Управление рисками и сценарный анализ

Вероятностные графовые модели являются мощным инструментом для сценарного анализа и управления рисками. Стандарт ISO 31000 [1] определяет термин риск как влияние неопределенности на цели. Байесовские сети - тип вероятностных графовых моделей, они является естественной основой для управления неопределенностью и предоставляют:

  • Структурированный подход к пониманию и управлению неопределенностью в сложных системах.

    • помогают сделать количественную оценку и визуализировать вероятность различных рисков, учитывая взаимозависимости между различными переменными.

  • Вспомогательные средства для принятие решения человеком

    • упрощают рассуждения о сложных системах, обеспечивая визуальное и интуитивное представление причинно-следственных связей, помогают пользователю даже с ограниченными знаниями в области статистики понять, как различные факторы взаимодействуют и влияют друг на друга, способствуют принятию оптимальных решений в сложных и неопределенных условиях.

  • Возможность моделирования влияния различных вмешательств на общий профиль рисков системы.

    • oни могут быть использованы для оценки эффективности мер по смягчению последствий, определения приоритетности распределения ресурсов, позволяют постоянно обновлять оценки рисков по мере поступления новой информации.

  • Возможность количествено рассматривать сценарии «что если..» [2] - так называемыe counter factuals

    • для этого в модели корректируют переменные и наблюдают как изменения распространяются по сети. Это помогает понять потенциальные состояния системы при различных условиях, позволяя подготовиться и эффективно реагировать на различные ситуации.

Список литературы

  • [1] Менеджмент риска принципы и руководство ГОСТ Р ИСО 31000 - 2019

  • [2] Fenton, Norman, and Martin Neil. Risk assessment and decision analysis with Bayesian networks. Crc Press, 2018.

  • [3] Weber, Philippe, et al. "Overview on Bayesian networks applications for dependability, risk analysis and maintenance areas." Engineering Applications of Artificial Intelligence 25.4 (2012): 671-682.