Có nên chi tiền khảo sát để giảm bất định? Tính giá trị kỳ vọng của thông tin hoàn hảo

EVPI = Giá trị kỳ vọng khi có thông tin hoàn hảo − EMV của quyết định tốt nhất hiện tại. Đó là mức trần hợp lý để chi cho việc giảm bất định.

Ví dụ minh hoạ (giả định, đơn vị triệu):

• Thị trường tốt (60%): ra mắt lãi 500. Thị trường xấu (40%): ra mắt lỗ 300. Không ra mắt: 0.
• Không có thông tin: EMV(ra mắt) = 0,6 × 500 + 0,4 × (−300) = 300 − 120 = 180 > 0 → chọn ra mắt, EMV = 180.
• Có thông tin hoàn hảo: biết trước thị trường tốt → ra mắt (500); biết trước xấu → không ra mắt (0). Giá trị kỳ vọng = 0,6 × 500 + 0,4 × 0 = 300.
• EVPI = 300 − 180 = 120.

Trả lời nhà tài trợ: ngay cả một khảo sát đoán đúng tuyệt đối cũng chỉ đáng tối đa 120 triệu. Gói 150 triệu — vốn không thể hoàn hảo — không đáng về mặt kỳ vọng. Có thể cân nhắc một khảo sát nhỏ hơn, rẻ hơn, hoặc ra mắt thử ở một thị trường hẹp (một cách "mua thông tin" khác).

Vì sao điều này quan trọng với PM

• Gắn với nguyên tắc điều hướng sự phức tạp và tối ưu ứng phó rủi ro của PMBOK 7: chi phí giảm bất định phải tương xứng với giá trị mang lại.
• Thông tin thực tế luôn không hoàn hảo, nên giá trị của nó luôn nhỏ hơn EVPI.

Lưu ý: dạng này ít xuất hiện trực tiếp trong đề PMP, nhưng giúp hiểu sâu cây quyết định và lập luận "phân tích trước khi chi tiền".

Nguồn:

• Wikipedia — Expected value of perfect information
• Wikipedia — Decision tree