PERSPECTIVAS | INVESTIGACIÓN OPERATIVA Y GESTIÓN EMPRESARIAL
La investigación operativa en la gestión: optimización matemática directamente en la reunión de la junta directiva
Cómo la investigación operativa, la optimización matemática de carteras y la simulación en tiempo real están transformando las decisiones estratégicas de inversión, desde la planificación de CAPEX hasta la sala de juntas.
Las empresas invierten recursos considerables en la evaluación, priorización y planificación de sus proyectos. Sin embargo, a menudo queda sin respuesta una pregunta fundamental: ¿es realmente la mejor la combinación seleccionada de proyectos de inversión, dadas las restricciones de presupuesto, recursos y dependencias existentes?
Aquí es precisamente donde entra en juego la investigación operativa (IO). Esta disciplina científica estudia cómo se pueden modelar y optimizar matemáticamente problemas de decisión complejos.
Si bien la Investigación Operativa se lleva utilizando desde hace décadas en la producción, la logística, la planificación del transporte y la asignación de recursos, su integración en los procesos de gestión estratégica abre nuevas posibilidades de aplicación: la optimización matemática directamente allí donde se toman las decisiones de inversión, es decir, en la reunión de la junta directiva.
De este modo, lo que a menudo es un análisis previo se convierte en una herramienta interactiva de gestión empresarial.
1. ¿Qué es la investigación operativa en la gestión?
La investigación operativa es la disciplina científica dedicada al análisis matemático y la optimización de problemas de decisión complejos. Utiliza, entre otras cosas, la programación matemática, la optimización combinatoria, la simulación, los modelos estocásticos y los procedimientos algorítmicos para determinar, en condiciones definidas, las soluciones más adecuadas o demostrablemente óptimas.
En la gestión empresarial, esto significa que las decisiones estratégicas y operativas no deben basarse exclusivamente en la experiencia, las clasificaciones o los cálculos de rentabilidad aislados, sino que deben tener en cuenta de forma sistemática las interacciones entre las alternativas de actuación disponibles.
Las preguntas típicas a la hora de tomar decisiones son:
- ¿Qué proyectos de inversión deberían llevarse a cabo con un presupuesto de CAPEX limitado?
- ¿Cómo se pueden distribuir de forma óptima los recursos entre varios proyectos y períodos de tiempo?
- ¿Qué combinación de proyectos genera el mayor beneficio económico modelizado?
- ¿Cómo afectan las restricciones adicionales a la cartera óptima?
- ¿Qué repercusiones tienen los recortes presupuestarios o los cambios en las prioridades estratégicas?
La investigación operativa se diferencia así de los análisis meramente descriptivos: no solo examina lo que ha sucedido o lo que podría suceder, sino también qué alternativa de actuación admisible debería preferirse en el marco de una función objetivo definida.
2. Investigación operativa y gestión empresarial: dos disciplinas que se fusionan
La gestión empresarial clásica se ocupa de la estrategia, los objetivos de la empresa, la elaboración de presupuestos, las inversiones, la organización y la gobernanza.
La investigación operativa proporciona métodos para estructurar y optimizar matemáticamente determinadas decisiones de gestión.
Ambas disciplinas se complementan especialmente en aquellos casos en los que hay que tomar simultáneamente muchas decisiones interrelacionadas.
2.1 La separación clásica entre análisis y decisión
En muchas empresas, las propuestas de inversión se elaboran inicialmente de forma descentralizada. Los departamentos de control de gestión y finanzas consolidan los datos, evalúan la rentabilidad y los riesgos, y preparan propuestas para la toma de decisiones.
A continuación, el consejo de administración recibe una lista de proyectos priorizados o varios escenarios calculados previamente.
Si durante la reunión cambia una hipótesis fundamental, puede ser necesario realizar un nuevo análisis. Esto es especialmente cierto cuando los cambios presupuestarios afectan a numerosas dependencias entre proyectos y a restricciones de recursos.
2.2 Del informe estático al modelo de decisión interactivo
Un modelo matemático de optimización puede resolver en parte esta separación.
Los objetivos estratégicos (ingresos y gastos, así como ponderaciones y dependencias) y otras restricciones se integran en un modelo común. De este modo, es posible analizar de forma coherente diferentes directrices de gestión.
La dirección de la empresa sigue decidiendo sobre los objetivos, los supuestos y las prioridades. El procedimiento de optimización calcula las combinaciones de proyectos adecuadas para ello.
La investigación operativa no sustituye, por tanto, a la dirección de la empresa. Amplía su base analítica para la toma de decisiones.
3. Por qué la priorización de proyectos no es lo mismo que la optimización de la cartera
La priorización de proyectos y la optimización de la cartera siguen enfoques metodológicos diferentes.
3.1 La priorización de proyectos evalúa proyectos individuales
En la priorización, los proyectos se evalúan, por ejemplo, en función del valor actual neto, el retorno de la inversión, la importancia estratégica o una puntuación ponderada, y posteriormente se clasifican por orden de prioridad.
Dicha clasificación puede resultar valiosa para la toma de decisiones. Sin embargo, no responde automáticamente a la pregunta de cuál es la mejor combinación de proyectos dentro de un presupuesto común.
3.2 La optimización de la cartera tiene en cuenta la combinación global
La optimización matemática de la cartera tiene en cuenta simultáneamente:
- los costes de inversión y los presupuestos disponibles
- Contribuciones a los objetivos económicos o estratégicos
- Las dependencias entre proyectos y las condiciones de exclusión
- Disponibilidad de recursos y límites de capacidad
- Planificación de inversiones y recursos en varios periodos
- Proyectos obligatorios y requisitos normativos
Por lo tanto, un proyecto individual con una valoración alta no tiene por qué formar parte de la cartera global óptima. Varios proyectos más pequeños pueden, en conjunto, lograr una mayor contribución a los objetivos.
La pregunta clave para la dirección no es solo: «¿Qué proyectos son buenos?», sino: «¿Cuál es la mejor combinación dadas las condiciones actuales?».
4. Los fundamentos matemáticos de la optimización de carteras
Una cartera típica de CAPEX puede formularse como un problema de optimización binaria.
4.1 Variables de decisión
Para cada proyecto i se define una variable binaria:
x_i ∈ {0,1}
Donde:
x_i = 1: se selecciona el proyecto i.x_i = 0: no se selecciona el proyecto i.
4.2 Función objetivo
Si a cada proyecto se le asigna una contribución objetivo aditiva v_i, una función objetivo simplificada es la siguiente:
Maximizar Z = Σ(i=1 a n) v_i · x_i
La contribución objetivo puede ser, por ejemplo, un valor actual neto, un beneficio monetarizado o un valor de utilidad estratégico definido de forma coherente.
En caso de efectos no aditivos, riesgos o interacciones entre proyectos, se requieren modelos ampliados en consecuencia.
4.3 Restricción presupuestaria
Para un presupuesto de inversión disponible B y unos costes de proyecto c_i, se cumple lo siguiente:
Σ(i=1 a n) c_i · x_i ≤ B
Los proyectos seleccionados no deben superar el presupuesto definido.
4.4 Dependencias y otras restricciones
Si el proyecto A requiere la realización del proyecto B, la condición podría ser, por ejemplo:
x_A ≤ x_B
Otras restricciones pueden referirse a la capacidad de personal, las dependencias técnicas, la duración de los proyectos o los límites presupuestarios anuales.
De este modo, el modelo matemático describe un espacio de decisión admisible, dentro del cual un algoritmo de optimización busca la mejor solución.
4.5 Complejidad combinatoria
En el caso de n decisiones de proyecto binarias independientes, existen teóricamente 2 elevado a n combinaciones de selección posibles.
Para 30 proyectos, el resultado es:
2³⁰ = 1.073.741.824 combinaciones posibles.
Esta cifra describe el espacio de selección teórico antes de tener en cuenta las restricciones. No significa que un algoritmo de optimización tenga que calcular cada combinación por separado. Los métodos modernos pueden excluir sistemáticamente gran parte del espacio de búsqueda.
5. Investigación operativa en la sala de juntas: la optimización como parte de la reunión de la junta directiva
La integración de la investigación operativa en la sala de juntas modifica, sobre todo, el desarrollo temporal del apoyo a la toma de decisiones.
En lugar de limitarse a debatir clasificaciones de proyectos ya preparadas, la dirección de la empresa puede recurrir a un modelo matemático que calcula decisiones alternativas basándose en objetivos y restricciones definidos.
5.1 Del informe al análisis interactivo
Un posible procedimiento consta de cinco pasos:
- Base de datos: se preparan los proyectos de inversión, los costes (gastos), las aportaciones de beneficios (ingresos) y las restricciones.
- Cartera inicial: el modelo calcula una combinación de proyectos admisible y, en la medida de lo posible, óptima.
- Debate directivo: la junta directiva y el departamento financiero analizan los límites presupuestarios, las prioridades y las hipótesis.
- Recálculo: Las nuevas especificaciones se incorporan al modelo y se vuelve a optimizar.
- Decisión: la dirección de la empresa evalúa los resultados y adopta una resolución documentada.
De este modo, la optimización matemática puede convertirse en un componente interactivo de los procesos de toma de decisiones estratégicas.
5.2 El papel de la decisión humana
Incluso una cartera calculada de forma matemáticamente óptima depende de la calidad del modelo.
Un algoritmo de optimización solo puede tener en cuenta los objetivos, supuestos y restricciones que figuran en el modelo.
Por lo tanto, la responsabilidad estratégica, el criterio empresarial y la gobernanza siguen recayendo en la dirección.
6. Simulación en tiempo real: ¿qué ocurre si el consejo de administración modifica sus directrices?
La utilidad práctica de una optimización en tiempo real se pone especialmente de manifiesto cuando, durante una reunión, cambian las condiciones marco esenciales.
6.1 Escenario: se reduce el presupuesto de CAPEX
Una empresa planifica una cartera de inversiones con un presupuesto de 20 millones de euros. Durante la reunión del consejo de administración, se decide limitar los fondos disponibles a 17 millones de euros.
La simple supresión de los proyectos priorizados más recientemente no tiene por qué dar lugar a la mejor combinación restante.
En cambio, un modelo de optimización puede recalcular por completo la cartera dentro del nuevo límite presupuestario.
6.2 Escenario: un proyecto pasa a ser obligatorio
El consejo de administración decide que un proyecto exigido por la normativa debe llevarse a cabo independientemente de su evaluación económica.
La nueva restricción es, por ejemplo:
x_proyecto_obligatorio = 1
El modelo tiene en cuenta este requisito y busca la mejor combinación de proyectos dentro del margen de decisión restante.
6.3 Escenario: los recursos se convierten en un cuello de botella
El presupuesto no siempre es la única restricción decisiva. También pueden ser limitados los especialistas técnicos, las capacidades de producción o los recursos de gestión de proyectos.
Mediante restricciones adicionales de recursos se puede analizar cómo cambia la composición óptima de los proyectos.
La simulación en tiempo real permite comparar de forma inmediata las consecuencias de los cambios en los requisitos de gestión, siempre que el modelo y los tiempos de cálculo lo permitan.
7. Ejemplo práctico: 30 proyectos de CAPEX y más de mil millones de combinaciones teóricas
Consideremos una empresa con 30 proyectos de inversión previstos.
Cada proyecto tiene una necesidad de inversión, una contribución económica objetivo y, en su caso, dependencias con respecto a otros proyectos.
En el caso de una selección binaria de proyectos, se producen, en teoría, más de mil millones de combinaciones posibles.
7.1 Por qué no basta con una tabla de clasificación
Una hoja de cálculo puede documentar muy bien los costes de los proyectos, los valores actuales netos y las prioridades.
Sin embargo, una lista de proyectos ordenada por ROI o valor actual neto no constituye un algoritmo general para resolver un problema combinatorio de optimización de carteras.
El problema no radica fundamentalmente en el software Excel. Con métodos de resolución adecuados, también es posible resolver modelos de optimización a partir de hojas de cálculo. Lo decisivo es si realmente se lleva a cabo una optimización matemática de la cartera o si simplemente se procesa una clasificación.
7.2 Ejemplo de cálculo con seis proyectos
Una cartera simplificada contiene los siguientes proyectos hipotéticos:
| Proyecto | Inversión | Valor actual neto |
|---|---|---|
| A | 6 millones de € | 9 millones de € |
| B | 5 millones de € | 7 millones de € |
| C | 4 millones de € | 6 millones de € |
| D | 3 millones de € | 4 millones de € |
| E | 2 millones de € | 3 millones de € |
| F | 2 millones de € | 2 millones de € |
El presupuesto disponible asciende a 10 millones de euros.
Si la selección se basara únicamente en el valor actual neto absoluto más alto, en un primer momento se daría preferencia al proyecto A. Junto con el proyecto C, el valor actual neto resultante es de 15 millones de euros.
Por el contrario, la combinación de B, C y E requiere 11 millones de euros y, por lo tanto, no es admisible.
La combinación de B, D y E requiere exactamente 10 millones de euros y alcanza un valor actual neto de 14 millones de euros.
La combinación de A y C también requiere exactamente 10 millones de euros y alcanza los 15 millones de euros. Por lo tanto, en este ejemplo simplificado, resulta óptima.
El ejemplo muestra cómo las restricciones presupuestarias determinan la elección. En carteras más amplias y con dependencias adicionales, un cálculo matemático sistemático cobra especial relevancia.
8. ¿Qué importancia tiene la investigación operativa para el director general, el director financiero y el consejo de supervisión?
8.1 Director general (CEO): poner en práctica las prioridades estratégicas
Para los directores generales, la ventaja radica en vincular los objetivos estratégicos con decisiones concretas sobre recursos e inversiones.
El crecimiento, la transformación, la eficiencia y la resiliencia suelen competir por los mismos recursos financieros.
Un modelo de optimización puede poner de manifiesto qué combinación de proyectos respalda mejor los objetivos definidos con los recursos disponibles.
8.2 Director financiero (CFO): mejorar sistemáticamente la asignación de capital
Para los directores financieros (CFO), resulta especialmente relevante la relación entre la asignación de capital, la planificación de CAPEX y la optimización de la cartera.
La optimización matemática puede ayudar a comparar de forma coherente las alternativas de inversión y a poner de manifiesto las consecuencias de las distintas decisiones presupuestarias.
No sustituye ni a la evaluación financiera ni a la gestión de riesgos, sino que las complementa con un proceso de selección sistemático.
8.3 Consejo de supervisión: comprender los fundamentos de las decisiones
Para los consejos de supervisión y otros órganos de control, los modelos de optimización documentados pueden mejorar la trazabilidad de las decisiones de inversión.
Son especialmente relevantes los objetivos, las restricciones, los escenarios y las desviaciones entre las alternativas propuestas.
La optimización matemática crea así una base analítica adicional para la gobernanza y el control, sin alterar la responsabilidad de los órganos.
9. ¿Qué métodos de optimización permite la investigación operativa en la gestión?
La aplicación matemática y algorítmica depende de la estructura del problema de decisión en cuestión.
9.1 Optimización lineal y mixta-entera
La programación lineal y la programación lineal mixta-entera (MILP) se encuentran entre los métodos consolidados para modelar problemas de asignación y selección.
Las decisiones binarias sobre proyectos pueden combinarse con funciones objetivo lineales y restricciones.
9.2 Optimización combinatoria
La optimización combinatoria estudia la selección, la ordenación y la combinación de alternativas discretas.
Resulta especialmente relevante cuando las decisiones son interdependientes y el número de combinaciones posibles crece rápidamente con el número de variables.
9.3 Algoritmos exactos y métodos heurísticos
Los métodos de optimización exactos pueden, en condiciones adecuadas, demostrar la optimalidad global de una solución o indicar una brecha de optimalidad cuantificada.
Por el contrario, los métodos heurísticos y metaheurísticos buscan buenas soluciones sin proporcionar, por lo general, una prueba de optimalidad global.
El enfoque adecuado depende de la estructura del modelo, la magnitud del problema, la calidad deseada de la solución y el tiempo de cálculo disponible.
9.4 Computación paralela y potencia de cálculo
La computación paralela puede acelerar determinados métodos de optimización distribuyendo los pasos de cálculo adecuados entre varios núcleos de procesador.
La aceleración real depende del algoritmo, la estructura del problema y el grado de paralelización. Por lo tanto, no es posible deducir un tiempo de cálculo breve o una prueba de optimalidad global únicamente a partir del número de núcleos de cálculo.
10. Investigación operativa, inteligencia artificial e inteligencia de decisión
La investigación operativa, la inteligencia artificial y la inteligencia de decisión suelen tratarse conjuntamente, pero cumplen funciones diferentes.
10.1 Análisis predictivo y análisis prescriptivo
El análisis predictivo se ocupa de pronosticar desarrollos futuros.
El análisis prescriptivo examina qué acciones son adecuadas bajo determinados supuestos y objetivos.
La investigación operativa proporciona los métodos matemáticos fundamentales para ello.
10.2 La combinación de predicción y optimización
Un modelo de aprendizaje automático puede, por ejemplo, estimar la demanda futura, los costes o las probabilidades de fallo.
A continuación, un modelo de optimización puede utilizar estas estimaciones para distribuir recursos, inversiones o medidas dentro de unas restricciones.
La calidad de la decisión depende tanto de la previsión como de la modelización del problema de optimización.
10.3 La inteligencia de decisión como marco organizativo
La inteligencia decisional combina datos, modelos, lógica de decisión y procesos organizativos con el objetivo de respaldar las decisiones de forma sistemática.
Dentro de este marco, la investigación operativa puede constituir la base matemática para el cálculo de alternativas de actuación.
La combinación de la optimización matemática y los procesos de gestión permite aplicar métodos científicos a decisiones empresariales concretas.
11. ¿Cómo se puede integrar la investigación operativa en los procesos empresariales existentes?
Una implantación satisfactoria requiere no solo algoritmos adecuados, sino también una integración organizativa y técnica sólida.
11.1 Datos de finanzas, control de gestión y gestión de proyectos
La información relevante puede proceder de sistemas ERP, soluciones de gestión de proyectos, planificación financiera y hojas de cálculo.
Es importante contar con una definición coherente de los costes del proyecto (gastos), las aportaciones de valor (ingresos), los periodos de tiempo y las restricciones.
11.2 Gobernanza y responsabilidad sobre los modelos
La empresa debe establecer quién define los objetivos y las restricciones, autoriza los datos y valida los resultados de la optimización.
Los cambios en los supuestos del modelo deben documentarse y, si es necesario, versionarse.
11.3 Integración en el ciclo de toma de decisiones
La optimización matemática de la cartera puede integrarse en los procesos anuales de planificación de CAPEX, en los programas de inversión plurianuales y en las reasignaciones a lo largo del año.
Para las sesiones en tiempo real, es recomendable validar previamente los datos y el modelo, y modificar de forma interactiva únicamente los parámetros claramente definidos.
12. Requisitos previos y límites de la optimización matemática de la gestión
La investigación operativa no ofrece ninguna garantía automática de que las decisiones sean económicamente acertadas.
12.1 Calidad de los datos y validación de modelos
Las hipótesis de costes erróneas, las dependencias incompletas o las contribuciones objetivo incoherentes pueden dar lugar a resultados inadecuados.
Por ello, la verificación de los datos, la validación técnica del modelo y los controles de plausibilidad son componentes esenciales de una optimización rigurosa.
12.2 Incertidumbre y riesgo
Los rendimientos futuros de las inversiones y los costes de los proyectos suelen ser inciertos.
Dependiendo de la aplicación, pueden ser necesarios análisis de escenarios, análisis de sensibilidad, optimización robusta o métodos estocásticos.
12.3 La optimalidad global siempre es relativa al modelo
Un óptimo global desde el punto de vista matemático es la mejor solución admisible dentro de la función objetivo y las restricciones definidas.
No equivale automáticamente a la mejor decisión desde todos los puntos de vista de la economía real.
12.4 El cálculo en tiempo real depende de la estructura del problema
Muchos problemas de optimización se pueden resolver rápidamente. Otros requieren un tiempo de cálculo considerable o el uso de métodos aproximados.
Para garantizar una aplicación en tiempo real fiable, es necesario probar el tamaño del modelo, el comportamiento del solucionador, los tiempos de cálculo y la calidad de los resultados en condiciones realistas.
13. Ámbitos de aplicación de la investigación operativa en la gestión empresarial
13.1 Optimización del CAPEX y de la cartera de inversiones
Las empresas pueden utilizar la optimización matemática para distribuir los presupuestos de inversión entre proyectos, ubicaciones o áreas de negocio.
13.2 Asignación estratégica de recursos
La asignación de recursos humanos, técnicos o financieros limitados a proyectos que compiten entre sí constituye un problema clásico de optimización.
13.3 Planificación de inversiones plurianual
Los modelos multiperíodo pueden tener en cuenta los límites presupuestarios anuales, la duración de los proyectos, las dependencias y la disponibilidad de recursos.
13.4 Infraestructuras y presupuestos públicos
Las instituciones públicas también se enfrentan a decisiones de asignación complejas. En lugar de limitarse a maximizar los ingresos monetarios, los modelos de utilidad adecuados pueden tener en cuenta el impacto social y los objetivos políticos.
Las obligaciones legales, las asignaciones específicas de fondos y las prioridades legítimas desde el punto de vista democrático siguen siendo condiciones marco vinculantes.
13.5 Investigación, desarrollo y transformación
Las carteras de investigación y desarrollo, los programas de transformación y las iniciativas estratégicas también pueden contar con el apoyo de modelos matemáticos de selección y asignación.
14. StratePlan: la investigación operativa como servicio de toma de decisiones en línea
Con StratePlan, mAInthink GmbH desarrolla una aplicación que pone al alcance de los procesos de toma de decisiones económicos y públicos la optimización matemática de carteras.
Este enfoque combina métodos de investigación operativa con una interfaz orientada a la aplicación para el análisis de carteras de proyectos e inversiones.
14.1 De los datos del proyecto a la combinación optimizada
El punto de partida son datos estructurados de los proyectos, como las necesidades de inversión, los ingresos y las restricciones pertinentes.
El modelo de optimización analiza qué combinación de proyectos alcanza la mayor contribución objetivo modelizada dentro de las condiciones marco definidas.
14.2 Escenarios para la gestión y las finanzas
Los cambios en los presupuestos u otros parámetros del modelo pueden utilizarse para volver a calcular la cartera.
Esto permite comparar diferentes directrices estratégicas sin tener que reconstruir manualmente toda la evaluación del proyecto.
14.3 Simulación CAPEX Live Boardroom
La simulación CAPEX Live Boardroom traslada el enfoque de optimización a la reunión de la dirección.
La dirección de la empresa puede debatir condiciones marco alternativas y analizar sus repercusiones en la combinación de proyectos calculada.
La velocidad de ejecución depende de la estructura del modelo y de la envergadura del problema.
14.4 Decision Intelligence 4 All
El concepto «Decision Intelligence 4 All» tiene como objetivo hacer que la optimización matemática sea accesible también fuera de los departamentos especializados en investigación operativa.
El servicio de decisión en línea tiene como objetivo simplificar la aplicación de métodos científicos de optimización, sin que los usuarios tengan que programar ellos mismos modelos matemáticos o algoritmos.
Mismo presupuesto. Mejores combinaciones. Mayor impacto.
Optimiza matemáticamente tus propios proyectos ahora →
15. Preguntas frecuentes sobre la investigación operativa en la gestión empresarial
¿Qué significa «investigación operativa» en la gestión empresarial?
La investigación operativa en la gestión empresarial se refiere a la aplicación de modelos matemáticos y procedimientos de optimización a las decisiones empresariales, como la asignación de capital, la selección de la cartera de proyectos, la planificación de recursos y la gestión de inversiones.
¿Se puede aplicar la investigación operativa directamente en una reunión de la junta directiva?
Sí. Si se dispone de los datos, el modelo y la infraestructura técnica necesarios, durante una reunión se pueden recalcular y comparar alternativas de presupuesto y recursos. El tiempo de cálculo necesario depende de la complejidad del modelo.
¿Cuál es la diferencia entre la priorización de proyectos y la optimización matemática de carteras?
La priorización de proyectos clasifica los proyectos individuales según criterios de evaluación. La optimización de carteras, por el contrario, calcula la mejor combinación posible —o la que se ha demostrado que es óptima— de varios proyectos bajo restricciones comunes.
¿Es la investigación operativa lo mismo que la inteligencia artificial?
No. La investigación operativa es una disciplina científica independiente. Ambos campos utilizan métodos matemáticos en parte relacionados y pueden combinarse entre sí, por ejemplo, en la optimización basada en previsiones.
¿Puede la optimización matemática aumentar el ROI?
La optimización matemática puede, en condiciones adecuadas, identificar mejores combinaciones de proyectos y, de este modo, aprovechar el potencial económico. Sin embargo, un aumento concreto del ROI depende de los datos del proyecto, los supuestos del modelo y las alternativas disponibles, y no está garantizado de forma general.
¿Qué datos se necesitan para la optimización de una cartera de CAPEX?
Normalmente se necesitan identificadores de proyectos, costes de inversión, ingresos y restricciones relevantes. En el caso de modelos más complejos, se añaden, por ejemplo, dependencias entre proyectos, periodos de tiempo y necesidades de recursos.
¿Cuántas combinaciones de proyectos hay con 30 proyectos?
Con 30 decisiones de selección binarias, teóricamente hay 2 elevado a 30, es decir, 1 073 741 824 combinaciones. Las restricciones limitan las combinaciones admisibles; los algoritmos de optimización no tienen por qué recorrer todas las posibilidades teóricas una por una.
¿Sustituye la optimización matemática la decisión del consejo de administración?
No. La dirección establece los objetivos, las prioridades y las condiciones marco, y sigue siendo responsable de la decisión. La optimización proporciona un apoyo a la toma de decisiones con base matemática.
16. Conclusión: la investigación operativa se convierte en una capacidad de gestión estratégica
La investigación operativa no es una ciencia nueva. Lo nuevo es la posibilidad de integrar sus métodos de forma más sólida en los procesos interactivos de toma de decisiones estratégicas.
Cuando se combinan los modelos matemáticos, los datos disponibles y el software adecuado, la optimización de las carteras de inversión y de proyectos puede incorporarse directamente a los debates de la dirección.
De este modo, el consejo de administración no tiene que basarse exclusivamente en clasificaciones estáticas y escenarios preseleccionados. Puede analizar cómo afectan los parámetros alternativos a la mejor combinación posible de proyectos.
De este modo, cambia el papel de la investigación operativa: pasa de ser una función analítica especializada a convertirse en una capacidad potencialmente recurrente de la gestión estratégica de la empresa.
Las matemáticas no asumen la responsabilidad empresarial. Sin embargo, pueden mejorar considerablemente la calidad de la base sobre la que se toman las decisiones.
Decision Intelligence 4 All. Con tecnología de investigación operativa y optimización matemática.
