏感性场景稳定"
      - "团队采用的最佳易用性"

  risks:
    - description: "Asana价格可能上涨"
      likelihood: medium
      impact: low
      mitigation: "谈判年度合同"

Mermaid 决策矩阵可视化

quadrantChart
    title 决策矩阵 - 工具选择
    x-axis 低成本 --> 高成本
    y-axis 低功能 --> 高功能
    quadrant-1 优质
    quadrant-2 最佳价值
    quadrant-3 预算
    quadrant-4 昂贵有限
    "工具A（企业版）": [0.7, 0.9]
    "工具B（协作版）": [0.5, 0.7]
    "工具C（开发者）": [0.3, 0.6]
    "工具D（基础）": [0.2, 0.3]

何时使用

场景 技术
基于规则的逻辑，许多条件 决策表
多标准比较选项 加权评分矩阵
顺序决策，不确定性 决策树
概念选择 vs 基线 Pugh矩阵
简单可重复业务规则 DMN-Lite
快速相对比较 Pugh矩阵
需要利益相关者支持 加权评分（透明）

集成

上游

  • stakeholder-analysis - 识别决策者和标准来源
  • root-cause-analysis - 在决定解决方案前理解问题
  • swot-pestle-analysis - 决策的战略上下文

下游

  • Requirements - 决策驱动需求优先级
  • Risk registers - 捕获决策风险
  • Implementation plans - 执行选择的替代方案

相关技能

  • prioritization - MoSCoW, Kano 用于功能优先级
  • risk-analysis - 决策替代方案的风险评估
  • root-cause-analysis - 解决方案选择前的问题分析
  • business-model-canvas - 战略业务决策
  • stakeholder-analysis - 决策者识别

版本历史

  • v1.0.0 (2025-12-26): 初始发布