Případy použití s vysokou návratností investic (ROI) vypočítává umělá inteligence – proč ekonomický úspěch není jen otázkou intuice

Shrnutí: Vysoká návratnost investic (ROI) je výsledkem matematické optimalizace portfolia

Jaký dodatečný ekonomický potenciál skrývají vaše stávající investiční projekty, digitalizační opatření a strategické případy použití – aniž byste museli navyšovat svůj rozpočet?

Podniky investují značné částky do digitalizace, automatizace, umělé inteligence, výrobních zařízení, optimalizace procesů a strategické transformace.

Téměř každá z těchto investic se hodnotí na základě ekonomických ukazatelů. Návratnost investic (ROI), doba návratnosti, kapitálové požadavky a očekávaný přínos patří do standardního repertoáru profesionálního řízení podniku.

Jedna zásadní otázka však často zůstává bez odpovědi:

Která kombinace všech plánovaných případů použití přinese v rámci dostupného rozpočtu nejvyšší celkový ekonomický přínos?

V praxi se případy použití často hodnotí jednotlivě, v rámci workshopů se řadí podle priority nebo se třídí podle očekávané návratnosti.

Výsledek může být věrohodný. V žádném případě však nemusí představovat ekonomicky nejlepší celkové portfolio.

Právě zde přichází ke slovu StratePlan.

Tato technologie kombinuje matematické optimalizační metody z oblasti operačního výzkumu s přístupy založenými na umělé inteligenci, aby systematicky prozkoumala rozsáhlé kombinatorické rozhodovací prostory.

Cílem není identifikovat nejatraktivnější jednotlivý use case, ale vypočítat ekonomicky nejvýhodnější kombinaci ze všech dostupných investičních alternativ.

1. Mylná představa stojící za klasickými výpočty ROI

Návratnost investic (ROI) je jedním z nejdůležitějších ukazatelů pro hodnocení ekonomických opatření.

Popisuje poměr mezi dosaženým nebo očekávaným ekonomickým výsledkem a kapitálem, který byl k tomu vynaložen.

Zjednodušený výpočet ROI vypadá takto:

ROI = (výnos − investiční náklady) / investiční náklady × 100

Přesná definice se může lišit v závislosti na společnosti a konkrétním použití.

Tento ukazatel pomáhá ekonomicky posoudit jednotlivé investice.

Právě zde však vzniká často podceňovaný problém:

Případ použití s vysokou individuální návratností investic nemusí být nutně součástí ekonomicky nejvýhodnějšího celkového portfolia.

Důvodem jsou vzájemné interakce mezi různými opatřeními.

Případy použití si navzájem konkurují o investiční rozpočty, personální zdroje, technické kapacity a dostupný čas.

Výběr jednoho projektu může zabránit společné realizaci několika dalších projektů.

Proto nestačí třídit investice výhradně podle jejich individuální návratnosti investic (ROI).

Rozhodující otázka pro management zní: Která kombinace našich use case přinese s dostupným kapitálem nejvyšší celkový ekonomický přínos?

2. Vysoká návratnost investic (ROI) je rozhodnutí na úrovni portfolia – nejde o soutěž jednotlivých projektů

Jednoduchý příklad ilustruje rozdíl mezi nejvyšší individuální návratností investic a ekonomicky nejvýhodnější kombinací projektů.

Společnost disponuje investičním rozpočtem ve výši 10 milionů eur.

Na výběr jsou tři use cases:

Případ použití A má s 100 % nejvyšší individuální návratnost investic (ROI).

Pokud bude realizován výhradně tento případ použití, činí čistý přínos 4 miliony eur při kapitálovém vkladu 4 miliony eur.

Pokud se naopak use cases B a C realizují společně, využije se celý investiční rozpočet ve výši 10 milionů eur.

Kombinovaný čistý přínos činí 8 milionů eur.

Portfolio složené z případů B a C tak generuje dvojnásobnou absolutní čistou hodnotu, ačkoli oba projekty mají samostatně nižší návratnost investic.

Návratnost investic (ROI) portfolia tvořeného projekty B a C však činí 80 % a je tedy nižší než návratnost investic projektu A.

Tento příklad ukazuje důležitý rozdíl:

Maximální návratnost investic (ROI) portfolia a maximální absolutní čistý přínos hodnoty nejsou stejnou cílovou funkcí.

Kterou cílovou veličinu je třeba optimalizovat, musí vedení stanovit před provedením výpočtu.

Pro strategickou alokaci kapitálu může být obzvláště relevantní maximalizace celkové čisté hodnotové přidané hodnoty v rámci omezeného rozpočtu.

3. Neviditelný rozhodovací prostor za případy použití s vysokou návratností investic

Jakmile je k dispozici více případů použití současně, vzniká kombinatorický rozhodovací prostor.

Každý případ použití lze v zjednodušeném binárním modelu buď realizovat, nebo nerealizovat.

Při N nezávisle volitelných use cases vzniká teoreticky 2^N možných kombinací.

• 7 případů použití: 2^7 = 128 kombinací
• 10 případů použití: 2^10 = 1 024 kombinací
• 20 případů použití: 2^20 = 1 048 576 kombinací
• 30 use case: 2^30 = 1 073 741 824 kombinací
• 40 use case: 2^40 = 1 099 511 627 776 kombinací
• 50 případů použití: 2^50 = 1 125 899 906 842 624 kombinací
• 100 případů použití: 2^100 = přibližně 1,27 × 10^30 kombinací

Portfolio s 50 use cases má tedy teoretický rozhodovací prostor přibližně 1,126 biliónů možných kombinací.

Ne každá z těchto kombinací je však přípustná z důvodu rozpočtových omezení, omezených zdrojů nebo závislostí v rámci projektu.

Tento řád však jasně ukazuje, proč klasické workshopy a manuální postupy stanovování priorit mohou zachytit pouze omezenou část možných rozhodnutí.

Výzva nespočívá v hodnocení 50 use caseů. Spočívá v určení ekonomicky nejvýhodnějšího přípustného portfolia z možných kombinací těchto 50 use caseů.

4. Proč žebříček podle návratnosti investic (ROI) nevede automaticky k nejlepšímu výsledku

V klasických investičních procesech se use cases často řadí podle očekávané návratnosti investic.

Projekty s nejvyšší návratností investic (ROI) se umisťují na přední místa seznamu a jsou realizovány přednostně.

Tento postup je jednoduchý a srozumitelný.

Nezohledňuje však automaticky optimální rozložení dostupného investičního kapitálu.

Zejména se přitom často vyskytují tři strukturální problémy.

Za prvé: soutěž o rozpočet

Jeden jediný případ použití může zabrat značnou část investičního rozpočtu.

V důsledku toho již nelze realizovat několik dalších ekonomicky atraktivních opatření.

Za druhé: závislosti mezi projekty

Jednotlivé use cases mohou být na sobě závislé.

Například optimalizace výroby založená na umělé inteligenci lze smysluplně realizovat teprve poté, co byla nejprve vytvořena určitá datová infrastruktura.

Izolované hodnocení návratnosti investic (ROI) tyto souvislosti automaticky nezohledňuje.

Za třetí: omezení zdrojů

I když je k dispozici dostatek kapitálu, personální nebo technické kapacity mohou omezovat souběžnou realizaci více opatření.

Ekonomicky nejvýhodnější portfolio proto musí být nejen financovatelné, ale také organizačně realizovatelné.

Žebříček návratnosti investic (ROI) hodnotí jednotlivé projekty. Matematická optimalizace portfolia zkoumá jejich nejlepší možnou kombinaci v rámci skutečných omezení.

5. Výpočet případů použití s vysokou návratností investic (ROI) ex ante namísto hodnocení ex post

V mnoha podnicích se ekonomický úspěch investic komplexně měří až po jejich realizaci.

Controlling poté zkoumá, zda k plánovaným úsporám, nárůstům tržeb nebo zvýšení efektivity skutečně došlo.

Tento ex post pohled zůstává nepostradatelný.

Neodpovídá však automaticky na otázku, zda by jiná kombinace případů použití byla úspěšnější.

Matematická ex ante optimalizace proto začíná již před rozhodnutím o investici.

Zkoumá, která kombinace plánovaných opatření v rámci dostupných prostředků přinese nejvyšší očekávaný celkový ekonomický přínos.

K tomu lze zohlednit relevantní faktory:

• Investiční výdaje (CAPEX)
• Běžné provozní náklady (OPEX)
• Očekávané příjmy
• Plánované úspory nákladů
• Závislosti v rámci projektu
• Omezení zdrojů a kapacit
• Strategická váha
• Rizikové a časové omezení

Z těchto údajů vzniká matematický optimalizační model.

Výsledkem je vypočítaná kombinace projektů, která byla optimalizována v souladu s definovanou cílovou funkcí a okrajovými podmínkami.

Ekonomický pákový efekt tak vzniká ještě před vázáním kapitálu – nikoli až při následném vyhodnocení výsledků.

6. Jak StratePlan matematicky optimalizuje případy použití s vysokou návratností investic (ROI)

StratePlan byl vyvinut za účelem analýzy komplexních investičních a projektových portfolií pomocí matematických optimalizačních metod.

Tato technologie kombinuje přístupy z oblasti operačního výzkumu s postupy založenými na umělé inteligenci za účelem efektivního hledání výkonných kombinací projektů.

Pro jednoduchý ekonomický optimalizační model stačí pro každý případ použití nejprve tři údaje:

1. ID projektu: Jednoznačná identifikace případu použití
2. Náklady: Plánované výdaje, resp. investice
3. Příjmy: Očekávané příjmy nebo peněžně vyjádřené ekonomické výnosy

Data lze poskytnout například prostřednictvím stávající tabulky v Excelu.

Dále se definuje dostupný investiční rozpočet.

StratePlan prozkoumá možné kombinace use cases a vypočítá sestavení projektu na základě zvolené cílové funkce.

V případě „Maximize Net Contribution“ je v centru pozornosti maximalizace celkového očekávaného čistého přínosu.

Jako doplňkový ekonomický ukazatel lze uvést návratnost investic (ROI) portfolia.

Rozšířené modely mohou zohledňovat další omezení a hodnotící parametry.

V závislosti na struktuře problému a použité optimalizační metodě lze určit prokazatelně optimální nebo přibližně optimální řešení.

StratePlan tak neposkytuje pouhý žebříček use case, ale matematicky vypočítanou kombinaci opatření v rámci dostupného rozpočtu.

7. Živě na zasedání představenstva: Které use cases generují nejvyšší ekonomický přínos?

Zvláštní strategický přínos vzniká, když je optimalizace portfolia přímo začleněna do rozhodnutí vedení.

Představme si společnost, která identifikovala 80 use case v oblasti digitalizace, automatizace a umělé inteligence.

Součet všech plánovaných investic přesahuje dostupný rozpočet.

Vedení musí rozhodnout, která opatření mají být realizována.

StratePlan nejprve vypočítá optimalizovanou kombinaci projektů na základě stávajících ekonomických předpokladů.

Na zasedání představenstva lze následně prozkoumat různé scénáře.

Scénář A: Maximalizace čistého přínosu

Finanční ředitel se ptá:

„Která kombinace našich případů použití dosáhne při stávajícím investičním rozpočtu nejvyššího očekávaného čistého přínosu?“

StratePlan vypočítá odpovídající kombinaci projektů.

Vedení obdrží přehled vybraných opatření, potřebného kapitálového vkladu a očekávaného celkového ekonomického přínosu.

Scénář B: Snížení investičního rozpočtu

Generální ředitel klade otázku:

„Které use cases bychom měli realizovat, pokud musíme snížit náš rozpočet o 20 %?“

Rozpočtové omezení se upraví.

StratePlan znovu vypočítá portfolio.

Vedení může sledovat, které opatření budou vyřazena a jak se změní očekávaný čistý přínos.

Scénář C: Větší důraz na projekty v oblasti umělé inteligence a automatizace

Další člen představenstva se ptá:

„Co se změní, pokud projektům v oblasti umělé inteligence a automatizace přiřadíme strategicky vyšší prioritu?“

Příslušné váhové parametry se upraví.

Portfolio se znovu vypočítá a porovná se s dosavadními scénáři.

Scénář D: Dodatečný investiční kapitál

Finanční ředitel se ptá:

„Jaký dodatečný ekonomický přínos bychom mohli dosáhnout s dalším investičním rozpočtem ve výši 5 milionů eur?“

Rozpočet se navýší a provede se nová optimalizace.

Tím lze porovnat modelovaný dodatečný ekonomický přínos s dodatečným vynaloženým kapitálem.

Změňte parametry. Přepočítejte portfolio. Porovnejte ekonomické dopady. Rozhodujte se na základě podložených informací.

Tak se z klasického seznamu případů použití stane dynamický základ pro strategická investiční rozhodnutí.

8. Proč Excel, zkušenosti a workshopy samy o sobě nestačí

Excel je výkonný nástroj pro výpočty rentability, obchodní analýzy a investiční plánování.

Pomocí vhodných řešičů lze využít i matematické optimalizační metody.

Výzva nastává u rozsáhlých kombinatorických rozhodovacích prostorů s četnými binárními proměnnými a komplexními okrajovými podmínkami.

Jednoduché stanovení priorit v Excelu automaticky matematicky nezobrazuje možné kombinace projektů.

Workshopy a řídící orgány mohou rovněž projednat pouze omezený počet scénářů.

To neznamená, že by lidská zkušenost neměla žádnou hodnotu.

Naopak: kvalita ekonomických předpokladů, definice strategických cílů a hodnocení rizik vyžadují fundované manažerské kompetence.

Lidská zkušenost však sama o sobě nedokáže komplexně prozkoumat exponenciálně rozsáhlé rozhodovací prostory.

Kombinace manažerských zkušeností, spolehlivých projektových dat a matematické optimalizace umožňuje fundovanější investiční rozhodnutí než izolované stanovení priorit.

9. Analýza citlivosti: Jak robustní jsou naše případy použití s vysokou návratností investic (ROI)?

Investiční rozhodnutí vycházejí z předpokladů o budoucím ekonomickém vývoji.

Očekávané výnosy mohou být nižší. Náklady na projekt mohou vzrůst. Zdroje mohou být omezenější. Strategické priority se mohou změnit.

Proto by matematická optimalizace portfolia neměla zohledňovat pouze jeden jediný scénář.

Cílenými změnami vstupních parametrů lze simulovat různé ekonomické vývojové scénáře.

Typické otázky zní:

• Které případy použití zůstanou atraktivní i při nižším investičním rozpočtu?
• Které projekty budou při rostoucích nákladech z portfolia vyřazeny?
• Jak se mění čistý přínos hodnoty při nižších očekávaných příjmech?
• Jaká kombinace projektů vznikne při změně strategického vážení?
• Která opatření zůstanou součástí portfolia v různých scénářích?

Taková analýza citlivosti ukazuje, jak stabilní zůstává vypočítané investiční rozhodnutí při změně předpokladů.

Vysoká návratnost investic (ROI) proto neznamená pouze atraktivní očekávanou výnosnost, ale také pochopení toho, za jakých podmínek lze těchto ekonomických výsledků dosáhnout.

10. Alternativní náklady: Ekonomická hodnota nevybraných případů použití

Každé investiční rozhodnutí vázá kapitál a zdroje.

Kdo financuje konkrétní případ použití, nemůže tento rozpočet současně využít pro jiná opatření.

Tím vznikají oportunitní náklady.

V klasických postupech stanovování priorit zůstávají tyto náklady často nedostatečně viditelné.

Podnik může vybrat několik ekonomicky atraktivních projektů a přesto nevyužít značný dodatečný přínos.

Matematická optimalizace portfolia umožňuje porovnat původně plánované portfolio s optimalizovanou kombinací projektů.

Přitom lze porovnat následující ukazatele:

• Celková investiční potřeba
• Očekávaný čistý přínos
• Návratnost investic do portfolia
• Vybrané a nevybrané případy použití
• Zbývající rozpočtový prostor
• Ekonomické rozdíly mezi alternativními portfolii

Rozdíl mezi modelovanými výsledky ukazuje, jaký ekonomický potenciál pro zlepšení existuje na základě použitých předpokladů.

Největší pákový efekt často nespočívá v nasazení většího kapitálu, ale v rozdělení stávajícího kapitálu na ekonomicky výhodnější kombinaci opatření.

11. Referenční projekt: Areál Klybeck v Basileji – přibližně o 63 % vyšší návratnost investic

Jaký potenciál může matematická optimalizace portfolia nabídnout, ilustruje případová studie StratePlan týkající se areálu Klybeck v Basileji.

V rámci optimalizace portfolia pro společnosti Central Real Estate AG a Swiss Life AG byly matematicky analyzovány stávající investiční a projektové alternativy.

Modelovaný výsledek:

• Původní návratnost investic: 7,0 %
• Optimalizovaná návratnost investic: 11,4 %
• Relativní zlepšení výnosu: přibližně 63 %
• Dodatečný modelovaný ekonomický přínos: přibližně 30 milionů CHF

Zlepšení bylo modelováno na základě změněné kombinace stávajících investičních alternativ při zachování stejného rozpočtu.

Tyto výsledky specifické pro daný projekt nepředstavují obecnou záruku výnosu.

Hlavní poznatek: Lepší kombinace stávajících investičních alternativ může umožnit výrazně vyšší celkový ekonomický přínos – bez dodatečného investičního rozpočtu.

12. Pro které oblasti je optimalizace s vysokou návratností investic (High-ROI) obzvláště relevantní?

Matematická optimalizace portfolia je relevantní všude tam, kde o omezené finanční nebo provozní zdroje soutěží četné investiční příležitosti.

Portfolia v oblasti umělé inteligence a digitalizace

Podniky často identifikují řadu potenciálních aplikací umělé inteligence.

Výzvou je vybrat ty případy použití, které v rámci dostupného rozpočtu přinesou nejvyšší celkový ekonomický přínos.

Průmysl a výroba

O stejná kapitálová investice (CAPEX) soupeří opatření v oblasti automatizace, investice do strojů, rozšíření kapacit a optimalizace procesů.

Matematická optimalizace portfolia může pomoci při výběru vhodných kombinací investic.

Modernizace IT

Migrace do cloudu, projekty ERP, kyberbezpečnost, modernizace infrastruktury a vývoj softwaru se často musí realizovat v rámci omezených rozpočtů na IT.

Zvláštní roli zde hrají závislosti mezi projekty a omezení zdrojů.

Energetika a udržitelnost

Opatření v oblasti energetické účinnosti, renovace budov, vlastní výroba elektřiny a projekty dekarbonizace lze společně optimalizovat na základě ekonomických a strategických kritérií.

Nemovitosti a realitní trh

Rekonstrukce, projektový rozvoj, modernizace a investice do lokalit lze posuzovat v rámci společného kapitálového rozpočtu.

Obce a veřejné rozpočty

I města, obce a veřejné instituce stojí před úkolem financovat četná investiční opatření s omezenými rozpočtovými prostředky.

Zde lze do optimalizace zahrnout kromě ekonomických ukazatelů také odborná vážení a cíle společenského dopadu.

Společným jmenovatelem všech případů použití je otázka, jaká kombinace konkurenčních opatření dosáhne za daných omezení nejlépe definovaného celkového výsledku.

13. Závěr: Vysoká návratnost investic (ROI) je výsledkem správné kombinace

Vysoká návratnost investic není dílem náhody.

Vychází z ekonomicky podložených předpokladů, jasného stanovení cílů a vhodného rozdělení omezených zdrojů.

Klasické individuální hodnocení případů použití zůstává důležité.

Ta však automaticky neodpovídá na otázku, jaká kombinace všech plánovaných opatření vede k ekonomicky nejlepšímu celkovému portfoliu.

S rostoucím počtem use case se teoretický prostor pro rozhodování exponenciálně zvětšuje.

Již při 50 projektech vzniká více než jeden bilión možných kombinací.

Tato složitost vyžaduje specializované matematické optimalizační postupy.

StratePlan umožňuje systematické zkoumání investičních portfolií s ohledem na ekonomické cíle, dostupné rozpočty a definovaná omezení.

Díky tomu mohou podniky vypočítat alternativní kombinace projektů, porovnat různé scénáře a identifikovat nevyužitý ekonomický potenciál.

Rozhodující otázka nezní: Který případ použití má nejvyšší individuální návratnost investic (ROI)?

ale: Která kombinace našich případů použití přinese s dostupným kapitálem nejvyšší celkový ekonomický přínos?

Právě zde začíná přechod od klasického stanovování priorit případů použití k matematické optimalizaci portfolia.

StratePlan – Stejné projekty. Stejný rozpočet. Optimální kombinace. Lepší výsledky.

Často kladené otázky – Výpočet případů použití s vysokou návratností investic (ROI) pomocí umělé inteligence

Co konkrétně znamená „výpočet use case s vysokou návratností investic pomocí umělé inteligence“?

Znamená to, že plánované investiční a optimalizační opatření nehodnotíme výhradně jednotlivě, ale zkoumáme jejich ekonomické dopady jako společné portfolio.

Přitom se v matematickém optimalizačním modelu zohledňují investiční náklady, očekávané výnosy, dostupné rozpočty a případně další omezení.

Cílem je identifikovat ekonomicky obzvláště výkonnou kombinaci projektů.

Proč nestačí klasický výpočet návratnosti investic (ROI) pro každý případ použití zvlášť?

Protože vysoká individuální návratnost investic (ROI) nevede automaticky k nejvyššímu celkovému ekonomickému přínosu.

Případy použití si navzájem konkurují o rozpočet a zdroje. Kromě toho mohou vzájemné závislosti projektů a časová omezení ovlivnit jejich společnou proveditelnost.

Matematická optimalizace portfolia zohledňuje tyto souvislosti v rámci společného rozhodovacího modelu.

V čem se StratePlan liší od klasického stanovení priorit v Excelu?

Klasické stanovení priorit v Excelu často řadí projekty podle ROI, ekonomické efektivity nebo strategického významu.

StratePlan naproti tomu zkoumá možné kombinace projektů pomocí specializovaných matematických optimalizačních postupů.

Díky tomu lze identifikovat portfolia, která by při pouhém posuzování žebříčků mohla zůstat opomenuta.

I samotný Excel může s vhodnými rozšířeními Solveru řešit optimalizační úlohy. Skutečné rozdíly ve výkonu závisí na velikosti problému, struktuře modelu a použité metodě.

Jaká data jsou potřebná pro první výpočet?

Pro jednoduchý ekonomický optimalizační model jsou nejprve potřebné tři údaje pro každý případ použití:

• ID projektu
• Náklady – plánované výdaje
• Příjmy – očekávané příjmy, resp. ekonomické výnosy

Dále se stanoví dostupný investiční rozpočet.

U složitějších modelů lze doplnit další parametry, jako jsou závislosti mezi projekty, zdroje, rizika a časová omezení.

Dokáže StratePlan vypočítat maximální návratnost investic (ROI) portfolia?

Ekonomický cíl musí být před výpočtem jednoznačně definován.

Maximalizace absolutního čistého přínosu a maximalizace návratnosti investic (ROI) portfolia jsou odlišné matematické úlohy.

V případě funkce „Maximize Net Contribution“ se jako cílová veličina bere v úvahu celkový očekávaný čistý přínos portfolia.

Návratnost investic do portfolia lze zobrazit jako doplňkovou hodnotu a využít ji k porovnání různých scénářů.

Jak matematická optimalizace řeší nejistotu?

Nejisté předpoklady lze zkoumat pomocí různých scénářů a analýz citlivosti.

Lze například měnit investiční náklady, očekávané výnosy nebo dostupné rozpočty a výsledná portfolia znovu vypočítat.

Pro výslovně pravděpodobnostní optimalizaci rizika jsou zapotřebí další matematické modely a odpovídající vstupní data.

Je případ použití s nejvyšší návratností investic automaticky tou nejlepší investicí?

Ne.

Use case může dosáhnout vysoké individuální návratnosti, a přesto vázat kapitál, který by v jiné kombinaci projektů umožnil vyšší absolutní čistý přínos.

Proto je nutné posuzovat ekonomické cíle a dostupná omezení společně.

Pro jaké společnosti je optimalizace portfolia s vysokou návratností investic (ROI) obzvláště zajímavá?

Je obzvláště relevantní pro společnosti s četnými konkurenčními investičními projekty a omezenými rozpočty na kapitálové výdaje (CAPEX).

Typickými oblastmi použití jsou průmysl, výroba, digitalizace, IT, energetika, nemovitosti a strategické transformační programy.

Matematickou optimalizaci portfolia mohou využít i veřejné instituce, pokud je třeba vybírat různé projekty v rámci společných rozpočtových omezení.

Jak rychle lze provést první optimalizaci portfolia?

Pokud jsou již k dispozici potřebné údaje o projektech, lze první výpočet připravit s několika vstupními parametry.

Skutečná doba výpočtu závisí na počtu projektů, struktuře problému, okrajových podmínkách a použité optimalizační metodě.

U složitějších portfolií může příprava a ověření vstupních dat zabrat více času než samotný matematický výpočet.

Mohu simulovat různé investiční rozpočty?

Ano. Různé rozpočtové limity lze modelovat jako alternativní scénáře.

Tak lze prozkoumat, jaká kombinace projektů bude vybrána při nižším nebo vyšším investičním rozpočtu a jak se změní očekávaný celkový ekonomický přínos.

Nahrazuje umělá inteligence rozhodnutí vedení?

Ne.

Vedení definuje strategické cíle, ekonomické předpoklady a omezení.

StratePlan na tomto základě vypočítá optimalizovanou kombinaci projektů.

Konečné rozhodnutí a odpovědnost zůstávají na příslušných vedoucích pracovnících.

Jaký je nejdůležitější rozdíl mezi stanovováním priorit a optimalizací portfolia?

Prioritizace vytváří pořadí jednotlivých projektů.

Optimalizace portfolia zkoumá, která kombinace těchto projektů dosahuje v rámci definovaných omezení nejlepšího celkového výsledku.

Nejlepší pořadí proto nemusí automaticky znamenat nejlepší investiční portfolio.

O kolik větší ekonomický přínos skrývají vaše use cases?

Zjistěte, která kombinace vašich plánovaných investičních projektů může v rámci vašeho dostupného rozpočtu dosáhnout nejvyššího očekávaného čistého přínosu.

Začněte s vlastními projektovými daty a porovnejte matematicky optimalizované investiční scénáře.

Můžete zdarma optimalizovat až 15 projektů.

Optimalizujte nyní až 15 projektů zdarma →