管理人员必须乐于作出决策，即使他自己也并非确有把握。凡是对提交给他的建议能以一种坚韧的挑战态度对待的人员必须甘冒决策的危险，尽管他充分意识到未来可能会扰乱他现在的期望。现在让我们来看一看我们如何才能最好地把不确定性要素融合到对行动的抉择中去。
（1）统计概率
就少数风险类型来说，我们有足够的统计上的证据，来计算某一特定事件可能发生的几率。人寿保险就是一个典型的例子。人寿保险公司知道，20岁的人在投保后的5年内死亡的，大概不到1％，而50岁的人在同期内死亡率则为5％左右。保险公司投保的人有那么多，因而这样的概率是适合他们的经营的。在这种情况下，如果保险公司经理在与20岁或与50岁的人草拟5年合同时，他知道应该向后者多收5倍以上的保险费才能使两种保险券成为可比的。同样，如果一个管理人员有了一个投资机会，其回收＄100000利润的可能性为50％，回收＄20000利润的可能性为40％，而亏损＄50000的可能性为10％，他可以按它们的相应概率权衡这些报偿并计算出一个“该方案的预期价值”——在这一案例中为＄53000，即（＄100000×0．5）＋（＄20000×0．4）－（＄50000×0．1）。
统计学家警告我们一定要谨慎地对待这种简单化的处理不确定性的方法。很少有哪家公司能有足够的同一类型的风险，从而使亏损和收益达到最可能的结果。由于实际结果很可能会偏离平均数，所以我们对这种偏离问题应有所了解。例如，某一实际成果，譬如说，顾客对一些特殊投标的接受程序可不可能接近于我们原来的25％的平均数——即20％～30％之间——或是会不会很可能出现5％～45％的幅度之间？在两种情况下平均数是一样的，但从第二种情况来说，我们在未来销售额上所碰到的不确定性应该是比第一种情况大得多。
只有在为数极少的决策中，我们能从严格的意义上动用统计概率来调整不确定性。要精确地使用概率法，我们必须占有大量相似实例的数据，同时我们还必须有一个清楚的抽样。但虽说是这样，概率理论确实能为我们提供某些有益的思考不确定情况的线索。前面我们已经讨论过两种情况：①当我们所考虑的备择方案具有不同的概率时，如果我们把每一方案的相应价值乘各自的概率，我们就能得出一个要比的数字；②其结果很可能落入的幅度，与平均数与惟一的最可能的结果具有同样重要的意义。
（2）推定的概率
我们常常根据有限数据来推断某一特定结果的几率。这种推断在日常谈话中是常见的。“洛杉矶道奇有三分之一的机会夺得比赛锦旗。”“今年美国汽车、飞机、商业机械工人联合会在克莱斯勒举行罢工的可能性只有十分之一。”“我们捞到这批政府订货的可能性一半对一半。”“打个赌，史密斯肯定会拒绝这次提升。”这种推定的概率有助于我们处理不正确性。它们至少可对一种风险。的严重程度提供粗略的判断。譬如，“我们海军部的合同取消的可能性有5％”这样的说法要比“公司有被取消的可能性”强得多。
有时管理部门可以把这些猜测概率用于较具体的用途。例如，一家年收益（未完税）为＄750000的公司在与工会谈判中一下造成了僵局。工人要求提高工资而管理部门不同意提高那么多。董事长在和他的一些主要经理人员开了一次很长会议后得出结论：“我想有25％可能性会发生一次严重罢工。如果一旦罢工我们的收益大概要下降＄3000000”会计主任接着说：“那么在对不同方案的费用比较中，我们应该把一次罢工风险的费用估算为＄75000（＄300000×0．25）。”那么董事长和会计主任的评断可概括为表6。经过一番商讨，董事长和会计主任编出了一个更翔实的概率表，因为它表明了损失幅度为0～＄800000的可能性（表7）。而且指明，如果将可能后果的整个幅度算进来，罢工威胁的严重性将比公司第一次考虑的更糟。
一种相似的分析对正考虑在西海岸开设新装配车间的动力割草机公司的董事长可能是有帮助的。估算表明，如果拟议中的车间在该地区只能有通常的营业额，那就要损失＄19000，而如果像那个销售经理所说的那样，当地装配车间的销售额可增加1倍，那就能实现＄59000的净收益。在这一问题中最主要的不确定性是销售量。公司董事长感到销售经理是过分乐观了。他同意销售量的若干提高是很可能的，但他相信在三两年内要达到＄400000的销售量的机会是很小的，表8加强了这种感觉，并将其与不同销售水平的收益估算联系起来。
董事长的有见识的推测是，销售量每年将在＄250000与＄400000之间，同时偏低的可能性比偏高的可能性大得多。当他用推定的概率调整净收益估算时，他赋予新车间的最后价值是年约＄15000。虽然这个数字并不像乐观的销售经理所预测的那样迷人，它还是表明西海岸业务的追加投资有一可观的28％的利润率。
遗憾的是，这些“按概率调整”的最后数字——动力割草机实例内的＄15250与罢工例子内的＄102000——完全是个综合数字。如果我们要的就是一个单一的价值，那它们是我们所能找到的最合适的。如果在这些案例中的公司有成百个相似的（虽然是独立的）问题，那么平均结构可能接近于这个调整的数字。但不管怎样，处于单独情况下，其实际结果几乎肯定会不同于调整的总数。在决定是否开设西海岸分支机构中，动力割草机公司的董事长对该作业有对半开的机会达到不赚不赔的兴趣，可能与对调整后的综合数字的兴趣一样大。如果他有许多资金，他可能会说：“我不相信我们会亏本，而且我们可能赚到一笔可观的利润，就这样干。”换种情况，如果他资本短缺和迫切要求有收益，他可能决定：“我们应该把我们的资金和我们的时间调集到我们有把握获得利润的项目上去，即使在潜能上可能不如在西海岸经营那么高。”换言之，在进行价值判断中，概率分布的重要性可能像加权平均数一样重要。
同样，那家面临罢工威胁的公司董事长可能很关心他所面临的可能性的摆幅。例如，如果公司要用很大的款项去支付银行借款，即使造成失去收益的小风险也将是个严重的问题。但在另一种环境下，公司也可能将很乐于冒这种风险来换取其他的收益。每当我们遇到不确定性时，使用概率——不管是把它们写在纸上或仅仅在脑子里估算——都将有助于形成我们的判断。
（3）不可靠的数据
大多数决策必须部分地以并不充分可靠的证据为其基础。商业联合会的数字不一定能代表整个行业；设备推销员把他们产品的长处拿给人看；社会传统要求公司董事长们在发表的声明中要充满信心；广告代理人的市场调查惯于强调多做广告的必要；如果他们合理的拨款要求没得到充分满足，军队的将军们能预知严重的危险；如此等等。这类数据通常仅只能符合全部事实的一部分，而其表现方式却可能诱使人产生一种特别的印象。
当然，一个必须作决策的管理人员要设法取得尽可靠的数据。但通常要依靠自己信息来源弄清情节的全部底细是不可能的。他不得不一点一滴地，不拘时间和地点地去收集有关的事实和新见解。而使消息灵通人士的意见没有偏见，他可能也难于做到无视他们的意见。
我们都熟悉在我们日常生活中的不可靠数据。我们能从食品广告上了解到很多东西，但并不因广告撰稿人的吹捧而晕头转向。当一个女中学生申明说：“大家都穿这种鞋子。”学生的双亲理解这种陈述的意思，就是她有三个或四个朋友在夸耀所说鞋子的式样。这种信息并不像我们所希望的那样精确，但我们已经习以为常了，甚至对它采取有效的措施。
在利用不可靠数据中可借助两条简单的途径：①随时注意我们所用的情报的局限性；在我们自己的脑子里要给它贴上“存疑”的标签，并在可能情况下对其进行合理的调整。②评价提供数据的人。提供人的利害关系、能力、判断力和人品如何？我们对一个人了解得越清楚，我们就越能充分估价他所说的话。我们常常不但能通过对可靠的数据的研究，而且也可以通过对不可靠数据的考虑来减少不确定性，问题是我们要能酌情使用。
（4）不完善的数据
必须抉择一种行动方针的管理人员常处于进退维谷的境地：情报越多，花费的时间和费用就越多。
计划工作的费用支出可能是最巨大的。波音飞机公司的K135和767喷气机在公司账簿上还看不到有一架订货的时候就已经在设计上耗费了＄4000000；一家咨询公司新近由于提出一个市郊商店区选址的建议而得到了＄60000的报酬；一家大型产业工厂的新布局设计可能需要几个人的数年努力才能完成。较为简单的决策其所需的力量自然要少些，但总之他们也得承担费用。例如要给办公室选购一台桌式计算机，这就需要研究该设备的各个种类、具体办公室的需求、必要的操作技能以及维修问题等等。尽管所有有关这些方面的详细情报都能改进决策的质量，我们仍不能期望一个办公室主任为了购置一台机器就非得成为一位计算机设备专家。
及时的行动也可能与更完善的情报发生孰轻孰重之争。当一个竞争对手削价时，或是一个重要的客户询问什么时候能保证发货，或是炼油厂的蒸馏器发生了故障，主管工作的管理者必须毫不迟延地决定怎样做。由于迟延而产生的费用和风险可能比由于情报不完善而造成的判断上的误差更为严重。克服数据的不完善性，实质上其本身就是一个小小的决策问题。诊断、备择方案、推测和价值判断等都是需要的。为了增加情报存贮而又使获得情报的费用控制在一定界限内，我们可以采用这样一些办法：大胆地选出一或两个重大因素，并汇集有关这些因素的论据；仅从我们可能要用的总数据中取出抽样研究；此外，如果可行的话，在未获得可靠情报之前暂不作决策。
合理、完善的情报和敏捷的决策常常难于兼得。克服这一问题最有希望的办法是，推测对这一决策（如推测某一竞争对手可能会削价）的需要性并收集现有的有关数据，甚至完全可能有理由按军事上的做法预先准备好暂行的行动方针。另一种办法是把一种活动分解为几部分，设法把情报最弱的部分暂时拖一拖。例如，一家多产品的公司在数月前可能要编排一个为期一周的电视节目计划，但可推迟编写广告节目单，直等到市场情况显示出哪一种产品在一特定时期里最能由广告中捞到好处为止。管理者在斟酌决策精确性的提高和相应的费用与时间时，他应该像对待其他问题一样从增值角度来思考。由追回数据而引致的决策精确性的提高是否抵得上获取情报的附加费用和附加时间？
总而言之：不确定性是抉择行动方针时所固有的东西，一个管理者至多只能使其减少。从概率的角度来考虑，对他人意见中的偏见要有敏感性并能予以调整，斟酌获得更多数据的费用与判断上可能获得改进之间的关系——这些就是对付这种麻烦问题的全部办法。就像密西西比河上的防洪堤，这些办法基本上都只是应付而不是排除不确定性的有益的手段。
作业研究的贡献
如同我们所见到的，在管理人员经常作的抉择中，不仅含有各种不同的后果，而且还可能包含着许多与所有这些后果有关的不确定因素。由于需要考虑的问题如此之多，因而用来概括或节缩各种问题的种种手段将是非常有帮助的。我们将对下面两种方法作简略描述：作业研究节缩法和矩阵法。
（1）作业研究模型
作业研究的一个重大贡献是其用少量数字将一个复杂的抉择问题所牵涉的许多因素概括为一个模型概念。大致说来，这种概括方法有三个特征：
①问题是用数学符号来陈述说明的。符号和方程式是一种在科学上广泛为应用的、方便的速记工具，是一种简明而易为专家们掌握的表达形式。（同时它也具有行业术语的魔力。对作业研究人员来说，用文字陈述的问题是累赘的和模糊的。）
②作业研究工作者的一条基本规则是：建立模型。当然，在工业中使用实体模型是一种普遍的做法。飞机工程师用小模型在风洞里测试新的设计；新型汽车模型在汽车行业里也是常用的；按比例缩小的模型常被用来研究工厂的布局。每种模型都是代表某一实体一定方面的象征图像。用数字符号表示的一个管理问题的模型也跟这差不多，只是其所描绘的东西以及其描述的方法两者都将更为抽象。一种为商科学生熟悉的模型是资产负债表的方程式：
这里A表示资产总额，L为负债总额，P为股东的总权益。这个等式可以演绎为：
Pn＝P（n－1）＋{I（n－1）→n－E（n－1）→n}
其中，n年年终的股东资本等于上年度年终的股东资本加会计年度收入（I）减会计年度费用（E），等等。
但作业研究人员都愿意为他们所研究的每一个问题建立一种新的模型，而不用这种财务会计上的常规模型。他们在寻求一套能推断后果，能对这些后果标出价值以及能为不确定性划定容差的方程。而模型有希望为整个问题提出一个有条理的图样，要不然光凭管理者的脑子就不能系统地处理这种问题。
③作业研究的第三个基本特征是对方程式中的各种自变量和应变量（所预期的结果）采用量化的计量法。正像一个化学家必须测量温度、压力和其他所遇到的因素那样，作业研究人员要想使他的模型成为抉择的有力助手，他也必须用数量的形式来表示其管理环境中的要素。这种要求意味着要大量地“发掘”有关的事实。同时这也要求用一种统一的尺度——通常为美元——来表示价值。
作业研究模型现已被应用于一系列复杂的管理问题。例如，一些炼油公司用它们来规划炼油厂的运转问题。这里的问题是要确定一桶原油要加工成的各种产品的比例，其变量包括：不同销货价格的汽油、供热用油、润滑油、沥青以及其他终端产品；不同型号原油的可获得性和价格，而每一种又都有其各自的构成成分和提炼特点；当用某种石油来生产不同比例的终端产品时，其产出率和炼油厂操作费用的变动；以及具体产品在淡季时过剩产量的储存费。处理像炼油厂经营等这类问题的方程式是复杂的，同时要迅速处理这种大量的数据就需要有电子计算机。
