Přejít na hlavní obsah Přeskočit na vyhledávání Přeskočit na hlavní navigaci

Výpočet KPI s využitím umělé inteligence ex ante


KPI nejen měříme – ještě předtím vypočítáme nejlepší možné rozhodnutí

Co by se stalo, kdyby představenstva, generální ředitelé a finanční ředitelé nezjišťovali až po přijetí investičního rozhodnutí, zda byly jejich KPI splněny, ale mohli již před tímto rozhodnutím vypočítat, která kombinace investic slibuje nejlepší dosažení cílů?

Právě zde začíná zásadní změna paradigmatu v řízení podniků.

Po celá desetiletí byly klíčové ukazatele výkonnosti (KPI) považovány za ústřední nástroje řízení: měřit, porovnávat, reportovat a korigovat.

Tržby, EBIT, ROI, návratnost kapitálu, vytíženost, likvidita a ukazatele udržitelnosti tvoří základ mnoha manažerských rozhodnutí.

Ve světě rostoucí komplexnosti, omezených investičních rozpočtů a exponenciálně rostoucího počtu možností rozhodování však již nestačí pouze následné měření.

Problém nespočívá v tom, že by KPI byly špatné.

Problém spočívá v tom, že často pouze odhalují, jak úspěšné bylo již přijaté rozhodnutí – nikoli však to, zda by jiné rozhodnutí vedlo k lepšímu celkovému výsledku.

Pro členy představenstva, generální ředitele, finanční ředitele a veřejné činitele proto vyvstává nová strategická otázka:

Jaká kombinace plánovaných investic, projektů a opatření maximalizuje naše ekonomické nebo strategické cíle v rámci dostupných zdrojů?

Díky StratePlanu se tato otázka stává matematickým optimalizačním úkolem.

KPI přitom zůstávají relevantní. Nejsou však posuzovány výhradně zpětně, ale mohou být již před přijetím rozhodnutí zahrnuty do optimalizace portfolia jako cílové hodnoty a omezení.

1. Meze klasického řízení pomocí KPI

KPI zajišťují transparentnost. Umožňují srovnání, zviditelňují vývoj a podporují operativní i strategické řízení podniku.

Klasické řízení pomocí KPI je však často organizováno retrospektivně.

Podnik investuje do nových výrobních zařízení, IT systémů, poboček nebo vývoje produktů. O měsíce či roky později se na základě definovaných ukazatelů ověřuje, zda došlo k očekávaným výsledkům.

Rozhodující otázka přitom často zůstává nezodpovězena:

Dosáhla by jiná kombinace stejných plánovaných investic při stejném rozpočtu lepšího celkového výsledku?

Právě v tom spočívá limit přístupu zaměřeného výhradně na ukazatele.

Jednotlivé obchodní divize mohou úspěšně zlepšovat své příslušné KPI, aniž by tím automaticky docházelo k optimálnímu řízení celé společnosti.

  • Prodejní oddělení maximalizuje tržby a tržní podíly.
  • Controlling se soustředí na náklady a návratnost investic.
  • Výroba optimalizuje kapacity a vytíženost.
  • IT upřednostňuje digitalizaci a dostupnost systémů.
  • Řízení udržitelnosti sleduje cíle v oblasti emisí a ESG.

Každý z těchto cílů může mít svůj smysl.

Pokud se však sledují izolovaně, může dojít ke konfliktům mezi cíli.

Projekt s obzvláště vysokou individuální návratností může například vázat tolik investičního kapitálu, že již nebude možné financovat několik dalších projektů s celkově vyšším ekonomickým přínosem.

Optimalizace jednotlivých KPI proto nutně nevede k optimalizaci celého investičního portfolia.

2. Hlavní chyba v uvažování: optimalizace jednotlivých projektů namísto celkového portfolia

V mnoha podnicích se investiční rozhodnutí přijímají na základě jednotlivých obchodních případů.

Každý projekt je posuzován z hlediska jeho ekonomické efektivity, strategického významu a rizik.

Projekty jsou následně seřazeny podle priority a schváleny v souladu s dostupným rozpočtem.

To zní logicky, má však matematickou slabinu.

Ekonomicky nejatraktivnější jednotlivý projekt nemusí být nutně součástí ekonomicky nejvýhodnější kombinace projektů.

Zjednodušený příklad

Společnost disponuje rozpočtem na kapitálové výdaje (CAPEX) ve výši 10 milionů eur a zvažuje tři investiční projekty.

Projekt Investice Očekávaný čistý přínos
Projekt A 7 mil. € 4 mil. €
Projekt B 5 mil. € 3 mil. €
Projekt C 5 milionů € 3 mil. €

Projekt A má nejvyšší jednotlivý čistý přínos.

Pokud bude vybrán projekt A, zbude v rozpočtu 3 miliony eur. Tyto prostředky nestačí na žádný z obou ostatních projektů.

Celková čistá hodnotová přidaná hodnota činí 4 miliony eur.

Pokud se však projekty B a C realizují společně, využije se celý rozpočet ve výši 10 milionů eur.

Kombinovaný čistý přínos hodnoty činí 6 milionů eur.

Optimalizované portfolio tak v tomto příkladu dosahuje o 50 % vyšší čisté přidané hodnoty – při stejném rozpočtu na investice (CAPEX).

Tento příklad ilustruje základní princip matematické optimalizace portfolia: Rozhodující není nejlepší jednotlivá investice, ale nejlepší kombinace všech dostupných investičních alternativ.

3. Proč se strategický rozhodovací prostor exponenciálně rozšiřuje

S rostoucím počtem plánovaných projektů se tato výzva stává podstatně složitější.

V zjednodušeném binárním rozhodovacím modelu může být každý projekt buď realizován, nebo nerealizován.

Z toho vyplývá, že při N nezávisle volitelných projektech existuje teoreticky2N možných kombinací projektů.

  • 10 projektů: 1 024 kombinací
  • 20 projektů: 1 048 576 kombinací
  • 30 projektů: 1 073 741 824 kombinací
  • 40 projektů: 1 099 511 627 776 kombinací
  • 50 projektů: 1 125 899 906 842 624 kombinací
  • 100 projektů: přibližně 1,27 ×10³⁰ kombinací

Společnost s 50 plánovanými investičními projekty tedy nezvažuje pouze 50 rozhodovacích alternativ.

Pohybuje se v teoretickém rozhodovacím prostoru s více než 1,125 biliónů možných kombinací projektů.

Ne každá z těchto kombinací je přípustná z důvodu závislostí na rozpočtu, zdrojích nebo projektech. Matematická složitost však i tak zůstává značná.

Představenstvo nemůže tento rozhodovací prostor zcela postihnout diskusemi či intuicí.

Ani klasické seznamy priorit či ručně vytvořené scénáře v Excelu obvykle zachycují pouze malou část možných kombinací.

Hlavní výzvou je proto určit z exponenciálně velkého počtu možných kombinací projektů tu ekonomicky nebo strategicky nejlepší přípustnou kombinaci.

4. Měřit ex post, nebo optimalizovat ex ante?

Rozdíl mezi klasickým řízením pomocí KPI a matematickou ex ante optimalizací spočívá v načasování a způsobu podpory rozhodování.

Ex post: Jaké byly důsledky našich rozhodnutí?

Klasický pohled na KPI zkoumá výsledky již realizovaných opatření.

Typické otázky znějí:

  • Jakou návratnost investic (ROI) přinesly naše investice?
  • Jak se vyvíjela naše marže EBIT?
  • Které projekty překročily svůj rozpočet?
  • Jaká byla naše návratnost investic?
  • Které strategické cíle byly splněny?

Tyto informace jsou nepostradatelné pro controlling, reporting a řízení společnosti.

Neodpovídají však automaticky na otázku, zda by jiná kombinace investic byla úspěšnější.

Ex ante: Jaké rozhodnutí bychom měli učinit?

Optimalizace ex ante nastupuje ještě před rozhodnutím o investici.

Zkoumá plánované projekty na základě jejich očekávaných ekonomických výsledků a dostupných zdrojů.

Typické otázky zní:

  • Která kombinace projektů maximalizuje naši celkovou čistou přidanou hodnotu?
  • Které investice by měly být realizovány v rámci našeho rozpočtu CAPEX?
  • Která kombinace projektů zajistí nejvyšší míru dosažení definovaných cílů?
  • Jak se výsledky mění při nižším rozpočtu?
  • Které projekty si konkurují o stejné zdroje?
  • Které investice by měly být zohledněny v případě změny strategických priorit?

Ex-post KPI ukazují, čeho bylo dosaženo. Ex-ante optimalizace zkoumá, které rozhodnutí přinese před svou realizací nejlepší očekávaný výsledek.

Oba přístupy se vzájemně doplňují.

Následné měření zůstává nezbytné, aby bylo možné porovnat skutečné výsledky s původními předpoklady a zlepšit budoucí rozhodnutí.

5. KPI se stávají cílovými veličinami matematické optimalizace

StratePlan KPI nenahrazuje.

Naopak, relevantní ukazatele lze zohlednit již při matematickém modelování strategických rozhodnutí.

Mezi ně patří například:

  • Net Contribution: Očekávaný čistý ekonomický přínos
  • Portfolio ROI: Očekávaná návratnost investic celého portfolia
  • CAPEX: Dostupné investiční prostředky
  • OPEX: Běžné provozní výdaje
  • Riziko: Definované limity rizika nebo hodnocení rizik
  • Zdroje: Personál, kapacity a technická dostupnost
  • Dopad: Strategický, společenský nebo ekologický dopad

V závislosti na optimalizačním modelu se tyto veličiny zohledňují jako cílová funkce, váhové parametry nebo vedlejší podmínky.

Je přitom důležité, aby se různé cílové veličiny nekontrolovaně navzájem nepropočítávaly.

Ekonomické, ekologické a společenské cíle vyžadují srozumitelné hodnotící měřítka a případně výslovně stanovená vážení.

Matematická optimalizace následně zkoumá, která kombinace projektů nejlépe splňuje definované cíle v rámci daných omezení.

Výsledkem není pouze další vyhodnocení KPI, ale konkrétně vypočítané investiční portfolio.

6. Jak StratePlan vypočítává investiční rozhodnutí

Začátek matematické optimalizace portfolia může být relativně jednoduchý.

Pro základní ekonomický optimalizační model potřebuje StratePlan nejprve tři údaje ke každému projektu:

  1. ID projektu: Jednoznačná identifikace projektu
  2. Výdaje: Plánované výdaje, resp. investice
  3. Příjmy: Očekávané příjmy, resp. ekonomické výnosy

Tyto informace lze například převzít ze stávajících tabulek v Excelu, investičních plánů nebo obchodních případů.

Na základě definované cílové funkce a dostupného rozpočtu StratePlan zkoumá možné kombinace projektů.

Rozšířené modely mohou zohledňovat další parametry:

  • závislosti mezi projekty
  • Odborná nebo strategická váha
  • Víceleté investiční rozpočty
  • Omezení zdrojů
  • Časové požadavky
  • Kritéria rizika a udržitelnosti

StratePlan kombinuje matematické optimalizační metody z oblasti operačního výzkumu s přístupy založenými na umělé inteligenci pro efektivní analýzu rozsáhlých kombinatorických rozhodovacích prostorů.

Výpočet poskytuje optimalizovanou kombinaci projektů na základě zadaných dat a parametrů modelu.

V závislosti na zadání a použité metodě se může jednat o prokazatelně optimální nebo přibližně optimální řešení.

Rozhodující inovací je to, že se nehodnotí pouze ekonomická efektivita jednotlivých projektů, ale optimalizuje se jejich kombinovaný účinek v rámci společného investičního rozpočtu.

7. Živě na zasedání představenstva: Co se stane, když změníme naše KPI?

Zvláštní strategický přínos vzniká, když je matematická optimalizace portfolia přímo integrována do rozhodovacích procesů managementu.

Představme si zasedání představenstva průmyslového podniku.

Na pořadu jednání je 100 plánovaných projektů CAPEX, jejichž celková finanční potřeba výrazně přesahuje dostupný investiční rozpočet.

StratePlan nejprve vypočítá optimalizovanou kombinaci projektů na základě stanovených cílů a omezení.

Nyní začíná strategická diskuse.

Scénář A: Maximalizace čistého příspěvku

Finanční ředitel položí otázku:

„Která kombinace projektů dosáhne s naším stávajícím rozpočtem na CAPEX nejvyšší očekávané čisté hodnotové přidané hodnoty?“

StratePlan vypočítá odpovídající portfolio.

Vedení zjistí, které projekty budou vybrány, kolik prostředků bude zapotřebí a jaký očekávaný čistý přínos dosáhne celé portfolio.

Scénář B: Snížení rozpočtu na investice

Generální ředitel se ptá:

„Co se stane, pokud budeme muset snížit náš investiční rozpočet o 15 %?“

Rozpočtové omezení se upraví.

StratePlan znovu vypočítá portfolio.

Představenstvo pak může posoudit, které projekty budou vyřazeny, jak se změní očekávaný přínos a které investice zůstanou součástí portfolia.

Scénář C: Vyšší váha strategických projektů

Člen představenstva položí otázku:

„Jak se změní naše investiční portfolio, pokud budeme klást větší důraz na digitalizaci a energetickou účinnost?“

Příslušné váhové parametry se upraví.

Po novém výpočtu lze výsledky porovnat s předchozími scénáři.

Scénář D: Dodatečné investiční prostředky

Finanční ředitel se ptá:

„Jaký dodatečný ekonomický přínos bychom mohli dosáhnout s dalšími 20 miliony eur CAPEX?“

Rozpočet se navýší a portfolio se znovu optimalizuje.

Vedení tak může porovnat modelovaný dodatečný přínos s potřebným kapitálovým vkladem.

Změnit parametry. Propočítat znovu. Porovnat scénáře. Rozhodovat se na základě podložených informací.

Ze statické investiční zprávy se tak stává dynamický podklad pro rozhodování pro celé vedení.

8. Analýza citlivosti: Jak robustní je naše investiční strategie?

Jednotlivý optimalizační výpočet nejprve poskytne výsledek pro definované předpoklady.

Analýza se stává strategicky obzvláště cennou, pokud se systematicky mění různé parametry.

Analýza citlivosti například zkoumá:

  • Které projekty zůstanou vybrány při různých rozpočtech CAPEX?
  • Jak se mění čistý přínos hodnoty při rostoucích nákladech na projekty?
  • Které investice reagují obzvláště citlivě na změnu očekávaných příjmů?
  • Které projekty budou při silnějším zohlednění rizika vyloučeny?
  • Které strategické priority nejvíce ovlivňují složení portfolia?

Tím se ukáže, která investiční rozhodnutí jsou v rámci modelu obzvláště robustní.

Jiné projekty mohou být vybrány pouze za určitých ekonomických nebo strategických předpokladů.

Ex-ante optimalizace tak nejen poskytuje vypočítanou kombinaci projektů, ale také umožňuje systematické zkoumání alternativních rozhodovacích podmínek.

9. Alternativní náklady: Ekonomická hodnota nevybraných alternativ

Každé investiční rozhodnutí má své oportunitní náklady.

Pokud je kapitál vynaložen na konkrétní projekt, není již k dispozici pro jiné investice.

To platí zejména v případě omezených rozpočtů na kapitálové výdaje (CAPEX).

Podnik může vybrat ekonomicky atraktivní jednotlivé projekty a přesto nevyužít značnou dodatečnou hodnotu, pokud kombinace těchto projektů není optimální.

Matematická optimalizace portfolia umožňuje tyto rozdíly mezi zvažovanými alternativami kvantifikovat.

Porovnání původně plánovaného investičního portfolia s optimalizovaným portfoliem může ukázat:

  • jak vysoký je očekávaný čistý přínos obou portfolií
  • Které projekty se liší ve výběru
  • kolik kapitálových výdajů (CAPEX) je v každém případě zapotřebí
  • jaký ekonomický potenciál v původním portfoliu zůstává nevyužitý

Rozdíl mezi modelovanými výsledky ilustruje ekonomický potenciál zlepšení za předpokladu daných výchozích předpokladů.

Skutečná hodnota ex ante optimalizace proto nespočívá v lepších KPI, ale v možnosti identifikovat lepší kombinace investic ještě předtím, než dojde k vázání kapitálu.

10. Praktická reference: Areál Klybeck v Basileji

Jak velký může být ekonomický rozdíl mezi stávajícím plánem a matematicky optimalizovaným portfoliem, ukazuje reference StratePlan týkající se areálu Klybeck v Basileji.

V rámci optimalizace portfolia pro společnosti Central Real Estate AG a Swiss Life AG byly matematicky analyzovány různé kombinace investic a projektů.

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.

Čísla ilustrují potenciál matematické optimalizace portfolia. Nepředstavují však obecnou záruku výnosu pro jiné projekty nebo společnosti.

Klíčový poznatek: Celkový ekonomický přínos nemusí nutně zvýšit větší investiční kapitál, ale lepší kombinace investic.

11. Proč lidská zkušenost sama o sobě nestačí

Zkušení členové představenstva, finanční ředitelé a investiční manažeři disponují rozsáhlými odbornými znalostmi a hlubokým porozuměním svých společností.

Tato kompetence zůstává nepostradatelná.

Avšak ani dlouholeté zkušenosti nedokážou zcela pokrýt exponenciálně rostoucí počet možných rozhodnutí.

Již při sedmi binárních rozhodnutích o projektech vzniká 128 možných kombinací.

U 20 projektů je jich více než milion.

U 50 projektů je to více než jeden bilión.

Síla člověka spočívá ve stanovení strategických cílů, porozumění ekonomickým souvislostem a posouzení kvality předpokladů.

Síla matematické optimalizace spočívá v systematickém zkoumání velkého množství možných kombinací.

Kombinace manažerských zkušeností, odborně podložených dat a matematické optimalizace vytváří pevnější základ pro rozhodování než kterákoli z těchto složek samostatně.

12. Od Business Intelligence k Decision Intelligence

Business Intelligence odpovídá především na otázky týkající se ekonomického vývoje podniku.

Co se stalo? Které ukazatele se změnily? Kde dochází k odchylkám od plánu?

Decision Intelligence rozšiřuje tuto perspektivu o systematickou podporu konkrétních rozhodnutí.

Jaké alternativy jednání jsou k dispozici? Jaká omezení platí? Která kombinace maximalizuje definované cíle?

StratePlan se v této oblasti profiluje jako matematický systém pro optimalizaci portfolia a rozhodování.

Doplňuje stávající systémy ERP, controllingové a Business Intelligence o další úroveň:

výpočet optimalizovaných rozhodnutí před jejich realizací.

Podnik k tomu nemusí nutně nahrazovat své stávající IT systémy.

Potřebná projektová data lze zpočátku poskytovat prostřednictvím jednoduchých tabulek. Rozšířená integrace je možná v závislosti na požadavcích prostřednictvím vhodných rozhraní.

Díky tomu se matematická optimalizace rozhodování stává dostupnou i pro podniky, které dosud pracovaly převážně s klasickými investičními seznamy a modely v Excelu.

13. Závěr: KPI zůstávají důležité – ale rozhodnutí je na prvním místě

KPI zůstanou i v budoucnu nepostradatelnou součástí profesionálního řízení podniku.

Umožňují sledovat ekonomický vývoj, kontrolovat strategické cíle a vyhodnocovat skutečně dosažené výsledky.

Samotné však neodpovídají na zásadní otázku, zda podnik rozdělil svůj dostupný investiční kapitál na své projekty tím nejlepším možným způsobem.

Právě zde přichází na řadu matematická ex ante optimalizace.

StratePlan zkoumá možné kombinace investic s ohledem na ekonomické cíle, omezené rozpočty a definovaná omezení.

Výsledky lze před přijetím investičního rozhodnutí vypočítat, upravit a porovnat v různých scénářích.

Budoucnost strategického řízení podniku proto nespočívá pouze v rychlejším měření KPI, ale v matematické optimalizaci rozhodnutí, která tyto KPI ovlivňují, již v předstihu.

To mění ústřední otázku managementu.

Místo toho, aby se ptalo výhradně:

„Jak úspěšné byly naše investice?“

zní doplňující otázka:

„Která kombinace našich plánovaných investic by za daných podmínek přinesla nejvyšší celkový ekonomický přínos?“

Odpověď na tuto otázku není klasickým úkolem reportingu.

Jedná se o úkol matematické optimalizace portfolia.

StratePlan – optimalizujte rozhodnutí ex ante. Měřte KPI ex post. Využívejte kapitál chytřeji.

O kolik větší ekonomický přínos se skrývá ve vašem rozpočtu na kapitálové výdaje (CAPEX)?

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

Stejné projekty. Stejný rozpočet. Optimalizovaná kombinace. Lepší výsledek.

Optimalizujte nyní až 15 projektů zdarma →

Autor: Mgr: Sascha Rissel CEO mAInthink

Sascha Rissel je podnikatel, strategický poradce a technologický vizionář s více než 20 lety zkušeností v oblasti vývoje, škálování a optimalizace komplexních obchodních modelů. Spojuje hluboké znalosti podnikové ekonomiky s výrazným technologickým porozuměním, zejména v oblastech umělé inteligence, algoritmických rozhodovacích modelů a optimalizace systémů.

Prostřednictvím iniciativ, jako jsou StratePlan a DeepAnT, zásadně přispívá k rozvoji datově podložených výpočtů ROI, inteligentní prioritizace projektů a prediktivní analytiky. Jeho hlavní důraz spočívá v měřitelném dopadu, robustních rozhodovacích základech a převodu vysoce komplexních matematických modelů do prakticky využitelných řešení pro podniky, veřejnou správu a průmysl.

Sascha Rissel reprezentuje jasný nárok: důsledně propojovat strategii, technologii a reálný dopad.

Přihlásit se k odběru novinek
Ochrana dat
Výběrem možnosti Pokračovat potvrzujete, že jste si přečetli naše a že jste přijali naše .
Pole označená hvězdičkou (*) jsou povinná.