INSIGHTS | OPERACE A ŘÍZENÍ PODNIKU

Operační výzkum v managementu: Matematická optimalizace přímo na zasedání představenstva

Jak operační výzkum, matematická optimalizace portfolia a živé simulace mění strategická investiční rozhodnutí – od plánování CAPEX až po zasedání představenstva.

Podniky investují značné prostředky do hodnocení, stanovení priorit a plánování svých projektů. Přesto však často zůstává bez odpovědi jedna zásadní otázka: Je vybraná kombinace investičních projektů skutečně nejlepší vzhledem k daným omezením rozpočtu, zdrojů a závislostí?

Právě zde přichází ke slovu operační výzkum (OR). Tato vědecká disciplína zkoumá, jak lze komplexní rozhodovací problémy matematicky modelovat a optimalizovat.

Zatímco operační výzkum se již desítky let využívá ve výrobě, logistice, dopravním plánování a alokaci zdrojů, jeho integrace do strategických procesů řízení otevírá další možnosti využití: matematickou optimalizaci přímo tam, kde se přijímají investiční rozhodnutí – na zasedání představenstva.

Z analýzy, která se často provádí v předcházející fázi, se tak stává interaktivní nástroj řízení podniku.

1. Co je operační výzkum v managementu?

Operační výzkum je vědecká disciplína zabývající se matematickou analýzou a optimalizací komplexních rozhodovacích problémů. Využívá mimo jiné matematické programování, kombinatorickou optimalizaci, simulaci, stochastické modely a algoritmické postupy k určení co nejlepších nebo prokazatelně optimálních řešení za definovaných podmínek.

V oblasti podnikového řízení to znamená, že strategická a operativní rozhodnutí se nezakládají výhradně na zkušenostech, žebříčcích nebo izolovaných výpočtech rentability, ale systematicky zohledňují vzájemné souvislosti mezi dostupnými alternativami jednání.

Typické rozhodovací otázky znějí:

• Které investiční projekty by měly být realizovány při omezeném rozpočtu na kapitálové výdaje (CAPEX)?
• Jak lze optimálně rozdělit zdroje mezi více projektů a časových období?
• Která kombinace projektů přinese nejvyšší modelovaný ekonomický přínos?
• Jak dodatečná omezení ovlivňují optimální portfolio?
• Jaké dopady mají rozpočtové škrty nebo změny strategických priorit?

Operační výzkum se tak liší od čistě popisných analýz: nezkoumá pouze to, co se stalo nebo co by se mohlo stát, ale také to, která z přípustných alternativ by měla být upřednostněna v rámci definované cílové funkce.

2. Operační výzkum a řízení podniku: dvě disciplíny se sbližují

Klasické řízení podniku se zabývá strategií, podnikovými cíli, rozpočtováním, investicemi, organizací a správou.

Operační výzkum poskytuje metody pro matematickou strukturaci a optimalizaci vybraných manažerských rozhodnutí.

Obě disciplíny se vzájemně doplňují zejména tam, kde je třeba současně přijímat mnoho vzájemně provázaných rozhodnutí.

2.1 Klasické oddělení analýzy a rozhodování

V mnoha podnicích se investiční návrhy nejprve připravují decentralizovaně. Oddělení controllingu a financí konsolidují data, vyhodnocují ekonomickou efektivitu a rizika a připravují podklady pro rozhodování.

Představenstvo následně obdrží seznam projektů seřazených podle priority nebo několik předem vypočítaných scénářů.

Pokud se během zasedání změní nějaký zásadní předpoklad, může být nutná nová analýza. To platí zejména v případě, že změny rozpočtu ovlivňují četné závislosti mezi projekty a omezení zdrojů.

2.2 Od statické zprávy k interaktivnímu rozhodovacímu modelu

Matematický optimalizační model může toto oddělení částečně odstranit.

Strategické cílové veličiny (příjmy a výdaje a váhy / závislosti) a další omezení jsou sloučeny do jednoho společného modelu. Díky tomu lze konzistentně zkoumat různé manažerské zadání.

Vedení společnosti i nadále rozhoduje o cílech, předpokladech a prioritách. Optimalizační postup k tomu vypočítá vhodné kombinace projektů.

Operační výzkum tedy nenahrazuje vedení společnosti. Rozšiřuje jeho analytický základ pro rozhodování.

3. Proč prioritizace projektů není optimalizací portfolia

Prioritizace projektů a optimalizace portfolia sledují odlišné metodické přístupy.

3.1 Prioritizace projektů hodnotí jednotlivé projekty

Při stanovování priorit se projekty hodnotí například na základě čisté současné hodnoty, návratnosti investic, strategického významu nebo váženého skóre a následně se seřadí do žebříčku.

Takové pořadí může být pro rozhodování cenné. Neodpovídá však automaticky na otázku, která kombinace projektů v rámci společného rozpočtu je nejlepší.

3.2 Optimalizace portfolia zohledňuje celkovou kombinaci

Matematická optimalizace portfolia zohledňuje současně:

• investiční náklady a dostupné rozpočty
• Ekonomické nebo strategické příspěvky k cílům
• závislosti mezi projekty a podmínky vyloučení
• Dostupnost zdrojů a kapacitní limity
• Víceobdobí plánování investic a zdrojů
• Závazné projekty a regulační požadavky

Vysoce hodnocený jednotlivý projekt proto nemusí být nutně součástí optimálního celkového portfolia. Několik menších projektů může společně dosáhnout vyššího cílového příspěvku.

Rozhodující otázka pro management nezní pouze: Které projekty jsou dobré? Ale: Která kombinace je za daných podmínek nejlepší?

4. Matematické základy optimalizace portfolia

Typické CAPEX portfolio lze formulovat jako binární optimalizační problém.

4.1 Rozhodovací proměnné

Pro každý projekt i je definována binární proměnná:

x_i ∈ {0,1}

Zde platí:

• x_i = 1: Projekt i je vybrán.
• x_i = 0: Projekt i není vybrán.

4.2 Cílová funkce

Pokud je každému projektu přiřazen aditivní cílový příspěvek v_i, zjednodušená cílová funkce má tvar:

Maximalizuj Z = Σ(i=1 až n) v_i · x_i

Cílový příspěvek může být například čistá současná hodnota, peněžně vyjádřený přínos nebo konzistentně definovaná strategická užitná hodnota.

V případě neaditivních efektů, rizik nebo interakcí mezi projekty jsou zapotřebí odpovídajícím způsobem rozšířené modely.

4.3 Rozpočtové omezení

Pro dostupný investiční rozpočet B a náklady na projekt c_i platí:

Σ(i=1 až n) c_i · x_i ≤ B

Vybrané projekty nesmí překročit stanovený rozpočet.

4.4 Závislosti a další omezení

Pokud projekt A předpokládá realizaci projektu B, může podmínka například znít:

x_A ≤ x_B

Další vedlejší podmínky mohou zohledňovat personální kapacity, technické závislosti, dobu trvání projektů nebo roční rozpočtové limity.

Matematický model tak popisuje přípustný rozhodovací prostor, v jehož rámci optimalizační algoritmus hledá nejlepší řešení.

4.5 Kombinatorická složitost

Při n nezávislých binárních projektových rozhodnutích existuje teoreticky 2 na n možných kombinací výběru.

Pro 30 projektů to znamená:

2³⁰ = 1 073 741 824 možných kombinací výběru.

Toto číslo popisuje teoretický výběrový prostor před zohledněním omezení. Neznamená to, že optimalizační algoritmus musí každou kombinaci vypočítat jednotlivě. Moderní postupy dokážou systematicky vyloučit velké části vyhledávacího prostoru.

5. Operační výzkum v zasedací místnosti: Optimalizace jako součást zasedání představenstva

Začlenění operačního výzkumu do zasedání představenstva mění především časový průběh podpory rozhodování.

Místo toho, aby se diskutovalo výhradně o připravených žebříčcích projektů, může vedení společnosti využít matematický model, který vypočítává alternativní rozhodnutí na základě definovaných cílů a omezení.

5.1 Od zprávy k interaktivní analýze

Možný postup zahrnuje pět kroků:

1. Datová základna: Připraví se investiční projekty, náklady (výdaje), přínosy (příjmy) a omezení.
2. Výchozí portfolio: Model vypočítá přípustnou a co nejoptimálnější kombinaci projektů.
3. Diskuse vedení: Představenstvo a finanční oddělení prověřují rozpočtové limity, priority a předpoklady.
4. Přepracování: Změněné parametry se zapracují do modelu a ten se znovu optimalizuje.
5. Rozhodnutí: Vedení společnosti vyhodnotí výsledky a přijme zdokumentované rozhodnutí.

Matematická optimalizace se tak může stát interaktivní součástí strategických rozhodovacích procesů.

5.2 Role lidského rozhodování

I matematicky optimálně vypočítané portfolio závisí na kvalitě modelu.

Optimalizační algoritmus může zohlednit pouze ty cíle, předpoklady a omezení, které jsou v modelu obsaženy.

Strategická odpovědnost, podnikatelský úsudek a správa a řízení proto zůstávají v rukou vedení.

6. Simulace v reálném čase: Co se stane, když představenstvo změní své zadání?

Praktický přínos živé optimalizace se projeví zejména tehdy, když se během zasedání změní podstatné rámcové podmínky.

6.1 Scénář: Rozpočet na investice (CAPEX) se snižuje

Společnost plánuje investiční portfolio s rozpočtem 20 milionů eur. Během zasedání představenstva je rozhodnuto omezit dostupné prostředky na 17 milionů eur.

Pouhé vyškrtnutí projektů, které byly naposledy označeny jako prioritní, nemusí nutně vést k nejlepší zbývající kombinaci.

Optimalizační model naopak dokáže portfolio v rámci nového rozpočtového limitu zcela přepočítat.

6.2 Scénář: Projekt se stává povinným

Představenstvo rozhodne, že projekt vyžadovaný regulačními orgány musí být realizován bez ohledu na jeho ekonomické hodnocení.

Nová vedlejší podmínka zní například:

x_povinný_projekt = 1

Model zohlední tento požadavek a v rámci zbývajícího rozhodovacího prostoru vyhledá nejlepší kombinaci projektů.

6.3 Scénář: Zdroje se stávají úzkým hrdlem

Rozpočet není vždy jediným rozhodujícím omezením. Omezené mohou být také technické specialisty, výrobní kapacity nebo zdroje pro řízení projektů.

Pomocí dodatečných omezení zdrojů lze zkoumat, jak se mění optimální složení projektů.

Díky živé simulaci lze okamžitě porovnat důsledky změněných manažerských zadání, pokud to model a výpočetní časy umožňují.

7. Praktický příklad: 30 CAPEX projektů a přes miliardu teoretických kombinací

Podívejme se na společnost s 30 plánovanými investičními projekty.

Každý projekt má investiční potřebu, ekonomický cílový příspěvek a případně závislosti na jiných projektech.

Při binárním výběru projektů vzniká teoreticky více než miliarda možných kombinací.

7.1 Proč tabulkový žebříček nestačí

Tabulkový procesor dokáže velmi dobře dokumentovat náklady na projekty, čistou současnou hodnotu a priority.

Seznam projektů seřazený podle ROI nebo čisté současné hodnoty však není obecným algoritmem pro řešení kombinatorického problému optimalizace portfolia.

Problém v zásadě nespočívá v softwaru Excel. Pomocí vhodných metod Solveru lze optimalizační modely řešit i na základě tabulek. Rozhodující je, zda skutečně dochází k matematické optimalizaci portfolia, nebo se pouze zpracovává pořadí.

7.2 Příklad výpočtu se šesti projekty

Zjednodušené portfolio obsahuje následující hypotetické projekty:

Dostupný rozpočet činí 10 milionů eur.

Výběr založený pouze na nejvyšší absolutní hodnotě čistého současného hodnoty by zpočátku upřednostňoval projekt A. Společně s projektem C to dává čistou současnou hodnotu 15 milionů eur.

Kombinace projektů B, C a E naopak vyžaduje 11 milionů eur, a proto není přípustná.

Kombinace projektů B, D a E vyžaduje přesně 10 milionů eur a dosahuje čisté současné hodnoty 14 milionů eur.

Kombinace projektů A a C rovněž vyžaduje přesně 10 milionů eur a dosahuje hodnoty 15 milionů eur. V tomto zjednodušeném příkladu je tedy optimální.

Příklad ukazuje, jak rozpočtová omezení ovlivňují výběr. U rozsáhlejších portfolií a dalších závislostí nabývá systematický matematický výpočet na obzvláštním významu.

8. Jaký význam má operační výzkum pro generálního ředitele, finančního ředitele a dozorčí radu?

8.1 Generální ředitel (CEO): Operacionalizace strategických priorit

Pro generální ředitele spočívá přínos v propojení strategických cílů s konkrétními rozhodnutími o zdrojích a investicích.

Růst, transformace, efektivita a odolnost často soupeří o stejné finanční prostředky.

Optimalizační model může transparentně ukázat, která kombinace projektů nejlépe podporuje definované cíle v rámci dostupných zdrojů.

8.2 Finanční ředitel (CFO): Systematické zlepšování alokace kapitálu

Pro finanční ředitele je relevantní zejména propojení alokace kapitálu, plánování kapitálových výdajů (CAPEX) a optimalizace portfolia.

Matematická optimalizace může pomoci konzistentně porovnávat investiční alternativy a zviditelnit důsledky různých rozpočtových rozhodnutí.

Nepřehrazuje přitom ani finanční hodnocení, ani řízení rizik, ale doplňuje je o systematické rozhodování o výběru.

8.3 Dozorčí rada: Porozumět základům rozhodování

Pro členy dozorčí rady a dalších kontrolních orgánů mohou zdokumentované optimalizační modely zlepšit srozumitelnost investičních rozhodnutí.

Relevantní jsou zejména použité cíle, omezení, scénáře a odchylky mezi navrhovanými alternativami.

Matematická optimalizace tak vytváří dodatečný analytický základ pro správu a kontrolu, aniž by měnila odpovědnost orgánů.

9. Jaké optimalizační postupy umožňuje operační výzkum v managementu?

Matematická a algoritmická implementace závisí na struktuře daného rozhodovacího problému.

9.1 Lineární a smíšeně celočíselná optimalizace

Lineární programování a smíšeně celočíselné lineární programování (MILP) patří mezi zavedené metody modelování alokačních a výběrových problémů.

Binární projektová rozhodnutí lze přitom kombinovat s lineárními cílovými funkcemi a vedlejšími podmínkami.

9.2 Kombinatorická optimalizace

Kombinatorická optimalizace zkoumá výběr, uspořádání a kombinaci diskrétních alternativ.

Je obzvláště relevantní v případech, kdy jsou rozhodnutí vzájemně závislá a počet možných kombinací s počtem proměnných výrazně roste.

9.3 Exaktní algoritmy a heuristické postupy

Exaktní optimalizační postupy mohou za vhodných podmínek prokázat globální optimalitu řešení nebo určit kvantifikovanou mezeru v optimalitě.

Heuristické a metaheuristické postupy naproti tomu hledají dobrá řešení, aniž by obecně poskytovaly důkaz globální optimality.

To, který přístup je vhodný, závisí na struktuře modelu, velikosti problému, požadované kvalitě řešení a dostupném výpočetním čase.

9.4 Paralelní výpočty a výpočetní výkon

Paralelní výpočty mohou urychlit některé optimalizační postupy tím, že rozdělí vhodné výpočetní kroky mezi více procesorových jader.

Skutečné zrychlení závisí na algoritmu, struktuře problému a stupni paralelizace. Krátkou výpočetní dobu ani důkaz globální optimality proto nelze odvodit pouze z počtu výpočetních jader.

10. Operační výzkum, umělá inteligence a rozhodovací inteligence

Operační výzkum, umělá inteligence a rozhodovací inteligence jsou často diskutovány společně, plní však odlišné funkce.

10.1 Prediktivní analytika a preskriptivní analytika

Prediktivní analytika se zabývá prognózováním budoucího vývoje.

Preskriptivní analytika zkoumá, jaké kroky jsou vhodné za určitých předpokladů a s ohledem na dané cíle.

Operační výzkum k tomu poskytuje klíčové matematické metody.

10.2 Propojení prognózy a optimalizace

Model strojového učení může například odhadovat budoucí poptávku, náklady nebo pravděpodobnost selhání.

Optimalizační model pak může tyto odhady využít k alokaci zdrojů, investic nebo opatření v rámci daných omezení.

Kvalita rozhodnutí závisí jak na prognóze, tak na modelování optimalizačního problému.

10.3 Decision Intelligence jako organizační rámec

Decision Intelligence propojuje data, modely, rozhodovací logiku a organizační procesy s cílem systematicky podporovat rozhodování.

Operations Research může v tomto rámci tvořit matematický základ pro výpočet alternativních postupů.

Spojení matematické optimalizace a řídících procesů umožňuje využití vědeckých metod pro konkrétní podniková rozhodnutí.

11. Jak lze operační výzkum integrovat do stávajících podnikových procesů?

Úspěšné zavedení vyžaduje nejen vhodné algoritmy, ale také spolehlivou organizační a technickou integraci.

11.1 Data z oblasti financí, controllingu a projektového řízení

Relevantní informace mohou pocházet z ERP systémů, řešení pro řízení projektů, finančního plánování a tabulek.

Důležitá je konzistentní definice projektových nákladů (výdajů), přínosů (příjmů), časových období a omezení.

11.2 Řízení a odpovědnost za modely

Společnost musí stanovit, kdo definuje cíle a okrajové podmínky, schvaluje data a ověřuje výsledky optimalizace.

Změny v předpokladech modelu by měly být zdokumentovány a v případě potřeby verzionovány.

11.3 Integrace do rozhodovacího cyklu

Matematickou optimalizaci portfolia lze integrovat do ročních procesů plánování kapitálových výdajů (CAPEX), víceletých investičních programů a průběžných realokací v průběhu roku.

Pro živé relace je vhodné předem ověřit data a model a interaktivně měnit pouze jasně definované parametry.

12. Předpoklady a omezení matematické optimalizace řízení

Operations Research neposkytuje automatickou záruku ekonomicky úspěšných rozhodnutí.

12.1 Kvalita dat a validace modelu

Chybné předpoklady o nákladech, neúplné závislosti nebo nekonzistentní cílové příspěvky mohou vést k nevhodným výsledkům.

Proto jsou kontrola dat, odborná validace modelu a kontroly plausibility podstatnými součástmi seriózní optimalizace.

12.2 Nejistota a riziko

Budoucí výnosy z investic a náklady na projekt jsou často nejisté.

V závislosti na konkrétní aplikaci mohou být nezbytné analýzy scénářů, analýzy citlivosti, robustní optimalizace nebo stochastické postupy.

12.3 Globální optimalita se vždy vztahuje k danému modelu

Matematicky globální optimum je nejlepší přípustné řešení v rámci definované cílové funkce a omezení.

To nemusí automaticky znamenat nejlepší rozhodnutí ze všech hledisek reálné ekonomiky.

12.4 Rychlost výpočtu závisí na struktuře problému

Mnoho optimalizačních problémů lze vyřešit rychle. Jiné vyžadují značnou výpočetní dobu nebo použití aproximačních metod.

Pro spolehlivé použití v reálném provozu je nutné otestovat velikost modelu, chování řešiče, výpočetní časy a kvalitu výsledků za realistických podmínek.

13. Oblasti použití operačního výzkumu v podnikovém řízení

13.1 Optimalizace CAPEX a investičního portfolia

Podniky mohou využít matematickou optimalizaci k rozdělení investičních rozpočtů mezi projekty, lokality nebo obchodní oblasti.

13.2 Strategické přidělování zdrojů

Přidělování omezených personálních, technických nebo finančních zdrojů mezi konkurenční projekty je klasický optimalizační problém.

13.3 Víceleté investiční plánování

Víceobdobové modely mohou zohledňovat roční rozpočtové limity, dobu trvání projektů, závislosti a dostupnost zdrojů.

13.4 Infrastruktura a veřejné rozpočty

I veřejné instituce čelí složitým rozhodnutím o alokaci zdrojů. Namísto výhradního zaměření na maximalizaci peněžních výnosů mohou vhodné modely užitkové hodnoty zohlednit společenský dopad a politické cíle.

Zákonné povinnosti, účelové vázání prostředků a demokraticky legitimované priority přitom zůstávají závaznými rámcovými podmínkami.

13.5 Výzkum, vývoj a transformace

Portfolia výzkumu a vývoje, transformační programy a strategické iniciativy lze rovněž podpořit pomocí matematických modelů výběru a alokace.

14. StratePlan: operační výzkum jako online rozhodovací služba

Společnost mAInthink GmbH vyvíjí prostřednictvím StratePlanu aplikaci, která zpřístupňuje matematickou optimalizaci portfolia pro ekonomické a veřejné rozhodovací procesy.

Tento přístup kombinuje metody operačního výzkumu s aplikačně orientovaným rozhraním pro analýzu projektových a investičních portfolií.

14.1 Od projektových dat k optimalizované kombinaci

Výchozím bodem jsou strukturovaná projektová data, jako jsou investiční potřeby, příjmy a relevantní okrajové podmínky.

Optimalizační model zkoumá, která kombinace projektů dosahuje za definovaných rámcových podmínek nejvyššího modelovaného cílového příspěvku.

14.2 Scénáře pro management a finance

Změny v rozpočtech nebo dalších parametrech modelu lze využít k novému výpočtu portfolia.

To umožňuje porovnávat různé strategické záměry, aniž by bylo nutné ručně sestavovat celé hodnocení projektu znovu.

14.3 Simulace CAPEX Live Boardroom

Simulace CAPEX Live Boardroom přenáší optimalizační přístup do zasedání vedení.

Vedení společnosti může diskutovat o alternativních rámcových podmínkách a zkoumat jejich dopady na vypočítanou kombinaci projektů.

Praktická rychlost závisí na konkrétní struktuře modelu a rozsahu problému.

14.4 Decision Intelligence 4 All

Koncepce Decision Intelligence 4 All si klade za cíl zpřístupnit matematickou optimalizaci i mimo specializovaná oddělení operačního výzkumu.

Online Decision Service má zjednodušit použití vědeckých optimalizačních metod, aniž by uživatelé museli sami programovat matematické modely nebo algoritmy.

Stejný rozpočet. Lepší kombinace. Větší dopad.

Optimalizujte nyní matematicky své vlastní projekty →

15. Často kladené otázky k operačnímu výzkumu v managementu

Co znamená operační výzkum v podnikovém řízení?

Operační výzkum v podnikovém managementu označuje použití matematických modelů a optimalizačních postupů při podnikatelských rozhodnutích, například při alokaci kapitálu, výběru projektového portfolia, plánování zdrojů a řízení investic.

Lze operační výzkum přímo využít na zasedání představenstva?

Ano. Pokud jsou připraveny data, model a technická infrastruktura, lze během zasedání přepočítat a porovnat alternativní rozhodnutí týkající se rozpočtu a zdrojů. Potřebná doba výpočtu závisí na složitosti modelu.

Jaký je rozdíl mezi stanovováním priorit projektů a matematickou optimalizací portfolia?

Prioritizace projektů řadí jednotlivé projekty podle hodnotících kritérií. Optimalizace portfolia naproti tomu vypočítává co nejlepší nebo prokazatelně optimální kombinaci několika projektů v rámci společných omezení.

Je operační výzkum totéž jako umělá inteligence?

Ne. Operační výzkum je samostatná vědecká disciplína. Obě oblasti částečně využívají příbuzné matematické metody a lze je kombinovat, například při optimalizaci založené na prognózách.

Může matematická optimalizace zvýšit návratnost investic (ROI)?

Matematická optimalizace může za vhodných podmínek identifikovat lepší kombinace projektů a tím odhalit ekonomický potenciál. Konkrétní zvýšení návratnosti investic (ROI) však závisí na projektových datech, modelových předpokladech a dostupných alternativách a není obecně zaručeno.

Jaká data jsou potřebná pro optimalizaci portfolia CAPEX?

Obvykle jsou zapotřebí identifikátory projektů, investiční náklady, výnosy a relevantní omezení. U složitějších modelů se k tomu přidávají například závislosti mezi projekty, časová období a požadavky na zdroje.

Kolik kombinací projektů existuje při 30 projektech?

Při 30 binárních rozhodnutích existuje teoreticky 2 na 30, tedy 1 073 741 824 kombinací. Omezení omezují povolené kombinace; optimalizační algoritmy nemusí nutně procházet všechny teoretické možnosti jednotlivě.

Nahrazuje matematická optimalizace rozhodnutí představenstva?

Ne. Vedení stanoví cíle, priority a rámcové podmínky a nadále nese odpovědnost za rozhodnutí. Optimalizace poskytuje matematicky podloženou podporu při rozhodování.

16. Závěr: Operační výzkum se stává strategickou manažerskou schopností

Operační výzkum není novou vědou. Nová je však možnost intenzivněji integrovat jeho metody do interaktivních strategických rozhodovacích procesů.

Pokud se spojí matematické modely, dostupná data a vhodný software, lze optimalizaci investičních a projektových portfolií přímo zapojit do manažerských diskusí.

Představenstvo se pak nemusí spoléhat výhradně na statické žebříčky a předem vybrané scénáře. Může zkoumat, jak se alternativní zadání promítnou do nejlepší možné kombinace projektů.

Tím se mění role operačního výzkumu: ze specializované analytické funkce se stává potenciálně opakující se schopnost strategického řízení podniku.

Matematika sice nepřináší podnikatelskou odpovědnost, může však výrazně zlepšit kvalitu podkladů pro rozhodování.

Decision Intelligence 4 All. Powered by Operations Research & Mathematical Optimization.

Vypočítejte si optimalizaci sami hned teď →