商务日语翻译第二十三课-逻辑问题的把握与决策课件.ppt

第二十三课逻辑问题的把握与决策把握解決第一部分日译汉一、课文日语原文一、课文日语原文 1.1.図解情報整理問題解決図解情報整理問題解決（1）概念構造階層化情報整理発達普及、必要情報検索容易探出担、数十年前、学術論文新聞雑誌記事情報検索提供商用商用、検索体系的整理呼辞書物構築言葉用語包含関係或上位下位概念明確、扱対象情報内容整理場合有益考方単用語整理、物事構造整理、問題所在明確図表1-1図表1-1例情報整理術或把握術身、上位概念、大問題発展、逆下位概念重箱隅枝葉末節問題扱取扱問題対象基軸確立、関連異情報振回基本Windows、構造状、上位概念下位概念明確、探求見的情報整理術問題解決重要糸口理解2）共通属性包含関係図問題把握図情報共通属性或集合例前述下図言、飲料炭酸飲料清涼飲料共通集合含要素複数集合同士関係知、各集合通常、円楕円表図描、各集合間相互関係視覚的理解紙上図2次元表現、漏図描、三表現論理ORA概念情報集合B概念情報集合今取扱問題、AB集合属場合、問題対象領域AORB規定例、売上高100億円以上従業員数1000人以上二条件、少一満会社、活動行場合図表1-2図表1-2論理和論理積AND上記例、取扱、AB両方集合属場合、問題対象領域AANDB規定。

例、売上高100億円以上従業員数1000人以上二条件満会社活動場合図表1-3図表1-3論理積論理差NOT、取扱問題A集合属、B集合属除場合、問題対象領域ANOTB規定例、基本的売上高100億円以上企業、中従業員数1000人以上企業除、一人当生産性高会社絞活動場合図表1-4図表図表1-4 倫理差倫理差複合的組合複雑AND、OR、NOT組合記述例、日本国内企業売上高100億円以上従業員数1000人以上、製造業以外企業次表図表1-5図表1-5論理差D日本国内会社応用例応用例新規事業探索伴有望構造分析（）事業見直組織体制再構築型組織型組織変更商用情報検索業務社内、条件満人材抽出選定経理専門知識持30代女性社員語学堪能人条件満OA機器選定CPU演算速度必要条件対応OS（3）問題要因分析（魚骨）取扱問題対、原因漏特性要因図特性対抽出要因、小項目、中項目、大項目分類、因果関係元小骨、中骨、大骨整理問題対、原因結果因果関係要因特性、問題所在明確、整理、解決策優先順位洗出方法図表1-6図表1-7図表図表1-61-6 （特性要（特性要因図）因図）図表図表1-7 因果構造分析因果構造分析2.2.確率論確率論（1）確率論有効性確率何不確側面思浮、将来起事象推測場合、信頼性確立。

例何度振、目同回数出目出確率1/6近数学大数法則物事起、可能性、起起差確率表現確率論種伴、考慮上意思決定拠例、天気予報降水確率70%場合、人30%外確率承知傘持出、別人70%覚悟傘持出意思決定2）期待値算出期待値、平均期待結果出来事起確率、得結果加重平均例、100万円得確率60%、300万円得確率30%、500万円得確率10%場合、全体期待値200万円何度同起場合、一回限大場合、期待値大小選択肢意思決定考3）分岐点MECE（）MECE（）、耳慣言葉、MutuallyExclusiveandCollectivelyExhaustive頭文字取、事柄概念、重、全体漏部分集合分考集合概念例、三、全体集合重、漏、三部分集合分図表図表1-8 MECE not MECE4）期待値（意思決定樹形図、問題内容意思決定事項（行動内容）、起得（発生外部要因）起確率（発生確率）記述各意思決定事項期待値計算、大小比較、意思決定有利事前判断意思決定分岐点、後起得分岐点枝分形描意思決定分目四角、出来事分目円表示、出来事分目各確率判断書込最後結果対、結果出数字表期待値、採行動各結果発生確率、加重平均出図表1-9例、A社合併、合併場合、人事統合、利用検討結果。

期待値大見A社合併、人事統合、有力意思決定想定図表図表1-9 例例（5）感度分析感度分析、確率予測外場合、結果程度変化推測描、A出来事40%確率起想定、50%高場合、或、逆30%低場合、結果期待値影響与検討、意味一感度分析、限、定量分析幅広使基本的感度分析、元前提条件変化場合、変化有利、変化対許容範囲知、結果少意思決定行経営計画3点見積、目標計画基準値、上下楽観値、悲観値設定、一種感度分析摘自日本CFO協会理論的思考方法译文1.根据图解整理信息和解决问题根据图解整理信息和解决问题（1）概念结构的层次化和信息整理词库由于因特网的发展和普及，我们所需要的信息很容易通过对关键字的检索搜索出来早在几十年前，具有检索报刊、报道信息能的商用数据库就存在为提供更加便利的检索服务，这种商用数据库系统地整理了关键字，组成了“字典式”词库因为它将语言及惯用语中包含的关系及上下位的概念明确化，即通过整理语言，更重要的是整理事务的构造，找出问题的所在，如图图1-1所示图图1-1 词库的例子词库的例子如果我们掌握了这种信息整理技术，就不必将上位问题这样大的问题展开，也不必像上位问题这样打的问题展开，也不必处理边边角角的细枝末节性的问题，也就是说，一旦确定了将要处理的核心对象，就不必再去理会相关但不在同一水平上的信息，也不必再为无关的信息感到困惑。

在计算机得基本软件Windows中，因为文件夹采用了树状结构（层次结构），使得上下位的概念十分清晰，这样就很容易找到所要的文件存在于哪个文件夹中由此我们可以认为词库这种信息整理方式是解决问题的重要线索2）共同属性的包含关系和问题的把握饼图按照其共性使纷繁凌乱的信息条理化、集中化，叫做集合例如，在図表1-1中，“果汁饮料”、“碳酸饮料”都是“清凉饮料”这一共同范畴集合中的要素想知道多个集合之间的关系时，通常要描绘出以圆或椭圆来表示的各个集合的“饼图”（或“油罐图”），以便通过视觉更容易地理解各集合间的关系注：因为纸上画的饼图是二维的，为了不在绘图中遗漏信息，只能表现三个关键词论理和（OR，或）假设有概念A和概念B两个集合，现在要确定处理的问题是属于A和B哪一个集合，此时要把问题对象的领域设定为A或B例如，有“销售收入100亿日元以上”和“从业人员1000人以上”两个条件，把至少满足其中一个条件的公司作为目标来进行营销活动，如图表1-2所示图1-2论理和论理积（AND，和）仍用上述例子，如要确定所处理的问题共同属于A和B两个集合，则要把问题的对象领域设定为“A”“B”例如，将既满足“销售收入100亿日元以上”，又满足“从业人员1000人以上”两个条件的公司作为营销活动的目标，图1-3所示。

图图1-3 论理积论理积论理差（NOT，非）如要确定所处理的问题是属于A但不属于B的，则此时，将问题对象的领域设定为“A”“B”例如，基本上以“销售收入100亿日元以上”为目标，但其中要排除掉“从业人数1000人以上”这一条件，即只想把人均生产率高的公司作为目标进行营销活动，如图1-4所示图图1-4 论理差论理差复合型组合无论多么复杂，都可以以“或”、“和”、“非”组合表述例如，日本国内某企业，以“销售收入100亿日元以上”、“从业人员1000人以上”两标准将制造业以外的企业用图1-5表示图1-5复合型（3）问题的因素分析鱼骨图（鱼骨形的图）鱼骨图是全面、无遗漏地归纳待处理问题原因的特性因素图可将从特性中抽取的因素分成小项目、中等项目和大项目，然后根据因果关系分别整理出小骨、中骨和大骨也就是说，把问题的主旨从“原因结果”的因果关系转化为“因素特性”，明确问题所在并加以整理，从而确定出解决方案的先后顺序，如图1-6、图1-7所示图图1-6 鱼骨图（特性因素图）鱼骨图（特性因素图）图图1-7 因果构造分析因果构造分析2.概率论与决策树概率论与决策树（1）概率论的有效性所谓概率就是想象出一些不确定的方面，用以在推测将来可能发生的事情时，确定某些想法的可信程度。

例如，不管你投掷骰子多少次，每一种点数出现的概率都几乎相同，即每种点数出现的概率近乎6/1，这在数学中叫“大数定理”虽然事情的发生，会有许多可能，但发生与不发生的比率可以用概率表示出来概率论中总会有某种风险存在，要在充分考虑了风险的基础上，将其作为决策的依据例如，当气象预报报道将于的概率为70%时，有的人觉得只有30%的可能性不下雨，比较危险，就带伞出门；而其他人则觉得70%下雨的概率并不大，于是不带伞出门这就是人们的决策2）算出期望值期望值就是人们的平均期待结果，即以各种事情出现的概率为权重将其可能得到的结果加权平均例如，获得100万日元的概率为60%，获得300万日元的概率为30%，获得500万日元的概率为10%，则整体的期望值就是200（1000.6+3000.3+5000.1）万日元在同样事件多次发生或某事仅发生一次且风险性不大的情况下，可按期望值的大小从中选出决策方案3）平衡点处的MECE（不相容全概率）所谓MECE（不相容全概率），听起来不太耳熟，它是取mutuallyexclusiveandcollectively的开头字母，意思是“对某事件和概念不重复，且从整体上将其作为一个无遗漏的部分的集合来把握”，即将整体集合分成无遗漏、无重复的部分集合的“集合概念”。

例如，猜拳有石头、剪子、布三种手势，其整体集合可以根据这三种手势毫无遗漏且不重复地分成三部分集合，如图1-8所示图图1-8 MECE和和not MECE（4）决策树与期望值所谓决策树就是“决策的树形图”，他通过“决策事项（行动内容）”、“可能发生的事情（发生的外部因素）”、“其可能发生的概率（发生概率）”来描述，而且可计算各决策方案的期望值，并比较其大小，从而判断哪一个决策最有利决策树是将应决策的节点和伺候可能发生事情的节点分化成树杈形来描述决策点以方形表示，事件点用圆形表示，并在各事件分点处写上判断所的概率，最后的结果要以数字表示期望值则要把每个行动的各种结果都乘以发生的概率，求出加权平均值图1-9的例子，是就是否应该与A公司合并或在已与A公司合并的情况下，人员上是否应该合并的问题，采用决策树研讨后的结果从期望值的大小来看，可推测出“与A公司合并且人员上也合并”虽是有风险性的但却是有利的决策图表图表1-9 决策树的例决策树的例（5）灵敏度分析所谓灵敏度分析是指在概率较高的预测没有实现的情况下，推测结果变化程度的方法描绘了决策树，并由此预测了A事件发生的概率为40%，此时如果发生概率升高至50%，或降低至30%，那么会对作为结果的期望值产生多大的影响呢？灵敏度分析就是研究这种情况的专用方法。

从某种意义上来说，它也是一种模拟实验灵敏度分析不只限于决策树，他还广泛应用于定量分析中通过灵敏度分析，可了解在原有模型的前提条件发生变化时，在何种程度上变化是有利的，即变化幅度的容许范围，而且最终可以找到风险小的决策方法在经营计划中有三点预测，除了目标计划的标准之外，还要在其上下设定乐观值和悲观值，这也是一种灵敏度分析第二部分汉译日一、课文翻译重点一、课文翻译重点（一）本单元翻译技巧及要点：（一）本单元翻译技巧及要点：1.解决问题的第一步，是从事件的结构整理开始的将混乱信息群按照概念的水平，划分成上位概念、同为概念、下为概念，从而明确待处理对象（目标）的范围2.利用饼图明确集合（共同属性的信息集合）的包含关系，从视觉上把握问题的结构及所在3.处理复杂问题时可用鱼骨图来表示其原因和结果间的因果关系利用鱼骨图，较容易查清差生问题的原因是什么，从而找到解决问题的切入点4.运用无遗漏、无重复的MECE分类法整理全部集合的结构，可以描述画出无矛盾的决策树形图（决策构造图）5.按照决策树和期望值方法可以找出合理且理性化得决策方案，即可以制定出以最小的风险获得最大效果或利益的决策译文（二二）翻訳：翻訳：1.問題解決第一歩、構造整理始。

情報概念、上位概念、同位概念、下位概念整理、取扱対象範囲（）。