Преминете към основното съдържание Преминете към търсенето Преминете към основната навигация

Основна статия на блога:

Вземане на решения с изкуствен интелект – защо днес стратегическите решения трябва да се изчисляват

Резюме: Качеството на едно решение зависи от разгледаните алтернативи

Как предприятията, управителните съвети и публичната администрация могат да гарантират, че от множеството възможни мерки действително избират най-добрата комбинация от икономическа или социална гледна точка?

Стратегическото вземане на решения традиционно се основава на опит, експертни познания, интуиция, бизнес случаи, Excel модели и дискусии в управленските органи.

Тези инструменти остават незаменими. Те обаче се сблъскват с практически ограничения, когато множество инвестиции, проекти и мерки се конкурират едновременно за ограничени ресурси.

Предизвикателството не се състои непременно в липса на информация или в недостатъчна компетентност при вземането на решения.

Той се крие в математическата сложност на пространството за вземане на решения.

В един опростен бинарен модел предприятие с 50 планирани инвестиционни проекта е изправено пред повече от един билиард възможни комбинации от проекти.

Нито един управителен съвет, нито инвестиционен комитет, нито общински орган за вземане на решения не може да проучи изцяло тези алтернативи чрез дискусии или ръчни сравнения.

Затова решаващият въпрос вече не е единствено:

„Кои проекти са особено важни или икономически привлекателни?“

А:

„Коя комбинация от всички налични проекти постига най-добрия възможен общ резултат при нашите бюджетни, ресурсни и стратегически условия?“

Именно тук се включва математическата оптимизация на вземането на решения, подкрепена от изкуствен интелект.

StratePlan съчетава методи от операционните изследвания с подходи, базирани на изкуствен интелект, за да анализира систематично сложни портфейли от проекти и да изчислява икономически ефективни комбинации.

Целта не е да се заменят човешките решения, а да се подобри значително тяхната математическа основа.

1. Основният проблем на съвременното вземане на решения: отделните решения са решения за портфейла

В много организации стратегическите решения все още се разглеждат поотделно.

Един инвестиционен проект се оценява въз основа на възвръщаемостта на инвестицията. Дадена мярка за дигитализация получава стратегическа оценка. Един общински инфраструктурен проект се приоритизира според степента на спешност.

Тези индивидуални оценки са важни.

Те обаче не отговарят автоматично на въпроса коя комбинация от всички мерки води до най-добрия цялостен резултат.

Причината е проста: проектите си конкурират помежду си.

Те се нуждаят от капитал, персонал, време, технически капацитет и организационно внимание.

Когато дадена мярка бъде реализирана, ресурсите, използвани за нея, вече не са на разположение за други проекти.

По този начин възникват взаимодействия между отделните решения.

Ето защо най-атрактивните от икономическа гледна точка отделни проекти не водят непременно до най-доброто от икономическа гледна точка цялостно портфолио.

Един проект с висока индивидуална възвръщаемост може, например, да изисква толкова много капитал, че няколко други проекта с по-висока комбинирана нетна стойностна приноса вече да не могат да бъдат финансирани.

Затова стратегическото вземане на решения трябва да се извършва на ниво портфейл.

Основният управленски въпрос е:

Коя комбинация от наличните ни мерки генерира най-високата обща икономическа или социална полза в рамките на съществуващите ограничения?

2. Защо пространството за вземане на решения нараства експоненциално: математическият принцип 2^N

Броят на възможните комбинации от проекти не нараства линейно с броя на проектите.

В опростен бинарен модел за вземане на решения всеки проект може да бъде реализиран или не.

При N независимо избираеми проекта теоретично възникват 2^N възможни комбинации.

Мащабът става ясен дори при сравнително малък брой проекти:

  • 7 проекта: 2^7 = 128 комбинации
  • 10 проекта: 2^10 = 1 024 комбинации
  • 20 проекта: 2^20 = 1 048 576 комбинации
  • 30 проекта: 2^30 = 1 073 741 824 комбинации
  • 40 проекта: 2^40 = 1 099 511 627 776 комбинации
  • 50 проекта: 2^50 = 1 125 899 906 842 624 комбинации
  • 100 проекта: 2^100 = около 1,27 × 10^30 комбинации

При 50 проекта съществуват около 1,126 билиарда теоретично възможни комбинации от проекти.

Не всяка комбинация е допустима поради бюджетни ограничения, ограничения на ресурсите или зависимости между проектите.

Въпреки това мащабът показва защо класическите процедури за вземане на решения могат да разгледат само ограничена част от цялото пространство на възможните решения.

Истинското предизвикателство не се състои в това да се оценят 50-те проекта поотделно. То се състои в това да се определи най-добрата възможна допустима комбинация от тези 50 проекта.

3. Защо опитът, интуицията и управителните органи сами по себе си не са достатъчни

Опитът и експертните познания са съществени основи на доброто корпоративно управление.

Те помагат при оценяването на рисковете, формулирането на стратегически цели и критичната оценка на икономическите предположения.

Но човешката способност за вземане на решения има математически граници.

Управителният съвет може да анализира отделни инвестиционни проекти, да обсъжда техните предимства и недостатъци и да сравнява няколко сценария.

Той обаче не може да проучи изчерпателно милиони или милиарди различни комбинации от проекти.

Затова на практика често се прибягва до опростявания:

  • Проектите се сортират според индивидуални показатели.
  • Само мерките, считани за най-важни, се разглеждат по-задълбочено.
  • Алтернативните комбинации от проекти се съставят ръчно.
  • Инвестиционните бюджети се разпределят по бизнес области.
  • Стратегическите приоритети се определят чрез претегляне или решения на управителни органи.

Тези подходи могат да бъдат организационно обосновани и необходими.

Те обаче не гарантират, че избраната комбинация от проекти ще постигне максимално възможния общ принос.

При сложни портфейли ограниченията на човешкото вземане на решения не се дължат предимно на липса на знания, а на ограничената способност да се сравняват експоненциално много алтернативи помежду им.

Затова математическата оптимизация допълва човешката компетентност при вземането на решения чрез систематично проучване на пространството от възможни решения.

4. Прост пример: Защо най-доброто единично решение не е най-доброто общо решение

Дадена компания разполага с инвестиционен бюджет от 10 милиона евро.

На разположение са три проекта.

Проект Инвестиция Нетна добавена стойност
Проект А 7 млн. евро 4 млн. евро
Проект Б 5 млн. евро 3 млн. евро
Проект В 5 млн. евро 3 млн. евро

Проект А има най-високата индивидуална нетна стойностна добавка.

Ако бъде избран проект А, остават 3 милиона евро от бюджета. Те не са достатъчни за нито един от останалите проекти.

Общата нетна стойностна добавка възлиза на 4 милиона евро.

Математическият анализ на възможните комбинации обаче показва икономически по-изгодна алтернатива.

Проектите Б и В заедно изискват 10 милиона евро и постигат комбиниран нетен принос към стойността от 6 милиона евро.

При предположението, че проектите са независими и без допълнителни ограничения, Б + В е оптималната комбинация за максимизиране на нетната стойностна добавка.

Математически оптимизираната комбинация от проекти генерира по този начин с 50 % по-висока нетна стойностна приноса в сравнение с първоначалния избор.

За целта предприятието не се нуждае от допълнителен инвестиционен капитал.

Тя трябва само да избере друга комбинация от наличните си проекти.

Този пример показва: едно икономически обосновано индивидуално решение може все пак да бъде неоптимално на ниво портфейл.

5. Вземане на решения с ИИ: От приоритизиране към математическа оптимизация

Вземането на решения с помощта на ИИ може да изпълнява различни задачи.

Генеративната ИИ например подпомага анализа на информация, формулирането на предложения за вземане на решения или обобщаването на сложни факти.

Прогнозните модели могат да оценяват бъдещи развития.

Математическата оптимизация на вземането на решения, от друга страна, преследва друга цел.

Тя проучва коя комбинация от налични алтернативи за действие в рамките на определени ограничения изпълнява най-добре дадена целева функция.

За тази цел задачата за вземане на решение се описва като математически модел.

Типичните съставни елементи са:

  • Променливи на вземането на решения: Кои проекти ще бъдат реализирани?
  • Целева функция: Кой икономически или обществен принос трябва да бъде максимизиран?
  • Бюджетни ограничения: Колко капитал е на разположение?
  • Ограничения на ресурсите: Какви човешки и технически капацитети са на разположение?
  • Зависимости между проектите: Кои мерки трябва да бъдат реализирани едновременно или в определена последователност?
  • Стратегически насоки: Кои проекти или цели за въздействие трябва да бъдат взети под внимание?

От тези данни възниква комбинаторна оптимизационна задача.

Подходящи алгоритми претърсват или анализират математическото пространство на решенията и определят ефективни допустими комбинации от проекти.

В зависимост от структурата на задачата и използвания метод може да бъде намерено доказано глобално или приблизително оптимално решение.

За целта не е необходимо изчисляване на всички 2^N комбинации.

Решаващият напредък се състои в математическото изследване на сложни решения за портфейла, вместо да се сравняват помежду си само няколко ръчно подбрани сценария.

6. Как StratePlan математически оптимизира стратегическите решения

StratePlan е разработен, за да анализира сложни инвестиционни и проектни портфейли с помощта на математически методи за оптимизация.

Технологията съчетава подходи от операционните изследвания с методи, базирани на изкуствен интелект, за ефективно търсене на ефективни комбинации от проекти.

За създаването на основен икономически оптимизационен модел първоначално са необходими само три данни за всеки проект:

  1. Идентификационен номер на проекта: Уникална идентификация на проекта
  2. Разходи: Планирани разходи или инвестиции
  3. Приходи: Очаквани приходи или икономически възвръщаемости

Освен това се определя наличният инвестиционен бюджет.

Данните могат да бъдат прехвърлени, например, от съществуващи инвестиционни планове в Excel.

StratePlan проучва възможни комбинации от проекти и изчислява състава на портфейла в съответствие с избраната целева функция.

При „Maximize Net Contribution“ акцентът е върху максимизирането на общата очаквана нетна стойностна приноса.

В допълнение, възвръщаемостта на инвестициите (ROI) на портфейла може да бъде отчетена като икономически показател.

Разширените модели могат да отчитат допълнителни ограничения и параметри за оценка:

  • зависимости между проектите
  • Стратегически тегла
  • Ограничения на ресурсите и капацитета
  • Многогодишни инвестиционни бюджети
  • Временни ограничения
  • Критерии за риск и устойчивост

Резултатът не е просто класация на отделни проекти, а математически изчислена комбинация от проекти в рамките на определените условия.

По този начин StratePlan допълва стратегическото вземане на решения с ниво на математическа оптимизация.

7. На живо по време на заседание на управителния съвет: незабавно изчисляване на стратегически сценарии

Математическата оптимизация на вземането на решения става особено ценна, когато се прилага директно по време на заседания на ръководството и управителния съвет.

Нека си представим индустриален концерн с 100 планирани инвестиционни проекта.

Общата сума на всички инвестиционни искания надвишава наличния бюджет за капиталови разходи (CAPEX).

Ръководството трябва да реши кои проекти да бъдат реализирани.

StratePlan първо изчислява оптимизирана комбинация от проекти въз основа на съществуващите икономически предположения.

След това на заседанието на управителния съвет могат да бъдат разгледани различни сценарии.

Сценарий А: Максимален общ икономически принос

Финансовият директор пита:

„Коя комбинация от планираните ни инвестиции постига най-високата очаквана нетна стойностна добавка при наличния бюджет за капиталови разходи?“

StratePlan изчислява съответната комбинация от проекти.

Ръководството получава обзор на избраните проекти, необходимия капиталовложения и очакваната обща икономическа полза.

Сценарий Б: Намален инвестиционен бюджет

Изпълнителният директор задава въпроса:

„Какво ще се случи, ако се наложи да намалим инвестиционния си бюджет с 15 %?“

Бюджетното ограничение се коригира.

StratePlan изчислява портфейла наново.

Ръководството може да проследи кои проекти ще бъдат премахнати и как се променя очакваната нетна стойностна приноса.

Сценарий В: Задължително отчитане на стратегическите проекти

Друг член на управителния съвет пита:

„Как се променя нашата оптимална комбинация от проекти, ако определени стратегически инвестиции трябва задължително да бъдат реализирани?“

Съответните проекти се вземат предвид като задължителни ограничения.

Портфолиото се оптимизира отново.

Сравнението показва какви икономически последици има допълнителното стратегическо изискване в рамките на модела.

Сценарий Г: Допълнителен инвестиционен капитал

Финансовият директор иска да знае:

„Какъв допълнителен икономически принос бихме могли да постигнем, ако увеличим бюджета си за капиталови разходи с още 20 милиона евро?“

Бюджетът се коригира и се извършва ново изчисление.

Ръководството може да сравни моделирания допълнителен принос към стойността с необходимия капиталовложения.

Сценарий Е: Променени стратегически приоритети

Управителният съвет пита:

„Как ще се промени портфейлът ни, ако отдадем по-голямо значение на цифровизацията, енергийната ефективност или определени области на растеж?“

Съответните параметри се коригират.

StratePlan изчислява нова комбинация от проекти и позволява сравнение с предишните сценарии.

Променя се бюджетът. Адаптират се стратегическите насоки. Преизчислява се портфейлът. Сравняват се икономическите последици.

По този начин статичното инвестиционно планиране се превръща в динамична основа за стратегически решения.

8. Вземане на решения ex ante: Определяне на най-добрата комбинация преди реализацията

Традиционното управление на предприятието често се фокусира върху последващата оценка на вече взети решения.

Контролингът анализира оборота, EBIT, ROI, възвръщаемостта на капитала и отклоненията от бюджета.

Тези показатели показват какви икономически резултати са постигнати.

Те обаче не отговарят автоматично на въпроса дали друга комбинация от проекти би била по-успешна.

Затова математическата ex-ante оптимизация започва още преди ангажирането на капитала.

Тя анализира коя комбинация от планирани мерки в рамките на наличните ресурси ще доведе до най-високия очакван общ принос.

Промяната в перспективата е фундаментална.

Екс пост: „Колко успешно беше нашето решение?“

Екс анте: „Кое решение обещава най-добрия общ резултат според нашите предположения?“

Чрез математическа оптимизация на портфейла предприятията могат да сравняват алтернативни комбинации от проекти още преди тяхното изпълнение.

Това може да помогне за намаляване на икономическите неправилни разпределения и за разкриване на неизползвания потенциал за създаване на добавена стойност.

По този начин качеството на стратегическите решения не се оценява едва след тяхното изпълнение, а се анализира систематично още в самия процес на вземане на решения.

9. Алтернативни разходи: Колко струва едно неоптимално решение?

Всяко инвестиционно решение обвързва капитал и ресурси.

След това този капитал вече не е на разположение за други проекти.

По този начин възникват алтернативни разходи.

Те описват пропуснатите ползи от най-добрата алтернатива, която не е била избрана.

Дадена компания може да избере икономически атрактивни проекти и въпреки това да пропусне значителна допълнителна добавена стойност.

Математическата оптимизация на портфейла позволява сравняване на първоначално планирания инвестиционен портфейл с оптимизирана комбинация от проекти.

При това могат да бъдат съпоставени, наред с другото, следните показатели:

  • Обща инвестиционна нужда
  • Очаквана нетна добавена стойност
  • Възвръщаемост на инвестициите (ROI) на портфейла
  • Избрани и неизбрани проекти
  • Оставащи бюджетни резерви
  • Икономически разлики между алтернативни портфейли

Разликата между моделираните резултати показва какъв е потенциалът за икономическо подобрение при изходните предположения.

Ако глобалният оптимум е математически доказан, разстоянието между избрана комбинация от проекти и този оптимум може да бъде точно определено в рамките на модела.

При приблизително оптимални решения първо се изчислява разликата спрямо най-доброто намерено решение.

Решаващата добавена стойност се състои в това, че възможните икономически недостатъци на дадено портфейлно решение стават видими още преди неговото изпълнение.

10. Анализ на чувствителността: Колко устойчиво е едно математически оптимизирано решение?

Стратегическите решения се основават на предположения за бъдещи развития.

Инвестиционните разходи могат да се увеличат. Очакваните приходи могат да се окажат по-ниски. Ресурсите могат да станат по-ограничени. Стратегическите приоритети могат да се променят.

Ето защо математическата оптимизация не трябва да разглежда единствено един-единствен сценарий.

Чрез целенасочени промени в входните параметри могат да се симулират различни икономически развития.

Типични въпроси са:

  • Кои проекти ще останат част от портфейла дори при намален бюджет?
  • Кои инвестиции реагират особено чувствително на нарастващите разходи?
  • Как се променя нетният принос към стойността при по-ниски очаквания за приходи?
  • Каква комбинация от проекти се получава при променени стратегически тегла?
  • Кои мерки остават икономически привлекателни при различни сценарии?

Тези анализи на чувствителността могат да покажат колко стабилна остава изчислената комбинация от проекти при променени рамкови условия.

Ето защо едно добро стратегическо решение отчита не само най-добрия резултат при дадено предположение, но и последиците от възможни промени.

11. Пример от практиката: Комплекс „Клибек“ в Базел – около 63 % по-висока възвръщаемост на капитала

Какъв икономически потенциал може да разкрие математическата оптимизация на портфейла, илюстрира примерът на StratePlan за района „Клибек“ в Базел.

В рамките на оптимизацията на портфейла за Central Real Estate AG и Swiss Life AG бяха математически анализирани съществуващите инвестиционни и проектни алтернативи.

Моделираният резултат:

  • Първоначална възвръщаемост на капитала: 7,0 %
  • Оптимизирана възвръщаемост на капитала: 11,4 %
  • Относително подобрение на възвръщаемостта: около 63 %
  • Допълнителен моделиран икономически принос: около 30 милиона CHF

Подобрението е моделирано чрез промяна в комбинацията от налични инвестиционни алтернативи при същия бюджет.

Тези специфични за проекта резултати не представляват обща гаранция за възвръщаемост.

Основното заключение: По-висок общ икономически принос може да бъде постигнат дори само чрез по-добра комбинация от съществуващите инвестиционни алтернативи – без допълнителен инвестиционен бюджет.

12. Вземане на решения с изкуствен интелект в предприятията и публичната администрация

Математическата оптимизация на вземането на решения е от значение навсякъде там, където множество мерки се конкурират за ограничени финансови или оперативни ресурси.

Промишленост и стратегическо планиране на капиталовите разходи

Инвестициите в машини, производствените мощности, проектите за автоматизация и разширяването на производствените бази трябва да бъдат подбирани в рамките на общи инвестиционни бюджети.

Математическата оптимизация на портфейла може да помогне за идентифицирането на икономически по-ефективни комбинации от тези мерки.

Дигитализация и трансформация чрез изкуствен интелект

Предприятията често разполагат с множество потенциални проекти в областта на изкуствения интелект и цифровизацията.

Основното предизвикателство се състои в избора на онези мерки, които заедно постигат най-висока икономическа възвръщаемост в рамките на наличните ресурси.

Недвижими имоти

Проектното развитие, реновирането, модернизирането и инвестициите в локации могат да бъдат оптимизирани в рамките на общ капиталов бюджет.

Изборът на отделните проекти оказва влияние върху възможностите за финансиране на цялото портфолио.

Енергетика и инфраструктура

Енергийните проекти, инвестициите в мрежи, мерките за енергийна ефективност и модернизацията на инфраструктурата често изискват дългосрочно обвързване на капитал.

Математическата оптимизация може да помогне за сравняване на различни комбинации от инвестиции при икономически и технически ограничения.

Общини и публични бюджети

Градовете и общините трябва да финансират множество инвестиционни проекти в рамките на ограничени бюджетни средства.

Училища, пътища, административни сгради, инфраструктура и социални заведения се конкурират за едни и същи публични ресурси.

Предизвикателството се състои в съчетаването на финансовите ограничения с политическите приоритети, законовите задължения и целите за обществено въздействие.

Математическата оптимизация на портфейла може да изчисли различни комбинации от мерки и да покаже ефектите от променените бюджетни и тегловни изисквания.

Общият въпрос е: коя комбинация от налични мерки постига най-високия икономически или социален принос при определените рамкови условия?

13. Симулация на бюджета и едновременна оптимизация на общинските инвестиционни програми

Особено интересна е връзката между математическата оптимизация на портфейла и симулацията на публичните бюджети.

Общинските ръководители редовно се сблъскват с предизвикателството да финансират многобройни инвестиционни желания с ограничени бюджетни средства.

Един пример:

Един град разполага с инвестиционен бюджет от 81 милиона евро.

В същото време за избор стоят 50 планирани проекта с обща инвестиционна нужда от 220 милиона евро.

Основният въпрос не е само кои проекти изглеждат особено важни от политическа или техническа гледна точка.

Коя комбинация от тези 50 проекта постига най-високата определена икономическа или социална полза в рамките на наличния бюджетен ресурс?

При 50 бинарни решения за проекти теоретично възникват 2^50 = 1 125 899 906 842 624 възможни комбинации.

Математическата оптимизация на портфейла може да проучи различни допустими комбинации от проекти в рамките на определените ограничения по отношение на бюджета и въздействието.

Чрез едновременна бюджетна симулация могат да се отчетат промените във финансовите рамкови условия.

Например:

  • Как се променя оптималният избор на проекти при намален инвестиционен бюджет?
  • Кои допълнителни проекти биха могли да бъдат финансирани при по-високи приходи?
  • Какви икономически или социални последици възникват в резултат на задължителни политически проекти?
  • Как се променя портфейлът при по-голямо претегляне на образованието, инфраструктурата или опазването на климата?
  • Коя комбинация от проекти постига най-високата моделирана обща полза в рамките на наличния бюджет?

Резултатите зависят от качеството на входните данни и от дефиницията на икономическите или социалните целеви показатели.

Съчетаването на бюджетна симулация и математическа оптимизация на портфейла може да подпомогне политическите лица при вземането на решения, като им позволи да сравняват по разбираем начин алтернативни пакети от мерки и систематично да анализират ефекта от ограничените бюджетни средства.

14. От бизнес интелигентност към интелигентност при вземането на решения

Бизнес интелигентността проучва предимно икономическото развитие на дадена организация.

Какво се е случило? Кои ключови показатели за ефективност (KPI) са се променили? Къде има отклонения спрямо плана?

„Интелигентността на вземането на решения“ разширява тази перспектива, като добавя систематична подкрепа за бъдещи решения.

Какви алтернативи са налице? Какви ограничения важат? Коя комбинация от проекти отговаря най-добре на определените цели?

StratePlan допълва съществуващите ERP-, контролинг- и бизнес-аналитични системи с ниво на математическа оптимизация.

Необходимите данни за проектите могат първоначално да бъдат предоставени чрез прости Excel таблици.

По този начин предприятията и публичните институции могат да използват съществуващите инвестиционни планове като отправна точка за систематична оптимизация на портфейла.

Решаващата разлика се състои не само в измерването на икономическите последствия от вече взети решения, но и в математическото проучване на алтернативни решения преди тяхното прилагане.

15. Заключение: Стратегическите решения се нуждаят от математическа основа

Стратегическото вземане на решения става все по-сложно с нарастващия брой проекти и ограничения.

Опитът, експертните познания и управленските компетенции остават незаменими.

Сами по себе си обаче те не са достатъчни, за да се анализират систематично експоненциално големи пространства за вземане на решения.

Още при 50 проекта възникват повече от един билиард теоретично възможни комбинации.

Ето защо изолираната оценка на отделни проекти не дава автоматично отговор на въпроса за най-доброто възможно цялостно портфолио.

Математическата оптимизация на вземането на решения позволява да се анализират сложни портфейли от инвестиции и мерки, като се отчитат икономическите цели, наличните бюджети и определените ограничения.

За тази цел StratePlan съчетава методи от операционните изследвания с подходи, базирани на изкуствен интелект.

По този начин предприятията, управителните съвети и публичните лица, вземащи решения, могат да изчисляват алтернативни комбинации от проекти, да сравняват различни сценарии и да идентифицират неизползван икономически или обществен потенциал.

Решаващият въпрос вече не е: Кои проекти считаме за най-добрите?

А: Коя комбинация от наличните ни проекти постига най-добрия възможен общ резултат при дадените рамкови условия?

Именно тук започва преходът от класическото приоритизиране на проекти към математическата оптимизация на вземането на решения.

StratePlan – Едни и същи проекти. Един и същ бюджет. Оптимална комбинация. По-добри резултати.

Често задавани въпроси – Вземане на решения с ИИ

Какво конкретно означава вземане на решения с ИИ?

Вземането на решения с ИИ описва използването на алгоритмични системи за подпомагане на сложни решения.

В областта на математическата оптимизация на портфейла наличните алтернативи за действие, икономическите цели и ограниченията се анализират в един общ модел.

Целта е да се идентифицира възможно най-ефективната допустима комбинация от мерки.

С какво вземането на решения с помощта на ИИ се различава от класическите анализи?

Класическите процеси на вземане на решения често сравняват отделни проекти или няколко предварително подготвени сценария.

Математическата оптимизация на портфейла, от друга страна, разглежда комбинацията от различни мерки при общи ограничения на бюджета и ресурсите.

По този начин могат да се открият икономически по-атрактивни алтернативи, които остават незабелязани при разглеждане само на отделни проекти.

Какво означава 2^N при стратегическите решения?

2^N описва броя на теоретично възможните комбинации при N независими бинарни решения.

Всеки проект може да бъде избран или да не бъде избран.

При 20 проекта се получават 2^20 = 1 048 576 възможни комбинации.

При 50 проекта възникват 2^50 = 1 125 899 906 842 624 възможни комбинации.

Действително допустимите комбинации зависят от определените ограничения.

Трябва ли изкуственият интелект наистина да изчисли всички 2^N комбинации една по една?

Не.

Съвременните математически методи за оптимизация могат ефективно да проучват големи пространства за вземане на решения, без да оценяват изчерпателно всяка теоретично възможна комбинация поотделно.

Кои методи са подходящи, зависи от математическата структура на проблема и от дефинираните ограничения.

Може ли ИИ да изчисли глобалното оптимум на дадено решение?

При подходящи математически модели и методи за оптимизация глобалното оптимум може да бъде изчислено и доказано.

При особено сложни проблеми могат да се използват и приблизително оптимални решения.

Затова оценката за качеството на решението трябва да съответства на използвания метод и на наличното доказателство за оптималност.

Изкуственият интелект замества ли решението на ръководството?

Не.

Ръководството определя икономическите и стратегическите цели, поставя ограничения и оценява резултатите.

Математическата оптимизация, подпомагана от ИИ, предоставя допълнителна основа за вземане на решения.

Крайната отговорност остава в ръцете на съответните ръководители или политическите лица, вземащи решения.

За какви решения е особено подходяща математическата ИИ?

Тя е особено подходяща за сложни решения, свързани с портфейли, при които има множество конкуриращи се проекти и ограничени ресурси.

Типични области на приложение са планирането на капиталовите разходи (CAPEX), портфейлите за дигитализация, примери за приложение на изкуствен интелект, индустриални инвестиции, проекти в областта на недвижимите имоти, енергийни програми и планиране на общинския бюджет.

Какво означава „вземане на решения ex ante“?

„Екс-анте“ означава да се анализира едно решение преди неговото изпълнение.

При математическата оптимизация на портфейла се изчисляват алтернативни комбинации от проекти, преди да бъде ангажиран капитал или да бъдат предприети мерки.

По този начин икономическите последици от различните решения могат да станат видими на ранен етап.

Колко надеждни са резултатите от вземането на решения, подкрепени от изкуствен интелект?

Качеството на резултатите зависи от изходните данни, дефиницията на целевата функция, моделирането на ограниченията и използвания метод за оптимизация.

Математическата оптимизация позволява възпроизводими и проследими изчисления.

Анализите на чувствителността могат допълнително да покажат как се променят резултатите при промяна на предположенията.

Вземането на решения с помощта на ИИ има ли смисъл само за големите корпорации?

Не.

Средните предприятия, общините и други организации също могат да се възползват от математическата оптимизация на портфейла.

Решаващо значение има не само размерът на организацията, но и сложността на решението и броят на конкуриращите се мерки.

Какви данни са необходими на StratePlan за първоначално изчисление?

За изготвянето на основен икономически оптимизационен модел първоначално са необходими три данни за всеки проект:

  • Идентификационен номер на проекта
  • Разходи – планирани разходи
  • Приходи – очаквани приходи или икономически възвръщаемости

Освен това се определя наличният инвестиционен бюджет.

По-сложните модели могат да отчитат допълнителни ограничения и параметри за оценка.

Може ли StratePlan да симулира различни бюджетни сценарии?

Да. Различните бюджетни граници могат да бъдат моделирани като алтернативни сценарии.

По този начин може да се проучи коя комбинация от проекти ще бъде избрана при по-нисък или по-висок инвестиционен бюджет и как се променя очакваният общ икономически принос.

Каква е разликата между приоритизиране на проекти и оптимизиране на портфейла?

Приоритизирането на проекти създава класация на отделните мерки.

Оптимизацията на портфейла проучва коя комбинация от тези мерки постига най-добрия общ резултат при определените ограничения.

Затова най-добрата класация не е автоматично и най-добрият проектен портфейл.

Какъв е най-важният извод за главните изпълнителни директори, финансовите директори и лицата, вземащи решения в публичния сектор?

Сложните стратегически решения не трябва да се основават изключително на оценката на отделни проекти или на няколко ръчно подбрани сценария.

Математическата оптимизация на портфолиото позволява систематично проучване на алтернативни комбинации от проекти и по този начин създава допълнителна основа за обосновани решения.

Изкуственият интелект не замества отговорността. Той обаче може да помогне за разкриването на по-добри алтернативи за действие от икономическа или социална гледна точка.

Коя комбинация от вашите проекти постига най-добрия резултат?

Разберете коя комбинация от планираните Ви инвестиционни проекти може да постигне най-високата очаквана нетна стойностна добавка в рамките на наличния Ви бюджет.

Започнете със собствените си проектни данни и сравнете математически оптимизирани инвестиционни сценарии.

Можете да оптимизирате безплатно до 15 проекта.

Оптимизирайте безплатно до 15 проекта сега →

Абонирайте се за бюлетин
Поверителност
С избирането на продължи потвърждавате, че сте прочели нашата и сте приели нашите .
Полетата отбелязани със звездички (*) са задължителни.