Beregne KPI med AI på forhånd

Vi måler ikke blot KPI’er – vi beregner den bedst mulige beslutning på forhånd

Hvad nu, hvis bestyrelsesmedlemmer, CEO'er og CFO'er ikke først efter en investeringsbeslutning skulle konstatere, om deres KPI'er er nået, men allerede inden beslutningen kunne beregne, hvilken kombination af investeringer der lover den bedste målopfyldelse?

Det er netop her, et grundlæggende paradigmeskifte inden for virksomhedsledelse begynder.

I årtier har nøgletal (KPI'er) været betragtet som centrale ledelsesværktøjer: måle, sammenligne, rapportere og korrigere.

Omsætning, EBIT, ROI, kapitalafkast, kapacitetsudnyttelse, likviditet og bæredygtighedsnøgletal danner grundlaget for utallige ledelsesbeslutninger.

Men i en verden med stigende kompleksitet, begrænsede investeringsbudgetter og eksponentielt stigende antal beslutningsmuligheder er efterfølgende måling alene ikke længere tilstrækkeligt.

Problemet ligger ikke i, at KPI’er er forkerte.

Problemet er, at de ofte først viser, hvor vellykket en allerede truffet beslutning var – men ikke, om en anden beslutning ville have ført til et bedre samlet resultat.

For bestyrelsesmedlemmer, CEO’er, CFO’er og offentlige beslutningstagere opstår der derfor et nyt strategisk spørgsmål:

Hvilken kombination af planlagte investeringer, projekter og tiltag maksimerer vores økonomiske eller strategiske måltal inden for de tilgængelige ressourcer?

Med StratePlan bliver dette spørgsmål til en matematisk optimeringsopgave.

KPI’er forbliver relevante. De betragtes dog ikke udelukkende i bakspejlet, men kan allerede inden en beslutning indgå i porteføljeoptimeringen som måltal og begrænsninger.

1. Begrænsningerne ved klassisk KPI-styring

KPI'er skaber gennemsigtighed. De muliggør sammenligninger, synliggør udviklinger og understøtter den operationelle og strategiske virksomhedsledelse.

Men den klassiske KPI-styring er ofte organiseret retrospektivt.

En virksomhed investerer i nye produktionsanlæg, IT-systemer, lokationer eller produktudvikling. Måneder eller år senere kontrolleres det ved hjælp af definerede nøgletal, om de forventede resultater er indtrådt.

Det afgørende spørgsmål forbliver ofte ubesvaret:

Ville en anden kombination af de samme planlagte investeringer med et identisk budget have givet et bedre samlet resultat?

Netop her ligger grænsen for en udelukkende nøgletalsorienteret tilgang.

Enkelte forretningsområder kan med succes forbedre deres respektive KPI'er, uden at det automatisk betyder, at virksomheden som helhed styres optimalt.

• Salgsafdelingen maksimerer omsætning og markedsandele.
• Controllingafdelingen fokuserer på omkostninger og afkast af investeringer.
• Produktionen optimerer kapaciteter og udnyttelsesgraden.
• IT prioriterer digitalisering og systemtilgængelighed.
• Bæredygtighedsledelsen forfølger emissions- og ESG-mål.

Hvert af disse mål kan være fornuftigt.

Men hvis de forfølges isoleret, kan der opstå målkonflikter.

Et projekt med et særligt højt individuelt afkast kan for eksempel binde så meget investeringskapital, at flere andre projekter med et samlet set højere økonomisk bidrag ikke længere kan finansieres.

Optimering af enkelte KPI'er fører derfor ikke nødvendigvis til optimering af den samlede investeringsportefølje.

2. Den centrale fejl i tankegangen: Optimering af enkeltprojekter i stedet for den samlede portefølje

I mange virksomheder træffes investeringsbeslutninger på baggrund af enkelte business cases.

Hvert projekt vurderes ud fra dets rentabilitet, strategiske betydning og risici.

Projekterne prioriteres derefter og godkendes i overensstemmelse med det disponible budget.

Det lyder logisk, men har en matematisk svaghed.

Det økonomisk mest attraktive enkeltprojekt behøver ikke at være en del af den økonomisk bedste projektkombination.

Et forenklet eksempel

En virksomhed har et CAPEX-budget på 10 millioner euro og overvejer tre investeringsprojekter.

Projekt A har det højeste individuelle nettobidrag.

Hvis projekt A vælges, er der 3 millioner euro tilbage på budgettet. Dette beløb er ikke tilstrækkeligt til nogen af de to andre projekter.

Det samlede nettobidrag udgør 4 mio. euro.

Hvis derimod projekt B og C gennemføres sammen, udnyttes det samlede budget på 10 mio. euro.

Det samlede nettobidrag udgør 6 millioner euro.

Den optimerede portefølje opnår dermed i dette eksempel en 50 % højere nettoværditilvækst – med et identisk CAPEX-budget.

Eksempelberegningen illustrerer det grundlæggende princip i matematisk porteføljeoptimering: Det er ikke den bedste enkeltinvestering, der er afgørende, men den bedste kombination af alle tilgængelige investeringsalternativer.

3. Hvorfor strategiske beslutningsrum vokser eksponentielt

Udfordringen bliver betydeligt mere kompleks i takt med det stigende antal planlagte projekter.

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

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

• 10 projekter: 1.024 kombinationer
• 20 projekter: 1.048.576 kombinationer
• 30 projekter: 1.073.741.824 kombinationer
• 40 projekter: 1.099.511.627.776 kombinationer
• 50 projekter: 1.125.899.906.842.624 kombinationer
• 100 projekter: ca. 1,27 ×^10³⁰ kombinationer

En virksomhed med 50 planlagte investeringsprojekter overvejer således ikke blot 50 beslutningsalternativer.

Den bevæger sig i et teoretisk beslutningsrum med mere end 1,125 billiarder mulige projektkombinationer.

Ikke alle disse kombinationer er tilladte på grund af budget-, ressource- eller projektafhængigheder. Alligevel er den matematiske kompleksitet betydelig.

En bestyrelse kan ikke fuldt ud overskue dette beslutningsrum gennem diskussioner eller intuition.

Selv klassiske prioriteringslister eller manuelt udarbejdede Excel-scenarier afspejler ofte kun et lille udsnit af de mulige kombinationer.

Den centrale udfordring består derfor i at udvælge den økonomisk eller strategisk bedste tilladte kombination blandt et eksponentielt stort antal mulige projektkombinationer.

4. Måle ex post eller optimere ex ante?

Forskellen mellem klassisk KPI-styring og matematisk ex ante-optimering ligger i tidspunktet for og arten af beslutningsstøtten.

Efterfølgende: Hvad har vores beslutninger medført?

Den klassiske KPI-analyse undersøger resultaterne af allerede gennemførte tiltag.

Typiske spørgsmål er:

• Hvilket afkast (ROI) har vores investeringer givet?
• Hvordan har vores EBIT-margin udviklet sig?
• Hvilke projekter har overskredet deres budgetter?
• Hvor høj var vores kapitalafkast?
• Hvilke strategiske mål er blevet nået?

Disse oplysninger er uundværlige for controlling, rapportering og virksomhedsledelse.

De giver dog ikke automatisk svar på, om en anden kombination af investeringer ville have været mere succesfuld.

Ex ante: Hvilken beslutning bør vi træffe?

Ex ante-optimering finder sted inden investeringsbeslutningen.

Den undersøger planlagte projekter ud fra deres forventede økonomiske resultater og de tilgængelige ressourcer.

Typiske spørgsmål er:

• Hvilken projektkombination maksimerer vores samlede nettoværditilførsel?
• Hvilke investeringer bør gennemføres inden for vores CAPEX-budget?
• Hvilken kombination af projekter opnår den højeste definerede målopfyldelse?
• Hvordan ændrer resultaterne sig ved et lavere budget?
• Hvilke projekter konkurrerer om de samme ressourcer?
• Hvilke investeringer bør tages i betragtning ved ændrede strategiske prioriteter?

Ex-post-KPI'er viser, hvad der er opnået. Ex-ante-optimering undersøger, hvilken beslutning der giver det bedste forventede resultat, inden den gennemføres.

De to tilgange supplerer hinanden.

Den efterfølgende måling er stadig nødvendig for at sammenligne de faktiske resultater med de oprindelige antagelser og forbedre fremtidige beslutninger.

5. KPI'er bliver mål for matematisk optimering

StratePlan erstatter ikke KPI'er.

Tværtimod kan relevante nøgletal allerede inddrages i den matematiske modellering af strategiske beslutninger.

Disse omfatter for eksempel:

• Net Contribution: Forventet økonomisk nettobidrag
• Portefølje-ROI: Forventet kapitalafkast for den samlede portefølje
• CAPEX: Tilgængeligt investeringsbudget
• OPEX: Løbende driftsudgifter
• Risiko: Definerede risikogrænser eller risikovurderinger
• Ressourcer: Personale, kapaciteter og teknisk tilgængelighed
• Impact: Strategisk, samfundsmæssig eller miljømæssig effekt

Afhængigt af optimeringsmodellen indgår disse størrelser som målfunktion, vægtningsparametre eller sidebetingelser.

Det er vigtigt, at man ikke ukontrolleret sammenregner forskellige målstørrelser.

Økonomiske, miljømæssige og samfundsmæssige mål kræver gennemsigtige vurderingskriterier og, hvis nødvendigt, udtrykkeligt fastlagte vægtninger.

Den matematiske optimering undersøger derefter, hvilken projektkombination der bedst muligt opfylder de definerede mål inden for de givne begrænsninger.

Resultatet er ikke blot endnu en KPI-analyse, men en konkret beregnet investeringsportefølje.

6. Sådan beregner StratePlan investeringsbeslutninger

Det er forholdsvis nemt at komme i gang med matematisk porteføljeoptimering.

Til en grundlæggende økonomisk optimeringsmodel har StratePlan først og fremmest brug for tre oplysninger pr. projekt:

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

Disse oplysninger kan f.eks. hentes fra eksisterende Excel-tabeller, investeringsplaner eller business cases.

På baggrund af den definerede målfunktion og det disponible budget undersøger StratePlan mulige projektkombinationer.

Udvidede modeller kan tage højde for yderligere parametre:

• Projektafhængigheder
• Faglige eller strategiske vægtninger
• Flerårige investeringsbudgetter
• Ressourcebegrænsninger
• Tidsmæssige krav
• Risiko- og bæredygtighedskriterier

StratePlan kombinerer matematiske optimeringsmetoder fra operations research med AI-baserede tilgange til effektiv analyse af store kombinatoriske beslutningsrum.

Beregningen leverer en optimeret projektkombination baseret på de indtastede data og modelparametre.

Afhængigt af problemstillingen og den anvendte metode kan der være tale om en påviseligt optimal eller en tilnærmelsesvis optimal løsning.

Den afgørende innovation ligger i, at man ikke blot vurderer de enkelte projekters økonomiske rentabilitet, men optimerer deres samlede effekt inden for et fælles investeringsbudget.

7. Live på bestyrelsesmødet: Hvad sker der, hvis vi ændrer vores KPI’er?

Den særlige strategiske fordel opstår, når den matematiske porteføljeoptimering integreres direkte i ledelsens beslutningsprocesser.

Lad os forestille os et bestyrelsesmøde i en industrivirksomhed.

På dagsordenen står 100 planlagte CAPEX-projekter, hvis samlede finansieringsbehov klart overstiger det disponible investeringsbudget.

StratePlan beregner først en optimeret projektkombination på baggrund af de fastlagte mål og begrænsninger.

Nu begynder den strategiske diskussion.

Scenarie A: Maksimer nettobidraget

CFO'en stiller spørgsmålet:

»Hvilken projektkombination giver det højeste forventede nettobidrag med vores eksisterende CAPEX-budget?«

StratePlan beregner en tilsvarende portefølje.

Ledelsen får indsigt i, hvilke projekter der vælges, hvor stort et budget der er behov for, og hvilket forventet nettobidrag den samlede portefølje giver.

Scenarie B: Reducere CAPEX-budgettet

CEO'en spørger:

»Hvad sker der, hvis vi er nødt til at reducere vores investeringsbudget med 15 %?«

Budgetbegrænsningen tilpasses.

StratePlan beregner porteføljen på ny.

Bestyrelsen kan derefter undersøge, hvilke projekter der skal udgå, hvordan den forventede værdiskabelse ændrer sig, og hvilke investeringer der fortsat skal indgå i porteføljen.

Scenarie C: Vægte strategiske projekter højere

Et bestyrelsesmedlem stiller spørgsmålet:

»Hvordan ændrer vores investeringsportefølje sig, hvis vi prioriterer digitalisering og energieffektivitet højere?«

De relevante vægtningsparametre justeres.

Efter den nye beregning kan resultaterne sammenlignes med de tidligere scenarier.

Scenarie D: Yderligere investeringsmidler

CFO’en vil gerne vide:

„Hvilket yderligere økonomisk bidrag kunne vi opnå med yderligere 20 millioner euro i CAPEX?“

Budgettet forhøjes, og porteføljen optimeres på ny.

På den måde kan ledelsen sammenligne den modellerede ekstra værditilvækst med den nødvendige kapitalindsats.

Ændr parametre. Genberegn. Sammenlign scenarier. Træf velunderbyggede beslutninger.

På den måde bliver en statisk investeringsrapport til et dynamisk beslutningsgrundlag for hele ledelsen.

8. Sensitivitetsanalyse: Hvor robust er vores investeringsstrategi?

En enkelt optimeringsberegning giver i første omgang et resultat for de definerede antagelser.

Analysen bliver strategisk særligt værdifuld, når forskellige parametre ændres systematisk.

En følsomhedsanalyse undersøger for eksempel:

• Hvilke projekter forbliver udvalgt ved forskellige CAPEX-budgetter?
• Hvordan ændrer nettoværditilførslen sig ved stigende projektomkostninger?
• Hvilke investeringer reagerer særligt følsomt på ændrede indtægtsforventninger?
• Hvilke projekter udelukkes ved en stærkere risikovægtning?
• Hvilke strategiske prioriteter påvirker porteføljens sammensætning mest?

Dette gør det tydeligt, hvilke investeringsbeslutninger der er særligt robuste inden for modellen.

Andre projekter vælges muligvis kun under bestemte økonomiske eller strategiske forudsætninger.

Ex-ante-optimering leverer dermed ikke blot en beregnet projektkombination, men muliggør også en systematisk undersøgelse af alternative beslutningsbetingelser.

9. Opportunitetsomkostninger: Den økonomiske værdi af ikke-valgte alternativer

Enhver investeringsbeslutning medfører alternativomkostninger.

Hvis der afsættes kapital til et bestemt projekt, er den ikke længere til rådighed for andre investeringer.

Dette gælder især ved begrænsede CAPEX-budgetter.

En virksomhed kan vælge økonomisk attraktive enkeltprojekter og alligevel lade et betydeligt yderligere værditilskud gå til spilde, hvis kombinationen af disse projekter ikke er optimal.

Matematisk porteføljeoptimering gør det muligt at kvantificere sådanne forskelle mellem de betragtede alternativer.

En sammenligning mellem den oprindeligt planlagte investeringsportefølje og en optimeret portefølje kan vise:

• Hvor stor den forventede nettoværdi af begge porteføljer er
• Hvilke projekter der vælges forskelligt
• Hvor meget CAPEX der kræves i hvert tilfælde
• Hvilke økonomiske potentialer der forbliver uudnyttede i den oprindelige portefølje

Forskellen mellem de modellerede resultater tydeliggør det økonomiske forbedringspotentiale under de anvendte forudsætninger.

Den egentlige værdi af ex-ante-optimeringen ligger derfor ikke i pænere KPI’er, men i muligheden for at identificere bedre investeringskombinationer, inden kapitalen bindes.

10. Praksiseksempel: Klybeck-området i Basel

Hvor stor den økonomiske forskel mellem en eksisterende planlægning og en matematisk optimeret portefølje kan være, viser StratePlan-referencen for Klybeck-området i Basel.

Som led i porteføljeoptimeringen for Central Real Estate AG og Swiss Life AG blev forskellige investerings- og projektkombinationer 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 sammensætningen af de eksisterende investeringsalternativer med uændret budget.

Tallene illustrerer potentialet i matematisk porteføljeoptimering. De udgør ikke en generel afkastgaranti for andre projekter eller virksomheder.

Den afgørende erkendelse: Det er ikke nødvendigvis mere investeringskapital, men en bedre kombination af investeringerne, der kan øge det samlede økonomiske bidrag.

11. Hvorfor menneskelig erfaring alene ikke er tilstrækkelig

Erfarne bestyrelsesmedlemmer, økonomidirektører og investeringschefer råder over omfattende faglig viden og en dyb forståelse af deres virksomheder.

Denne kompetence er fortsat uundværlig.

Men selv mange års erfaring kan ikke fuldt ud dække eksponentielt store beslutningsrum.

Allerede ved syv binære projektbeslutninger opstår der 128 mulige kombinationer.

Ved 20 projekter er der mere end en million.

Ved 50 projekter er der mere end en billiard.

Menneskets styrke ligger i at fastlægge strategiske mål, forstå økonomiske sammenhænge og vurdere kvaliteten af antagelser.

Styrken ved matematisk optimering ligger i systematisk at undersøge store mængder af mulige kombinationer.

Kombinationen af ledelseserfaring, fagligt pålidelige data og matematisk optimering skaber et mere velbegrundet beslutningsgrundlag end hver af disse komponenter for sig.

12. Fra Business Intelligence til Decision Intelligence

Business Intelligence besvarer først og fremmest spørgsmål om en virksomheds økonomiske udvikling.

Hvad er der sket? Hvilke nøgletal har ændret sig? Hvor er der afvigelser i forhold til planlægningen?

Decision Intelligence udvider dette perspektiv med systematisk støtte til konkrete beslutninger.

Hvilke handlingsalternativer er der? Hvilke begrænsninger gælder? Hvilken kombination maksimerer de definerede mål?

StratePlan positionerer sig inden for dette område som et matematisk system til portefølje- og beslutningsoptimering.

Det supplerer eksisterende ERP-, controlling- og Business Intelligence-systemer med et ekstra niveau:

Beregning af optimerede beslutninger, inden de gennemføres.

En virksomhed behøver ikke nødvendigvis at udskifte sine eksisterende IT-systemer for at gøre dette.

De nødvendige projektdata kan i første omgang stilles til rådighed via enkle tabeller. Udvidede integrationer er mulige via egnede grænseflader afhængigt af kravene.

Dermed bliver matematisk beslutningsoptimering også tilgængelig for virksomheder, der hidtil hovedsageligt har arbejdet med klassiske investeringslister og Excel-modeller.

13. Konklusion: KPI’er forbliver vigtige – men beslutningen kommer først

KPI'er vil også i fremtiden forblive en uundværlig del af professionel virksomhedsledelse.

De gør det muligt at overvåge økonomiske udviklinger, kontrollere strategiske mål og vurdere de faktisk opnåede resultater.

Men de besvarer ikke alene det afgørende spørgsmål om, hvorvidt en virksomhed har fordelt sin disponible investeringskapital bedst muligt på sine projekter.

Det er netop her, den matematiske ex ante-optimering kommer ind i billedet.

StratePlan undersøger mulige investeringskombinationer under hensyntagen til økonomiske mål, begrænsede budgetter og definerede begrænsninger.

Resultaterne kan beregnes, ændres og sammenlignes i forskellige scenarier, inden der træffes en investeringsbeslutning.

Fremtiden for strategisk virksomhedsstyring ligger derfor ikke i blot at måle KPI’er hurtigere, men i på forhånd at optimere de beslutninger, som disse KPI’er påvirker, matematisk.

Det ændrer det centrale ledelsesspørgsmål.

I stedet for udelukkende at spørge:

»Hvor succesrige var vores investeringer?«

lyder det supplerende spørgsmål:

»Hvilken kombination af vores planlagte investeringer ville under de givne betingelser give det største samlede økonomiske bidrag?«

Svaret herpå er ikke en klassisk rapporteringsopgave.

Det er en opgave inden for matematisk porteføljeoptimering.

StratePlan – optimer beslutninger på forhånd. Mål KPI’er efterfølgende. Anvend kapitalen mere intelligent.

Hvor meget mere økonomisk værditilførsel ligger der gemt i dit CAPEX-budget?

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

Samme projekter. Samme budget. Optimeret kombination. Bedre resultat.

Optimer nu op til 15 projekter gratis →