INSIGHTS | OPERATIONS RESEARCH & LIIKETOIMINNAN JOHTAMINEN

Operaatiotutkimus johtamisessa: Matemaattinen optimointi suoraan johtoryhmän kokouksessa

Kuinka operaatiotutkimus, matemaattinen salkun optimointi ja reaaliaikainen simulointi muuttavat strategisia investointipäätöksiä – CAPEX-suunnittelusta johtokunnan kokoukseen.

Yritykset investoivat huomattavia summia projektien arviointiin, priorisointiin ja suunnitteluun. Silti yksi keskeinen kysymys jää usein vaille vastausta: Onko valittu investointiprojektien yhdistelmä todella paras mahdollinen annetuissa budjetti-, resurssi- ja riippuvuusrajoituksissa?

Juuri tässä operaatiotutkimus (OR) astuu kuvaan. Tämä tieteenala tutkii, miten monimutkaisia päätöksentekoprobleemeja voidaan mallintaa ja optimoida matemaattisesti.

Vaikka operaatiotutkimusta on käytetty jo vuosikymmenten ajan tuotannossa, logistiikassa, liikennesuunnittelussa ja resurssien kohdentamisessa, sen integroiminen strategisiin johtamisprosesseihin avaa uusia sovellutusmahdollisuuksia: matemaattista optimointia juuri siellä, missä investointipäätökset tehdään – johtokunnan kokouksessa.

Näin usein varhaisessa vaiheessa suoritettavasta analyysistä tulee interaktiivinen johtamisen työkalu.

1. Mikä on operaatiotutkimus johtamisessa?

Operaatiotutkimus on tieteenala, joka käsittelee monimutkaisten päätöksentekoproblemien matemaattista analysointia ja optimointia. Siinä käytetään muun muassa matemaattista ohjelmointia, kombinatorista optimointia, simulointia, stokastisia malleja ja algoritmisia menetelmiä, jotta määritellyissä olosuhteissa voidaan löytää mahdollisimman hyvät tai todistettavasti optimaaliset ratkaisut.

Liiketoiminnan johtamisessa tämä tarkoittaa, että strategisia ja operatiivisia päätöksiä ei perusteta yksinomaan kokemusarvoihin, ranking-listoihin tai erillisiin kannattavuuslaskelmiin, vaan käytettävissä olevien toimintavaihtoehtojen väliset vuorovaikutukset otetaan järjestelmällisesti huomioon.

Tyypillisiä päätöksentekokysymyksiä ovat:

• Mitkä investointihankkeet tulisi toteuttaa rajallisen CAPEX-budjetin puitteissa?
• Kuinka resurssit voidaan jakaa optimaalisesti useiden hankkeiden ja ajanjaksojen kesken?
• Mikä projektikombinaatio tuottaa mallinnuksen mukaan suurimman taloudellisen hyödyn?
• Miten lisärajoitukset vaikuttavat optimaaliseen salkkuun?
• Mitä vaikutuksia budjettileikkauksilla tai strategisten prioriteettien muutoksilla on?

Operaatiotutkimus eroaa näin ollen puhtaasti kuvailevista analyyseistä: se ei tutki pelkästään sitä, mitä on tapahtunut tai mitä voisi tapahtua, vaan sitä, mitä sallittua toimintavaihtoehtoa tulisi suosia määritellyn tavoitefunktion perusteella.

2. Operaatiotutkimus ja liiketoiminnan johtaminen: kaksi tieteenalaa lähentyvät toisiaan

Perinteinen liiketoiminnan johtaminen käsittelee strategiaa, yritystavoitteita, budjetointia, investointeja, organisaatiota ja hallintoa.

Operaatiotutkimus tarjoaa menetelmiä valittujen johtamispäätösten matemaattiseen jäsentämiseen ja optimointiin.

Nämä kaksi tieteenalaa täydentävät toisiaan erityisesti tilanteissa, joissa on tehtävä samanaikaisesti useita toisiinsa liittyviä päätöksiä.

2.1 Perinteinen ero analyysin ja päätöksenteon välillä

Monissa yrityksissä investointiehdotukset laaditaan aluksi hajautetusti. Controlling- ja talousosastot kokoavat tiedot yhteen, arvioivat kannattavuutta ja riskejä sekä valmistelevat päätösluonnokset.

Johtokunta saa tämän jälkeen priorisoidun projektiluettelon tai useita etukäteen laskettuja skenaarioita.

Jos jokin keskeinen oletus muuttuu kokouksen aikana, uusi analyysi voi tulla tarpeelliseksi. Tämä pätee erityisesti silloin, kun budjettimuutokset vaikuttavat lukuisiin projektien välisiin riippuvuussuhteisiin ja resurssirajoituksiin.

2.2 Staattisesta raportista interaktiiviseen päätöksentekomalliin

Matemaattinen optimointimalli voi osittain poistaa tämän erottelun.

Strategiset tavoitteet (tulot ja menot sekä painotukset / riippuvuudet) ja muut rajoitukset yhdistetään yhteiseen malliin. Näin voidaan tutkia erilaisia johdon asettamia vaatimuksia johdonmukaisesti.

Yritysjohdon tehtävänä on edelleen päättää tavoitteista, oletuksista ja prioriteeteista. Optimointimenetelmä laskee niihin sopivat projektikombinaatiot.

Operaatiotutkimus ei siis korvaa yritysjohdon roolia. Se laajentaa sen analyyttistä päätöksentekopohjaa.

3. Miksi projektien priorisointi ei ole salkun optimointia

Projektien priorisointi ja salkun optimointi noudattavat erilaisia metodologisia lähestymistapoja.

3.1 Projektien priorisointi arvioi yksittäisiä hankkeita

Priorisoinnissa projektit arvioidaan esimerkiksi nettonykyarvon, sijoitetun pääoman tuoton, strategisen merkityksen tai painotetun pisteytyksen perusteella ja asetetaan sen jälkeen järjestykseen.

Tällainen järjestys voi olla arvokas päätöksenteossa. Se ei kuitenkaan automaattisesti anna vastausta siihen, mikä projektien yhdistelmä on paras yhteisen budjetin puitteissa.

3.2 Salkun optimointi tarkastelee kokonaisyhdistelmää

Matemaattisessa salkun optimoinnissa otetaan samanaikaisesti huomioon:

• investointikustannukset ja käytettävissä olevat budjetit
• Taloudelliset tai strategiset tavoitteet
• Hankkeiden riippuvuudet ja poissulkemisehdot
• Resurssien saatavuus ja kapasiteettirajat
• Monijaksoisen investointi- ja resurssisuunnittelun
• Pakolliset projektit ja sääntelyvaatimukset

Siksi korkealle arvioitu yksittäinen projekti ei välttämättä kuulu optimaaliseen kokonaisportfolioon. Useat pienemmät projektit voivat yhdessä tuottaa suuremman tavoitteen saavuttamisen.

Ratkaiseva johtamiskysymys ei ole pelkästään: mitkä projektit ovat hyviä? Vaan: mikä yhdistelmä on annetuissa olosuhteissa paras?

4. Salkun optimoinnin matemaattiset perusteet

Tyypillinen CAPEX-salkku voidaan muotoilla binääriseksi optimointiongelmaksi.

4.1 Päätösmuuttujat

Jokaiselle projektille i määritellään binäärinen muuttuja:

x_i ∈ {0,1}

Tässä:

• x_i = 1: projekti i valitaan.
• x_i = 0: Projektia i ei valita.

4.2 Tavoitefunktio

Jos jokaiselle projektille määritetään additiivinen tavoitearvo v_i, yksinkertaistettu tavoitefunktio on:

Maksimoi Z = Σ(i=1–n) v_i · x_i

Tavoitearvo voi olla esimerkiksi nettonykyarvo, rahaksi muunnettu hyöty tai johdonmukaisesti määritelty strateginen hyötyarvo.

Jos projekteilla on ei-additiivisia vaikutuksia, riskejä tai keskinäisiä vuorovaikutuksia, tarvitaan vastaavasti laajennettuja malleja.

4.3 Budjettirajoitus

Käytettävissä olevan investointibudjetin B ja projektikustannusten c_i osalta pätee:

Σ(i=1–n) c_i · x_i ≤ B

Valitut hankkeet eivät saa ylittää määriteltyä budjettia.

4.4 Riippuvuudet ja muut rajoitukset

Jos projekti A edellyttää projektin B toteuttamista, ehto voi olla esimerkiksi seuraava:

x_A ≤ x_B

Muita lisäehtoja voivat olla henkilöstöresurssit, tekniset riippuvuudet, projektien kesto tai vuosittaiset budjettirajat.

Matemaattinen malli kuvaa siten sallitun päätöksentekoalueen, jonka sisällä optimointialgoritmi etsii parasta ratkaisua.

4.5 Kombinatorinen monimutkaisuus

Kun on n riippumatonta binääristä projektipäätöstä, on teoriassa 2 potenssiin n mahdollista valintayhdistelmää.

30 projektin tapauksessa tulokseksi saadaan:

2^30 = 1 073 741 824 mahdollista valintayhdistelmää.

Tämä luku kuvaa teoreettista valintatilaa ennen rajoitusten huomioon ottamista. Se ei tarkoita, että optimointialgoritmin tulisi laskea jokainen yhdistelmä erikseen. Nykyaikaiset menetelmät pystyvät sulkemaan suuren osan hakutilasta järjestelmällisesti pois.

5. Operaatiotutkimus johtoryhmässä: optimointi osana johtoryhmän kokousta

Operaatiotutkimuksen integroiminen johtoryhmän kokouksiin muuttaa ennen kaikkea päätöksenteon tukiprosessin aikataulua.

Sen sijaan, että keskusteltaisiin yksinomaan valmiista projektiluokituksista, yritysjohdolla on käytettävissään matemaattinen malli, joka laskee vaihtoehtoisia päätöksiä määriteltyjen tavoitteiden ja rajoitusten perusteella.

5.1 Raportista interaktiiviseen analyysiin

Yksi mahdollinen toimintatapa käsittää viisi vaihetta:

1. Tietopohja: Investointiprojektit, kustannukset (menot), hyötyosuudet (tulot) ja rajoitukset valmistellaan.
2. Lähtösalkku: Malli laskee sallitun ja mahdollisimman optimaalisen projektikombinaation.
3. Johdon keskustelu: Johtokunta ja talousosasto tarkastelevat budjettirajoja, prioriteetteja ja oletuksia.
4. Uudelleenlaskenta: Muutetut ohjeet syötetään malliin ja optimoidaan uudelleen.
5. Päätös: Yrityksen johto arvioi tulokset ja tekee dokumentoidun päätöksen.

Näin matemaattisesta optimoinnista voi tulla interaktiivinen osa strategisia päätöksentekoprosesseja.

5.2 Ihmisen päätöksenteon rooli

Myös matemaattisesti optimaalisesti laskettu salkku riippuu mallin laadusta.

Optimointialgoritmi voi ottaa huomioon vain ne tavoitteet, oletukset ja rajoitukset, jotka sisältyvät malliin.

Strateginen vastuu, yrittäjämäinen harkintakyky ja hallinto jäävät siksi johdolle.

6. Reaaliaikainen simulointi: Mitä tapahtuu, jos johtokunta muuttaa ohjeistuksiaan?

Reaaliaikaisen optimoinnin käytännön hyöty tulee erityisen hyvin esiin, kun olennaiset puiteolosuhteet muuttuvat kokouksen aikana.

6.1 Skenaario: CAPEX-budjettia supistetaan

Yritys suunnittelee investointisalkkua, jonka budjetti on 20 miljoonaa euroa. Hallituksen kokouksessa päätetään rajoittaa käytettävissä olevat varat 17 miljoonaan euroon.

Pelkkä viimeisimpien priorisoitujen hankkeiden poistaminen ei välttämättä johda parhaaseen jäljelle jäävään yhdistelmään.

Optimointimalli puolestaan voi laskea salkun kokonaan uudelleen uuden budjettirajan puitteissa.

6.2 Skenaario: Projektista tulee pakollinen

Johtokunta päättää, että sääntelyn edellyttämä projekti on toteutettava sen taloudellisesta arvioinnista riippumatta.

Uusi lisäehto on esimerkiksi:

x_pakollinen_projekti = 1

Malli ottaa tämän vaatimuksen huomioon ja etsii jäljellä olevan päätöksentekovaran puitteissa parhaan projektikombinaation.

6.3 Skenaario: Resurssit muodostuvat pullonkaulaksi

Budjetti ei aina ole ainoa ratkaiseva rajoite. Myös tekniset asiantuntijat, tuotantokapasiteetti tai projektinhallintaresurssit voivat olla rajallisia.

Lisäresurssirajoitusten avulla voidaan tutkia, miten optimaalinen projektikoostumus muuttuu.

Reaaliaikaisen simuloinnin avulla muutettujen johtamisvaatimusten seurauksia voidaan verrata välittömästi, sikäli kuin malli ja laskenta-ajat sen sallivat.

7. Käytännön esimerkki: 30 CAPEX-projektia ja yli miljardi teoreettista yhdistelmää

Tarkastellaan yritystä, jolla on 30 suunniteltua investointihanketta.

Jokaisella projektilla on investointitarve, taloudellinen tavoitetulos ja mahdollisesti riippuvuussuhteita muihin hankkeisiin.

Binäärisessä projektivalinnassa syntyy teoriassa yli miljardi mahdollista yhdistelmää.

7.1 Miksi taulukkomuotoinen ranking ei riitä

Taulukkolaskentaohjelma pystyy dokumentoimaan projektikustannukset, pääoman arvon ja prioriteetit erittäin hyvin.

ROI:n tai pääoman arvon mukaan lajiteltu projektiluettelo ei kuitenkaan ole yleispätevä algoritmi kombinatorisen salkunoptimointiongelman ratkaisemiseksi.

Ongelma ei periaatteessa ole Excel-ohjelmistossa. Sopivilla Solver-menetelmillä optimointimallit voidaan ratkaista myös taulukoista. Ratkaisevaa on, suoritetaanko todella matemaattista salkun optimointia vai käsitelläänkö vain järjestystä.

7.2 Laskelmaesimerkki kuudesta projektista

Yksinkertaistettu salkku sisältää seuraavat hypoteettiset projektit:

Käytettävissä oleva budjetti on 10 miljoonaa euroa.

Valinta pelkästään korkeimman absoluuttisen yksittäisen nettonykyarvon perusteella suosisi aluksi hanketta A. Yhdessä hankkeen C kanssa nettonykyarvo on 15 miljoonaa euroa.

Sen sijaan yhdistelmä B, C ja E vaatii 11 miljoonaa euroa, joten se ei ole sallittu.

Yhdistelmä B, D ja E vaatii tarkalleen 10 miljoonaa euroa ja tuottaa pääoma-arvon 14 miljoonaa euroa.

Yhdistelmä A ja C vaatii myös tarkalleen 10 miljoonaa euroa ja saavuttaa 15 miljoonaa euroa. Se on siten optimaalinen tässä yksinkertaistetussa esimerkissä.

Esimerkki osoittaa, kuinka budjettirajoitukset vaikuttavat valintaan. Suuremmissa salkuissa ja lisäriippuvuuksien ollessa kyseessä systemaattinen matemaattinen laskelma on erityisen tärkeä.

8. Mikä merkitys operaatiotutkimuksella on toimitusjohtajalle, talousjohtajalle ja hallintoneuvostolle?

8.1 Toimitusjohtaja: Strategisten prioriteettien operatiivinen toteuttaminen

Toimitusjohtajille hyötyä on siinä, että strategiset tavoitteet voidaan yhdistää konkreettisiin resurssi- ja investointipäätöksiin.

Kasvu, muutos, tehokkuus ja joustavuus kilpailevat usein samoista taloudellisista resursseista.

Optimointimalli voi tuoda selkeyttä siihen, mikä projektien yhdistelmä tukee parhaiten määriteltyjä tavoitteita käytettävissä olevien resurssien puitteissa.

8.2 Talousjohtaja (CFO): Pääoman kohdentamisen järjestelmällinen parantaminen

Talousjohtajille on erityisen merkityksellistä yhdistää pääoman kohdentaminen, CAPEX-suunnittelu ja salkun optimointi.

Matemaattinen optimointi voi auttaa vertailemaan investointivaihtoehtoja johdonmukaisesti ja tuomaan esiin eri budjettipäätösten seuraukset.

Se ei korvaa taloudellista arviointia eikä riskienhallintaa, vaan täydentää niitä järjestelmällisellä valintapäätöksellä.

8.3 Hallintoneuvosto: Päätösten perustelujen ymmärtäminen

Hallintoneuvostoille ja muille valvontaelimille dokumentoidut optimointimallit voivat parantaa investointipäätösten jäljitettävyyttä.

Erityisen merkityksellisiä ovat käytetyt tavoitteet, rajoitukset, skenaariot ja ehdotettujen vaihtoehtojen väliset erot.

Matemaattinen optimointi luo siten ylimääräisen analyyttisen perustan hallinnolle ja valvonnalle muuttamatta elinten vastuualueita.

9. Mitkä optimointimenetelmät mahdollistavat operaatiotutkimuksen johtamisessa?

Matemaattinen ja algoritminen toteutus riippuu kunkin päätöksentekoprobleeman rakenteesta.

9.1 Lineaarinen ja sekamääräinen optimointi

Lineaarinen ohjelmointi ja sekamääräinen lineaarinen ohjelmointi (MILP) kuuluvat vakiintuneisiin menetelmiin allokointi- ja valintaongelmien mallintamisessa.

Binääriset projektipäätökset voidaan yhdistää lineaarisiin tavoitefunktioihin ja rajoitusehtoihin.

9.2 Kombinatorinen optimointi

Kombinatorinen optimointi tutkii diskreettien vaihtoehtojen valintaa, järjestystä ja yhdistelmiä.

Se on erityisen merkityksellistä silloin, kun päätökset ovat toisistaan riippuvaisia ja mahdollisten yhdistelmien määrä kasvaa voimakkaasti muuttujien lukumäärän kasvaessa.

9.3 Tarkat algoritmit ja heuristiset menetelmät

Tarkat optimointimenetelmät voivat sopivissa olosuhteissa todistaa ratkaisun globaalin optimaalisuuden tai ilmoittaa kvantifioidun optimaalisuusvajeen.

Heuristiset ja metaheuristiset menetelmät puolestaan etsivät hyviä ratkaisuja ilman, että ne yleensä osoittaisivat globaalia optimaalisuutta.

Se, mikä lähestymistapa on sopiva, riippuu mallin rakenteesta, ongelman laajuudesta, halutusta ratkaisun laadusta ja käytettävissä olevasta laskenta-ajasta.

9.4 Rinnakkaislaskenta ja laskentateho

Rinnakkaislaskenta voi nopeuttaa tiettyjä optimointimenetelmiä jakamalla sopivat laskentavaiheet useille prosessoriytimille.

Todellinen nopeutus riippuu algoritmista, ongelman rakenteesta ja rinnakkaistamisen asteesta. Lyhyttä laskenta-aikaa tai globaalin optimaalisuuden todistusta ei siis voida päätellä pelkästään laskentaytimien lukumäärän perusteella.

10. Operaatiotutkimus, tekoäly ja päätöksentekoäly

Operaatiotutkimusta, tekoälyä ja päätöksentekoälyä käsitellään usein yhdessä, mutta ne täyttävät erilaisia tehtäviä.

10.1 Ennustava analytiikka ja ohjeistava analytiikka

Ennustava analytiikka (Predictive Analytics) käsittelee tulevien kehityssuuntausten ennustamista.

Preskriptiivinen analytiikka tutkii, mitkä toimet ovat sopivia tietyissä oletuksissa ja tavoitteissa.

Operaatiotutkimus tarjoaa tähän keskeisiä matemaattisia menetelmiä.

10.2 Ennusteiden ja optimoinnin yhdistäminen

Koneoppimismalli voi esimerkiksi arvioida tulevaa kysyntää, kustannuksia tai vikaantumistodennäköisyyksiä.

Optimointimalli voi sitten käyttää näitä arvioita resurssien, investointien tai toimenpiteiden jakamiseen rajoitusten puitteissa.

Päätöksen laatu riippuu sekä ennusteesta että optimointiongelman mallinnuksesta.

10.3 Päätöksentekoäly organisaation toimintakehyksenä

Päätöksentekoäly yhdistää dataa, malleja, päätöksentekologiikkaa ja organisaatioprosesseja tavoitteenaan tukea päätöksentekoa järjestelmällisesti.

Operaatiotutkimus voi tässä kehyksessä muodostaa matemaattisen perustan toimintavaihtoehtojen laskemiselle.

Matemaattisen optimoinnin ja johtamisprosessin yhdistelmä mahdollistaa tieteellisten menetelmien hyödyntämisen konkreettisissa yrityspäätöksissä.

11. Miten operaatiotutkimus voidaan integroida olemassa oleviin yritysprosesseihin?

Onnistunut käyttöönotto vaatii paitsi sopivia algoritmeja myös vankan organisatorisen ja teknisen integroinnin.

11.1 Tiedot taloushallinnosta, ohjauksesta ja projektinhallinnasta

Merkityksellistä tietoa voi saada ERP-järjestelmistä, projektinhallintaratkaisuista, taloussuunnittelusta ja taulukkolaskennasta.

Tärkeää on projektikustannusten (menot), hyötyosuuksien (tulot), ajanjaksojen ja rajoitusten johdonmukainen määrittely.

11.2 Hallinto ja vastuu malleista

Yrityksen on määriteltävä, kuka asettaa tavoitteet ja reunaehdot, hyväksyy tiedot ja vahvistaa optimointitulokset.

Mallin oletuksiin tehdyt muutokset on dokumentoitava ja tarvittaessa versionoitava.

11.3 Integrointi päätöksentekosykliin

Matemaattinen salkun optimointi voidaan integroida vuotuisiin CAPEX-suunnitteluprosesseihin, monivuotisiin investointiohjelmiin ja vuoden aikana tehtäviin uudelleenallokaatioihin.

Reaaliaikaisissa istunnoissa on järkevää validoida tiedot ja malli etukäteen ja muuttaa interaktiivisesti vain selkeästi määriteltyjä parametreja.

12. Matemaattisen johtamisoptimoinnin edellytykset ja rajoitukset

Operaatiotutkimus ei takaa automaattisesti taloudellisesti onnistuneita päätöksiä.

12.1 Tietojen laatu ja mallin validointi

Virheelliset kustannusoletukset, puutteelliset riippuvuussuhteet tai epäjohdonmukaiset tavoitekustannukset voivat johtaa epäasianmukaisiin tuloksiin.

Siksi tietojen tarkastus, asiantuntijatasoinen mallin validointi ja uskottavuustarkastukset ovat olennainen osa luotettavaa optimointia.

12.2 Epävarmuus ja riski

Tulevat sijoitustuotot ja projektikustannukset ovat usein epävarmoja.

Sovelluksesta riippuen saatetaan tarvita skenaarioanalyysejä, herkkyysanalyysejä, robustia optimointia tai stokastisia menetelmiä.

12.3 Globaali optimaalisuus on aina suhteellista malliin nähden

Matemaattisesti globaali optimi on paras sallittu ratkaisu määritellyn tavoitefunktion ja rajoitusten puitteissa.

Se ei automaattisesti tarkoita parasta päätöstä kaikkien reaalitaloudellisten näkökohtien kannalta.

12.4 Laskennan nopeus riippuu ongelman rakenteesta

Monet optimointiongelmat voidaan ratkaista nopeasti. Toiset vaativat huomattavaa laskenta-aikaa tai approksimaatiomenetelmien käyttöä.

Jotta reaaliaikainen sovellus olisi luotettava, mallin koko, ratkaisijan käyttäytyminen, laskenta-ajat ja tulosten laatu on testattava realistisissa olosuhteissa.

13. Operaatiotutkimuksen sovellusalueet liiketoiminnan johtamisessa

13.1 CAPEX- ja sijoitussalkun optimointi

Yritykset voivat hyödyntää matemaattista optimointia jakaakseen investointibudjetit projekteihin, toimipaikkoihin tai liiketoiminta-alueisiin.

13.2 Strateginen resurssien kohdentaminen

Rajoitettujen henkilö-, teknisten tai taloudellisten resurssien kohdentaminen kilpaileviin hankkeisiin on klassinen optimointiongelma.

13.3 Monivuotinen investointisuunnittelu

Monivuotisissa malleissa voidaan ottaa huomioon vuosittaiset budjettirajat, hankkeiden kesto, riippuvuussuhteet ja resurssien saatavuus.

13.4 Infrastruktuuri ja julkinen talous

Myös julkiset instituutiot joutuvat tekemään monimutkaisia resurssien kohdentamispäätöksiä. Pelkän taloudellisen tuoton maksimoinnin sijaan sopivat hyötyarvomallit voivat ottaa huomioon yhteiskunnalliset vaikutukset ja poliittiset tavoitteet.

Lakisääteiset velvoitteet, kohdennetut varat ja demokraattisesti vahvistetut prioriteetit pysyvät tässä yhteydessä sitovina puitteina.

13.5 Tutkimus, kehitys ja muutos

Myös tutkimus- ja kehityssalkkuja, muutosohjelmia ja strategisia aloitteita voidaan tukea matemaattisilla valinta- ja allokointimalleilla.

14. StratePlan: operaatiotutkimus verkkopohjaisena päätöksentekopalveluna

mAInthink GmbH kehittää StratePlan -sovellusta, joka tuo matemaattisen salkunoptimoinnin taloudellisten ja julkisten päätöksentekoprosessien ulottuville.

Lähestymistapa yhdistää operaatiotutkimuksen menetelmät sovelluslähtöiseen käyttöliittymään projekti- ja investointisalkkujen analysointia varten.

14.1 Projektitiedoista optimoituun yhdistelmään

Lähtökohtana ovat jäsennellyt projektitiedot, kuten investointitarpeet, tulot ja merkitykselliset rajoitteet.

Optimointimalli tutkii, mikä projektikombinaatio saavuttaa määriteltyjen puite-ehtojen puitteissa suurimman mallinnetun tavoitepanoksen.

14.2 Skenaariot johdolle ja taloushallinnolle

Budjettien tai muiden malliparametrien muutoksia voidaan käyttää salkun uudelleenlaskentaan.

Tämän avulla voidaan vertailla erilaisia strategisia tavoitteita ilman, että koko projektinarviointia tarvitsee rakentaa manuaalisesti uudelleen.

14.3 CAPEX Live Boardroom -simulaatio

CAPEX Live Boardroom -simulaatio siirtää optimointilähestymistavan johtoryhmän kokoukseen.

Yrityksen johto voi keskustella vaihtoehtoisista puiteolosuhteista ja tutkia niiden vaikutuksia laskettuun projektikombinaatioon.

Käytännön nopeus riippuu kyseisestä mallirakenteesta ja ongelman laajuudesta.

14.4 Decision Intelligence 4 All

Decision Intelligence 4 All -konseptin tavoitteena on tuoda matemaattinen optimointi hyödynnettäväksi myös erikoistuneiden operaatiotutkimusosastojen ulkopuolella.

Online Decision Service -palvelun tarkoituksena on yksinkertaistaa tieteellisten optimointimenetelmien käyttöä ilman, että käyttäjien tarvitsee itse ohjelmoida matemaattisia malleja tai algoritmeja.

Sama budjetti. Paremmat yhdistelmät. Suurempi vaikutus.

Optimoi nyt omat projektisi matemaattisesti →

15. Usein kysyttyjä kysymyksiä operaatiotutkimuksesta liikkeenjohdossa

Mitä operaatiotutkimus tarkoittaa liikkeenjohdossa?

Operaatiotutkimus liikkeenjohdossa tarkoittaa matemaattisten mallien ja optimointimenetelmien soveltamista liiketoiminnallisiin päätöksiin, kuten pääoman kohdentamiseen, projektisalkun valintaan, resurssisuunnitteluun ja investointien hallintaan.

Voidaanko operaatiotutkimusta soveltaa suoraan johtoryhmän kokouksessa?

Kyllä. Kun tiedot, malli ja tekninen infrastruktuuri ovat valmiina, vaihtoehtoisia budjetti- ja resurssipäätöksiä voidaan laskea uudelleen ja vertailla kokouksen aikana. Tarvittava laskenta-aika riippuu mallin monimutkaisuudesta.

Mikä on ero projektien priorisoinnin ja matemaattisen salkun optimoinnin välillä?

Projektien priorisointi järjestää yksittäiset projektit arviointikriteerien mukaan. Salkun optimointi puolestaan laskee mahdollisimman hyvän tai todistetusti optimaalisen yhdistelmän useista projekteista yhteisten rajoitusten puitteissa.

Onko operaatiotutkimus sama asia kuin tekoäly?

Ei. Operaatiotutkimus on itsenäinen tieteenala. Molemmat alat käyttävät osittain samankaltaisia matemaattisia menetelmiä, ja niitä voidaan yhdistää toisiinsa, esimerkiksi ennustepohjaisessa optimoinnissa.

Voiko matemaattinen optimointi lisätä sijoitetun pääoman tuottoa (ROI)?

Matemaattinen optimointi voi sopivissa olosuhteissa tunnistaa parempia projektikombinaatioita ja siten hyödyntää taloudellista potentiaalia. Konkreettinen sijoitetun pääoman tuoton kasvu riippuu kuitenkin projektitiedoista, mallin oletuksista ja käytettävissä olevista vaihtoehdoista, eikä sitä voida yleisesti taata.

Mitä tietoja CAPEX-salkun optimointi vaatii?

Tyypillisesti tarvitaan projektitunnisteita, investointikustannuksia, tuloja ja merkityksellisiä rajoituksia. Monimutkaisemmissa malleissa tarvitaan lisäksi esimerkiksi projektien välisiä riippuvuussuhteita, aikajaksoja ja resurssitarpeita.

Kuinka monta projektikombinaatiota on 30 projektin tapauksessa?

Kun valintapäätöksiä on 30, yhdistelmien määrä on teoriassa 2 potenssiin 30, eli 1 073 741 824. Rajoitukset rajoittavat sallittujen yhdistelmien määrää; optimointialgoritmien ei välttämättä tarvitse käydä läpi kaikkia teoreettisia mahdollisuuksia yksitellen.

Korvaako matemaattinen optimointi johtokunnan päätöksen?

Ei. Johto asettaa tavoitteet, prioriteetit ja puite-ehdot ja kantaa edelleen vastuun päätöksestä. Optimointi tarjoaa matemaattisesti perustellun päätöksenteon tuen.

16. Johtopäätös: Operaatiotutkimuksesta tulee strategista johtamisosaamista

Operaatiotutkimus ei ole uusi tieteenala. Uutta on mahdollisuus integroida sen menetelmät entistä tiiviimmin interaktiivisiin strategisiin päätöksentekoprosesseihin.

Kun matemaattiset mallit, käytettävissä olevat tiedot ja sopiva ohjelmisto yhdistyvät, investointi- ja projektisalkkujen optimointi voidaan ottaa suoraan mukaan johdon keskusteluihin.

Johtoryhmän ei tällöin tarvitse luottaa yksinomaan staattisiin ranking-listoihin ja etukäteen valittuihin skenaarioihin. Se voi tutkia, miten vaihtoehtoiset lähtökohdat vaikuttavat parhaaseen mahdolliseen projektikombinaatioon.

Tämä muuttaa operaatiotutkimuksen roolia: erikoistuneesta analyyttisestä toiminnosta kohti potentiaalisesti toistuvaa osa-aluetta strategisessa yritysjohtamisessa.

Matematiikka ei tuota liiketoiminnallista vastuuta. Se voi kuitenkin parantaa päätöksenteon perustan laatua merkittävästi.

Decision Intelligence 4 All. Powered by Operations Research & Mathematical Optimization.

Laske optimointi nyt itse →