SAP, Microsoft, Oracle, ERP og Excel – CAPEX-optimering: Fra virksomhedsdata til matematisk kapitalallokering

SAP, Microsoft Dynamics, Oracle, ERP-systemer og Excel indeholder ofte væsentlige data til CAPEX-planlægning og investeringsplanlægning. Det afgørende spørgsmål vedrørende porteføljen går imidlertid ud over ren datahåndtering og planlægning: Hvilken kombination af de tilgængelige investeringsprojekter bør vælges under hensyntagen til begrænsninger i forhold til budget, ressourcer, strategi og afhængigheder?

Virksomheder behøver ikke nødvendigvis at udskifte deres eksisterende systemer for at løse dette.

Finans-, projekt- og planlægningsdata kan hentes fra eksisterende systemer og anvendes i et separat matematisk beslutningslag til kapitalallokering og porteføljeoptimering.

Den grundlæggende tilgang er:

Eksisterende virksomhedsdata → struktureret beslutningsmodel → matematisk porteføljeoptimering → ledelsesbeslutning.

Her er det nødvendigt at skelne mellem to ting:

Brug af data fra SAP, Microsoft Dynamics, Oracle, andre ERP-systemer eller Excel betyder ikke automatisk, at der foreligger en indbygget teknisk integration med det pågældende system.

Afhængigt af det tekniske miljø kan data f.eks. stilles til rådighed via strukturerede filer, eksporter eller i fremtiden via individuelt realiserede grænseflader.

Denne beslutningsvejledning forklarer derfor ikke formodede standardintegrationer, men viser, hvordan data fra eksisterende virksomhedssystemer kan anvendes til matematisk CAPEX-optimering og kapitalallokering.

Indholdsfortegnelse

• Hvorfor søger virksomheder ERP-CAPEX-optimering?
• System of Record vs. matematisk beslutningslag
• SAP CAPEX-optimering
• SAP-kapitalallokering
• SAP-investeringsplanlægning
• Microsoft CAPEX-planlægning
• Microsoft Dynamics-investeringsplanlægning
• Oracle CAPEX-planlægning
• Oracle kapitalplanlægning
• ERP-CAPEX-optimering
• ERP-kapitalallokering
• Excel CAPEX-planlægning
• Excel-porteføljeoptimering
• Hvilke data er nødvendige for CAPEX-optimering?
• Hvordan kan data udveksles mellem eksisterende systemer og optimeringsmodellen?
• Fra ERP-datasæt til optimeringsmodel
• ERP-data og porteføljebegrænsninger
• ERP-data til flerårig CAPEX-optimering
• Eksempel: 200 CAPEX-projekter fra eksisterende virksomhedssystemer
• Excel som bro mellem ERP og porteføljeoptimering
• Mulig systemarkitektur
• Fra ERP-data til live-simulering i bestyrelseslokalet
• StratePlan som matematisk beslutningslag
• Ofte stillede spørgsmål

Hvorfor søger virksomheder ERP CAPEX-optimering?

I mange virksomheder findes de oplysninger, der er nødvendige for investeringsbeslutninger, allerede i forskellige systemer.

Disse omfatter for eksempel:

• ERP-systemer
• Systemer til finansiel planlægning
• PPM-systemer
• Controlling-systemer
• Business Intelligence-platforme
• Excel-filer

Disse systemer kan indeholde vigtige oplysninger:

• Investeringsomkostninger
• Budgetter
• Prognoser
• Pengestrømme
• Forretningsenheder
• Lokationer
• Projektoplysninger
• Ressourcer
• Planlægningsperioder

Dataene alene giver dog ikke nødvendigvis svaret på det centrale spørgsmål vedrørende porteføljen:

Hvilken kombination af de tilgængelige projekter bør vælges?

Det er netop her, at forbindelsen mellem virksomhedsdata og matematisk optimering opstår.

System of Record vs. matematisk beslutningslag

ERP- og planlægningssystemer kan fungere som vigtige Systems of Record henholdsvis Systems of Planning.

De indsamler og strukturerer virksomhedsoplysninger.

Et matematisk beslutningslag har en anden funktion.

Disse niveauer behøver ikke at modarbejde hinanden.

Data fra eksisterende systemer kan danne grundlag for matematiske porteføljebeslutninger.

SAP CAPEX Optimization

Dem, der søger efter SAP CAPEX Optimization, ønsker ofte at kombinere eksisterende virksomheds- og finansdata med en systematisk optimering af investeringsbeslutninger.

Det relevante ledelsesspørgsmål lyder for eksempel:

»Hvordan kan vi udnytte vores eksisterende CAPEX-data til at fastlægge den bedste projektkombination inden for et fast budget?«

En mulig fremgangsmåde består i at stille relevante data fra det eksisterende SAP-miljø til rådighed på en struktureret måde og derefter anvende dem i en separat matematisk optimeringsmodel.

Dette kan f.eks. omfatte:

• Projekt-ID
• Investering
• Budget
• Forretningsenhed
• Lokation
• Planlægningsperiode
• Finansielle nøgletal

Disse oplysninger kan suppleres med yderligere beslutningsparametre:

• NPV
• Strategisk værdi
• Ressourcebehov
• Afhængigheder
• Obligatoriske projekter

Vigtigt: Beskrivelsen af denne dataproces udgør ikke en udtalelse om en eksisterende native eller certificeret SAP-integration fra StratePlan.

SAP Capital Allocation

I forbindelse med SAP Capital Allocation ligger udfordringen ofte ikke i at gemme investeringsdata.

Det egentlige beslutningsspørgsmål opstår som følge af kapitalbegrænsninger.

Antag:

Anmodet CAPEX = 1,4 mia. €

Tilgængeligt CAPEX = 900 mio. €

Så skal 500 mio. euro af de ansøgte investeringer enten udskydes, reduceres eller ikke finansieres.

Et matematisk kapitalallokeringsværktøj kan undersøge:

• Hvilke projekter der bør finansieres samlet
• Hvilken kombination der skaber den højeste definerede porteføljeværdi
• Hvordan kapitalen fordeles mellem forretningsenhederne
• Hvilke projekter der fortrænges som følge af budgetnedskæringer
• Hvilke yderligere projekter der bliver mulige ved et højere budget

De foreliggende virksomhedsdata danner dermed grundlaget for en matematisk beslutningsmodel.

SAP Investment Planning

Virksomheder, der søger efter SAP Investment Planning, beskæftiger sig typisk med struktureret planlægning af fremtidige investeringer.

For matematisk porteføljeoptimering er især sammenhængen mellem planlægningsdata og udvælgelsesbeslutningen relevant.

Planlægningen besvarer:

»Hvilke investeringer er planlagt?«

Optimering besvarer:

»Hvilken kombination af disse investeringer bør vi vælge under vores definerede betingelser?«

En mulig datakæde ser derfor således ud:

Investeringsplanlægningsdata → Databehandling → Matematisk optimering → Porteføljescenarier → Ledelsesbeslutning.

Den konkrete tekniske implementering af dataudvekslingen afhænger af det pågældende systemlandskab.

Microsoft CAPEX-planlægning

Microsoft-baserede virksomhedsmiljøer kan anvende forskellige systemer og værktøjer til finansplanlægning, dataanalyse og projektstyring.

For CAPEX-optimering er det ikke primært afgørende, i hvilket system udgangsdataene findes.

Det afgørende er, om de relevante oplysninger kan stilles til rådighed i struktureret form.

Et typisk CAPEX-datasæt kan for eksempel indeholde:

• Projekt-ID
• Investering
• Forventet afkast
• Forretningsenhed
• År
• Ressourcer

Disse data kan derefter behandles i en matematisk porteføljemodel.

En sådan anvendelse af data fra et Microsoft-miljø betyder ikke automatisk, at der er tale om en indbygget Microsoft-integration.

Microsoft Dynamics Investment Planning

I Microsoft Dynamics Investment Planning kan et matematisk beslutningslag supplere det eksisterende planlægnings- og datamiljø.

Den grundlæggende proces kan for eksempel se således ud:

Microsoft Dynamics-data → struktureret dataeksport → porteføljeoptimering → beslutningsscenarie.

Optimeringen kan derefter undersøge spørgsmål som:

• Hvilke investeringer passer ind i det disponible budget?
• Hvilken kombination maksimerer den definerede porteføljeværdi?
• Hvordan ændrer udvælgelsen sig ved budgetnedskæringer?
• Hvilke konsekvenser har ressourcebegrænsninger?
• Hvilke projekter vælges ved nye strategiske prioriteter?

Den tekniske integration kan implementeres forskelligt afhængigt af virksomhedens arkitektur og bør ikke sidestilles med en eksisterende standardintegration.

Oracle CAPEX-planlægning

Oracle-baserede finans- og planlægningssystemer kan indeholde relevante data til CAPEX-planlægning og investeringsbeslutninger.

Et matematisk optimeringslag kan bygge på struktureret tilgængelige data.

Den centrale skelnen er:

Planlægning strukturerer investeringsantagelser.

Optimering beregner porteføljekombinationer.

For eksempel kan en virksomhed ud fra sine eksisterende systemer stille oplysninger om planlagte investeringer til rådighed og derefter optimere disse inden for et fælles budget.

Også her gælder:

Muligheden for at anvende Oracle-data til en optimeringsmodel er ikke det samme som en eksisterende indbygget Oracle-integration.

Oracle Capital Planning

Capital Planning tager højde for langsigtede kapitalbehov, budgetter og investeringsprogrammer.

Mathematical Capital Allocation tilføjer et yderligere beslutningsniveau:

Hvordan bør den disponible kapital fordeles på de eksisterende investeringsmuligheder?

Til dette formål kan planlægningsoplysninger f.eks. sammenkædes med følgende data:

• NPV
• Forventet værdi
• Strategiske kriterier
• Ressourcer
• Afhængigheder
• Obligatoriske projekter

Resultatet er ikke blot en ny kapitalplan.

Der opstår en matematisk beregnet portefølje for de respektive definerede mål og begrænsninger.

ERP CAPEX-optimering

ERP CAPEX-optimering beskriver sammenkoblingen af virksomhedsdata med matematisk investeringsoptimering.

ERP-systemer kan levere vigtige udgangsdata.

Matematisk optimering giver på dette grundlag svar på spørgsmål som f.eks.:

»Hvilke projekter bør vi finansiere?«

„Hvilken projektkombination maksimerer vores NPV?“

„Hvordan reducerer vi CAPEX med så lille indvirkning på porteføljeværdien som muligt?“

„Hvordan fordeler vi kapitalen mellem flere lokationer eller forretningsenheder?“

»Hvilke konsekvenser har et nyt obligatorisk projekt?«

Dette erstatter ikke ERP-systemet.

Det forbliver et data- og processystem, mens matematisk optimering udgør et yderligere beslutningslag.

ERP Capital Allocation

ERP Capital Allocation kobler tilgængelige virksomhedsdata sammen med spørgsmålet om, hvordan begrænset kapital bør fordeles.

En virksomhed kan for eksempel have 300 investeringsansøgninger fra forskellige forretningsenheder.

I ERP-systemet kendes blandt andet:

• Projekt
• Forretningsenhed
• Investeringsbeløb
• Lokation
• Planlægningsår

Der kan være behov for yderligere oplysninger vedrørende kapitalallokering:

• Forventet finansiel værdi
• Strategisk værdi
• Ressourcer
• Afhængigheder
• Obligatorisk status

Ud fra disse oplysninger opstår der en porteføljebeslutningsmodel.

ERP leverer data. Optimering beregner kombinationer. Ledelsen træffer beslutningen.

Excel-CAPEX-planlægning

Excel er i mange virksomheder et centralt værktøj til CAPEX-planlægning.

Årsagerne er forståelige:

• Stor fleksibilitet
• Hurtig tilpasning
• Velkendt brugergrænseflade
• Individuelle beregninger
• Enkel import og eksport af data

En typisk CAPEX-plan kan allerede indeholde væsentlige data til en porteføljeoptimering.

Dermed kan Excel anvendes som datapræparationslag.

Den matematiske porteføljeoptimering foregår derefter i en optimeringsmotor, der er udviklet til formålet.

Excel-porteføljeoptimering

Excel-porteføljeoptimering bliver relevant, når virksomheder ikke blot ønsker at sortere og analysere deres eksisterende Excel-data, men også at anvende dem til en matematisk porteføljebeslutning.

I projekter med få tilfælde kan forskellige kombinationer stadig undersøges manuelt.

Men i takt med at antallet af projekter stiger, øges den kombinatoriske kompleksitet meget hurtigt.

Ved 20 uafhængige ja-nej-projekter findes der teoretisk set:

2^20 = 1.048.576 kombinationer.

Ved 50 projekter:

2^50 ≈ 1,13 × 10^15 kombinationer.

Ved 100 projekter:

2^100 ≈ 1,27 × 10^30 kombinationer.

Derfor kan et specialiseret optimeringslag være en god idé, mens Excel fortsat bruges som datakilde eller forberedende værktøj.

Excel behøver ikke at forsvinde. Beslutningen om porteføljen udvides blot med et matematisk niveau.

Hvilke data er nødvendige for CAPEX-optimering?

En matematisk porteføljemodel kan starte overraskende enkelt.

En grundlæggende datastruktur kræver for eksempel:

• Projekt-ID
• Investering
• Forventet værdi

Den forventede værdi kan, afhængigt af anvendelsessituationen, for eksempel være:

• NPV
• Forventet omsætning
• Finansielt bidrag
• Nytteværdi
• Strategisk værdi

For mere komplekse modeller kan følgende tilføjes:

• Forretningsenhed
• Anlæg
• Land
• År
• Ressourcer
• Strategiske kriterier
• Afhængigheder
• Obligatorisk status
• Risikoparametre

Datastrukturen bør bestemmes af beslutningsproblemet – ikke af ønsket om at anvende så mange data som muligt.

Hvordan kan data udveksles mellem eksisterende systemer og optimeringsværktøjet?

Dataudvekslingen kan i princippet foregå på forskellige måder.

Hvilken variant der er hensigtsmæssig og teknisk tilgængelig, afhænger af det konkrete systemlandskab og det pågældende projekt.

Mulige tilgange er for eksempel:

1. Struktureret fileksport

Data eksporteres fra det eksisterende system og stilles til rådighed for porteføljeoptimeringen.

2. Excel- eller CSV-baseret dataudveksling

Et standardiseret datasæt fungerer som overførselsformat mellem virksomhedssystemet og optimeringslaget.

3. Individuel teknisk grænseflade

Hvis der er behov for en automatiseret forbindelse, kan der udvikles og implementeres en teknisk grænseflade, der er skræddersyet til det enkelte projekt.

Hvilke grænseflader der konkret er tilgængelige eller skal udvikles, skal undersøges teknisk for det pågældende systemmiljø.

Fra ERP-datasættet til optimeringsmodellen

Vejen fra eksisterende virksomhedsdata til den matematiske beslutning kan foregå i flere trin.

Trin 1: Identificere relevante projekter

Hvilke investeringer hører hjemme i beslutningsrummet?

Trin 2: Tilvejebringelse af finansielle data

For eksempel:

• Investering
• NPV
• Forventet omsætning
• Pengestrøm

Trin 3: Definer beslutningsmålet

For eksempel:

Maksimer porteføljens NPV.

Trin 4: Definer begrænsninger

Budget, ressourcer, afhængigheder og obligatoriske projekter modelleres.

Trin 5: Beregn porteføljen

Optimeringsmotoren beregner en porteføljekonfiguration for den definerede model.

Trin 6: Sammenlign scenarier

Ledelsen ændrer forudsætningerne og undersøger alternative porteføljer.

ERP-data og porteføljebegrænsninger

ERP-data udgør ofte kun en del af beslutningsmodellen.

Der kan desuden defineres yderligere forretningsmæssige begrænsninger.

For eksempel:

Samlet CAPEX ≤ 800 mio. €

Forretningsenhed A ≥ 100 mio. €

Forretningsenhed B ≤ 250 mio. €

Ingeniørarbejde ≤ 30.000 timer

Projekt 17 = Obligatorisk

Projekt 22 kræver Projekt 9

Projekt 31 og projekt 32 udelukker hinanden

Dette skaber en realistisk matematisk beslutningsmodel baseret på virksomhedsdata.

ERP-data til flerårig CAPEX-optimering

Langfristede investeringsprogrammer strækker sig ofte over flere budgetperioder.

For eksempel:

2027 CAPEX ≤ 400 mio. €

2028 CAPEX ≤ 450 mio. €

2029 CAPEX ≤ 500 mio. €

Derudover kan følgende tages i betragtning:

• Projektstart
• Projektets varighed
• Årlig pengestrøm
• Årligt ressourcebehov
• Afhængigheder mellem perioder

På baggrund af klassiske planlægningsdata opstår der dermed en flerårig porteføljeoptimeringsmodel.

Spørgsmålet er ikke længere blot:

»Hvilke projekter vælger vi?«

Men:

„Hvilke projekter bør vi finansiere og igangsætte, og hvornår?“

Eksempel: 200 CAPEX-projekter fra eksisterende virksomhedssystemer

En international koncern har 200 potentielle CAPEX-projekter.

Projektdataene findes i forskellige systemer og tabeller.

Samlet ansøgt CAPEX:

2,4 mia. €

Tilgængeligt budget:

1,5 mia. €

Derudover gælder:

• 300 mio. € obligatoriske investeringer
• Teknisk kapacitet
• Forretningsenhedsgrænser
• Projektafhængigheder
• Strategiske kriterier
• Flerårige budgetter

De eksisterende systemer leverer de relevante udgangsdata.

Disse overføres til en ensartet beslutningsstruktur.

Derefter kan man matematisk undersøge:

Hvilken kombination af de 200 projekter opfylder den definerede målfunktion bedst muligt under alle modellerede begrænsninger?

Det eksisterende systemlandskab forbliver datagrundlaget.

Optimeringslaget supplerer porteføljebeslutningen.

Excel som bro mellem ERP og porteføljeoptimering

Excel kan især i en tidlig fase danne en pragmatisk bro mellem eksisterende virksomhedssystemer og en optimeringsmotor.

En mulig proces ser således ud:

ERP → Eksport → Databehandling i Excel → Porteføljeoptimering → Analyse af resultater.

Dette har flere fordele:

• Eksisterende data kan genbruges.
• Udgangsdataene forbliver forståelige for de faglige afdelinger.
• En optimeringsmodel kan testes uden et omfattende IT-integrationsprojekt med det samme.
• Den nødvendige datastruktur kan først valideres.

Hvis processen senere skal gentages og automatiseres, kan man derefter vurdere, hvilken teknisk tilkobling der er mest hensigtsmæssig.

Derved kan den faglige validering finde sted, før der gennemføres en omfattende teknisk integration.

Mulig systemarkitektur

En mulig arkitektur til matematisk kapitalallokering kan se således ud:

SAP / Microsoft Dynamics / Oracle / ERP / PPM

↓

Datalevering

↓

Databehandling

↓

Matematisk porteføljeoptimering

↓

Scenariesammenligning

↓

Ledelsesbeslutning

Denne fremstilling beskriver en konceptuel arkitektur.

Den udgør ikke en erklæring om, at der allerede findes en indbygget teknisk grænseflade til hvert af de nævnte systemer.

Fra ERP-data til live-simulering i bestyrelseslokalet

Så snart de relevante data er forberedt og beslutningsmodellen er defineret, kan ledelsesmæssige spørgsmål undersøges som scenarier.

CFO'en spørger:

„Hvad sker der, hvis vi reducerer CAPEX med 100 millioner euro?“

Budgetbegrænsningen ændres.

Porteføljen genberegnes.

COO'en spørger:

„Hvad sker der, hvis vi har 20 procent mindre ingeniørkapacitet til rådighed?“

Ressourcebegrænsningen ændres.

Porteføljen beregnes på ny.

CEO'en spørger:

„Hvad sker der, hvis vækst tillægges større strategisk vægt?“

Beslutningslogikken tilpasses.

Porteføljen beregnes på ny.

Dermed bliver eksisterende virksomhedsdata grundlaget for en interaktiv porteføljebeslutning.

Data. Spørgsmål. Beregning. Sammenligning. Beslutning.

StratePlan som matematisk beslutningslag

StratePlan er udviklet som et matematisk beslutningslag til CAPEX-, investerings- og projektporteføljebeslutninger.

Tilgangen går ikke ud på at erstatte eksisterende ERP-, planlægnings-, PPM- eller Excel-systemer generelt.

I stedet overføres relevante data til en matematisk porteføljemodel.

En enkel datastruktur kan f.eks. se således ud:

• Projekt-ID
• Investering
• Forventet værdi

Ved mere komplekse beslutninger kan følgende tilføjes:

• NPV
• Strategiske kriterier
• Ressourcer
• Afhængigheder
• Obligatoriske projekter
• Forretningsenhedsbegrænsninger
• Flerårige budgetter

På dette grundlag kan man f.eks. beregne følgende spørgsmål:

• Hvilken projektkombination maksimerer den definerede porteføljeværdi?
• Hvilken kombination maksimerer NPV inden for et fast budget?
• Hvilke projekter bør vælges, hvis CAPEX er lavere?
• Hvordan ændrer kapitalallokeringen sig mellem forretningsenhederne?
• Hvilke konsekvenser har ressourcebegrænsninger?
• Hvordan påvirker et obligatorisk projekt den samlede portefølje?
• Hvordan påvirker projektafhængigheder udvælgelsen?
• Hvordan ændrer porteføljen sig over flere planlægningsår?

Dataene kan stamme fra forskellige eksisterende virksomhedssystemer.

Den konkrete form for dataudveksling og eventuelle tekniske grænseflader skal defineres separat for det pågældende systemlandskab.

Dette skaber en klar rollefordeling:

ERP leverer data.

Planlægningen leverer forudsætninger.

StratePlan beregner porteføljemuligheder.

Ledelsen træffer beslutningen.

Du skal ikke erstatte dine data. Du skal omdanne dem til beslutninger.

Ofte stillede spørgsmål

Hvad betyder SAP CAPEX Optimization?

SAP CAPEX Optimization kan beskrive brugen af relevante CAPEX- og virksomhedsdata fra et SAP-miljø til en matematisk porteføljeoptimeringsmodel. Den konkrete tekniske dataoverførsel afhænger af den pågældende systemarkitektur.

Har StratePlan en indbygget SAP-integration?

Brugen af SAP-data til StratePlan bør ikke sidestilles med en indbygget SAP-integration. Data kan i første omgang stilles til rådighed i struktureret form; en mere omfattende teknisk integration skal vurderes og implementeres separat afhængigt af det konkrete system og anvendelsestilfælde.

Hvad betyder SAP Capital Allocation?

I sammenhæng med matematisk optimering beskriver SAP Capital Allocation brugen af eksisterende virksomheds- og investeringsdata til at understøtte beslutningen om, hvordan begrænset kapital skal fordeles på konkurrerende projekter.

Kan SAP Investment Planning kobles sammen med Portfolio Optimization?

Planlægningsdata kan i princippet fungere som input til en separat porteføljeoptimeringsmodel, forudsat at de nødvendige oplysninger kan stilles til rådighed i struktureret form. Den tekniske implementering afhænger af det pågældende system.

Hvad betyder Microsoft CAPEX Planning?

Microsoft-baserede værktøjer og virksomhedssystemer kan levere data til CAPEX-planlægning. Disse data kan derefter bearbejdes til matematisk porteføljeoptimering.

Kan Microsoft Dynamics levere data til investeringsplanlægning?

Relevante planlægnings- og virksomhedsdata kan i princippet hentes fra et Microsoft Dynamics-miljø og forberedes til en separat beslutningsmodel. Dette er ikke automatisk det samme som en eksisterende indbygget integration.

Hvad betyder Oracle CAPEX-planlægning?

Oracle-baserede planlægnings- og finansdata kan tjene som udgangspunkt for CAPEX-planlægning. Til porteføljeoptimering kan relevante data stilles til rådighed i struktureret form og behandles i en separat matematisk model.

Hvad er Oracle Capital Planning i forbindelse med porteføljeoptimering?

Capital Planning strukturerer langsigtede investeringsbudgetter og antagelser. Porteføljeoptimering supplerer spørgsmålet om, hvilken kombination af de tilgængelige investeringer der bør vælges under disse betingelser.

Hvad er ERP CAPEX-optimering?

ERP CAPEX-optimering kombinerer relevante data fra virksomhedssystemer med en matematisk optimeringsmodel til udvælgelse af investeringsprojekter under budgetmæssige og andre begrænsninger.

Hvad er ERP-kapitalallokering?

ERP-kapitalallokering bruger eksisterende virksomhedsdata som grundlag for beslutningen om, hvordan begrænset kapital kan fordeles på projekter, lokationer eller forretningsenheder.

Kan et ERP-system udføre porteføljeoptimering?

Det afhænger af det konkrete ERP-system, de anvendte moduler og konfigurationen. Alternativt kan et separat optimeringslag hente data fra ERP-systemet og supplere den matematiske porteføljebeslutning.

Kan Excel bruges til CAPEX-planlægning?

Ja. Excel egner sig til dataindsamling, business cases, planlægningsmodeller og individuelle analyser og anvendes i mange virksomheder til CAPEX-planlægning.

Kan Excel bruges til porteføljeoptimering?

Excel kan levere data til porteføljeoptimering og har selv optimeringsfunktioner til egnede modeller. Ved større kombinatoriske beslutningsproblemer kan en specialiseret optimeringsmotor tilbyde yderligere muligheder.

Skal Excel udskiftes til matematisk porteføljeoptimering?

Nej. Excel kan fortsat anvendes som datakilde eller databehandlingslag, mens den egentlige porteføljeoptimering foregår i et specialiseret matematisk miljø.

Hvilke data har man brug for fra SAP, Microsoft Dynamics, Oracle eller et ERP-system?

Det afhænger af beslutningsmodellen. En enkel portefølje kan starte med projekt-ID, investering og forventet værdi. Mere komplekse modeller kan anvende NPV, ressourcer, strategiske kriterier, afhængigheder, obligatoriske projekter og flerårige budgetter.

Kræver porteføljeoptimering en direkte ERP-grænseflade?

Ikke nødvendigvis. Til en første anvendelse kan strukturerede fil- eller tabeleksportfiler være tilstrækkelige. Om en automatiseret grænseflade er hensigtsmæssig, afhænger af datamængden, gentagelsesfrekvensen, governance og det tekniske systemlandskab.

Kan porteføljeoptimering i første omgang afprøves uden et IT-integrationsprojekt?

Ja. Hvis de nødvendige data kan eksporteres i struktureret form, kan en beslutningsmodel i første omgang valideres uafhængigt af en dyb systemintegration.

Kan der senere opbygges en automatiseret grænseflade?

I princippet kan en automatiseret datatilslutning undersøges og udvikles projektspecifikt. Hvilken teknisk løsning der er mulig og hensigtsmæssig, afhænger af de involverede systemer, tilgængelige grænseflader og IT-krav.

Hvad er forskellen mellem ERP og et matematisk beslutningslag?

ERP-systemer administrerer centrale virksomhedsdata og -processer. Et matematisk beslutningslag bruger relevante data til at beregne alternative beslutninger eller porteføljekombinationer under definerede mål og begrænsninger.

Hvad er fordelen ved et separat optimeringslag?

Et separat optimeringslag kan genbruge eksisterende systemer og supplere det matematiske beslutningslag uden at skulle erstatte hele ERP-, PPM- eller planlægningslandskabet.

Kan StratePlan anvende data fra eksisterende virksomhedssystemer?

StratePlan kan arbejde med portefølje- og planlægningsdata, der stilles til rådighed i struktureret form. Hvordan disse data stilles til rådighed fra et konkret ERP-, planlægnings- eller andet virksomhedssystem, skal fastlægges afhængigt af det pågældende tekniske miljø.

Hvad er kernen i forbindelsen mellem ERP og StratePlan?

Eksisterende systemer leverer relevante virksomhedsdata. StratePlan anvender strukturerede beslutningsdata til matematisk porteføljeoptimering. Ledelsen træffer beslutningen på baggrund af de beregnede alternativer.