Optimización matemática e investigación operativa: de la ciencia a la decisión de inversión
Fundamentos científicos, modelización matemática, algoritmos y métodos de optimización para la economía, la investigación y las instituciones públicas.
Las decisiones complejas sobre inversiones y recursos son problemas matemáticos. Ya se trate de empresas que optimizan su cartera de CAPEX, de instituciones públicas que distribuyen unos recursos presupuestarios limitados o de científicos que analizan espacios de decisión combinatorios, la cuestión fundamental es siempre la misma.
¿Qué combinación de decisiones permite obtener el mejor resultado posible, dados unos objetivos y restricciones determinados?
La respuesta requiere algo más que el análisis de datos, la priorización de proyectos o el cálculo de indicadores individuales. Requiere modelización matemática, optimización sistemática y una evaluación transparente de las alternativas viables.
Esta página combina la investigación operativa, la ciencia de la decisión, las matemáticas aplicadas y la ciencia computacional con ámbitos de aplicación concretos de la gestión empresarial y la planificación de inversiones públicas.
De la teoría matemática a la decisión calculable.
Descubre los fundamentos científicos →
01 | Gestión, finanzas e inversiones
Responsables de CAPEX y directores de inversiones
Asignación de capital, presupuestación de capital y optimización matemática del CAPEX
Los gestores de CAPEX se enfrentan al reto de distribuir unos presupuestos de inversión limitados entre numerosos proyectos que compiten entre sí. Para ello, deben tenerse en cuenta la rentabilidad económica, los objetivos estratégicos, las restricciones de recursos y las dependencias temporales.
La priorización clásica de proyectos responde, en primer lugar, a la pregunta de qué proyectos parecen especialmente atractivos por sí solos. La optimización matemática de la cartera responde a una pregunta más amplia:
¿Qué combinación de todos los proyectos disponibles maximiza el beneficio económico dentro del presupuesto de CAPEX dado?
Áreas de especialización relevantes:
- Optimización de la asignación de capital
- Presupuestación de capital
- Optimización de la cartera de inversiones
- Programación mixta entera (MIP/MILP)
- Planificación de inversiones en varios periodos
- Optimización con restricciones de recursos
- Optimización de escenarios
- Gestión de gastos de capital
Un modelo matemático de optimización puede combinar proyectos en función de sus costes de inversión, sus beneficios esperados y sus dependencias. Se pueden tener en cuenta tanto las medidas imprescindibles como los límites presupuestarios o las restricciones de capacidad.
De este modo, el enfoque pasa de la evaluación de inversiones individuales a la optimización de toda la cartera de inversiones.
Directores financieros y responsables financieros
Finanzas corporativas, modelización financiera y asignación óptima de capital
Para los directores financieros, la asignación de unos recursos financieros escasos constituye una tarea de gestión fundamental. Las decisiones de inversión influyen en la rentabilidad del capital, la liquidez, el riesgo, la capacidad de actuación estratégica y la posición competitiva a largo plazo.
La optimización matemática permite analizar diferentes usos del capital dentro de un modelo de decisión común.
Áreas de especialización relevantes:
- Finanzas corporativas
- Ingeniería financiera
- Planificación financiera estratégica
- Modelización financiera
- Optimización ajustada al riesgo
- Evaluación de inversiones
- Análisis de opciones reales
- Análisis de sensibilidad
Los indicadores económicos, como el valor actual neto (VAN), el flujo de caja esperado o el beneficio ajustado al riesgo, pueden formar parte de la función objetivo. Los modelos multipériodo tienen en cuenta, además, diferentes flujos de caja, plazos y capital inmovilizado.
El resultado es una base sistemática para determinar cómo se puede emplear el capital disponible de la forma más eficaz posible, partiendo de supuestos definidos.
Gestores de carteras y programas
Optimización de la cartera de proyectos en lugar de la priorización aislada de proyectos
En la gestión clásica de la cartera de proyectos, los proyectos se evalúan, se clasifican y se priorizan. Sin embargo, la clasificación de los proyectos individuales no coincide necesariamente con la cartera global óptima.
Por ejemplo, un proyecto de alta prioridad puede requerir tantos recursos que impida la realización de otros proyectos que, en conjunto, resultarían más atractivos desde el punto de vista económico.
Áreas de especialización relevantes:
- Gestión de la cartera de proyectos (PPM)
- Optimización de la cartera de proyectos (PPO)
- Problema de selección de proyectos (PSP)
- Planificación de proyectos con restricciones de recursos (RCPSP)
- Programación multiproyecto
- Gestión estratégica de carteras (SPM)
- Gestión de dependencias
- Equilibrio de la cartera
La optimización matemática permite analizar combinaciones de proyectos bajo restricciones comunes. De este modo, la cartera de proyectos no solo se gestiona, sino que se considera un problema de optimización coherente.
Planificadores estratégicos de la empresa
Planificación estratégica, análisis de escenarios y optimización multiperíodo
La planificación estratégica empresarial requiere tomar decisiones que abarcan varios años. Las inversiones, las capacidades, las ubicaciones, las tecnologías y los recursos organizativos están interrelacionados.
Una decisión tomada en el periodo de planificación actual puede abrir o cerrar opciones futuras.
Áreas de especialización relevantes:
- Asignación estratégica de recursos
- Optimización multipériodo
- Programación dinámica
- Análisis de escenarios
- Optimización estratégica de carteras
- Planificación de inversiones a largo plazo
- Optimización robusta
Los modelos matemáticos permiten representar relaciones temporales y comparar diferentes trayectorias de desarrollo estratégico. La combinación del análisis de escenarios y la optimización resulta especialmente relevante: no solo se calculan las consecuencias de una estrategia determinada, sino que se puede determinar una alternativa de decisión adecuada para cada escenario.
Gestión de activos y recursos
Asignación de recursos, planificación de la capacidad y optimización de activos
Las empresas disponen de recursos limitados: capital, personal, maquinaria, instalaciones, tiempo y capacidades técnicas. A menudo, estos recursos deben asignarse simultáneamente a varios proyectos y áreas de negocio.
Áreas de especialización relevantes:
- Optimización de la asignación de recursos
- Planificación de la capacidad
- Optimización de la gestión de activos
- Optimización del mantenimiento
- Optimización de la plantilla
- Optimización de la red
- Optimización de la programación
Un modelo matemático de optimización tiene en cuenta las capacidades disponibles y las demandas concurrentes. De este modo, es posible detectar de forma sistemática los conflictos de recursos y calcular las asignaciones admisibles.
02 | Sector público e infraestructuras
Responsables políticos y de la administración pública
Asignación de recursos públicos y optimización del impacto social
Las instituciones públicas toman decisiones de inversión en condiciones especiales. Además de las restricciones presupuestarias y de recursos, deben tenerse en cuenta las obligaciones legales, las prioridades políticas, las restricciones de destino de fondos y los objetivos de impacto social.
A diferencia de lo que ocurre con las inversiones del sector privado, a menudo el rendimiento monetario no es el aspecto central. En su lugar, las medidas públicas pueden evaluarse en función de criterios de utilidad definidos.
Áreas de especialización relevantes:
- Toma de decisiones públicas
- Economía del bienestar
- Análisis de decisión multicriterio (MCDA)
- Gestión de la inversión pública
- Optimización del bienestar social
- Asignación de recursos públicos
La optimización matemática puede ayudar a determinar la combinación de medidas públicas que, según los criterios establecidos, alcance el mayor beneficio total modelizado.
La decisión política sobre los objetivos y las prioridades recae en los responsables con legitimidad democrática. Las matemáticas optimizan dentro de estos parámetros.
Responsables presupuestarios y financieros
Optimización del presupuesto público y planificación presupuestaria plurianual
Los presupuestos públicos son sistemas de asignación multianuales con necesidades contrapuestas. Los ayuntamientos, las comunidades autónomas y las instituciones federales deben distribuir los recursos financieros entre funciones obligatorias, inversiones, infraestructuras y programas políticos.
Áreas de especialización relevantes:
- Finanzas públicas
- Optimización de la asignación presupuestaria
- Planificación presupuestaria plurianual
- Análisis de la relación coste-eficacia
- Presupuestación basada en restricciones
- Planificación fiscal
- Optimización multiobjetivo
Un modelo matemático puede tener en cuenta los recursos disponibles, las obligaciones legales, las dependencias entre proyectos y los criterios de impacto definidos. De este modo, es posible comparar matemáticamente diferentes combinaciones presupuestarias.
Planificadores de infraestructuras e inversiones
Optimización de infraestructuras y asignación de recursos a largo plazo
Las inversiones en infraestructuras se caracterizan por una elevada inmovilización de capital, largos periodos de vida útil y dependencias complejas. Carreteras, puentes, colegios, edificios administrativos, instalaciones energéticas y redes de suministro compiten por unos fondos públicos limitados.
Áreas de especialización relevantes:
- Gestión de activos de infraestructura
- Optimización de la cartera de infraestructuras
- Optimización de redes
- Ingeniería de fiabilidad
- Planificación del mantenimiento
- Optimización del ciclo de vida
- Planificación de capital multipériodo
La optimización matemática puede ayudar a combinar medidas de inversión y mantenimiento teniendo en cuenta el presupuesto, la urgencia, las dependencias y el impacto.
Modernización administrativa y control de gestión
Apoyo analítico a la toma de decisiones para instituciones públicas
La digitalización de la administración pública genera grandes volúmenes de datos. Sin embargo, la mera disponibilidad de datos no basta para determinar qué medidas deben aplicarse.
Áreas de especialización relevantes:
- Análisis del sector público
- Sistemas de apoyo a la toma de decisiones
- Gestión del rendimiento
- Toma de decisiones multicriterio
- Modelización matemática
- Análisis prescriptivo
- Planificación de escenarios
Un enfoque de optimización con base científica puede integrar datos administrativos, criterios de evaluación y restricciones institucionales en un modelo de toma de decisiones común.
03 | Matemáticas e investigación operativa
Matemáticos y matemáticos económicos
Matemáticas aplicadas, programación matemática y optimización discreta
La optimización matemática estudia la determinación de soluciones óptimas dentro de espacios de decisión definidos. Un problema de optimización se compone, en principio, de variables de decisión, una función objetivo y restricciones.
Una formulación general es la siguiente:
Maximizar:
max f(x)
Bajo las restricciones:
g_i(x) ≤ 0, i = 1, ..., m
h_j(x) = 0, j = 1, ..., p
Dependiendo del problema, las variables de decisión pueden ser continuas, enteras o binarias.
A la hora de seleccionar proyectos de inversión, se suelen utilizar variables binarias:
x_i ∈ {0,1}
x_i = 1: se selecciona el proyecto.x_i = 0: el proyecto no se selecciona.
Una optimización sencilla de la cartera puede formularse como un problema de optimización binario:
Función objetivo:
máx. Σ v_i · x_i
Restricción presupuestaria:
Σ c_i · x_i ≤ B
Donde v_i representa el beneficio, c_i los costes de inversión y B el presupuesto disponible.
Este modelo básico se conoce como «problema de la mochila 0-1». Las carteras de inversión reales pueden incluir, además, dependencias, múltiples recursos, condiciones temporales y objetivos que compiten entre sí.
Áreas de especialización relevantes:
- Matemáticas aplicadas
- Matemáticas discretas
- Programación entera
- Programación lineal
- Optimización no lineal
- Optimización combinatoria
- Optimización global
- Economía matemática
Especialistas en investigación operativa
La investigación operativa como base científica de las decisiones complejas de asignación
La investigación operativa se ocupa del análisis matemático y la optimización de problemas de decisión complejos. Esta disciplina combina la modelización matemática, los métodos algorítmicos de resolución, la estadística y el análisis sistemático de la toma de decisiones.
Tipos de problemas habituales:
- Problemas de la mochila
- Problemas de asignación generalizados
- Problemas de cobertura de conjuntos
- Problemas de ubicación de instalaciones
- Problemas de programación
- Problemas de flujo en redes
- Problemas de asignación de recursos
- Problemas de selección de carteras
En los problemas combinatorios, el número de soluciones posibles suele crecer muy rápidamente.
Para n proyectos binarios que se pueden seleccionar de forma independiente, existen inicialmente 2ncombinaciones de selección posibles.
Con 100 proyectos, esto equivale a:
2¹¹⁰⁰ ≈ 1,27 ×10³⁰ combinaciones teóricas.
Sin embargo, los métodos modernos de optimización no tienen por qué recorrer todas las combinaciones una por una. Métodos como «branch-and-bound», «branch-and-cut», «presolve» y las relajaciones matemáticas pueden descartar gran parte del espacio de búsqueda.
Lo decisivo no es la enumeración completa, sino la búsqueda, con fundamento matemático, de soluciones óptimas o de calidad suficientemente buena demostrable.
La complejidad computacional real depende de la estructura del modelo, las restricciones, los datos y los algoritmos utilizados.
Ingenieros de optimización
Transformar modelos matemáticos en potentes sistemas de optimización
La ingeniería de optimización combina la optimización matemática con el desarrollo de software y la resolución práctica de problemas. Los problemas de decisión reales se traducen a modelos definidos formalmente y se procesan con métodos de resolución adecuados.
Áreas de especialización relevantes:
- Programación matemática
- Programación con restricciones
- Ingeniería de solucionadores
- Formulación de modelos
- Selección de algoritmos
- Métodos de descomposición
- Arquitectura de software de optimización
- Análisis del rendimiento computacional
Entre las tareas fundamentales se encuentran la formulación de funciones objetivo, la representación de restricciones, la selección de algoritmos adecuados y la evaluación de la calidad de la solución.
La modelización matemática es tan importante como la potencia de cálculo. Un algoritmo potente solo puede optimizar aquel problema que se haya formulado realmente en el modelo.
Analistas numéricos
Análisis numérico, estabilidad y métodos de cálculo matemático
El análisis numérico estudia la resolución computacional de problemas matemáticos teniendo en cuenta la precisión, la estabilidad y la eficiencia.
Áreas de especialización relevantes:
- Estabilidad numérica
- Aritmética de coma flotante
- Acondicionamiento numérico
- Análisis de convergencia
- Métodos de aproximación
- Análisis de errores
- Cálculo con matrices dispersas
- Álgebra lineal numérica
Los métodos numéricos revisten especial importancia, sobre todo, para los problemas de optimización continuos y no lineales. También en los métodos de optimización con variables mixtas (enteras y reales), las propiedades numéricas, el escalado y las tolerancias pueden influir en la fiabilidad del cálculo.
Por ello, es fundamental distinguir entre la optimalidad matemática, la precisión numérica y la calidad práctica de la solución.
04 | Ciencia de datos, análisis de sistemas y tecnología
Científicos de datos y científicos de la toma de decisiones
Del análisis predictivo al análisis prescriptivo
La ciencia de datos examina datos, identifica patrones y desarrolla modelos estadísticos o algorítmicos. La ciencia de la toma de decisiones se ocupa de la mejora sistemática de las decisiones.
Es especialmente relevante la distinción entre tres niveles analíticos:
- Análisis descriptivo: ¿qué ha ocurrido?
- Análisis predictivo: ¿qué se prevé que suceda?
- Análisis prescriptivo: ¿qué decisión debería tomarse teniendo en cuenta los objetivos y las restricciones dados?
El análisis prescriptivo combina previsiones, modelos matemáticos y procedimientos de optimización.
Un modelo de previsión puede, por ejemplo, estimar el beneficio económico esperado de distintos proyectos de inversión. A continuación, un modelo de optimización calcula qué combinación de proyectos debería seleccionarse teniendo en cuenta las restricciones presupuestarias y de recursos.
Áreas de especialización relevantes:
- Ciencia de datos
- Ciencia de la decisión
- Aprendizaje automático
- Análisis predictivo
- Análisis prescriptivo
- Teoría bayesiana de la decisión
- Análisis de decisión multicriterio
- Sistemas de apoyo a la toma de decisiones
Analistas de sistemas e ingenieros de sistemas
Modelización matemática y optimización de sistemas complejos
El análisis de sistemas estudia la estructura, las relaciones y las interacciones de los sistemas complejos. La ingeniería de sistemas se ocupa del desarrollo y la integración sistemáticos de sistemas técnicos y organizativos.
En las carteras de inversión pueden darse numerosas interacciones:
- Los proyectos necesitan recursos comunes.
- Las medidas dependen unas de otras en el tiempo.
- Algunas inversiones son imprescindibles.
- Los proyectos se excluyen mutuamente.
- Las decisiones de inversión influyen en las capacidades futuras.
Estas relaciones pueden modelarse matemáticamente como restricciones.
Áreas de especialización relevantes:
- Ingeniería de sistemas
- Análisis de sistemas
- Optimización de sistemas
- Modelización de restricciones
- Ingeniería de sistemas basada en modelos
- Sistemas complejos
- Modelado de simulación
- Ingeniería de requisitos
La calidad del resultado de una optimización depende en gran medida de que estas relaciones entre los sistemas se hayan modelado de forma completa y correcta.
Científicos computacionales
Cálculo científico y cálculo de alto rendimiento
La ciencia computacional combina modelos matemáticos con métodos de cálculo asistidos por ordenador. En el caso de problemas de optimización de gran envergadura, la eficiencia algorítmica, las necesidades de memoria y la arquitectura de cálculo se convierten en factores importantes.
Áreas de especialización relevantes:
- Cálculo científico
- Matemáticas computacionales
- Computación de alto rendimiento
- Cálculo paralelo
- Optimización numérica
- Complejidad computacional
- Ingeniería del rendimiento
La computación paralela permite distribuir los cálculos entre varios núcleos de procesador. Que esto suponga una ventaja en términos de velocidad, y en qué medida, depende del algoritmo, de la estructura del problema y de la parte del cálculo que se pueda paralelizar.
En el caso de los sistemas de optimización interactivos, resulta especialmente relevante la capacidad de reevaluar en poco tiempo las restricciones o los presupuestos modificados.
Ingenieros de algoritmos
Diseño de algoritmos, teoría de la complejidad y métodos de búsqueda combinatoria
La ingeniería de algoritmos se ocupa del desarrollo, la implementación y la evaluación experimental de algoritmos de alto rendimiento.
En los problemas de optimización matemática, las siguientes cuestiones ocupan un lugar central, entre otras:
- ¿Cómo se estructura el espacio de búsqueda?
- ¿Qué subespacios pueden descartarse matemáticamente?
- ¿Qué límites se pueden calcular?
- ¿Cuándo se puede demostrar que una solución es óptima?
- ¿Qué métodos de aproximación resultan adecuados para problemas de gran envergadura?
- ¿Cómo varía el tiempo de ejecución a medida que aumenta el tamaño del problema?
Áreas de especialización relevantes:
- Diseño de algoritmos
- Teoría de la complejidad computacional
- Branch-and-Bound
- Ramificación y corte
- Programación dinámica
- Búsqueda heurística
- Metaheurística
- Algoritmos de aproximación
- Algoritmos paralelos
Una característica fundamental de los métodos matemáticos de optimización es la distinción entre una solución válida encontrada y una solución que se ha demostrado que es óptima.
En el caso de problemas complejos, también se puede utilizar la denominada «brecha de optimalidad» para evaluar la calidad de una solución encontrada basándose en límites matemáticos.
05 | Fundamentos científicos comunes
De la formulación del problema al modelo matemático de decisión
Independientemente de si quien analiza un problema es un responsable de inversiones, un matemático o un responsable de presupuestos públicos, la optimización matemática sigue una estructura básica común.
Paso 1: Definir las variables de decisión
¿Qué decisiones se pueden tomar? Por ejemplo, la selección, el aplazamiento o el rechazo de proyectos de inversión concretos.
Paso 2: Formular la función objetivo
¿Qué resultado se debe maximizar o minimizar?
- Valor actual neto
- Rentabilidad económica
- Beneficio social
- Seguridad del suministro
- Eficiencia en el uso de los recursos
- Minimización del riesgo
Paso 3: Modelar las restricciones
¿Qué condiciones deben cumplirse obligatoriamente? Entre ellas se incluyen los límites presupuestarios, la disponibilidad de recursos, las dependencias técnicas, las obligaciones legales y los plazos.
Paso 4: Seleccionar el método de resolución
En función de la estructura matemática, pueden resultar adecuados la optimización lineal y entera, la programación con restricciones, la programación dinámica o los métodos heurísticos.
Paso 5: Validar los resultados
La solución calculada debe comprobarse en cuanto a su admisibilidad, los supuestos del modelo, la sensibilidad y la plausibilidad económica o institucional.
Paso 6: Simular decisiones
Los cambios en los presupuestos, las prioridades o las restricciones pueden dar lugar a una nueva solución óptima. De este modo, la optimización matemática se convierte en una herramienta de apoyo interactivo a la toma de decisiones.
06 | La optimización científica en la práctica: StratePlan
StratePlan es la tecnología desarrollada por mAInthink para la optimización matemática de carteras complejas de inversiones y proyectos.
Este enfoque combina la optimización combinatoria con la consideración sistemática de las dependencias presupuestarias, de recursos y de proyectos.
No se centra únicamente en la evaluación de proyectos individuales, sino en el cálculo de combinaciones de proyectos adecuadas desde el punto de vista económico o estratégico.
Las disciplinas científicas en las que se basa abarcan, en particular:
- Investigación operativa
- Optimización combinatoria
- Programación matemática
- Ciencia de la decisión
- Análisis prescriptivo
- Optimización de la asignación de recursos
- Ciencia computacional
En el caso de las empresas, se pueden utilizar indicadores económicos como el VAN u otros objetivos definidos. En el caso de las instituciones públicas, en cambio, se pueden modelar criterios ponderados de utilidad e impacto.
La función objetivo y las restricciones se adaptan al caso de aplicación concreto.
Mismos proyectos. Mismo presupuesto. Mejores combinaciones. Mejores resultados.
La optimización matemática no sustituye ni a la responsabilidad de la dirección ni a la soberanía política en la toma de decisiones. Amplía la base de decisión con alternativas calculadas de forma sistemática.
07 | Preguntas frecuentes
¿Cuál es la diferencia entre la investigación operativa y la ciencia de datos?
La investigación operativa se centra en la optimización matemática de decisiones bajo restricciones. La ciencia de datos aborda de forma más amplia la obtención de conocimientos a partir de datos, incluyendo el análisis estadístico y la predicción. Ambas disciplinas se complementan, especialmente en el ámbito del análisis prescriptivo.
¿Es la optimización matemática lo mismo que la inteligencia artificial?
No. La optimización matemática es un campo de investigación independiente con una larga tradición científica. Puede combinarse con métodos de inteligencia artificial, pero no es lo mismo que el aprendizaje automático.
¿Siempre se puede calcular el óptimo global?
No se puede demostrar que todos los problemas de optimización reales puedan resolverse de forma óptima global en tiempos de cálculo viables. La calculabilidad depende de la estructura del problema, el tamaño del modelo, las propiedades matemáticas y los recursos computacionales disponibles. Con modelos y métodos de resolución adecuados, la optimalidad global puede demostrarse matemáticamente.
¿Por qué la priorización clásica de proyectos suele ser insuficiente?
Una clasificación evalúa los proyectos de forma individual. La optimización de la cartera tiene en cuenta, además, las interacciones entre los proyectos, así como las restricciones presupuestarias y de recursos comunes. De este modo, una combinación diferente de proyectos puede generar un mayor beneficio global.
¿Qué significa «optimización combinatoria»?
La optimización combinatoria estudia la selección o disposición de alternativas de decisión discretas. Entre sus aplicaciones típicas se encuentran la selección de carteras de proyectos, la planificación de recursos, el control de la producción y la optimización de redes.
¿Qué papel desempeña el análisis numérico?
El análisis numérico estudia la precisión, la estabilidad y la eficiencia de los procedimientos matemáticos computacionales. Es especialmente relevante para la implementación y evaluación fiables de algoritmos de optimización numérica.
¿Se pueden optimizar matemáticamente los presupuestos públicos?
Sí, siempre que los objetivos, los criterios de evaluación y las restricciones puedan formalizarse adecuadamente. Para ello, deben tenerse en cuenta expresamente las obligaciones legales, las destinaciones específicas de los fondos y las prioridades políticas. La optimización matemática calcula soluciones dentro de estos parámetros, pero no sustituye a la decisión democrática.
¿Cuál es la diferencia entre simulación y optimización?
Una simulación analiza las repercusiones de una decisión o un escenario predeterminados. Una optimización busca, dentro de un espacio de decisión definido, la mejor solución admisible según una función objetivo. Ambos métodos pueden combinarse entre sí.
08 | De la ciencia a una mejor toma de decisiones
La investigación operativa, la modelización matemática, la ciencia de la decisión y la ciencia computacional constituyen los fundamentos científicos de los sistemas de optimización modernos.
Su objetivo común es describir formalmente problemas de decisión complejos, examinar sistemáticamente las alternativas admisibles y mejorar de forma comprensible la calidad de las decisiones.
- Para los matemáticos, la calidad de los modelos y las soluciones es lo más importante.
- Para los analistas técnicos, los algoritmos, la potencia de cálculo y la validación son fundamentales.
- Para los gestores de CAPEX y los directores financieros, lo que cuenta es el impacto económico.
- Para las instituciones públicas, lo primordial es el uso lo más eficaz posible de unos recursos limitados.
Perspectivas diferentes. Fundamentos matemáticos comunes. Alternativas de decisión cuantificables.
StratePlan aplica estos fundamentos a carteras complejas de inversiones y proyectos.
Comprender la optimización matemática. Calcular el potencial económico.
