デシジョンツリー分析とは？意思決定の選択肢と結果を樹形図で可視化する手法

デシジョンツリー分析とは

デシジョンツリー分析（Decision Tree Analysis）とは、意思決定における選択肢、不確実な事象、それぞれの結果とその確率を樹形図（ツリー）として可視化し、期待値（EMV: Expected Monetary Value）を算出して最適な選択肢を特定する意思決定支援手法です。

意思決定の構造を視覚化することで、複雑な選択肢を整理し、定量的な根拠に基づく合理的な判断を可能にします。不確実性を伴う意思決定で特に威力を発揮します。

経営学、プロジェクト管理、医療、金融など幅広い分野で活用されています。コンサルティングでは、投資判断、事業戦略の選択、リスク対応策の比較評価に使われます。

構成要素

デシジョンツリーは以下の要素で構成されます。ノードの種類を区別することがツリーを正しく構築する基本です。

要素	記号	説明
決定ノード	四角形	意思決定者が選択を行う分岐点
偶然ノード	円形	不確実な事象が発生する分岐点
終端ノード	三角形	最終的な結果（金銭的価値など）
枝	線	選択肢や事象の可能性を示す経路
確率	数値	偶然ノードの各枝に割り当てる発生確率
ペイオフ	数値	各終端ノードの金銭的価値

ロールバック計算

デシジョンツリーの分析はロールバック（後ろ向き計算）で行います。終端ノードから出発し、偶然ノードでは期待値を計算し、決定ノードでは最大（または最小）の期待値を持つ枝を選択します。これにより、ツリーの根元から最適な意思決定の経路が明らかになります。

実践的な使い方

ステップ1: 意思決定の構造を定義する

最初の決定ノード（意思決定の出発点）を描き、利用可能な選択肢を枝として伸ばします。「投資するか否か」「製品Aか製品Bか」のような選択です。

ステップ2: 不確実な事象を追加する

各選択肢の先にある不確実な事象（偶然ノード）を追加します。「市場が好調か不調か」「技術開発が成功か失敗か」などの事象です。

ステップ3: 確率とペイオフを設定する

偶然ノードの各枝に発生確率を割り当て、終端ノードに金銭的価値（ペイオフ）を設定します。確率の合計は各偶然ノードで1.0になるようにします。

ステップ4: 期待値を計算する

ロールバック計算で各ノードの期待値を算出します。偶然ノードでは「確率 x ペイオフ」の合計、決定ノードでは最も高い期待値を持つ枝を選択します。

ステップ5: 最適な経路を特定する

計算結果に基づき、最も期待値の高い意思決定経路を特定します。感度分析を行い、確率やペイオフの変動が結論に与える影響も確認します。

活用場面

デシジョンツリー分析は以下のような場面で効果を発揮します。

• 複数の投資オプションの中から最適な選択肢を定量的に比較したいとき
• 不確実性を伴うプロジェクトの意思決定で、リスクを織り込んだ判断をしたいとき
• 段階的な意思決定（最初の判断の後に次の判断がある場合）を構造化したいとき
• ステークホルダーに意思決定の根拠を視覚的に説明したいとき
• リスク対応策（回避・軽減・転嫁・受容）の費用対効果を比較したいとき

注意点

入力値の根拠を明確にする

確率とペイオフの設定が結論を大きく左右します。根拠のない数値を使うと、精緻に見えるが信頼性のない分析になります。過去データ、専門家の知見、市場調査などの根拠を明示し、感度分析で結論の頑健性を確認してください。

ツリーの複雑さを管理する

選択肢や事象の漏れがあると最適解を見逃す一方、ツリーが大きくなりすぎると管理が困難になります。重要な分岐に絞り、些末な分岐は省略する判断が必要です。ツリーの構築段階で複数の関係者と議論することが有効です。

期待値の限界を理解する

期待値は「平均的な結果」を示すものであり、最悪ケースや最良ケースの影響を反映しません。リスク許容度も考慮してください。また、金銭的価値で測定しにくい要素（ブランド価値、社員の士気など）はツリーに反映しにくい点が手法の限界です。

まとめ

デシジョンツリー分析は、意思決定の構造を樹形図で可視化し、期待値に基づいて最適な選択肢を特定する手法です。不確実性を伴う複雑な意思決定を構造化し、定量的な根拠を提供できる点が大きな強みです。確率とペイオフの精度を確保し、感度分析で結論の頑健性を確認することが、分析の信頼性を高める鍵です。