Situation 2: You understand your ca

Situation 2: You understand your causal model and can predict a range of possible outcomes, along with probabilities for those outcomes. Imagine now that the McDonald’s managers are deciding whether to introduce a new sandwich in the United States. They still have a reliable way to model costs and revenues; they have relevant data about demographics, foot traffic, and so forth. (In other words, they have a causal model.) But there’s significant uncertainty about what the outcome of introducing the sandwich will be: They don’t know what the demand will be, for example, nor do they know what impact the new product will have on sales of complementary products. However, they can predict a range of possible outcomes by using quantitative multiple scenario tools. Some preliminary market research in different regions of the country will most likely give them a range of outcomes, and perhaps even the probability of each. It might be possible to summarize this information in simple outcome trees that show the probability of different demand outcomes and the associated payoffs for McDonald’s. The trees could be used to calculate the expected value, variance, and range of financial outcomes that McDonald’s might face if it introduced the sandwich. Managers could then use standard decision-analysis techniques to make its final determination.
Alternatively, McDonald’s could pilot the new sandwich in a limited number of regions. Such pilots provide useful information about the potential total market demand without incurring the risk of a full-scale rollout. Conducting a pilot is akin to investing in an “option” that provides information and gives you the right but not the obligation to roll out the product more extensively in the future. (This approach is still market research, but usually a more expensive form.) Real options analysis, which quantifies the benefits and costs of the pilot in light of market uncertainty, would be the appropriate decision-making tool in this case.
Tools: Quantitative multiple scenario tools such as Monte Carlo simulations, decision analysis, and real options valuation. (These tools combine statistical methods with the conventional capital-budgeting models favored in Situation 1. Managers can simulate possible outcomes using known probabilities and discounted cash flow models and then use decision analysis tools to calculate expected values, ranges, and so on.)
Situation 3: You understand your causal model but cannot predict outcomes. Let’s now assume that McDonald’s is entering an emerging market for the first time. Executives still understand the model that will drive store profitability. The cost and revenue drivers may well be the same, market to market. However, the company has much less information about outcomes, and predicting them using market

ผลลัพธ์ (ไทย) 1:

สถานการณ์ที่ 2: คุณเข้าใจรูปแบบเชิงสาเหตุของคุณและสามารถคาดการณ์ช่วงของผลลัพธ์ที่เป็นไปพร้อมกับความน่าจะเป็นผลลัพธ์เหล่านั้น คิดว่าตอนนี้ผู้จัดการของ McDonald กำลังตัดสินใจว่าจะแนะนำแซนวิชใหม่ในประเทศสหรัฐอเมริกา พวกเขายังคงมีวิธีที่เชื่อถือได้ในการสร้างแบบจำลองค่าใช้จ่ายและรายได้ของพวกเขามีข้อมูลที่เกี่ยวข้องกับกลุ่มผู้เข้าชมการจราจรเท้าและอื่น ๆ (ในคำอื่น ๆพวกเขามีรูปแบบเชิงสาเหตุ) แต่มีความไม่แน่นอนอย่างมีนัยสำคัญเกี่ยวกับสิ่งที่ผลของการแนะนำแซนวิชจะเป็น. พวกเขาไม่ได้รู้ว่าสิ่งที่ต้องการจะเป็นตัวอย่างหรือไม่ได้รู้ว่าสิ่งที่ส่งผลกระทบต่อผลิตภัณฑ์ใหม่จะมีการขายของ ผลิตภัณฑ์เสริม แต่พวกเขาสามารถคาดการณ์ช่วงของผลลัพธ์ที่เป็นไปได้โดยใช้เครื่องมือเชิงปริมาณสถานการณ์หลายการวิจัยตลาดบางเบื้องต้นในภูมิภาคต่างๆของประเทศส่วนใหญ่มีแนวโน้มที่จะให้พวกเขามีช่วงของผลลัพธ์และบางทีแม้แต่ความน่าจะเป็นของแต่ละ มันอาจจะเป็นไปได้ที่จะสรุปข้อมูลในต้นไม้ผลง่ายๆที่แสดงให้เห็นความน่าจะเป็นของผลลัพธ์ที่แตกต่างกันและความต้องการผลตอบแทนที่เกี่ยวข้องกับโดนัลด์นี้ ต้นไม้สามารถนำมาใช้ในการคำนวณค่าที่คาดหวังความแปรปรวนช่วงและผลลัพธ์ทางการเงินที่โดนัลด์อาจเผชิญหากนำแซนวิช ผู้จัดการก็จะใช้เทคนิคการตัดสินใจการวิเคราะห์มาตรฐานที่จะทำให้การตัดสินใจขั้นสุดท้ายของ.
อีกทางเลือกหนึ่งของ McDonald สามารถนักบินแซนวิชใหม่ในจำนวนที่ จำกัด ของพื้นที่นักบินดังกล่าวให้ข้อมูลที่เป็นประโยชน์เกี่ยวกับความต้องการของตลาดที่มีศักยภาพทั้งหมดที่เกิดขึ้นโดยไม่มีความเสี่ยงของการเปิดตัวเต็มรูปแบบ ดำเนินการนำร่องที่จะคล้ายกับการลงทุนใน "ตัวเลือก" ที่ให้ข้อมูลและให้สิทธิ แต่ไม่ใช่ข้อผูกมัดที่จะแผ่ออกผลิตภัณฑ์อย่างกว้างขวางมากขึ้นในอนาคต (วิธีนี้ยังคงมีการวิจัยตลาด แต่มักจะเป็นรูปแบบที่มีราคาแพงกว่า) จริงการวิเคราะห์ตัวเลือกที่การประเมินผลประโยชน์และค่าใช้จ่ายของนักบินในแง่ของความไม่แน่นอนของตลาดจะเป็นเครื่องมือในการตัดสินใจที่เหมาะสมในกรณีนี้
เครื่องมือ. เครื่องมือเชิงปริมาณสถานการณ์หลายอย่างเช่นการจำลอง Monte Carlo, การวิเคราะห์การตัดสินใจและจริง ตัวเลือกการประเมินมูลค่า(เครื่องมือเหล่านี้รวมวิธีการทางสถิติที่มีการชุมนุมรูปแบบเงินทุนได้รับการสนับสนุนงบประมาณในสถานการณ์ 1. ผู้จัดการสามารถจำลองผลลัพธ์ที่เป็นไปโดยใช้ความน่าจะเป็นที่รู้จักและกระแสเงินสดและจากนั้นใช้เครื่องมือในการวิเคราะห์การตัดสินใจที่จะคำนวณค่าคาดว่าช่วงและอื่น ๆ .)
สถานการณ์ที่ 3: คุณเข้าใจรูปแบบเชิงสาเหตุของคุณ แต่ไม่สามารถคาดการณ์ผลตอนนี้ขอสมมติว่าโดนัลด์กำลังเข้าสู่ตลาดเกิดใหม่เป็นครั้งแรก ผู้บริหารยังคงเข้าใจรูปแบบที่จะขับรถร้านค้าในการทำกำไร ขับค่าใช้จ่ายและรายได้อาจจะดีในตลาดเดียวกันกับตลาด แต่ บริษัท มีข้อมูลน้อยมากเกี่ยวกับผลและการคาดการณ์โดยใช้ตลาด

ผลลัพธ์ (ไทย) 2:

สถานการณ์ที่ 2: คุณเข้าใจโมเดลเชิงสาเหตุของคุณ และสามารถทำนายช่วงของผลได้ พร้อมกิจกรรมผลเหล่านั้น จินตนาการขณะที่ผู้จัดการแมคโดนัลด์จะตัดสินใจว่า จะแนะนำแซนด์วิชใหม่ในสหรัฐอเมริกา พวกเขายังมีวิธีเชื่อถือได้กับแบบจำลองต้นทุนและรายได้ มีข้อมูลเกี่ยวกับประชากร ชมเท้า และอื่น ๆ (ในคำอื่น ๆ จะมีแบบจำลองเชิงสาเหตุ) แต่มีความไม่แน่นอนที่สำคัญเกี่ยวกับสิ่งที่ผลของการแนะนำแซนวิจะเป็น: พวกเขาไม่ทราบว่าความต้องการจะ เช่น หรือพวกเขารู้ว่าผลกระทบที่ผลิตภัณฑ์ใหม่จะมีการขายของผลิตภัณฑ์เสริม อย่างไรก็ตาม พวกเขาสามารถทำนายช่วงได้โดยเชิงปริมาณเครื่องมือสถานการณ์ต่าง ๆ บางวิจัยตลาดเบื้องต้นในภูมิภาคต่าง ๆ ของประเทศจะอาจให้ผลลัพธ์ที่หลากหลาย และบางทีก็น่าเป็นของแต่ละ คุณอาจจะสามารถสรุปข้อมูลในต้นไม้ผลอย่างง่ายที่แสดงความเป็นไปได้ของผลความแตกต่างและ payoffs สัมพันธ์สำหรับแมคโดนัลด์ ต้นไม้ที่สามารถใช้เพื่อคำนวณค่าคาดหมาย ผลต่าง และของผลลัพธ์ทางการเงินที่แมคโดนัลด์อาจเผชิญถ้าจะนำแซนวิ ผู้จัดการแล้วใช้เทคนิคการวิเคราะห์การตัดสินใจมาตรฐานของสุดท้ายกำหนดด้วย
หรือ แมคโดนัลด์สามารถนำร่องแซนด์วิชใหม่จำนวนจำกัดของภูมิภาคได้ นักบินดังกล่าวให้ข้อมูลเกี่ยวกับความต้องการตลาดรวมมีศักยภาพดังกล่าวของไวร์เลสเต็มรูปแบบ ดำเนินการนำร่องเป็นเหมือนกับการลงทุนในการ "เลือก" ที่ให้ข้อมูล และให้คุณด้านขวาแต่ไม่ข้อผูกมัดการม้วนออกผลิตภัณฑ์อย่างกว้างขวางมากขึ้นในอนาคต (วิธีการนี้ได้ยังคงวิจัย แต่มักจะแพงกว่าแบบ) แท้จริงตัววิเคราะห์ ที่ quantifies ประโยชน์และต้นทุนของผู้นำร่องเมื่อความไม่แน่นอนของตลาด เป็นเครื่องมือตัดสินใจที่เหมาะสมในกรณีนี้
เครื่องมือ: เชิงปริมาณหลายเครื่องมือสถานการณ์จำลองมงต์การ์โล วิเคราะห์การตัดสินใจ และหาตัวจริง (เครื่องมือเหล่านี้รวมวิธีการทางสถิติกับแบบธรรมดาประมาณทุนจำลองปลอดในสถานการณ์ 1 ผู้จัดการสามารถจำลองได้ผลโดยใช้กิจกรรมชื่อดัง และส่วนลดเงินสดไหลรุ่น และใช้เครื่องมือวิเคราะห์ตัดสินใจในการคำนวณค่าคาดหมาย ช่วง และอื่น ๆ)
สถานการณ์ 3: คุณเข้าใจโมเดลเชิงสาเหตุของคุณ แต่ไม่สามารถทำนายผล ตอนนี้สมมติว่า แมคโดนัลด์เป็นป้อนตลาดเกิดใหม่เป็นครั้งแรก ผู้บริหารยังเข้าใจแบบที่ช่วยเก็บผลกำไร โปรแกรมควบคุมต้นทุนและรายได้ที่ดีได้เหมือนกัน ตลาด-ตลาด อย่างไรก็ตาม บริษัทมีข้อมูลน้อยมากเกี่ยวกับผล และคาดการณ์ได้โดยใช้การตลาด

ผลลัพธ์ (ไทย) 3:

สถานการณ์ 2 คุณทำความเข้าใจรุ่นแบบสบายๆของคุณและสามารถทำนายความหลากหลายของผลลัพธ์ที่เป็นไปได้พร้อมด้วยความน่าจะเป็นสำหรับผลลัพธ์ที่ได้ ลองนึก ภาพ แล้วว่าผู้จัดการของแมคโดนัลด์ที่มีการตัดสินใจว่าจะแนะนำแซนวิชใหม่ในสหรัฐอเมริกาที่ แต่พวกเขาก็ยังมีวิธีการที่วางใจได้ในรุ่นค่าใช้จ่ายและรายได้ก็มีข้อมูลที่เกี่ยวข้องเกี่ยวกับข้อมูลทั่วไปของการจราจรเท้าและดังนั้นจึงออกมา (ในคำอื่นๆห้องพักมีรุ่นที่)แต่มีความไม่แน่นอนเกี่ยวกับสิ่งสำคัญผลที่ได้รับจากการแนะนำแซนวิชที่จะได้ก็ไม่รู้ว่าความต้องการที่จะเป็นตัวอย่างและจะไม่ทราบว่าอะไรคือผลกระทบของ ผลิตภัณฑ์ ใหม่ที่จะมีการขาย ผลิตภัณฑ์ เสริม แต่ถึงอย่างไรก็ตามยังสามารถทำนายความหลากหลายของผลลัพธ์ที่เป็นไปได้โดยการใช้เครื่องมือหลายเหตุการณ์ในเชิงปริมาณการวิจัยตลาดเบื้องต้นบางส่วนในเขตพื้นที่ที่แตกต่างกันของแต่ละประเทศที่จะให้กลุ่มของผลลัพธ์ที่เกิดขึ้นและอาจจะรวมถึงความเป็นไปได้ของแต่ละคนมากที่สุด อาจเป็นไปได้ในการสรุปข้อมูลนี้ในต้นไม้ผลแบบเรียบง่ายที่แสดงความเป็นไปได้ของความต้องการที่แตกต่างกันอย่างสุดขั้วและต้องการสินบนที่เชื่อมโยงสำหรับ' smcdonald ต้นไม้ที่สามารถนำไปใช้ในการคำนวณค่าคาดว่าจะได้รับความแตกต่างและความหลากหลายของผลลัพธ์การเงินที่ McDonald ' s อาจเผชิญกับหากนำไส้แซนวิชล้นออกมา ผู้จัดการฝ่ายไอทีสามารถใช้เทคนิคการตัดสินใจ - การวิเคราะห์มาตรฐานเพื่อทำให้การวินิจฉัยสุดท้ายของตนแล้ว.
ทางเลือกของ McDonald จะนำร่องแซนวิชใหม่ลงในจำนวนที่จำกัดของเขตพื้นที่นักบินดังกล่าวให้ข้อมูลที่เป็นประโยชน์เกี่ยวกับความต้องการของตลาดรวมที่มี ศักยภาพ สูงโดยไม่ก่อให้เกิดความเสี่ยงต่อการใช้ขนาดใหญ่ที่ การดำเนินการนำร่องที่จะคล้ายคลึงกับการลงทุนใน"ตัวเลือก"ที่ให้บริการข้อมูลและให้สิทธิ์แก่คุณแต่ไม่มี ภาระ ผูกพันที่จะหมุนออกจาก ผลิตภัณฑ์ ที่มากขึ้นอย่างแพร่หลายในอนาคต (วิธีการนี้ยังอยู่การวิจัยตลาดแต่โดยปกติแล้วจะมีราคาแพงที่มากยิ่งขึ้น)การวิเคราะห์ทางเลือกแบบเรียลไทม์ซึ่ง quantifies ค่าใช้จ่ายและสิทธิประโยชน์ของโครงการนำร่องนี้ในความไม่แน่นอนของตลาดจะเป็นเครื่องมือการตัดสินใจที่เหมาะสมในกรณีนี้.
เครื่องมือเครื่องมือหลายเหตุการณ์เชิงปริมาณเช่น Monte Carlo การจำลองการวิเคราะห์ประเมินการตัดสินใจและตัวเลือกอย่างแท้จริง(เครื่องมือเหล่านี้ประกอบด้วยวิธีการทางสถิติกับรุ่นทุน - การจัดทำงบประมาณแบบที่นิยมในสถานการณ์ 1 ผู้จัดการฝ่ายไอทีสามารถจำลองการผลลัพธ์ที่เป็นไปได้โดยใช้ความน่าจะเป็นที่รู้จักและรูปแบบการไหลของกระแสเงินสดส่วนลดและใช้เครื่องมือการวิเคราะห์การตัดสินใจในการคำนวณช่วงค่าและคาดว่าจะทำให้ใน)
สถานการณ์ 3 คุณทำความเข้าใจรุ่นแบบสบายๆของคุณแต่ไม่สามารถคาดการณ์ผลลัพธ์ปล่อยให้ในตอนนี้ถือว่าของ McDonald จะเข้าสู่ตลาดใหม่ที่เป็นครั้งแรก ผู้บริหารระดับสูงยังทำความเข้าใจรุ่นที่จะขับรถจัดเก็บความสามารถในการทำกำไร ไดรเวอร์รายได้และค่าใช้จ่ายที่อาจเป็นตลาดตลาดเดียวกันที่ดี แต่ถึงอย่างไรก็ตามบริษัทฯที่มีข้อมูลมากน้อยเกี่ยวกับผลลัพธ์ที่เกิดขึ้นและการคาดการณ์โดยใช้ตลาด