意思決定マトリクス計算ツール

マトリクス

各列は重みを付けた基準、各行は選択肢です。すべての選択肢を、すべての基準で採点してください。得点は高いほど良いとします。

結果

二次データ分析がインタビュー調査を0.3点リードしており、満点の6%です。

最高得点の計算過程

二次データ分析: 0.4 × 5 + 0.25 × 2 + 0.2 × 5 + 0.15 × 3 = 3.95

感度チェック

各重みを順に、他の重みを変えずに20%下げ、20%上げます。すべての選択肢を採点し直します。最後の列は、その1つの重みがどこまで動けば別の選択肢と並ぶかを示します。

勝者は変わりません。どの1つの重みの±20%の変化も、最上位の選択肢を変えません。

意思決定マトリクス計算ツールの使い方

1. 1. 尺度と重みの形式を選びます。 すばやい判断には1〜5、より細かい判断には1〜10で採点します。重みは合計100%のパーセントで入力するか、任意の大きさの点数で入力します。たとえば3、2、1と入力すると、最初の基準は最後の基準の3倍重視されます。
2. 2. 基準と選択肢に名前を付けます。 列が基準、行が選択肢です。それぞれ最大8つまで追加できます。例では、博士論文のための3つの研究デザインを比較しています。
3. 3. すべての欄を採点します。 値は常に大きいほど良いとなる必要があります。たとえば費用という基準は、手頃さに置き換えます。最も安い選択肢に最も高い点を付けます。
4. 4. 順位を読み、次に感度チェックを読みます。 どの重みを±20%変えても結果が変わらない大きな差は、頑健な結果です。小さく脆い差は、判定ではなく、重みと根拠をさらに検討するきっかけです。

重み付け意思決定マトリクスの仕組み

各基準の重みを、すべての重みの合計で割ります。こうして重みは、合計が1になる割合に変わります。各選択肢のその基準での得点に、その基準の割合を掛け、積を足し合わせます：

Sᵢ = w₁sᵢ₁ + w₂sᵢ₂ + … + wₙsᵢₙ, ここで w₁ + w₂ + … + wₙ = 1

重みは正規化されるので、結果は採点の尺度上にとどまります。1〜5の尺度で加重得点が3.95なら、5点満点で3.95点という意味です。また、合計が100%に届かないパーセントでも機能します。計算ツールがそれを拡大し、そのことを伝えます。

計算例：研究デザインの選択

ある学生は、実現可能性を40%、個人的な関心を25%、データへのアクセスを20%、キャリアとしての価値を15%と重み付けし、3つのデザインを1〜5で採点します。これらは計算ツールの既定の入力値です。

二次データ分析が3.95で勝ちます。0.4 × 5 + 0.25 × 2 + 0.2 × 5 + 0.15 × 3 = 3.95 で、インタビュー調査に対して0.3点の差をつけます。これは満点の6%です。どの1つの重みを±20%変えても勝者は変わらないため、結果は安定しています。転換点はさらに示唆を与えます。学生が当初考えたよりも個人的な関心が40%重要だとすると、インタビュー調査と並ぶことになります。信頼できるが、ずば抜けてはいない勝者は珍しくなく、決める前に知っておく価値があります。

感度チェックの読み方

重みは判断に基づくものなので、チェックでは、別の判断をすれば答えが変わるかを確かめます。各重みを順に、他の重みを変えずに20%下げ、20%上げます。重みを再び正規化し、すべての選択肢を採点し直します。転換点は、その1つの重みがどれだけ変われば2位と並ぶかを正確に解きます。各加重得点は、その重みについての2つの直線の比なので、試行錯誤せずに交点を閉じた形で求められます。

• 安定： どの±20%の変化も勝者を変えません。順位は、重みの微調整ではなく、得点を反映しています。
• 感度が高い： 少なくとも1つの変化で勝者が入れ替わります。その基準の重みが本当に確定しているかを問い直してください。確定していないなら、マトリクスでは決められません。
• 大きな転換点（+200%、または「どの変化でも入れ替わらない」）は、その基準が結果にほとんど影響しないことを意味します。小さな転換点は、その基準が決定の大部分を担っていることを意味します。

重み付けマトリクスとピュー・マトリクス

ピュー・マトリクスは、設計エンジニアのStuart Pughが概念の選別のために開発したもので、各選択肢を1つの基準となる選択肢（データム）と比較します。各欄は、より良い（+）、より悪い（−）、ほぼ同じ（S）のいずれかで、プラスとマイナスを数えます。数値が不要で手早く、初期の多数のアイデアを絞り込むのに向いています。重み付け意思決定マトリクスは、各選択肢を絶対的な尺度で採点し、基準に重みを付けます。よく理解された少数の選択肢からの最終的な選択に向いており、この計算ツールが作るのはこちらです。

よくある質問

重み付け意思決定マトリクスとは何ですか？

選択肢を行、基準を列にした表で、各選択肢を各基準で採点し、その得点に、各基準の重要度を反映した重みを掛けたものです。加重合計が最も高い選択肢が1位になります。加重スコアリングモデル、優先順位付けマトリクス、意思決定グリッドとも呼ばれます。

重みはどのように決めればよいですか？

採点の前に決めてください。採点結果によって重みが影響されないようにするためです。1つの方法は、基準の間で100点を分け合うことです。もう1つは、基準を順位づけし、最も重要な基準に最も多くの点を与えることです。その後で感度チェックを使ってください。自信のない重みをわずかに変えるだけで勝者が変わるなら、その重みを先に確定させてください。

重みの合計は100でなければなりませんか？

いいえ。計算ツールはすべての重みを合計で割るので、3、2、1は50%、33.3%、16.7%と同じ結果になります。パーセントを選んで合計が100以外の場合は、100%になるよう拡大され、そのことが伝えられます。

1〜5と1〜10の尺度のどちらを使うべきですか？

判断が大まかなら1〜5を使ってください。細かい尺度は見せかけの精度を招きやすいからです。得点の裏に測定値があり、その差を残したい場合は1〜10を使ってください。最も重要なのは、どの基準でも数字が同じ意味を持つことです。開始前に、1、3、5がそれぞれどのような状態かを書き出してください。

2つの選択肢が同点になったらどうしますか？

同点、または最高得点の約5%未満の差は、与えた基準ではマトリクスで両者を区別できないことを意味します。最も接近している得点の根拠をもう一度確認するか、両者を実際に区別する基準を加えてください。その基準は、採点が難しいために除外していたものであることが多いです。

意思決定マトリクスが決めてくれますか？

いいえ、決定を整理するだけです。出力は、与えた基準、重み、得点の質に依存します。その真の価値は、あなたの推論を見えるものにし、検証できるようにすることです。それにより、選択の理由を説明でき、どの前提に結果が依存しているかを正確に見られます。