آموزش تحلیل ریسک - روند

فرایند تجزیه و تحلیل ریسک شامل شناسایی و کمیت عدم قطعیت ها ، تخمین تأثیر آنها بر نتایج مورد نظر ما ، ایجاد یک مدل تجزیه و تحلیل ریسک است که این عناصر را به شکل کمی بیان می کند ، مدل را از طریق شبیه سازی و تجزیه و تحلیل حساسیت بررسی می کند و تصمیمات مدیریت ریسک را می گیرد که می تواندبه ما کمک کنید تا از خطر ، کاهش یا در غیر این صورت با خطر برخورد کنیم.

عدم اطمینان را شناسایی و تعیین کنید

در تجزیه و تحلیل ریسک ، هدف ما شناسایی هر منبع مهم عدم اطمینان و کمیت بزرگی آن و همچنین می توانیم. به عنوان مثال ، ما ممکن است قیمت دقیق رقیب خود را ندانیم ، اما می توانیم بر اساس هزینه های شناخته شده تولید و بازاریابی ، محدودیت هایی را بر روی آن قرار دهیم. در حالی که ما نمی توانیم تعداد دقیق افرادی را که هر روز در یک فروشگاه خریداری می کنند پیش بینی کنیم ، می توانیم داده های گذشته را برای فرکانس روزهایی که (مثلاً) 10 ، 20 ، 30 ، بررسی کنیم. 100 نفر از بین رفتند و از این برای تخمین توزیع خریداران در روزهای آینده استفاده می کنند. این فرآیند شناسایی و تعیین عدم قطعیت ها یک گام اصلی در تجزیه و تحلیل ریسک است.

تأثیر عدم اطمینان را محاسبه کنید

قدم بعدی ما تخمین دقیق تأثیر عدم قطعیت ها بر نتایج مورد نظر ما است. به عنوان مثال ، ما ممکن است نتوانیم تقاضای محصول خود را دقیقاً پیش بینی کنیم. اما با توجه به تعدادی برای تقاضا ، از آنجا که ما هزینه ها و حاشیه های خود را می دانیم ، اغلب می توانیم تأثیر بر سود خالص خود را محاسبه کنیم. ما ممکن است تعداد دقیق خریداران را در هر روز آینده بدانیم. اما با توجه به تعدادی از خریداران ، می توانیم محاسبه کنیم که تعداد فروشندگان فروشگاهی که برای ارائه خدمات به آنها نیاز داریم ، محاسبه می کنیم و فروش هایی را که احتمالاً تولید می کنیم تخمین می زنیم. در انجام این کار ، ما مدلی را می سازیم که به ما امکان می دهد "خروجی ها" - نتایج مانند سود خالص - را برای هر "ورودی" محاسبه کنیم.

یک مدل تجزیه و تحلیل ریسک را کامل کنید

اگر بتوانیم این مراحل را انجام دهیم ، یک مدل تجزیه و تحلیل ریسک (یا به سادگی مدل ریسک) خواهیم داشت. این مدل دارای ورودی هایی است که نامشخص هستند - ممکن است این متغیرهای نامشخص ، متغیرهای تصادفی ، فرضیات یا ورودی ها نامیده شوند. برای هر مجموعه ای از مقادیر ورودی ، مدل خروجی ها را محاسبه می کند - نتایج مانند سود خالص. بر خلاف سایر مدل ها ، یک مدل تجزیه و تحلیل ریسک ما را ملزم به فکر کردن در محدوده می کند: زیرا ورودی ها نامشخص هستند و ممکن است مقادیر مختلفی را به خود اختصاص دهند ، خروجی ها نیز نامشخص هستند و ممکن است طیف وسیعی از مقادیر را به خود اختصاص دهند. اگر مدیریت سؤال کند ، "برای فروش سال آینده به من شماره ای بدهید" ، یک تحلیلگر ریسک باید پاسخ دهد که یک شماره واحد معنی دار نخواهد بود - این هدف از تجزیه و تحلیل ریسک را شکست می دهد.

مدل را با شبیه سازی کاوش کنید

ما می توانیم از چند روش از مدل ریسک خود استفاده کنیم - اما یک روش مؤثر بررسی نتایج احتمالی با استفاده از شبیه سازی است. برای یک مدل در اکسل ، می توانیم از نرم افزاری مانند Solver Risk Frontline استفاده کنیم تا یک شبیه سازی مونت کارلو را بر روی مدل خود انجام دهیم. شبیه سازی بسیاری از آزمایشات یا آزمایشات را انجام می دهد - هر یک از مقادیر ممکن برای ورودی های نامشخص نمونه می کند و مقادیر خروجی مربوطه را برای آن آزمایش محاسبه می کند. اولین اجرای یک مدل شبیه سازی اغلب می تواند نتیجه ای را به همراه داشته باشد که برای مدل ها یا مدیریت شگفت آور باشد - به ویژه هنگامی که چندین منبع مختلف عدم اطمینان وجود دارد که برای تولید نتیجه تعامل دارند. حتی قبل از تجزیه و تحلیل عمیق از نتایج ، به سادگی دیدن دامنه نتایج-به عنوان مثال ، با توجه به مدل و منابع عدم اطمینان ما ، چقدر سود خالص و چقدر می تواند باشد-می تواند یک فکر مجدد از خطرات را ترغیب کندما روبرو هستیم و اقداماتی که می توانیم انجام دهیم.

نتایج مدل را تجزیه و تحلیل کنید

از آنجا که یک شبیه سازی مقادیر ممکن زیادی را برای نتایج مورد نظر ما به دست می آورد - از سود خالص تا تأثیر محیط زیست - برخی از کارها برای تجزیه و تحلیل نتایج لازم است. به عنوان مثال ، ما می توانیم با استفاده از انواع مختلف آمار ، مانند میانگین یا میانگین ، انحراف استاندارد و واریانس یا صدک 5 و 95 یا ارزش در معرض خطر ، طیف وسیعی از نتایج را خلاصه کنیم. همچنین ایجاد نمودارهایی برای کمک به ما در تجسم نتایج بسیار مفید است - مانند نمودارهای فرکانس و نمودارهای فرکانس تجمعی

نمودار فرکانس تجمعی

یکی دیگر از ابزارهای قدرتمند برای ارزیابی نتایج مدل ، تجزیه و تحلیل حساسیت است که می تواند به ما کمک کند تا ورودی های نامشخص را با بیشترین تأثیر در نتایج کلیدی ما شناسایی کنیم. با استفاده از نرم افزار ، ما همچنین می توانیم چندین شبیه سازی را اجرا کنیم ، با یک ورودی ، ما در هر شبیه سازی مقدار متفاوتی را انتخاب می کنیم و نتایج را ارزیابی می کنیم. تجزیه و تحلیل این مدل می تواند اطلاعات بیشتری به ما بدهد ، اما همچنین بینش در مورد مشکل دنیای واقعی ما. به عنوان مثال ، یک نمودار گردباد می تواند خلاصه تصویری سریع از عدم قطعیت ها با بیشترین تأثیر مثبت و منفی بر سود خالص را به ما ارائه دهد.

برای مدیریت بهتر ریسک تصمیم گیری کنید

بازپرداخت زمانی صورت می گیرد که ما از مدل تجزیه و تحلیل ریسک و نتایج شبیه سازی برای انتخاب یا تصمیم گیری استفاده می کنیم ، که ممکن است به ما در جلوگیری یا کاهش ریسک کمک کند - یا شاید بازده بیشتری کسب کنیم که به جبران این خطرات کمک می کند. ما همچنین می توانیم ریسک و بازگرداندن پروژه ها یا سرمایه گذاری های مختلف را با هم مقایسه کنیم و می توانیم به دنبال تنوع بخشیدن به موقعیت خود باشیم تا هیچ ریسک واحدی نتواند آسیب زیادی وارد کند. با این کار می توانیم مدیریت ریسک را تمرین کنیم.

در حالی که ما نمی توانیم از عدم اطمینان و خطر در کل جلوگیری کنیم ، اغلب اقدامات زیادی وجود دارد که می توانیم برای مقابله بهتر با خطر انجام دهیم. تجزیه و تحلیل ریسک به ما کمک می کند تا اقدامات درستی را برای تعیین انجام دهیم. قدم بعدی ما در این آموزش نگاهی دقیق تر به یک مدل تجزیه و تحلیل ریسک است.