Prendete decisioni di investimento, ma non il portafoglio ottimale.
Potete ottenere rendimenti più elevati con i progetti esistenti.
Noi calcoliamo lo scenario ottimale - prima che voi decidiate.
Gratuitamente. Senza impegno. Sulla base dei vostri progetti esistenti.
Stessi progetti. Combinazione diversa. Più risultati.
StratePlan calcola il portafoglio ottimale laddove gli strumenti tradizionali raggiungono i loro limiti.
Invece di valutare i progetti isolatamente, analizziamo tutte le possibili combinazioni e identifichiamo la soluzione migliore.
L'optimum globale non è un'ipotesi: può essere calcolato.
Selezionare l'area di business:
Articolo principale del blog:
Decisioni in condizioni di incertezza
Perché le logiche decisionali classiche falliscono sistematicamente - e come le organizzazioni prendono decisioni migliori a livello strutturale
Sintesi
Prendere decisioni in condizioni di incertezza è una delle sfide principali che le organizzazioni moderne devono affrontare. Le decisioni di investimento, i portafogli di progetti o le iniziative strategiche vengono regolarmente prese anche se i parametri chiave non sono del tutto noti.
L'ipotesi prevalente è che:
Più informazioni, modelli migliori e maggiore coordinamento portano a decisioni migliori.
Tuttavia, la realtà mostra un quadro diverso:
Nonostante la crescente quantità di dati, simulazioni e strutture di governance, le decisioni rimangono spesso non ottimali.
Il motivo non è principalmente la mancanza di dati o di metodi, ma un errore di valutazione strutturale:
L'incertezza viene trattata come un problema di informazione, anche se si tratta di un problema di spazio decisionale.
1. La natura dell'incertezza nelle organizzazioni
L'incertezza si verifica sempre quando non è possibile prevedere chiaramente gli stati futuri. In pratica, ciò si applica a quasi tutte le aree decisionali rilevanti:
- Investimenti in immobilizzazioni (CAPEX)
- Progetti strategici e trasformazioni
- Sviluppi di prodotto
- Misure infrastrutturali
- Decisioni di portafoglio nel private equity o nel settore immobiliare
Si possono distinguere tre forme:
1.1 Rischio (incertezza misurabile)
- Le probabilità sono note o possono essere stimate
- Esempio: tassi di default, rendimenti storici
1.2 Incertezza (non completamente quantificabile)
- Le probabilità possono essere solo approssimate
- Esempio: sviluppo del mercato, domanda
1.3 Ambiguità (incertezza strutturale)
- Le causalità non sono chiare
- Esempio: tecnologie dirompenti
Punto critico:
Le organizzazioni spesso trattano tutte e tre le forme nello stesso modo, di solito attraverso scenari o simulazioni.
2. Il modo classico di affrontare l'incertezza
Nella pratica, dominano tre approcci decisionali:
2.1 Pianificazione basata su scenari
- Caso migliore / caso base / caso peggiore
- Obiettivo: comprendere le larghezze di banda
2.2 Simulazioni Monte Carlo
- Migliaia di esecuzioni casuali
- Obiettivo: distribuzioni di probabilità
2.3 Valutazione basata su esperti
- Modelli di punteggio, decisioni del comitato
- Obiettivo: plausibilità e consenso
Questi approcci forniscono indicazioni preziose, ma hanno un limite strutturale:
Analizzano l'incertezza, ma non prendono una decisione ottimale nell'intero spazio decisionale.
3. Il vero problema: lo spazio decisionale
In ogni organizzazione non esiste una sola decisione, ma uno spazio decisionale combinatorio.
Per N progetti vale quanto segue:
- Numero di combinazioni possibili = 2^N
Esempi:
| Numero di progetti | Combinazioni |
|---|---|
| 10 | 1.024 |
| 20 | 1.048.576 |
| 30 | > 1 miliardo |
| 50 | > 1 quadrilione |
Conseguenza:
La complessità cresce esponenzialmente con ogni opzione aggiuntiva. Anche se l'incertezza fosse perfettamente modellata, la domanda centrale rimane:
Quale combinazione di decisioni è ottimale sotto tutte le incertezze?
I metodi classici non rispondono a questa domanda.
4. Perché la simulazione non sostituisce la decisione
Le simulazioni rispondono alla domanda:
"Cosa succede se decido a favore di una certa opzione?"
Non rispondono a:
"Quale opzione è la migliore tra tutte quelle possibili?"
Questa è una differenza fondamentale.
Esempio: portafoglio immobiliare
Una società esamina 50 progetti immobiliari.
- Simulazione: valuta i singoli progetti o scenari
- Realtà: ci sono 2^50 combinazioni possibili
Problema:
La simulazione considera le alternative in modo isolato, non sistematico nell'intero spazio.
5. Pregiudizi comportamentali in condizioni di incertezza
L'incertezza rafforza sistematicamente i pregiudizi cognitivi:
Effetti tipici:
- Avversione alle perdite: i rischi vengono sovrastimati
- Pregiudizio dello status quo: i progetti esistenti rimangono in portafoglio
- Fiducia eccessiva: le previsioni sono sopravvalutate
- Ancoraggio: le valutazioni iniziali dominano
Risultato:
Le decisioni non sono solo incomplete, ma sistematicamente distorte.
6. L'idea sbagliata della struttura
L'ipotesi dominante è che:
Più informazioni → decisioni migliori
In realtà, vale quanto segue:
Più opzioni + incertezza → complessità decisionale in aumento esponenziale
Questo porta a tre problemi:
- Riduzione dello spazio decisionale (pre-filtraggio)
- Modelli semplificati
- Ponderazione soggettiva
Conseguenza:
L'optimum globale in genere non viene mai considerato.
7. Ripensare il processo decisionale in condizioni di incertezza
Una logica decisionale robusta deve affrontare contemporaneamente due dimensioni:
7.1 Modellare l'incertezza
- Probabilità
- Rischi
- Scenari
7.2 Analizzare completamente lo spazio decisionale
- Tutte le combinazioni
- Tutte le restrizioni
- Tutte le dipendenze
Solo la combinazione di entrambi i livelli consente una reale ottimizzazione.
8. Confronto tra gli approcci
| Approccio | Punto di forza | Debolezza | Risultato |
|---|---|---|---|
| Analisi dello scenario | Comprensibilità | nessuna ottimizzazione | valore informativo limitato |
| Monte Carlo | profondità probabilistica | nessun processo decisionale | Simulazione invece di selezione |
| Decisione esperta | Esperienza | Pregiudizio | risultati incoerenti |
| Euristica | Velocità | ottimismo locale | subottimale |
| Ottimizzazione combinatoria | spazio completo | elevata richiesta computazionale | decisione ottimizzata a livello globale |
9. Le immobilizzazioni come caso d'uso critico
Il problema è particolarmente evidente quando si investe in immobilizzazioni:
- Elevato impegno di capitale
- Lunghe scadenze
- Bassa reversibilità
Processo tipico:
- I progetti vengono valutati singolarmente
- Il budget viene distribuito
- Il portafoglio viene creato iterativamente
Problema:
L'elenco completo degli investimenti è raramente considerato come uno spazio decisionale combinatorio.
10. Logica ex-ante vs. ex-post
La maggior parte delle organizzazioni ottimizza le decisioni ex-post:
- Valutazione ex-post
- Aggiustamenti del portafoglio
- Lezioni apprese
Una logica superiore è:
Ottimizzazione ex-ante - prima della decisione
Ciò significa che:
- Tutte le opzioni vengono considerate simultaneamente
- Le restrizioni sono integrate
- Si modella l'incertezza
- Il risultato è la combinazione ottimale
11. Implicazioni per la governance
L'introduzione di una logica decisionale strutturata cambia radicalmente le organizzazioni:
Classica:
- I comitati decidono
- La discussione domina
- L'obiettivo è il consenso
Nuovo:
- I modelli calcolano le soluzioni ottimali
- Trasparenza sui costi di opportunità
- Le decisioni diventano verificabili
12. Costi di opportunità in condizioni di incertezza
Il blocco di costi più grande, spesso invisibile, è:
La differenza tra la soluzione scelta e l'ottimo globale
Questo effetto aumenta in modo massiccio in condizioni di incertezza:
- errata definizione delle priorità
- allocazione inefficiente del capitale
- perdita di valore a lungo termine
13. La qualità delle decisioni come fattore competitivo
Le organizzazioni non competono solo sui prodotti o sui mercati, ma sempre più sulla qualità delle loro decisioni:
La qualità delle decisioni
Questo significa
- migliore allocazione del capitale
- maggiore resilienza
- una più rapida adattabilità
14. Attuazione pratica
Una moderna architettura decisionale comprende
1. Elenco completo dei progetti prima della decisione
Nessuna selezione iterativa
2. Restrizioni chiare
Budget, risorse, dipendenze
3. Modellazione dell'incertezza
Probabilità, scenari
4. Ottimizzazione algoritmica
Ricerca nell'intero spazio decisionale
15. Conclusione
Le decisioni in condizioni di incertezza non sono un problema di pura previsione.
Sono un problema di ottimizzazione strutturale.
L'intuizione chiave è la seguente:
L'incertezza non può essere eliminata, ma le decisioni possono essere ottimizzate nonostante l'incertezza.
Le organizzazioni che comprendono questa differenza ottengono un enorme vantaggio:
- un maggiore ritorno sugli investimenti
- migliore coerenza strategica
- riduzione delle decisioni sbagliate
DOMANDE FREQUENTI
Cosa significa concretamente "decisione in condizioni di incertezza"?
Significa che le decisioni devono essere prese anche se le informazioni rilevanti sul futuro non sono del tutto note.
Perché le simulazioni non sono sufficienti?
Le simulazioni mostrano i possibili esiti delle singole decisioni, ma non identificano la decisione migliore tra tutte le possibili combinazioni.
Qual è la differenza tra rischio e incertezza?
Il rischio è misurabile (con probabilità), mentre l'incertezza non può essere completamente quantificata.
Perché lo spazio decisionale è così importante?
Perché il numero di combinazioni possibili cresce esponenzialmente (2^N) e i metodi classici non analizzano completamente questo spazio.
Qual è il problema principale dei processi decisionali classici?
La riduzione sistematica dello spazio decisionale e le conseguenti decisioni non ottimali.
Che cosa significa "ottimo globale"?
La migliore combinazione possibile di tutte le decisioni sotto determinate restrizioni e incertezze.
Quando diventa particolarmente rilevante?
- Decisioni CAPEX
- Portafogli di progetti
- Investimenti infrastrutturali
- Azioni private
Qual è il miglioramento principale degli approcci moderni?
La combinazione di modelli di incertezza e analisi completa dello spazio decisionale.