At forstå optimaler: Hvorfor organisationer sidder fast i lokale optimaler – og ikke ser det globale optimum

Resumé: Hvorfor en god beslutning langt fra er den bedste beslutning

Hvad sker der, når en virksomhed omhyggeligt prioriterer sine investeringsprojekter, fordeler budgetterne effektivt og alligevel lader millioner af euro i potentiel værdiskabelse gå til spilde?

På næsten hvert eneste bestyrelsesmøde drøftes investeringsbeslutninger på baggrund af økonomiske nøgletal, strategiske prioriteter og tilgængelige ressourcer.

Projekter vurderes. Forretningsmodeller sammenlignes. Investeringsbudgetter fordeles. Der indgås kompromiser.

Resultatet er en portefølje, der forekommer plausibel, økonomisk fornuftig og organisatorisk gennemførlig.

Men et afgørende spørgsmål forbliver ofte ubesvaret:

Er den valgte projektkombination faktisk den økonomisk bedste løsning – eller blot en god løsning blandt de alternativer, vi har overvejet?

Netop her ligger forskellen mellem lokale og globale optimaler.

Et lokalt optimum kan ikke forbedres yderligere inden for et afgrænset område. Et globalt optimum opnår derimod den bedste værdi af målfunktionen inden for hele det tilladte beslutningsrum.

I den strategiske investeringsplanlægning kan denne forskel have betydelige økonomiske konsekvenser.

For virksomheder træffer ikke kun beslutninger om enkeltprojekter. De træffer beslutninger om kombinationer af projekter, der samtidig konkurrerer om kapital, ressourcer og kapacitet.

StratePlan kombinerer matematiske optimeringsmetoder fra operations research med AI-baserede tilgange for systematisk at undersøge sådanne komplekse beslutningsrum.

Det afgørende ledelsesspørgsmål lyder derfor ikke: Har vi optimeret vores projekter?

Men: Har vi valgt den økonomisk bedste kombination af vores projekter?

1. Hvad betyder »optimum«? Den matematiske definition

I matematikken betegner begrebet »optimum« en løsning, der inden for et defineret beslutningsrum maksimerer eller minimerer en bestemt målværdi.

Flertalsformen er »optima«.

I optimeringsteorien skelnes der mellem lokale og globale optimaler.

Lokalt optimum

Et lokalt optimum er en løsning, der inden for et defineret nabolag ikke kan forbedres ved en tilladt ændring.

Løsningen kan være optimal inden for dette begrænsede område, selvom der andre steder i beslutningsrummet er mulighed for bedre resultater.

Globalt optimum

Et globalt optimum er en løsning, der inden for hele det tilladte beslutningsrum opnår den bedste værdi af den definerede målfunktion.

I en maksimeringsopgave har ingen anden tilladt løsning en højere målfunktionsværdi.

I en minimeringsopgave har ingen anden tilladt løsning en lavere målfunktionsværdi.

Vigtigt: Et globalt optimum behøver ikke at være entydigt. Flere forskellige projektkombinationer kan opnå den samme optimale målværdi.

For virksomheder er denne skelnen af afgørende betydning.

En investeringsbeslutning kan være økonomisk optimal inden for et forretningsområde og samtidig generere et lavere samlet bidrag sammenlignet med et tværgående alternativ.

Kvaliteten af en optimering afhænger derfor ikke kun af den anvendte beregningsmetode, men også af, hvilket beslutningsrum og hvilken målfunktion der lægges til grund.

2. Hvorfor organisationer ofte forbliver fastlåst i lokale optimaler

Virksomheder er opdelt i afdelinger, forretningsområder, lokationer og ansvarsstrukturer.

Denne organisatoriske opdeling muliggør en effektiv styring af komplekse forretningsprocesser.

Den fører imidlertid ofte til, at investeringsbeslutninger træffes inden for begrænsede ansvarsområder.

Et produktionsanlæg optimerer sine maskininvesteringer.

IT-afdelingen prioriterer sine digitaliseringsprojekter.

Salgsafdelingen vurderer tiltag til at øge omsætningen.

Ejendomsforvaltningen træffer beslutninger om renoveringer og udvikling af lokationer.

Hver enhed kan træffe økonomisk fornuftige beslutninger inden for sit ansvarsområde.

Men virksomheden råder ofte over et fælles eller i det mindste begrænset samlet budget.

Derfor konkurrerer forskellige forretningsområder om de samme økonomiske ressourcer.

Typiske årsager til lokalt begrænsede optimeringer er:

• Adskilte investeringsbudgetter: Kapitalen fordeles inden for de enkelte forretningsområder uden at alle investeringsalternativer betragtes samlet.
• Forskellige KPI'er: Afdelinger forfølger individuelle mål, der ikke fuldt ud stemmer overens med virksomhedens overordnede mål.
• Historiske beslutninger: Allerede godkendte projekter prioriteres, selvom andre kombinationer kunne være økonomisk mere attraktive.
• Ressourcekonflikter: Flere projekter har brug for de samme personelle eller tekniske kapaciteter.
• Begrænset vurdering af alternativer: Ledelsesorganer sammenligner kun et overskueligt antal forberedte scenarier.

Disse faktorer kan føre til, at en organisation optimerer sine enkelte områder med succes, uden at opnå det bedst mulige samlede resultat.

Virksomheden optimerer sine enkeltdele – men ikke nødvendigvis den økonomisk bedste kombination af disse.

3. Det usynlige beslutningsrum: Hvorfor 2^N ændrer ledelseslogikken

Så snart der er flere projekter at vælge imellem samtidigt, opstår der et kombinatorisk beslutningsrum.

I en forenklet binær model kan hvert projekt enten gennemføres eller ikke gennemføres.

Med N uafhængigt valgbare projekter giver det teoretisk set 2^N mulige projektkombinationer.

Antallet vokser eksponentielt:

• 7 projekter: 2^7 = 128 kombinationer
• 10 projekter: 2^10 = 1.024 kombinationer
• 20 projekter: 2^20 = 1.048.576 kombinationer
• 30 projekter: 2^30 = 1.073.741.824 kombinationer
• 40 projekter: 2^40 = 1.099.511.627.776 kombinationer
• 50 projekter: 2^50 = 1.125.899.906.842.624 kombinationer
• 100 projekter: 2^100 = ca. 1,27 × 10^30 kombinationer

Ved 50 planlagte investeringsprojekter findes der således ca. 1,126 billiarder teoretisk mulige projektkombinationer.

Ikke alle kombinationer er tilladte på grund af budgetbegrænsninger, ressourcebegrænsninger eller projektafhængigheder.

Alligevel illustrerer denne størrelsesorden, hvorfor klassiske ledelsesprocesser kun kan tage højde for et begrænset udsnit af det matematiske beslutningsrum.

En bestyrelse kan vurdere 50 projekter enkeltvis.

Den kan dog ikke foretage en fuldstændig sammenligning af mere end en billiard projektkombinationer.

Den egentlige udfordring består ikke i at forstå de enkelte projekter. Den består i at udvælge den økonomisk bedste tilladte løsning blandt de mulige kombinationer af disse projekter.

4. Hvorfor diskussioner og ledelsesworkshops ikke garanterer en global optimering

Ledelsesorganer er uundværlige for at definere strategiske mål, vurdere økonomiske antagelser og påtage sig ansvaret for beslutninger.

De er dog ikke matematiske optimeringsalgoritmer.

I praksis sammenlignes der ofte nogle foruddefinerede scenarier med hinanden.

For eksempel:

• Et basisscenarie med det oprindeligt planlagte investeringsbudget
• Et konservativt scenarie med reducerede udgifter
• Et vækstscenarie med yderligere investeringer
• Et strategisk scenarie med prioriterede projekter

Disse varianter kan være omhyggeligt udarbejdet og økonomisk plausible.

De udgør dog ofte kun et lille udsnit af det samlede matematiske beslutningsrum.

Et valg mellem fire forberedte scenarier besvarer ikke automatisk spørgsmålet om, hvorvidt der blandt millioner af andre kombinationer findes en økonomisk bedre løsning.

Den bedst diskuterede variant er ikke nødvendigvis den bedste matematisk mulige projektkombination.

Netop derfor bør den strategiske diskussion suppleres med egnede matematiske optimeringsmetoder.

5. Et regneeksempel: Hvorfor den bedste enkeltinvestering ikke fører til den bedste portefølje

En virksomhed råder over et investeringsbudget på 10 millioner euro.

Der er tre projekter at vælge imellem.

Projekt A har det højeste individuelle nettobidrag.

Hvis dette projekt vælges, er der 3 millioner euro tilbage på budgettet.

Dette beløb er ikke tilstrækkeligt til at gennemføre et af de øvrige projekter i tillæg.

Det samlede nettobidrag udgør således 4 millioner euro.

En matematisk analyse af de mulige projektkombinationer viser imidlertid et økonomisk bedre alternativ.

Projekterne B og C kræver tilsammen 10 millioner euro og opnår en samlet nettoværditilvækst på 6 millioner euro.

Under forudsætning af, at projekterne er uafhængige af hinanden, og uden yderligere begrænsninger, er B + C den optimale kombination til at maksimere nettoværditilførslen.

Den optimerede portefølje opnår en nettoværditilvækst, der er 50 % højere end det oprindelige valg.

Virksomheden har ikke brug for yderligere investeringskapital til dette.

Det skal blot vælge en anden kombination af sine eksisterende projekter.

Dette eksempel viser en suboptimal porteføljebeslutning. Om det oprindelige valg også er et lokalt optimum i streng matematisk forstand, afhænger af definitionen af de tilladte ændringer i naboskabet.

Den centrale erkendelse er stadig: Den økonomisk bedste enkeltinvestering er ikke nødvendigvis en del af den økonomisk bedste projektkombination.

6. Hvorfor lokale optimaler kan være så matematisk stabile

Lokale optimaler opstår ofte gennem trinvise forbedringsprocesser.

En algoritme eller en ledelsesproces tager udgangspunkt i en eksisterende løsning og forsøger at forbedre den gennem mindre ændringer.

For eksempel fjernes et projekt fra porteføljen og erstattes af et andet.

Hvis det samlede økonomiske bidrag forbedres, overtages den nye kombination.

Denne proces kan gentages, indtil der ikke længere kan findes yderligere forbedringer inden for det betragtede område.

Resultatet er så et lokalt optimum.

En markant bedre løsning kan dog ligge uden for dette område.

For at nå den skal der muligvis udskiftes flere projekter samtidigt.

Enkelte mellemliggende trin kan i første omgang føre til dårligere resultater.

En simpel lokal søgeprocedure ville under visse omstændigheder ikke foretage sådanne ændringer.

I organisationer kan der opstå en lignende effekt.

En forretningsenhed forbedrer sin eksisterende investeringsplanlægning trin for trin uden grundlæggende at undersøge andre fordelinger af kapitalen.

Dette kan resultere i en økonomisk plausibel og stabil projektkombination, selvom andre porteføljer ville muliggøre et højere samlet bidrag.

Stabiliteten i en eksisterende løsning er derfor ikke et bevis på, at den er globalt optimal.

7. Global optimering: Den bedste løsning inden for hele det tilladte beslutningsrum

Global optimering har til formål at bestemme den bedste løsning for en defineret målfunktion inden for hele det tilladte beslutningsrum.

Ved strategisk kapitalallokering kan denne målfunktion f.eks. være maksimering af det forventede nettobidrag.

Den matematiske optimering tager højde for de tilgængelige investeringsalternativer og de definerede begrænsninger.

Typiske begrænsninger er:

• Maksimalt investeringsbudget
• Tilgængelige personaleressourcer
• Tekniske kapacitetsgrænser
• Projektafhængigheder
• Tidsmæssige krav
• Strategiske minimumskrav
• Regulatoriske forpligtelser

Egnede optimeringsalgoritmer undersøger det matematiske løsningsrum og søger efter en projektkombination, der bedst muligt opfylder målfunktionen.

Til dette formål kan der anvendes forskellige metoder:

• Heltals- og blandet heltalsoptimering
• Branch-and-bound-metoden
• Dynamisk programmering
• Metaheuristikker
• Flerstartsmetoder og kombinerede søgestrategier
• AI-baserede evaluerings- og søgemetoder

Nogle af disse metoder kan under passende forudsætninger matematisk bevise et globalt optimum.

Andre leverer tilnærmelsesvis optimale løsninger uden at kunne levere et fuldstændigt bevis for optimalitet.

En fuldstændig individuel beregning af alle 2^N kombinationer er ikke nødvendigvis påkrævet for at optimere store beslutningsrum matematisk.

Yderligere baggrundsinformation findes i artiklen »Ny AI-beregningsmetode i projektporteføljestyring til optimering af CAPEX«.

8. Hvorfor Excel, scoringsmodeller og prioriteringsmatricer ikke garanterer global optimalitet

Excel, scoringsmodeller og prioriteringsmatricer er etablerede værktøjer inden for strategisk investeringsplanlægning.

De muliggør en struktureret vurdering af enkelte projekter og udarbejdelsen af økonomiske scenarier.

Deres begrænsninger kommer især til udtryk, når en rangordning af enkelte projekter sidestilles med et matematisk optimalt porteføljeudvalg.

Excel: Individuelle vurderinger er ikke det samme som porteføljeoptimering

Excel er særdeles velegnet til beregning af business cases, kapitalafkast og investeringsscenarier.

Med passende Solver-funktioner kan man også løse matematiske optimeringsopgaver.

En simpel Excel-liste, hvor projekter sorteres efter ROI eller netto nutidsværdi, tager dog ikke automatisk højde for alle mulige projektkombinationer.

Ved store kombinatoriske beslutningsrum kan specialiserede optimeringsmetoder være nødvendige eller mere effektive.

Scoringmodeller: Den bedste rangliste er ikke nødvendigvis den bedste portefølje

Scoringmodeller vurderer projekter ud fra definerede kriterier.

De projekter, der opnår de højeste pointtal, prioriteres.

Denne metode skaber gennemsigtighed omkring individuelle prioriteter.

Den garanterer dog ikke, at den valgte kombination opnår det største samlede økonomiske eller strategiske bidrag.

Prioriteringsmatricer: Forenkling frem for fuldstændig optimering

Prioriteringsmatricer hjælper med at rangordne projekter ud fra kriterier som effekt, indsats, hastighed eller strategisk betydning.

De er nyttige til at præsentere komplekse oplysninger på en forståelig måde.

Det resulterer dog ikke automatisk i en matematisk optimal kombination.

Det afgørende spørgsmål er derfor: Skal vi vurdere de enkelte projekter – eller skal vi beregne den økonomisk bedste kombination af alle tilgængelige projekter?

9. StratePlan: Matematisk porteføljeoptimering i stedet for begrænset variantundersøgelse

StratePlan er udviklet til matematisk at optimere komplekse investerings- og projektporteføljer.

Teknologien kombinerer metoder fra operations research med AI-baserede tilgange til effektiv undersøgelse af store kombinatoriske beslutningsrum.

Til en grundlæggende økonomisk optimeringsmodel kræves der i første omgang kun tre oplysninger pr. projekt:

1. Projekt-ID: Entydig identifikation af projektet
2. Udgifter: Planlagte udgifter eller investeringer
3. Indtægter: Forventede indtægter eller økonomisk afkast

Derudover defineres det disponible investeringsbudget.

Projektdataene kan f.eks. hentes fra eksisterende investeringsplaner i Excel.

StratePlan undersøger mulige projektkombinationer og beregner en portefølje i overensstemmelse med den valgte målfunktion.

Ved »Maximize Net Contribution« er fokus på at maksimere det samlede forventede nettobidrag.

Porteføljens ROI kan desuden angives som et økonomisk nøgletal.

Udvidede modeller kan tage højde for yderligere begrænsninger og vurderingsparametre:

• Projektafhængigheder
• Strategiske vægtninger
• Ressource- og kapacitetsbegrænsninger
• Flerårige investeringsbudgetter
• Tidsmæssige krav
• Risiko- og bæredygtighedskriterier

Resultatet er ikke blot en rangliste over de enkelte projekter, men en matematisk beregnet projektkombination inden for de definerede rammer.

StratePlan supplerer dermed den strategiske beslutningstagning med et matematisk optimeringsniveau.

10. Live på bestyrelsesmødet: Hvilken projektkombination er egentlig den bedste?

Matematisk porteføljeoptimering bliver særligt værdifuld, når den integreres direkte i strategiske ledelsesbeslutninger.

Lad os forestille os en industrikoncern med 100 planlagte CAPEX-projekter.

Summen af alle investeringsønsker overstiger det disponible budget.

Flere forretningsområder har allerede prioriteret og økonomisk vurderet deres projekter.

Bestyrelsen ønsker nu at vide, hvilken kombination af alle projekter der giver det højeste forventede nettobidrag.

Scenarie A: Tværgående optimering

CFO'en spørger:

»Hvad ændrer sig, hvis vi ikke længere optimerer hver enkelt forretningsenhed hver for sig, men i stedet betragter alle investeringsprojekter samlet?«

Projekterne modelleres i en samlet portefølje.

StratePlan beregner en optimeret kombination under hensyntagen til den fastlagte budgetgrænse.

Sammenligningen med den hidtidige planlægning kan vise, om en anden kapitalfordeling muliggør et højere samlet økonomisk bidrag.

Scenarie B: Strategiske projekter skal inddrages som en fast del

CEO’en spørger:

»Hvilket økonomisk bidrag går vi muligvis glip af, hvis visse projekter skal gennemføres uanset deres individuelle rentabilitet?«

De pågældende projekter indgår som bindende begrænsninger.

Porteføljen beregnes på ny.

Sammenligningen viser, hvilke konsekvenser denne forudsætning har for det forventede nettobidrag.

Scenarie C: Budgetnedskæring

CFO’en vil gerne vide:

„Hvilken projektkombination bør vi vælge, hvis vi skal reducere vores CAPEX-budget med 20 %?“

Budgetbegrænsningen justeres.

StratePlan beregner en ny projektkombination.

Ledelsen kan se, hvilke tiltag der udgår, og hvordan det forventede nettobidrag ændrer sig.

Scenarie D: Ekstra investeringskapital

Et andet medlem af bestyrelsen spørger:

„Hvor meget ekstra økonomisk bidrag kunne vi opnå, hvis vi investerede yderligere 10 millioner euro?“

Budgettet forhøjes, og der foretages en ny optimering.

Resultaterne gør det muligt at sammenligne den ekstra kapitalindsats med det forventede værditilskud.

Scenarie E: Ændrede strategiske vægtninger

Bestyrelsen stiller spørgsmålet:

»Hvordan ændrer porteføljen sig, hvis vi vægter energieffektivitet, digitalisering eller bestemte vækstområder højere?«

De relevante parametre justeres.

Porteføljen beregnes på ny og sammenlignes med de hidtidige scenarier.

Ændre de strategiske retningslinjer. Genberegne porteføljen. Sammenligne de økonomiske konsekvenser. Træffe velunderbyggede beslutninger.

På den måde kan man også træffe beslutninger, der afviger fra en rent økonomisk optimering, på en bevidst og gennemsigtig måde.

11. Alternativomkostninger: Hvor langt er vores portefølje fra det optimale?

Hver investeringsbeslutning binder kapital og ressourcer.

Denne kapital står derefter ikke længere til rådighed for andre projekter.

Dette medfører alternativomkostninger.

De beskriver den tabte fordel ved det bedste alternativ, der ikke blev valgt.

Matematisk porteføljeoptimering gør det muligt at sammenligne den oprindeligt planlagte investeringsportefølje med en optimeret projektkombination.

Her kan blandt andet følgende nøgletal sammenlignes:

• Samlet investeringsbehov
• Forventet netto-værditilførsel
• Porteføljens ROI
• Udvalgte og ikke-udvalgte projekter
• Resterende budgetmargener
• Økonomiske forskelle mellem alternative porteføljer

Forskellen mellem de modellerede resultater viser, hvilket økonomisk forbedringspotentiale der findes under de anvendte forudsætninger.

Hvis der matematisk er påvist et globalt optimum, kan afstanden mellem en valgt projektkombination og dette optimum bestemmes nøjagtigt inden for modellen.

Ved tilnærmelsesvis optimale løsninger angives først forskellen i forhold til den bedste fundne løsning.

Den afgørende merværdi ligger i, at man allerede inden kapitalen bindes kan synliggøre mulige økonomiske ulemper ved en eksisterende investeringsplanlægning.

12. Sensitivitetsanalyse: Hvor robust er det globale optimum?

Investeringsbeslutninger bygger på antagelser om fremtidige økonomiske udviklinger.

Projektomkostningerne kan stige. Indtægtsforventningerne kan falde. Ressourcerne kan blive knapere. Strategiske prioriteter kan ændre sig.

Derfor er det fornuftigt ikke udelukkende at gennemføre en enkelt porteføljeoptimering.

Gennem følsomhedsanalyser kan forskellige økonomiske scenarier undersøges.

Typiske spørgsmål er:

• Hvilke projekter forbliver en del af porteføljen, selv med et reduceret budget?
• Hvordan ændrer den optimale projektkombination sig ved stigende investeringsomkostninger?
• Hvilke tiltag reagerer særligt følsomt på lavere indtægtsforventninger?
• Hvordan ændrer porteføljen sig ved yderligere ressourcebegrænsninger?
• Hvilke projekter forbliver økonomisk attraktive under forskellige scenarier?

Disse analyser kan vise, hvor stabil en beregnet projektkombination forbliver under ændrede forudsætninger.

En strategisk velbegrundet beslutning tager derfor ikke kun højde for det bedste resultat under en enkelt forudsætning, men også for virkningerne af mulige ændringer.

13. Praksiseksempel: Klybeck-området i Basel – ca. 63 % højere kapitalafkast

Hvilket økonomisk potentiale matematisk porteføljeoptimering kan synliggøre, illustreres af StratePlan-referencen for Klybeck-området i Basel.

Som led i porteføljeoptimeringen for Central Real Estate AG og Swiss Life AG blev eksisterende investerings- og projektalternativer undersøgt matematisk.

Det modellerede resultat:

• Oprindelig kapitalafkast: 7,0 %
• Optimeret kapitalafkast: 11,4 %
• Relativ afkastforbedring: ca. 63 %
• Yderligere modelleret økonomisk værditilførsel: ca. 30 millioner CHF

Forbedringen er modelleret ved at ændre kombinationen af eksisterende investeringsalternativer med et uændret budget.

Disse projektspecifikke resultater udgør ikke en generel afkastgaranti.

Den centrale konklusion: En bedre kombination af eksisterende investeringsalternativer kan muliggøre et betydeligt højere samlet økonomisk bidrag – uden et yderligere investeringsbudget.

14. Hvor lokale optimeringer særligt ofte begrænser det økonomiske potentiale

Risikoen for en isoleret optimering af enkelte tiltag findes i talrige økonomiske og offentlige anvendelsesområder.

Industri og CAPEX-planlægning

Produktionsanlæg, automatiseringsprojekter, kapacitetsudvidelser og investeringer i lokationer konkurrerer om fælles investeringsbudgetter.

Isoleret optimering af enkelte fabrikker eller forretningsområder kan forhindre en økonomisk bedre fordeling af kapitalen på tværs af områderne.

Digitalisering og AI-transformation

Virksomheder identificerer ofte en lang række potentielle AI- og digitaliseringsprojekter.

En ren prioritering af enkelte anvendelsestilfælde viser ikke automatisk, hvilken kombination der giver det største samlede økonomiske udbytte.

Ejendomme og fast ejendom

Projektudvikling, renoveringer, moderniseringer og investeringer i lokationer kan betragtes inden for et fælles kapitalbudget.

Valget af de enkelte projekter påvirker finansieringsmulighederne for hele ejendomsporteføljen.

Energi og infrastruktur

Energiprojekter, investeringer i forsyningsnet, energieffektiviseringstiltag og modernisering af infrastruktur kræver ofte langsigtede kapitalbinding.

Matematisk porteføljeoptimering kan hjælpe med at sammenligne forskellige investeringskombinationer under økonomiske og tekniske begrænsninger.

Kommuner og offentlige budgetter

Byer og kommuner skal finansiere talrige investeringsprojekter inden for begrænsede budgetmidler.

Skoler, veje, administrationsbygninger, infrastruktur og sociale institutioner konkurrerer om de samme offentlige ressourcer.

En isoleret prioritering af enkelte fagområder fører ikke automatisk til den kombination af tiltag, der giver den største samlede samfundsmæssige nytte.

Matematisk optimering kan undersøge forskellige projektkombinationer under hensyntagen til budgetgrænser, lovpligtige opgaver og politiske effektmål.

Fællesnævneren for alle anvendelsestilfælde er spørgsmålet om, hvorvidt optimeringen af enkelte tiltag rent faktisk fører til den bedst mulige samlede løsning.

15. Budgetsimulering og samtidig porteføljeoptimering: At overvinde lokale optimeringer i den offentlige sektor

Problemet med lokal optimering bliver særligt tydeligt ved planlægningen af offentlige investeringsbudgetter.

Kommunale afdelinger har ofte deres egne projektlister og prioriteter.

Skoleforvaltningen prioriterer investeringer i uddannelse. Bygningsforvaltningen vurderer infrastrukturforanstaltninger. Andre afdelinger planlægger digitaliserings-, energi- eller ejendomsprojekter.

Hver af disse prioriteringer kan give mening inden for det pågældende ansvarsområde.

Det afgørende spørgsmål er imidlertid:

Hvilken kombination af alle kommunale projekter opnår den højeste definerede økonomiske eller samfundsmæssige samlet nytte inden for det disponible budget?

Et forenklet eksempel:

En by råder over et investeringsbudget på 81 millioner euro.

Samtidig er der 50 projekter at vælge imellem med et samlet investeringsbehov på 220 millioner euro.

Ved 50 binære projektbeslutninger opstår der teoretisk set 2^50 = 1.125.899.906.842.624 mulige kombinationer.

En matematisk porteføljeoptimering kan undersøge forskellige tilladte projektkombinationer inden for de definerede budget- og effektbegrænsninger.

Gennem en samtidig budgetsimulering kan der tages højde for forskellige økonomiske rammebetingelser.

For eksempel:

• Hvilken projektkombination giver den højeste modellerede samlede nytte ved et budget på 81 millioner euro?
• Hvordan ændrer porteføljen sig ved en budgetnedskæring?
• Hvilke yderligere tiltag kunne gennemføres ved højere indtægter?
• Hvordan påvirker bindende politiske projekter resultatet?
• Hvilke konsekvenser har forskellige vægtninger af uddannelse, infrastruktur eller klimabeskyttelse?

Resultaternes kvalitet afhænger af de anvendte data og definitionen af de økonomiske henholdsvis samfundsmæssige målsætninger.

Kombinationen af budgetsimulering og matematisk porteføljeoptimering kan bidrage til at omdanne fagområdespecifikke prioriteringer til et overordnet, gennemsigtigt beslutningsgrundlag.

16. Fra Business Intelligence til Decision Intelligence: Optimering af selve beslutningens kvalitet

Mange virksomheder råder allerede over effektive systemer til analyse og styring af deres forretningsprocesser.

ERP-systemer dokumenterer ressourcer og økonomiske processer.

Business Intelligence-løsninger visualiserer nøgletal og udviklinger.

Controlling-systemer analyserer budgetafvigelser og økonomiske resultater.

Disse systemer besvarer vigtige spørgsmål:

Hvad er der sket? Hvordan udvikler vores KPI'er sig? Hvilke projekter holder sig inden for budgettet?

Decision Intelligence udvider dette perspektiv med matematisk støtte til fremtidige beslutninger.

Hvilken projektkombination bør vi vælge? Hvilke begrænsninger sætter en grænse for vores mulige værdiskabelse? Hvilke alternativer skaber et bedre samlet resultat?

StratePlan supplerer eksisterende planlægnings- og controllingprocesser med et matematisk optimeringsniveau.

De nødvendige projektdata kan i første omgang stilles til rådighed via enkle Excel-tabeller.

Den strategiske fremgang består i ikke udelukkende at måle resultaterne af allerede trufne beslutninger, men i matematisk at forbedre selve udvælgelsen og kombinationen af projekterne.

17. Konklusion: Det globale optimum er et spørgsmål om det samlede beslutningsrum

Organisationer træffer dagligt økonomisk fornuftige beslutninger.

De vurderer projekter, optimerer processer, prioriterer investeringer og fordeler ressourcer.

Men en lokalt optimal løsning er ikke nødvendigvis globalt optimal.

Når mange projekter samtidig konkurrerer om begrænsede budgetter og ressourcer, opstår der et kombinatorisk beslutningsrum.

Allerede ved 50 projekter findes der mere end en billion teoretisk mulige kombinationer.

En isoleret vurdering af de enkelte projekter giver derfor ikke automatisk svar på spørgsmålet om den økonomisk bedste samlede løsning.

Matematisk porteføljeoptimering gør det muligt systematisk at undersøge forskellige projektkombinationer og sammenligne deres økonomiske konsekvenser.

StratePlan kombinerer til dette formål metoder fra operations research med AI-baserede tilgange.

Derved kan virksomheder, bestyrelser og offentlige beslutningstagere beregne alternative porteføljer, undersøge strategiske scenarier og identificere uudnyttet økonomisk eller samfundsmæssigt potentiale.

Det afgørende spørgsmål er ikke: Har vi optimeret vores investeringsprojekter med succes?

Men: Har vi valgt den økonomisk bedste kombination af vores investeringsprojekter?

Det er netop her, overgangen fra lokal optimering til matematisk porteføljeoptimering begynder.

StratePlan – Ikke blot at optimere enkelte projekter. Beregne den bedste kombination.

FAQ – Forstå lokale optimaler og det globale optimum

Hvad betyder »optimum« i matematikken?

Et optimum betegner en løsning, der inden for et defineret beslutningsrum maksimerer eller minimerer en bestemt målværdi.

I en maksimeringsopgave søges den højeste opnåelige værdi.

I en minimeringsopgave søges den laveste opnåelige værdi.

Hvad er forskellen mellem optimum og optima?

Optimum er ental. Optima er flertal.

I matematisk optimering kan der eksistere flere lokale optimaler.

Også flere forskellige løsninger kan nå den samme globalt optimale målværdi.

Hvad er et lokalt optimum?

Et lokalt optimum er en løsning, der inden for et defineret nabolag ikke kan forbedres ved en tilladt ændring.

Uden for dette nabolag kan der dog findes bedre løsninger.

Hvad er et globalt optimum?

Et globalt optimum er en løsning, der inden for hele det tilladte beslutningsrum opnår den bedste værdi af den definerede målfunktion.

I en maksimeringsopgave har ingen anden tilladt løsning en højere målfunktionsværdi.

Hvorfor nøjes virksomheder ofte med lokale løsninger?

Fordi investeringsbeslutninger ofte træffes inden for enkelte forretningsområder, afdelinger eller foruddefinerede scenarier.

Dermed tages der ikke automatisk højde for alle økonomisk relevante projektkombinationer.

Hvorfor er den bedste enkeltinvestering ikke automatisk en del af den bedste portefølje?

Fordi projekter konkurrerer om fælles budgetter og ressourcer.

Et økonomisk attraktivt enkeltprojekt kan kræve så meget kapital, at flere andre projekter med en højere samlet nettoværditilvækst ikke længere kan finansieres.

Hvad betyder 2^N i forbindelse med porteføljeoptimering?

2^N beskriver antallet af teoretisk mulige kombinationer ved N uafhængige binære projektbeslutninger.

Hvert projekt kan enten vælges eller ikke vælges.

Med 20 projekter opstår der 2^20 = 1.048.576 mulige kombinationer.

Ved 50 projekter er der 2^50 = 1.125.899.906.842.624 kombinationer.

Skal alle 2^N kombinationer beregnes enkeltvis?

Nej.

Moderne matematiske optimeringsmetoder kan effektivt undersøge store beslutningsrum uden at skulle evaluere hver eneste teoretisk mulige kombination fuldstændigt.

Hvilke metoder der er egnede, afhænger af problemets matematiske struktur og de definerede randbetingelser.

Kan AI beregne det globale optimum?

Med egnede matematiske modeller og optimeringsmetoder kan et globalt optimum beregnes og påvises.

Ved særligt komplekse problemer kan der også anvendes tilnærmelsesvis optimale løsninger.

Konklusionen om løsningens kvalitet afhænger af den anvendte metode og et eventuelt bevis for optimalitet.

Kan Excel løse globale optimeringsproblemer?

Ja. Excel kan ved hjælp af passende Solver-funktioner håndtere matematiske optimeringsopgaver.

Ved store kombinatoriske beslutningsrum og komplekse begrænsninger kan specialiserede optimeringsmetoder dog være nødvendige eller mere effektive.

Hvilke data har StratePlan brug for til en første optimering?

Til en grundlæggende økonomisk optimeringsmodel kræves der først tre oplysninger pr. projekt:

• Projekt-ID
• Udgifter – planlagte udgifter
• Indtægter – forventede indtægter eller økonomiske afkast

Derudover fastlægges det disponible investeringsbudget.

Mere komplekse modeller kan tage højde for yderligere begrænsninger og vurderingsparametre.

Hvad betyder »Maximize Net Contribution«?

"Maximize Net Contribution" betegner maksimeringen af den samlede forventede nettobidrag til værdien af en projektportefølje inden for definerede begrænsninger.

Porteføljens ROI kan desuden angives som et økonomisk nøgletal.

Maksimering af det absolutte nettobidrag og maksimering af porteføljens ROI er forskellige matematiske mål.

Kan StratePlan synliggøre de økonomiske forskelle mellem lokale og globale løsninger?

Ved at sammenligne en eksisterende projektkombination med et optimeret alternativ kan forskellen i de forventede nettoværdibidrag beregnes.

Denne forskel viser det modellerede økonomiske forbedringspotentiale under de anvendte forudsætninger.

En præcis afstand til det globale optimum forudsætter, at dette er matematisk påvist.

Er det globale optimum altid den rigtige ledelsesbeslutning?

Ikke nødvendigvis.

En matematisk optimal løsning refererer altid til den definerede målfunktion og de medregnede begrænsninger.

Strategiske, lovgivningsmæssige eller samfundsmæssige krav kan gøre yderligere forudsætninger nødvendige.

Matematisk optimering hjælper med at gøre virkningerne af sådanne krav gennemsigtige.

For hvilke organisationer er global porteføljeoptimering særligt relevant?

Den er især relevant for organisationer med mange konkurrerende investeringsprojekter og begrænsede ressourcer.

Typiske anvendelsesområder er industrien, CAPEX-planlægning, digitalisering, anvendelsestilfælde inden for kunstig intelligens, ejendomme, energi, infrastruktur og kommunal budgetplanlægning.

Hvad er den vigtigste konklusion for CEO'er, CFO'er og offentlige beslutningstagere?

Den økonomisk bedste enkeltbeslutning fører ikke automatisk til den bedste samlede løsning.

Matematisk porteføljeoptimering gør det muligt systematisk at undersøge alternative projektkombinationer og forbedre kapitalallokeringen på tværs af hele organisationen.

Det afgørende spørgsmål er: Optimerer vi de enkelte projekter – eller optimerer vi udvælgelsen af vores projekter?

Kender du det globale optimum for din investeringsportefølje?

Find ud af, hvilken kombination af dine planlagte investeringsprojekter der inden for dit disponible budget kan opnå det højeste forventede nettobidrag.

Sammenlign din hidtidige projektplanlægning med matematisk optimerede investeringsscenarier, og undersøg, om en anden kombination af eksisterende projekter kan give et højere samlet økonomisk bidrag.

Du kan optimere op til 15 projekter gratis.

Optimer nu op til 15 projekter gratis →