Karar verme süreçlerinde, geleceğe yönelik tahminlerin doğasında bulunan hatalar ve eksik bilgiler nedeniyle her zaman bir risk unsuru mevcuttur. Karar teorisinde sıklıkla bir arada kullanılan risk ve belirsizlik kavramları, gerçekte farklı anlamlar taşımaktadır. Risk, zarar etme veya istenmeyen bir sonucun ortaya çıkma olasılığı olarak tanımlanırken; belirsizlik, bir sistemin işleyişine, ilişkilerine ve gelecekteki durumlarına yönelik gerçek durumun tam olarak saptanamaması durumudur.
Karar verme sürecinin kaçınılmaz bir parçası olan belirsizlik, bilgi eksikliğinden veya stokastik (rassal) sistemlerin doğasında var olan değişkenliklerden kaynaklanır. Risk analizi, belirsizlik altında karar verme durumlarıyla doğrudan ilgilendiği için belirsizliğin yapısının net bir şekilde anlaşılması gerekir. Belirsizlik, makro ve mikro olmak üzere iki düzeyde incelenir. Makro düzeydeki belirsizlikler, sürekli değişen sosyal çevre koşullarını, toplumsal süreçleri ve sistemleri kapsarken; mikro düzeydeki belirsizlikler, doğrudan belirli bir karar durumuna, bu durumla ilgili verilere, bilgilere ve modellere odaklanır. Risk analizi ve değerlendirme süreçlerinde mikro düzeydeki belirsizlikler daha fazla ilgi çekmektedir.
Matematiksel olarak risk, en basit haliyle bir olayın gerçekleşme olasılığı ile bu olayın doğuracağı sonucun çarpımı (Risk = Olasılık x Sonuç) olarak ifade edilse de, risk değerlendirme süreçlerinde bu tanım yetersiz kalmaktadır. Bu nedenle risk, birden fazla değişkenin veya risk faktörünün bir fonksiyonu olarak R = f(x1, x2, ..., xn) şeklinde modellenir. Bu fonksiyonun içinde zaman, sistem performansı, sistemin kırılganlığı, direnci ve belirsizlik gibi çok sayıda karmaşık faktör yer almaktadır.
Risk değerlendirmenin temel amacı, düşük riskli olaylar ile endişe edilmesi gereken yüksek riskli olayları birbirinden ayırt etmektir. Bu süreç, yönetim faaliyetlerinde kaynakların doğru tahsis edilmesi, önceliklerin belirlenmesi ve stratejik kararların alınması için risklerin ölçülmesini ve önem sırasına göre dizilmesini sağlayan kritik bir karar destek unsurudur. Güvenilir bir risk değerlendirmesinin şeffaf, tekrarlanabilir, belirli bir yöntem çerçevesinde yapılmış ve ölçülebilir olması gerekir.
Risk değerlendirme sürecinde kullanılan verilerin niteliği ve ölçüm biçimi, analizin kalitesini doğrudan belirler. Literatürde sınıflama, sıralama, aralıklı ve oranlı olmak üzere dört temel ölçme düzeyi tanımlanmıştır. Sınıflama ölçme düzeyi, birimleri sadece niteliklerine göre gruplandırır (örneğin çalışanların departmanlarına göre ayrılması). Sınıflar arasında büyüklük veya önem derecesi gibi bir hiyerarşi bulunmadığı ve matematiksel işlemler yapılamadığı için sınıflama düzeyinin risk değerlendirmede önemli bir katkısı yoktur.
Sıralama ölçme düzeyi, olayları yüksek, normal ve düşük gibi derecelendirmelerle gruplandırarak nitel risk değerlendirmesinde önemli bir rol oynar. Aralıklı ölçme düzeyinde ise değişkenler arasındaki farklar eşit miktarlarla sayısallaştırılır, ancak mutlak bir sıfır noktası olmadığı için oranlama yapılamaz. Oranlı ölçme düzeyi ise mutlak bir sıfır noktasına sahip olup tüm matematiksel işlemlerin yapılmasına izin verir ve nicel risk değerlendirmesi açısından en yüksek öneme sahip ölçme düzeyidir.
Belirsizlik, karar vericinin bilgi düzeyine ve sistemin doğasına göre dört ana gruba ayrılır: Parametre belirsizliği, model belirsizliği, karar belirsizliği ve değişkenlik belirsizliği. Parametre belirsizliği, ampirik verilere ve insan bilgi becerisine dayalıdır. Ölçme hataları, öngörülemezlik (rassallık), çelişkili veya yetersiz veriler ile tahmin hataları gibi nedenlerden kaynaklanır. Özellikle tamamen yeni bir sistem kurulurken geçmiş verinin bulunmaması parametre belirsizliğini artırır.
Model belirsizliği, verilerin elde edilmesinden ziyade, bu veriler kullanılarak sistemin işleyişini ve ilişkilerini tahmin etmek için geliştirilen modellerin kısıtlılıklarından kaynaklanır. Yapısal tercihler, karmaşık ilişkilerin doğrusal varsayılarak basitleştirilmesi, bilgi eksikliği nedeniyle bazı değişkenlerin modele dahil edilmemesi, yanlış olasılık dağılımı tercihleri ve değişkenler arasındaki ilişkilerin modele doğru yansıtılamaması model belirsizliğine yol açan temel faktörlerdir.
Karar belirsizliği, toplumsal hedeflerin ölçülmesinde veya önceliklerin belirlenmesinde ortaya çıkan ihtilaflarla ilgilidir ve daha çok risk yönetimi aşamasını etkiler. Risk ölçüsü ve istatistiklerine yönelik tercihler, gelecek değerlerin bugünkü değere dönüştürülmesinde kullanılan iskonto oranı tercihleri, risk toleransı kararları ve riskin toplumsal maliyetini ölçen fayda fonksiyonları karar belirsizliğinin ortaya çıktığı alanlardır. Son olarak, değişkenlik belirsizliği ise sistemlerin doğasında var olan doğal değişimlerden ve rassallıktan kaynaklanır; bu belirsizlik ek bilgi edinilerek azaltılamaz, ancak sistem alt gruplara bölünerek yönetilebilir.
Belirsizlik altında karar verme, sonuçları kesin olarak bilinmeyen alternatif hareket biçimlerinden en uygun olanının seçilmesi sürecidir. Bu süreçte karar vericilere yardımcı olmak amacıyla geliştirilmiş dört temel yöntem bulunmaktadır: Duyarlılık analizi, senaryo analizi, karar ağacı ve simülasyon. Duyarlılık analizi, bu yöntemler arasında en kolay olanıdır ve sistemin temel bir değişkenindeki değişimin genel sonuçları nasıl etkilediğini tablolar veya grafikler yardımıyla inceler.
Senaryo analizi, duyarlılık analizinden farklı olarak değişkenlerin olasılık dağılımlarını da dikkate alır. Sadece en iyi ve en kötü durum senaryolarıyla sınırlı kalmayıp, beyin fırtınası ve uzman panelleri gibi yöntemlerle geleceğe yönelik çok boyutlu durumları değerlendirir. Karar ağacı yöntemi ise birbirini takip eden çok aşamalı karar süreçlerinin grafiksel olarak modellenmesini sağlar. Karar ağacında kareler karar düğümlerini, daireler ise olasılık (şans) düğümlerini temsil eder.
Simülasyon yöntemi ise, bir sistemi etkileyen tüm faktörlerdeki eş zamanlı değişimleri ve belirsiz parametrelerin olasılık dağılımlarını dikkate alan en kapsamlı yöntemdir. Çok sayıda değişkenin ve senaryonun söz konusu olduğu, senaryo analizinin yetersiz kaldığı karmaşık durumlarda simülasyon yöntemi tercih edilir. Simülasyon, her bir belirsiz değişken için tanımlanan olasılık dağılımları üzerinden rassal sayılar üreterek binlerce farklı senaryonun hızlıca değerlendirilmesine olanak tanır.
Karar ağaçlarında olasılık düğümlerinin değerleri, geçmiş verilere dayalı objektif veya uzman görüşlerine dayalı subjektif olasılıklar kullanılarak hesaplanır. Ancak, bu olasılıkların hiç bilinmediği tam belirsizlik durumlarında karar verebilmek için beş farklı karar ölçütü geliştirilmiştir: İyimserlik (Plunger), Kötümserlik (Wald), Pişmanlık (Savage), Eş Olasılık (Laplace) ve Uzlaşma (Hurwicz) ölçütleri.
İyimserlik ölçütü, karar vericinin her zaman en şanslı olayla karşılaşacağını varsayar ve alternatifler arasından en yüksek kazancı sağlayan seçeneği tercih eder. Kötümserlik ölçütü ise her durumda en kötü sonucun gerçekleşeceğini varsayarak, bu en kötü sonuçlar içerisinden en iyi olanını (en kötünün en iyisini) seçer. Pişmanlık ölçütü, kaçırılan fırsatların analizine dayanır ve maksimum pişmanlık değerini minimuma indiren seçeneği belirler.
Eş olasılık ölçütü, tüm doğa durumlarının gerçekleşme olasılığını eşit kabul ederek beklenen değeri en yüksek olan seçeneği seçer. Uzlaşma ölçütü ise karar vericinin iyimserlik derecesini gösteren bir alfa (α) katsayısı (0 ile 1 arasında) kullanarak, en iyi ve en kötü sonuçların ağırlıklı ortalamasını alır. Karar vericinin yapısına ve problemin doğasına göre bu ölçütlerden en uygun olanı seçilir veya ölçütlerin kombinasyonundan yararlanılır.