توسعه تکنیک‌های یادگیری اتوماتیک و تکنولوژی‌های روز کامپیوتری، به تصمیم گیری کاراتر و آسان‌تر کمک شایانی خواهد نمود. در دامنه یادگیری ماشینی، همیشه در جایی که کامپیوترها تصمیم گیرنده هستند و یا آنها پیشنهاداتی را برای تصمیم‌گیری درست ارائه می‌کنند، رویکردهای بسیار زیادی وجود دارد.
از جمله این رویکردها باید به شبکه‌های عصبی مصنوعی، درخت تصمیم فازی در تدوین استراتژی و … اشاره کنیم. درخت تصمیم فازی، در اصل یک روش بازنمایی دانش به منظور ارائه شیوه‌ای برای ارائه پایگاه قانونی است. همچنین این درخت فراگیر، یکی از روش‌های استنتاج استقرایی با کاربردی وسیعی و روشی مناسب برای تخمین توابع هدف گسسته نیز میباشد؛ که امکان نمایش تابع فراگیر را نیز میسر می‌سازد.
مزایا و کاربرد درخت تصمیم فازی در تدوین استراتژی چیست؟
از رویکرد درخت فازی می‌توان در زمینه‌های مختلفی استفاده کرد. از جمله طبقه‌بندی الگوها، شناسایی الگوها، کلاسه‌بندی، سیستم‌های خبره، سیستم‌های پشتیبانی تصمیم‌گیری و … . زیرا این درخت تصمیم در مقایسه با دیگر متدها از جمله ماکزیمم احتمال، از سرعت بیشتری برخوردار است.
همچنین در شرایطی که فضای نمونه بزرگ است، در کنار مهیا کردن آسان داده، افراد غیر فنی می‌توانند درک آسان‌تری نیز از آن داشته باشند. دیگر مزیتی که می‌توانیم برای درخت تصمیم فازی بیان کنیم، طبقه‌بندی هر دو نوع داده‌های رتبه‌ای و عددی است.
درخت تصمیم فازی در تدوین استراتژی در زمینه‌های مدیریت مالی (در تبادلات و معاملات)، بررسی اداری، اطلاعات بازار بورس، مدیریت قوانین کسب و کار (آنالیز کیفیت پروژه، مطالعه امکان سنجی، مدیریت کیفیت محصول)، علوم محیطی (تجزیه و تحلیل کیفیت محیط، بررسی فاجعه، تجزیه و تحلیل منابع یکپارچه)، بانکداری و بیمه (پیش بینی و بررسی ریسک)تصمیم‌گیری در تشخیص و انتخاب درمان مناسب و موارد دیگر، به صورت موفقیت‌آمیزی مورد استفاده قرار می‌گیرد.
مهمترین مزیت استفاده از درخت تصمیم فازی در تدوین استراتژی را باید نشان دادن راه حل‌ها بیان کنیم. این درخت سه راه حل کلی را نشان می دهد که عبارتند از:
از مهمترین معایبی که می‌توانیم برای درخت تصمیم فازی بیان کنیم، باید به بی‌ثباتی آن اشاره کرد. این درخت تنها با اندک اغتشاشی در داده‌های آموزشی همچون طبقه‌بندی کننده، دچار بی‌ثباتی می‌شود. ساختار این درخت، با تغییر جزئی در مجموعه داده‌ها امکان‌پذیر است و به کلی دچار دگرگونی می‌شود.
در مواردی که نیاز به تصمیمات عددی یا رقمی است، دیگر درخت تصمیم فازی در تدوین استراتژی قابلیت استفاده نخواهد داشت. البته برخی از دانش پژوهان برای غلبه بر این مشکل، استفاده از درخت فازی را پیشنهاد نموده‌اند.
