Blogin pääartikkeli:
Päätöksenteko ja tekoäly – miksi strategiset päätökset on nykyään laskettava
Tiivistelmä: Päätöksen laatu riippuu tarkastelluista vaihtoehdoista
Miten yritykset, johtokunnat ja julkishallinto voivat varmistaa, että ne valitsevat lukuisista mahdollisista toimenpiteistä todellakin taloudellisesti tai yhteiskunnallisesti parhaan yhdistelmän?
Strateginen päätöksenteko perustuu perinteisesti kokemukseen, asiantuntemukseen, intuitioon, liiketoimintamalleihin, Excel-malleihin ja johtoryhmien keskusteluihin.
Nämä välineet ovat edelleen välttämättömiä. Niillä on kuitenkin käytännön rajoituksia, kun lukuisat investoinnit, hankkeet ja toimenpiteet kilpailevat samanaikaisesti rajallisista resursseista.
Haaste ei välttämättä piile tiedon puutteessa tai päätöksentekokyvyn puutteessa.
Haaste piilee päätöksentekotilan matemaattisessa monimutkaisuudessa.
Yrityksellä, jolla on 50 suunniteltua investointihanketta, on yksinkertaistetussa binäärimallissa edessään yli biljoona mahdollista hankekombinaatiota.
Mikään johtokunta, investointikomitea tai kunnallinen päätöksentekoelin ei pysty tarkastelemaan näitä vaihtoehtoja kokonaisuudessaan keskustelujen tai manuaalisten vertailujen avulla.
Ratkaiseva kysymys ei siis enää ole yksinomaan:
”Mitkä hankkeet ovat erityisen tärkeitä tai taloudellisesti houkuttelevia?”
Vaan:
”Mikä kaikkien käytettävissä olevien hankkeiden yhdistelmä tuottaa budjetti-, resurssi- ja strategiaolosuhteidemme puitteissa parhaan mahdollisen kokonaistuloksen?”
Juuri tässä tulee esiin tekoälyyn perustuva matemaattinen päätöksenteon optimointi.
StratePlan yhdistää operaatiotutkimuksen menetelmiä tekoälypohjaisiin lähestymistapoihin, jotta monimutkaisia projektisalkkuja voidaan tutkia järjestelmällisesti ja laskea taloudellisesti tehokkaita yhdistelmiä.
Tavoitteena ei ole korvata ihmisten tekemiä päätöksiä, vaan parantaa ratkaisevasti niiden matemaattista perustaa.
1. Nykyaikaisen päätöksenteon ydinongelma: yksittäiset päätökset ovat salkkupäätöksiä
Monissa organisaatioissa strategisia päätöksiä tarkastellaan edelleen erikseen.
Investointihanketta arvioidaan sen sijoitetun pääoman tuoton perusteella. Digitalisointitoimenpiteelle annetaan strateginen pisteytys. Kunnallinen infrastruktuurihanke priorisoidaan kiireellisyyden mukaan.
Nämä yksittäiset arvioinnit ovat tärkeitä.
Ne eivät kuitenkaan automaattisesti vastaa kysymykseen, mikä kaikkien toimenpiteiden yhdistelmä tuottaa parhaan kokonaistuloksen.
Syy on yksinkertainen: hankkeet kilpailevat keskenään.
Ne vaativat pääomaa, henkilöstöä, aikaa, teknisiä resursseja ja organisaation huomiota.
Kun toimenpide toteutetaan, siihen käytetyt resurssit eivät ole enää muiden hankkeiden käytettävissä.
Tästä johtuen yksittäisten päätösten välillä syntyy vuorovaikutusta.
Taloudellisesti houkuttelevimmat yksittäiset projektit eivät siksi välttämättä muodosta taloudellisesti parasta kokonaisportfoliota.
Esimerkiksi projekti, jolla on korkea yksittäinen tuotto, voi vaatia niin paljon pääomaa, että useita muita projekteja, joiden yhteenlaskettu nettoarvonlisäys on suurempi, ei voida enää rahoittaa.
Strateginen päätöksenteko on siksi tehtävä salkkutasolla.
Keskeinen johtamiskysymys on:
Mikä yhdistelmä käytettävissä olevista toimenpiteistämme tuottaa olemassa olevien rajoitusten puitteissa suurimman taloudellisen tai yhteiskunnallisen kokonaisvaikutuksen?
2. Miksi päätöksentekotila kasvaa eksponentiaalisesti: matemaattinen periaate 2^N
Mahdollisten projektikombinaatioiden määrä ei kasva lineaarisesti projektien määrän kasvaessa.
Yksinkertaistetussa binäärisessä päätöksentekomallissa jokainen projekti voidaan joko toteuttaa tai jättää toteuttamatta.
Kun N projektia voidaan valita toisistaan riippumatta, syntyy teoriassa 2^N mahdollista yhdistelmää.
Tämän suuruusluokan merkitys tulee selväksi jo suhteellisen pienellä projektimäärällä:
- 7 projektia: 2^7 = 128 yhdistelmää
- 10 projektia: 2^10 = 1 024 yhdistelmää
- 20 projektia: 2^20 = 1 048 576 yhdistelmää
- 30 projektia: 2^30 = 1 073 741 824 yhdistelmää
- 40 hanketta: 2^40 = 1 099 511 627 776 yhdistelmää
- 50 projektia: 2^50 = 1 125 899 906 842 624 yhdistelmää
- 100 projektia: 2^100 = noin 1,27 × 10^30 yhdistelmää
50 projektin tapauksessa on siis teoriassa noin 1,126 biljoonaa mahdollista projektikombinaatiota.
Kaikki yhdistelmät eivät ole sallittuja budjettirajoitusten, resurssirajoitusten tai projektien välisten riippuvuuksien vuoksi.
Tästä huolimatta lukujen suuruusluokka osoittaa, miksi perinteiset päätöksentekomenetelmät pystyvät tarkastelemaan vain rajallista osaa koko ratkaisutilasta.
Todellinen haaste ei ole 50 projektin arvioiminen yksitellen. Haasteena on määrittää näiden 50 projektin paras mahdollinen sallittu yhdistelmä.
3. Miksi kokemus, intuitio ja johtoryhmät eivät yksinään riitä
Kokemus ja asiantuntemus ovat hyvän johtamisen olennaisia perusteita.
Ne auttavat arvioimaan riskejä, muotoilemaan strategisia tavoitteita ja arvioimaan taloudellisia oletuksia kriittisesti.
Ihmisen päätöksentekokyvyllä on kuitenkin matemaattinen raja.
Johtokunta voi analysoida yksittäisiä investointihankkeita, keskustella niiden eduista ja haitoista sekä vertailla useita skenaarioita.
Se ei kuitenkaan voi tutkia perusteellisesti miljoonia tai miljardeja erilaisia projektikombinaatioita.
Käytännössä siksi tehdään usein yksinkertaistuksia:
- Hankkeet lajitellaan yksittäisten avainlukujen perusteella.
- Vain oletettavasti tärkeimpiä toimenpiteitä tarkastellaan perusteellisemmin.
- Vaihtoehtoiset hankekombinaatiot kootaan manuaalisesti.
- Investointibudjetit jaetaan liiketoiminta-alueille.
- Strategiset prioriteetit määritetään painotusten tai päätöksentekoryhmien päätösten perusteella.
Nämä menettelytavat voivat olla organisaation kannalta järkeviä ja välttämättömiä.
Ne eivät kuitenkaan takaa, että valittu projektikombinaatio tuottaa suurimman mahdollisen kokonaisvaikutuksen.
Monimutkaisten salkkujen kohdalla ihmisen päätöksenteon rajoitukset eivät johdu ensisijaisesti tiedon puutteesta, vaan rajallisesta kyvystä vertailla eksponentiaalisesti suurta määrää vaihtoehtoja keskenään.
Matemaattinen optimointi täydentää siksi ihmisen päätöksentekokykyä ratkaisuvaihtoehtojen järjestelmällisellä tutkimisella.
4. Yksinkertainen esimerkki: Miksi paras yksittäinen päätös ei ole paras kokonaispäätös
Yrityksellä on käytettävissään 10 miljoonan euron investointibudjetti.
Valittavana on kolme hanketta.
| Hanke | Investointi | Nettolisäarvo |
|---|---|---|
| Hanke A | 7 miljoonaa euroa | 4 miljoonaa euroa |
| Hanke B | 5 miljoonaa euroa | 3 miljoonaa euroa |
| Hanke C | 5 miljoonaa euroa | 3 miljoonaa euroa |
Hankkeella A on suurin yksittäinen nettoarvonlisäys.
Jos projekti A valitaan, budjetista jää jäljelle 3 miljoonaa euroa. Tämä summa ei riitä mihinkään muuhun projektiin.
Kokonaisnettolisäarvo on siten 4 miljoonaa euroa.
Matemaattinen analyysi mahdollisista yhdistelmistä osoittaa kuitenkin taloudellisesti paremman vaihtoehdon.
Hankkeet B ja C vaativat yhteensä 10 miljoonaa euroa ja tuottavat yhdessä 6 miljoonan euron nettoarvonlisän.
Olettaen, että projektit ovat toisistaan riippumattomia ja ilman muita rajoituksia, B + C on optimaalinen yhdistelmä nettoarvon maksimoimiseksi.
Matemaattisesti optimoitu hankekombinaatio tuottaa siten 50 % suuremman nettoarvonlisän kuin alkuperäinen valinta.
Yritys ei tarvitse tätä varten ylimääräistä sijoituspääomaa.
Sen on vain valittava toinen yhdistelmä olemassa olevista hankkeistaan.
Tämä esimerkki osoittaa: taloudellisesti järkevä yksittäinen päätös voi silti olla salkkutasolla epäoptimaalinen.
5. Päätöksenteko tekoälyn avulla: priorisoinnista matemaattiseen optimointiin
Tekoälyyn perustuva päätöksenteko voi hoitaa erilaisia tehtäviä.
Generatiivinen tekoäly tukee esimerkiksi tiedon analysointia, päätösluonnosten laatimista tai monimutkaisten asioiden tiivistämistä.
Ennustemallit voivat arvioida tulevia kehityskulkuja.
Matemaattinen päätöksenteon optimointi puolestaan tähtää toiseen tavoitteeseen.
Siinä tutkitaan, mikä käytettävissä olevien toimintavaihtoehtojen yhdistelmä täyttää tietyn tavoitefunktion parhaalla mahdollisella tavalla määriteltyjen rajoitusten puitteissa.
Tätä varten päätöksentekotehtävä kuvataan matemaattisena mallina.
Tyypillisiä osatekijöitä ovat:
- Päätösmuuttujat: Mitkä hankkeet toteutetaan?
- Tavoitefunktio: Mitä taloudellista tai yhteiskunnallista kokonaisvaikutusta pyritään maksimoimaan?
- Budjettirajoitukset: Kuinka paljon pääomaa on käytettävissä?
- Resurssirajoitukset: Mitä henkilö- ja teknisiä resursseja on käytettävissä?
- Hankkeiden riippuvuudet: Mitkä toimenpiteet on toteutettava yhdessä tai tietyssä järjestyksessä?
- Strategiset ohjeet: Mitkä hankkeet tai vaikutustavoitteet on otettava huomioon?
Näiden tietojen perusteella muodostuu kombinatorinen optimointiongelma.
Sopivat algoritmit tutkivat tai analysoivat matemaattista ratkaisutilaa ja määrittävät tehokkaat, sallitut projektikombinaatiot.
Ongelman rakenteesta ja käytetystä menetelmästä riippuen voidaan löytää todistettavasti globaali tai likimääräisesti optimaalinen ratkaisu.
Kaikkien 2^N yhdistelmien täydellistä yksittäistä laskemista ei tässä yhteydessä periaatteessa tarvita.
Ratkaiseva edistysaskel on se, että monimutkaisia salkkupäätöksiä tutkitaan matemaattisesti sen sijaan, että verrataan keskenään vain muutamia manuaalisesti valittuja skenaarioita.
6. Miten StratePlan optimoi strategisia päätöksiä matemaattisesti
StratePlan on kehitetty monimutkaisten investointi- ja projektisalkkujen tutkimiseen matemaattisten optimointimenetelmien avulla.
Teknologia yhdistää operaatiotutkimuksen menetelmiä tekoälypohjaisiin menetelmiin tehokkaiden projektikombinaatioiden löytämiseksi.
Perustason taloudellisen optimointimallin luomiseksi tarvitaan aluksi vain kolme tietoa kustakin projektista:
- Projektitunnus: Projektin yksilöivä tunniste
- Kulut: Suunnitellut menot tai investoinnit
- Tulot: Odotetut tulot tai taloudelliset tuotot
Lisäksi määritellään käytettävissä oleva investointibudjetti.
Tiedot voidaan esimerkiksi siirtää olemassa olevista Excel-investointisuunnitelmista.
StratePlan tutkii mahdollisia projektikombinaatioita ja laskee salkun koostumuksen valitun tavoitefunktion mukaisesti.
”Maximize Net Contribution” -toiminnossa keskitytään odotetun kokonaisnettotuoton maksimointiin.
Salkun ROI voidaan lisäksi esittää taloudellisena tunnusluvuna.
Laajennetuissa malleissa voidaan ottaa huomioon lisärajoituksia ja arvostusparametreja:
- Hankkeiden väliset riippuvuudet
- Strategiset painotukset
- Resurssi- ja kapasiteettirajat
- Monivuotiset investointibudjetit
- Aikarajoitukset
- Riski- ja kestävyyskriteerit
Tuloksena ei ole pelkkä yksittäisten hankkeiden ranking-lista, vaan matemaattisesti laskettu hankekombinaatio määriteltyjen puitteiden sisällä.
StratePlan täydentää näin strategista päätöksentekoa matemaattisella optimointitasolla.
7. Suoraan hallituksen kokouksessa: strategisten skenaarioiden välitön laskeminen
Matemaattinen päätöksenteon optimointi on erityisen arvokasta, kun sitä hyödynnetään suoraan johtoryhmän ja hallituksen kokouksissa.
Kuvitellaan teollisuuskonserni, jolla on 100 suunniteltua investointihanketta.
Kaikkien investointitoiveiden summa ylittää käytettävissä olevan CAPEX-budjetin.
Johtoryhmän on päätettävä, mitkä hankkeet toteutetaan.
StratePlan laskee ensin optimoidun projektikombinaation olemassa olevien taloudellisten oletusten perusteella.
Hallituksen kokouksessa voidaan tämän jälkeen tarkastella erilaisia skenaarioita.
Skenaario A: Suurin mahdollinen taloudellinen kokonaisvaikutus
Talousjohtaja kysyy:
”Mikä yhdistelmä suunnitelluista investoinneistamme tuottaa suurimman odotetun nettoarvonlisän nykyisellä CAPEX-budjetilla?”
StratePlan laskee vastaavan projektikombinaation.
Johto saa yleiskatsauksen valituista projekteista, tarvittavasta pääomapanoksesta ja odotetusta taloudellisesta kokonaispanoksesta.
Skenaario B: Pienennetty investointibudjetti
Toimitusjohtaja kysyy:
”Mitä tapahtuu, jos joudumme supistamaan investointibudjettiamme 15 %?”
Budjettirajoitusta mukautetaan.
StratePlan laskee salkun uudelleen.
Johto voi seurata, mitkä projektit jäävät pois ja miten odotettu nettoarvonlisäys muuttuu.
Skenaario C: Strategisten hankkeiden pakollinen huomioon ottaminen
Toinen johtoryhmän jäsen kysyy:
”Miten optimaalinen projektikokonaisuutemme muuttuu, jos tietyt strategiset investoinnit on ehdottomasti toteutettava?”
Kyseiset projektit otetaan huomioon pakollisina rajoitteina.
Salkkua optimoidaan uudelleen.
Vertailu osoittaa, mitä taloudellisia vaikutuksia lisävaatimus aiheuttaa mallissa.
Skenaario D: Lisäinvestointipääoma
Talousjohtaja haluaa tietää:
”Minkälaisen taloudellisen lisähyödyn voisimme saavuttaa, jos korottaisimme CAPEX-budjettiamme vielä 20 miljoonalla eurolla?”
Budjettia mukautetaan ja suoritetaan uusi laskelma.
Johto voi verrata mallinnettua lisäarvoa tarvittavaan pääomasijoitukseen.
Skenaario E: Muuttuneet strategiset prioriteetit
Johtokunta kysyy:
”Miten salkkumme muuttuu, jos painotamme enemmän digitalisaatiota, energiatehokkuutta tai tiettyjä kasvualueita?”
Vastaavat parametrit mukautetaan.
StratePlan laskee uuden projektikombinaation ja mahdollistaa vertailun aiempiin skenaarioihin.
Muuta budjettia. Mukauta strategisia ohjeita. Laske salkku uudelleen. Vertaa taloudellisia vaikutuksia.
Näin staattisesta investointisuunnittelusta tulee dynaaminen perusta strategisille päätöksille.
8. Ennakkopäätöksenteko: parhaan yhdistelmän määrittäminen ennen toteutusta
Perinteinen yrityshallinto keskittyy usein jo tehtyjen päätösten jälkikäteiseen arviointiin.
Controlling-toiminto tarkastelee liikevaihtoa, EBIT:tä, ROI:ta, pääoman tuottoa ja budjettipoikkeamia.
Nämä tunnusluvut osoittavat, mitä taloudellisia tuloksia on saavutettu.
Ne eivät kuitenkaan automaattisesti vastaa kysymykseen, olisiko jokin toinen projektikombinaatio ollut menestyksekkäämpi.
Matemaattinen ennakkooptimointi alkaa siksi jo ennen pääoman sitomista.
Siinä tutkitaan, mikä suunniteltujen toimenpiteiden yhdistelmä tuottaa suurimman odotetun kokonaisvaikutuksen käytettävissä olevien resurssien puitteissa.
Näkökulman muutos on perustavanlaatuinen.
Jälkikäteen: ”Kuinka onnistunut päätöksemme oli?”
Ennakkoarviointi: ”Mikä päätös lupaa oletustemme perusteella parhaan kokonaistuloksen?”
Matemaattisen salkun optimoinnin avulla yritykset voivat vertailla vaihtoehtoisia projektikombinaatioita jo ennen niiden toteuttamista.
Tämä voi auttaa vähentämään taloudellisia resurssien väärinkäytöksiä ja tuomaan esiin hyödyntämättömän arvonluontipotentiaalin.
Strategisten päätösten laatua ei siis arvioida vasta niiden toteuttamisen jälkeen, vaan sitä tarkastellaan järjestelmällisesti jo päätöksentekoprosessin aikana.
9. Vaihtoehtokustannukset: Mitä ei-optimaalinen päätös maksaa?
Jokainen investointipäätös sitoo pääomaa ja resursseja.
Tätä pääomaa ei sen jälkeen ole enää käytettävissä muihin projekteihin.
Tästä syntyy vaihtoehtokustannuksia.
Ne kuvaavat valitsematta jääneen parhaan vaihtoehdon menetettyä hyötyä.
Yritys voi valita taloudellisesti houkuttelevia hankkeita ja silti jättää merkittävän lisäarvon hyödyntämättä.
Matemaattisen salkun optimoinnin avulla voidaan verrata alun perin suunniteltua sijoitussalkkua optimoituun projektikombinaatioon.
Tässä yhteydessä voidaan vertailla muun muassa seuraavia tunnuslukuja:
- Kokonaisinvestointitarve
- Odotettu nettoarvonlisäys
- Salkun ROI
- Valitut ja valitsemattomat projektit
- Jäljellä olevat budjettivarat
- Vaihtoehtoisten salkkujen taloudelliset erot
Mallinnettujen tulosten välinen ero osoittaa, millaista taloudellista parantamispotentiaalia oletetuissa olosuhteissa on.
Jos globaali optimi on matemaattisesti osoitettu, valitun projektikombinaation etäisyys tästä optimista voidaan määrittää tarkasti mallin sisällä.
Lähes optimaalisten ratkaisujen tapauksessa ilmoitetaan ensin ero parhaaseen löydettyyn ratkaisuun.
Ratkaiseva lisäarvo on siinä, että salkkupäätöksen mahdolliset taloudelliset haitat voidaan tuoda esiin jo ennen päätöksen toteuttamista.
10. Herkkyysanalyysi: Kuinka vakaa matemaattisesti optimoitu päätös on?
Strategiset päätökset perustuvat oletuksiin tulevista kehityskuluista.
Investointikustannukset voivat nousta. Odotetut tulot voivat jäädä odotettua pienemmiksi. Resurssit voivat käydä vähiin. Strategiset prioriteetit voivat muuttua.
Siksi matemaattisessa optimoinnissa ei tulisi tarkastella yksinomaan yhtä ainoaa skenaariota.
Syöttöparametrien kohdennettuja muutoksia hyödyntämällä voidaan simuloida erilaisia taloudellisia kehityskulkuja.
Tyypillisiä kysymyksiä ovat:
- Mitkä hankkeet säilyvät osana salkkua myös supistetulla budjetilla?
- Mitkä investoinnit reagoivat erityisen herkästi kustannusten nousuun?
- Miten nettotuotto muuttuu, kun tulonodotukset laskevat?
- Mikä projektikombinaatio syntyy, kun strategisia painotuksia muutetaan?
- Mitkä toimenpiteet pysyvät taloudellisesti houkuttelevina eri skenaarioissa?
Nämä herkkyysanalyysit voivat osoittaa, kuinka vakaana laskettu projektikombinaatio pysyy muuttuneissa olosuhteissa.
Hyvä strateginen päätös ottaa siksi huomioon paitsi parhaan tuloksen yksittäisen oletuksen perusteella myös mahdollisten muutosten vaikutukset.
11. Käytännön esimerkki: Klybeck-alue Basel – noin 63 % korkeampi pääoman tuotto
StratePlanin esimerkki Baselin Klybeck-alueesta havainnollistaa, millaista taloudellista potentiaalia matemaattinen salkun optimointi voi tuoda esiin.
Central Real Estate AG:n ja Swiss Life AG:n salkun optimoinnin yhteydessä olemassa olevia investointi- ja projektivaihtoehtoja tutkittiin matemaattisesti.
Mallinnuksen tulos:
- Alkuperäinen pääoman tuotto: 7,0 %
- Optimoitu pääoman tuotto: 11,4 %
- Suhteellinen tuoton parannus: noin 63 %
- Mallinnettu taloudellinen lisäarvo: noin 30 miljoonaa CHF
Parannus mallinnettiin muuttamalla olemassa olevien investointivaihtoehtojen yhdistelmää samalla budjetilla.
Nämä projektikohtaiset tulokset eivät ole yleinen tuottotakuu.
Keskeinen havainto: suurempi taloudellinen kokonaisarvo voidaan saavuttaa jo pelkästään yhdistelemällä olemassa olevia investointivaihtoehtoja paremmin – ilman lisäinvestointibudjettia.
12. Päätöksenteko tekoälyn avulla yrityksissä ja julkisessa hallinnossa
Matemaattinen päätöksenteon optimointi on merkityksellistä kaikkialla, missä lukuisat toimenpiteet kilpailevat rajallisista taloudellisista tai operatiivisista resursseista.
Teollisuus ja strateginen CAPEX-suunnittelu
Koneinvestoinnit, tuotantokapasiteetti, automatisointihankkeet ja toimipaikkojen laajennukset on valittava yhteisten investointibudjettien puitteissa.
Matemaattinen salkun optimointi voi auttaa tunnistamaan taloudellisesti tehokkaampia yhdistelmiä näistä toimenpiteistä.
Digitalisaatio ja tekoälyn käyttöönotto
Yrityksillä on usein lukuisia potentiaalisia tekoäly- ja digitalisointihankkeita.
Keskeisenä haasteena on valita ne toimenpiteet, jotka yhdessä tuottavat suurimman taloudellisen hyödyn käytettävissä olevien resurssien puitteissa.
Kiinteistöt ja real estate
Projektikehitykset, saneeraukset, modernisoinnit ja sijaintiin liittyvät investoinnit voidaan optimoida yhteisen pääomabudjetin puitteissa.
Yksittäisten hankkeiden valinta vaikuttaa koko salkun rahoitusmahdollisuuksiin.
Energia ja infrastruktuuri
Energiaprojektit, verkkoinvestoinnit, energiatehokkuustoimenpiteet ja infrastruktuurin modernisoinnit vaativat usein pitkäaikaisia pääomasitoumuksia.
Matemaattinen optimointi voi auttaa vertailemaan erilaisia investointiyhdistelmiä taloudellisten ja teknisten rajoitusten puitteissa.
Kunnat ja julkinen talous
Kaupunkien ja kuntien on rahoitettava lukuisia investointihankkeita rajallisten budjettivarojen puitteissa.
Koulut, tiet, hallintorakennukset, infrastruktuuri ja sosiaalipalvelut kilpailevat samoista julkisista resursseista.
Haasteena on yhdistää taloudelliset rajoitukset poliittisiin prioriteetteihin, lakisääteisiin velvoitteisiin ja yhteiskunnallisiin vaikutustavoitteisiin.
Matemaattinen salkun optimointi voi tässä yhteydessä laskea erilaisia toimenpideyhdistelmiä ja tuoda esiin muuttuneiden budjetti- ja painotusvaatimusten vaikutukset.
Yhteinen kysymys kuuluu: mikä käytettävissä olevien toimenpiteiden yhdistelmä tuottaa määriteltyjen puitteiden mukaisesti suurimman taloudellisen tai yhteiskunnallisen kokonaisvaikutuksen?
13. Talousarviosimulaatio ja kunnallisten investointiohjelmien samanaikainen optimointi
Erityisen mielenkiintoista on matemaattisen salkunoptimoinnin yhdistäminen julkisten talousarvioiden simulointiin.
Kuntien päätöksentekijät joutuvat säännöllisesti kohtaamaan haasteen, jossa lukuisat investointitoiveet on rahoitettava rajallisilla budjettivaroilla.
Esimerkki:
Kaupungilla on käytettävissään 81 miljoonan euron investointibudjetti.
Samalla valittavana on 50 suunniteltua hanketta, joiden kokonaisinvestointitarve on 220 miljoonaa euroa.
Keskeinen kysymys ei ole pelkästään se, mitkä hankkeet vaikuttavat poliittisesti tai asiallisesti erityisen tärkeiltä.
Mikä yhdistelmä näistä 50 hankkeesta tuottaa käytettävissä olevan budjetin puitteissa suurimman määritellyn taloudellisen tai yhteiskunnallisen kokonaishyödyn?
Kun hankepäätöksiä on 50, mahdollisten yhdistelmien määrä on teoriassa 2^50 = 1 125 899 906 842 624.
Matemaattisella salkun optimoinnilla voidaan tutkia erilaisia sallittuja hankekombinaatioita määriteltyjen budjetti- ja vaikutusrajoitusten puitteissa.
Samanaikaisen budjettisimuloinnin avulla voidaan ottaa huomioon muuttuneet taloudelliset puiteolosuhteet.
Esimerkiksi:
- Miten optimaalinen projektivalinta muuttuu, kun investointibudjetti pienenee?
- Mitä uusia hankkeita voitaisiin rahoittaa, jos tulot kasvaisivat?
- Mitä taloudellisia tai yhteiskunnallisia vaikutuksia sitovilla poliittisilla hankkeilla on?
- Miten projektivalikoima muuttuu, kun koulutukselle, infrastruktuurille tai ilmastonsuojelulle annetaan suurempi painoarvo?
- Mikä hankekombinaatio tuottaa suurimman mallinnetun kokonaishyödyn käytettävissä olevan budjetin puitteissa?
Tulokset riippuvat syöttötietojen laadusta sekä taloudellisten ja yhteiskunnallisten tavoitteiden määrittelystä.
Budjettisimuloinnin ja matemaattisen salkun optimoinnin yhdistäminen voi auttaa poliittisia päätöksentekijöitä vertaamaan vaihtoehtoisia toimenpidepaketteja ymmärrettävällä tavalla ja tutkimaan järjestelmällisesti rajallisten budjettivarojen vaikutuksia.
14. Liiketoimintatiedosta päätöksentekotietoon
Liiketoimintatiedon hallinta (Business Intelligence) tutkii pääasiassa organisaation taloudellista kehitystä.
Mitä on tapahtunut? Mitkä KPI:t ovat muuttuneet? Missä on poikkeamia suunnitelmiin nähden?
Päätöksentekoäly laajentaa tätä näkökulmaa tukemalla järjestelmällisesti tulevia päätöksiä.
Mitä vaihtoehtoja on tarjolla? Mitkä rajoitukset ovat voimassa? Mikä projektien yhdistelmä täyttää määritellyt tavoitteet parhaiten?
StratePlan täydentää olemassa olevia ERP-, controlling- ja Business Intelligence -järjestelmiä matemaattisella optimointitasolla.
Tarvittavat projektitiedot voidaan aluksi toimittaa yksinkertaisten Excel-taulukoiden avulla.
Tämän avulla yritykset ja julkiset laitokset voivat käyttää olemassa olevia investointisuunnitelmia lähtökohtana järjestelmälliselle salkun optimoinnille.
Ratkaiseva ero on siinä, että ei mitata pelkästään jo tehtyjen päätösten taloudellisia seurauksia, vaan tutkitaan vaihtoehtoisia päätöksiä matemaattisesti ennen niiden toteuttamista.
15. Johtopäätös: Strategiset päätökset tarvitsevat matemaattisen perustan
Strateginen päätöksenteko muuttuu yhä monimutkaisemmaksi projektien ja rajoitusten määrän kasvaessa.
Kokemus, asiantuntemus ja johtamisosaaminen ovat edelleen välttämättömiä.
Ne eivät kuitenkaan yksinään riitä eksponentiaalisesti laajojen päätöksentekovaihtoehtojen järjestelmälliseen tarkasteluun.
Jo 50 projektin kohdalla syntyy yli biljoona teoreettisesti mahdollista yhdistelmää.
Yksittäisten projektien erillinen arviointi ei siksi automaattisesti anna vastausta kysymykseen parhaasta mahdollisesta kokonaisportfoliosta.
Matemaattinen päätöksenteon optimointi mahdollistaa monimutkaisten investointi- ja toimenpidesalkkujen tarkastelun ottaen huomioon taloudelliset tavoitteet, käytettävissä olevat budjetit ja määritellyt rajoitukset.
StratePlan yhdistää tätä varten operaatiotutkimuksen menetelmiä tekoälypohjaisiin lähestymistapoihin.
Tämän avulla yritykset, johtokunnat ja julkisen sektorin päätöksentekijät voivat laskea vaihtoehtoisia projektikombinaatioita, vertailla erilaisia skenaarioita ja tunnistaa hyödyntämättömän taloudellisen tai yhteiskunnallisen potentiaalin.
Ratkaiseva kysymys ei ole enää: Mitkä projektit pidämme parhaimpina?
Vaan: Mikä yhdistelmä käytettävissä olevista projekteistamme tuottaa annetuissa puitteissa parhaan mahdollisen kokonaistuloksen?
Juuri tästä alkaa siirtyminen perinteisestä projektien priorisoinnista matemaattiseen päätöksenteon optimointiin.
StratePlan – Samat projektit. Sama budjetti. Optimaalinen yhdistelmä. Parempi tulos.
Usein kysytyt kysymykset – Päätöksenteko tekoälyn avulla
Mitä päätöksenteko tekoälyn avulla tarkoittaa käytännössä?
Päätöksenteko tekoälyn avulla tarkoittaa algoritmisten järjestelmien käyttöä monimutkaisten päätösten tukena.
Matemaattisen salkunoptimoinnin alalla käytettävissä olevia toimintavaihtoehtoja, taloudellisia tavoitteita ja rajoituksia tarkastellaan yhteisessä mallissa.
Tavoitteena on tunnistaa mahdollisimman tehokas sallittu toimenpideyhdistelmä.
Miten tekoälypohjainen päätöksenteko eroaa perinteisistä analyyseistä?
Perinteisissä päätöksentekoprosesseissa verrataan usein yksittäisiä projekteja tai muutamia ennalta valmisteltuja skenaarioita.
Matemaattisessa salkun optimoinnissa sen sijaan tarkastellaan eri toimenpiteiden yhdistelmiä yhteisten budjetti- ja resurssirajoitusten puitteissa.
Tämän ansiosta voi tulla esiin taloudellisesti houkuttelevampia vaihtoehtoja, joita ei otettaisi huomioon pelkästään yksittäisiä projekteja tarkasteltaessa.
Mitä 2^N tarkoittaa strategisessa päätöksenteossa?
2^N kuvaa teoreettisesti mahdollisten yhdistelmien lukumäärää, kun on kyse N:stä toisistaan riippumattomasta binäärisestä päätöksestä.
Jokainen projekti voidaan joko valita tai jättää valitsematta.
Kun projekteja on 20, mahdollisia yhdistelmiä on 2^20 = 1 048 576.
Kun projekteja on 50, mahdollisia yhdistelmiä on 2^50 = 1 125 899 906 842 624.
Todellisuudessa sallitut yhdistelmät riippuvat määritellyistä rajoituksista.
Pitääkö tekoälyn todella laskea kaikki 2^N yhdistelmää yksitellen?
Ei.
Nykyaikaiset matemaattiset optimointimenetelmät pystyvät tutkimaan suuria päätöksentekotiloja tehokkaasti ilman, että jokaista teoreettisesti mahdollista yhdistelmää arvioidaan erikseen kokonaan.
Mitä menetelmiä voidaan käyttää, riippuu matemaattisen ongelman rakenteesta ja määritellyistä rajoituksista.
Voiko tekoäly laskea päätöksen globaalin optimin?
Sopivilla matemaattisilla malleilla ja optimointimenetelmillä globaali optimi voidaan laskea ja todistaa.
Erityisen monimutkaisten ongelmien kohdalla voidaan käyttää myös likimääräisesti optimaalisia ratkaisuja.
Ratkaisun laadun arvioinnin on siksi vastattava käytettyä menetelmää ja olemassa olevaa optimaalisuuden todistusta.
Korvaako tekoäly johdon päätökset?
Ei.
Johto määrittelee taloudelliset ja strategiset tavoitteet, asettaa rajoitukset ja arvioi tuloksia.
Tekoälyyn perustuva matemaattinen optimointi tarjoaa lisäperusteita päätöksenteolle.
Lopullinen vastuu jää edelleen vastuullisille johtajille tai poliittisille päätöksentekijöille.
Mihin päätöksiin matemaattinen tekoäly sopii erityisen hyvin?
Se on erityisen merkityksellistä monimutkaisissa salkkupäätöksissä, joissa on lukuisia kilpailevia hankkeita ja rajalliset resurssit.
Tyypillisiä sovellusalueita ovat CAPEX-suunnittelu, digitalisointisalkut, tekoälyn käyttötapaukset, teollisuusinvestoinnit, kiinteistöhankkeet, energiaohjelmat ja kuntien talousarviosuunnittelu.
Mitä tarkoittaa ex ante -päätöksenteko?
Ex ante tarkoittaa päätöksen tarkastelua ennen sen toteuttamista.
Matemaattisessa salkun optimoinnissa lasketaan vaihtoehtoisia projektikombinaatioita ennen kuin pääomaa sidotaan tai toimenpiteitä käynnistetään.
Tämän ansiosta eri päätösten taloudelliset vaikutukset tulevat näkyviin jo varhaisessa vaiheessa.
Kuinka luotettavia tekoälyyn perustuvat päätöksentulokset ovat?
Tulosten laatu riippuu käytetyistä aineistoista, tavoitefunktion määritelmästä, rajoitusten mallinnuksesta ja käytetystä optimointimenetelmästä.
Matemaattinen optimointi mahdollistaa toistettavat ja jäljiteltävät laskelmat.
Herkkyysanalyysit voivat lisäksi osoittaa, miten tulokset kehittyvät oletusten muuttuessa.
Onko tekoälypohjainen päätöksenteko järkevää vain suuryrityksille?
Ei.
Myös keskisuuret yritykset, kunnat ja muut organisaatiot voivat hyötyä matemaattisesta salkun optimoinnista.
Ratkaisevaa ei ole pelkästään organisaation koko, vaan päätöksen monimutkaisuus ja kilpailevien toimenpiteiden määrä.
Mitä tietoja StratePlan tarvitsee ensimmäistä laskelmaa varten?
Perustason taloudellisen optimointimallin laatimiseksi tarvitaan aluksi kolme tietoa kustakin projektista:
- Projektin tunnus
- Kulut – suunnitellut menot
- Tulot – odotetut tulot tai taloudelliset tuotot
Lisäksi määritetään käytettävissä oleva investointibudjetti.
Monimutkaisemmissa malleissa voidaan ottaa huomioon myös muita rajoituksia ja arviointiparametreja.
Voiko StratePlan simuloida erilaisia budjettiskenaarioita?
Kyllä. Erilaiset budjettirajat voidaan mallintaa vaihtoehtoisina skenaarioina.
Tämän avulla voidaan tutkia, mikä projektikombinaatio valitaan pienemmällä tai suuremmalla investointibudjetilla ja miten odotettu taloudellinen kokonaisvaikutus muuttuu.
Mikä on ero projektien priorisoinnin ja salkun optimoinnin välillä?
Projektien priorisointi luo yksittäisten toimenpiteiden järjestysjärjestyksen.
Portfolion optimoinnissa tutkitaan, mikä näiden toimenpiteiden yhdistelmä tuottaa parhaan kokonaistuloksen määriteltyjen rajoitusten puitteissa.
Paras järjestys ei siis automaattisesti tarkoita parasta projektisalkkua.
Mikä on tärkein johtopäätös toimitusjohtajille, talousjohtajille ja julkisen sektorin päätöksentekijöille?
Monimutkaisia strategisia päätöksiä ei tulisi perustaa yksinomaan yksittäisten projektien arviointiin tai muutamaan manuaalisesti valittuun skenaarioon.
Matemaattinen salkun optimointi mahdollistaa vaihtoehtoisten projektikombinaatioiden järjestelmällisen tarkastelun ja luo siten lisäperustan perusteltujen päätösten tekemiselle.
Tekoäly ei korvaa vastuuta. Se voi kuitenkin auttaa tuomaan esiin taloudellisesti tai yhteiskunnallisesti parempia toimintavaihtoehtoja.
Mikä projektien yhdistelmä tuottaa parhaan tuloksen?
Selvittäkää, mikä yhdistelmä suunnitelluista investointiprojekteistanne tuottaa suurimman odotetun nettoarvonlisän käytettävissä olevan budjetin puitteissa.
Aloita omilla projektitiedoillasi ja vertaa matemaattisesti optimoituja investointiskenaarioita.
Voit optimoida jopa 15 projektia ilmaiseksi.