Primerji uporabe z visokim donosom naložbe (ROI) temeljijo na umetni inteligenci – zakaj poslovni uspeh ni zgolj stvar intuicije

Povzetek: Visoka donosnost naložb (ROI) je posledica matematične optimizacije portfelja

Koliko dodatnega gospodarskega potenciala se skriva v vaših obstoječih investicijskih projektih, ukrepih digitalizacije in strateških primerih uporabe – brez da bi morali povečati svoj proračun?

Podjetja vlagajo znatne vsote v digitalizacijo, avtomatizacijo, umetno inteligenco, proizvodne obrate, optimizacijo procesov in strateško preobrazbo.

Skoraj vsaka od teh naložb se ocenjuje na podlagi gospodarskih kazalnikov. Donosnost naložb (ROI), doba amortizacije, potrebe po kapitalu in pričakovani prispevek k vrednosti sodijo v standardni repertoar profesionalnega vodenja podjetja.

Vendar pa ključno vprašanje pogosto ostane brez odgovora:

Katera kombinacija vseh načrtovanih primerov uporabe v okviru razpoložljivega proračuna prinaša najvišji skupni gospodarski prispevek?

V praksi se primeri uporabe pogosto ocenjujejo posamično, v delavnicah se razvrščajo po pomembnosti ali se razvrščajo na podlagi pričakovanega donosa.

Rezultat je lahko verjeten. Vendar pa to še zdaleč ne pomeni, da gre za ekonomsko najboljši celotni portfelj.

Prav tu pride v igro StratePlan.

Ta tehnologija združuje matematične optimizacijske metode iz operativnega raziskovanja z umetno inteligenco podprtimi pristopi, da sistematično preuči velika kombinatorna območja odločanja.

Cilj ni identificirati najprivlačnejši posamezni primer uporabe, temveč izračunati ekonomsko najboljšo kombinacijo vseh razpoložljivih naložbenih alternativ.

1. Napačno razumevanje klasičnih izračunov donosa naložbe (ROI)

Donosnost naložbe (ROI) je eden najpomembnejših kazalnikov za ocenjevanje gospodarskih ukrepov.

Opisuje razmerje med doseženim oziroma pričakovanim gospodarskim izidom in kapitalom, vloženim v ta namen.

Poenostavljen izračun ROI je:

ROI = (dohodek − investicijski stroški) / investicijski stroški × 100

Natančna definicija se lahko razlikuje glede na podjetje in primer uporabe.

Kazalnik pomaga pri gospodarski oceni posameznih naložb.

A prav tu se pojavi pogosto podcenjen problem:

Primer uporabe z visokim posameznim ROI ni nujno del ekonomsko najboljšega celotnega portfelja.

Razlog za to je v medsebojnih vplivih med različnimi ukrepi.

Primeri uporabe tekmujejo za investicijske proračune, kadrovske vire, tehnične zmogljivosti in razpoložljivi čas.

Izbira enega projekta lahko prepreči, da bi se več drugih projektov izvedlo skupaj.

Zato ni dovolj, da naložbe razvrščamo izključno glede na njihovo individualno donosnost naložbe (ROI).

Ključno vprašanje za vodstvo se glasi: Katera kombinacija naših primerov uporabe ustvari z razpoložljivim kapitalom najvišji skupni gospodarski prispevek?

2. Visoka donosnost naložb (ROI) je odločitev na ravni portfelja – ne gre za tekmovanje posameznih projektov

Preprost primer pojasni razliko med najvišjo posamezno donosnostjo in ekonomsko najboljšo kombinacijo projektov.

Podjetje razpolaga z investicijskim proračunom v višini 10 milijonov evrov.

Na izbiro so trije primeri uporabe:

Primer uporabe A ima s 100 % najvišjo posamezno donosnost naložbe (ROI).

Če se izvede izključno ta primer uporabe, znaša neto dodana vrednost 4 milijone evrov pri vložku kapitala v višini 4 milijonov evrov.

Če pa se primeri uporabe B in C izvajata skupaj, se porabi celoten investicijski proračun v višini 10 milijonov evrov.

Skupni neto prispevek k vrednosti znaša 8 milijonov evrov.

Portfelj primerov uporabe B in C tako ustvari dvakrat večji absolutni neto prispevek k vrednosti, čeprav imata oba projekta posamično nižjo donosnost naložbe (ROI).

Vendar pa donosnost naložbe (ROI) portfelja B in C znaša 80 % in je s tem nižja od donosnosti posameznega projekta A.

Ta primer prikazuje pomembno razliko:

Najvišja donosnost naložb portfelja in najvišji absolutni neto prispevek k vrednosti nista ista ciljna funkcija.

Kateri ciljni kazalnik je treba optimizirati, mora vodstvo določiti pred izračunom.

Za strateško razporeditev kapitala je lahko zlasti pomembno povečanje celotnega neto prispevka k vrednosti v okviru omejenega proračuna.

3. Nevidni prostor za odločanje za primeri uporabe z visokim ROI

Takoj ko je na voljo več primerov uporabe hkrati, nastane kombinatorični prostor odločanja.

V poenostavljenem binarnem modelu se lahko vsak primer uporabe bodisi izvede bodisi ne izvede.

Pri N neodvisno izbirnih primerih uporabe se teoretično pojavi 2^N možnih kombinacij.

• 7 primerov uporabe: 2^7 = 128 kombinacij
• 10 primerov uporabe: 2^10 = 1.024 kombinacij
• 20 primerov uporabe: 2^20 = 1.048.576 kombinacij
• 30 primerov uporabe: 2^30 = 1.073.741.824 kombinacij
• 40 primerov uporabe: 2^40 = 1.099.511.627.776 kombinacij
• 50 primerov uporabe: 2^50 = 1.125.899.906.842.624 kombinacij
• 100 primerov uporabe: 2^100 = približno 1,27 × 10^30 kombinacij

Portfelj s 50 uporabniškimi primeri ima torej teoretični prostor za odločanje s približno 1,126 bilijonov možnih kombinacij.

Zaradi proračunskih omejitev, omejenih virov ali odvisnosti med projekti niso vse te kombinacije dopustne.

Kljub temu ta velikostni red pojasnjuje, zakaj klasične delavnice in ročni postopki določanja prednosti lahko zajamejo le omejen del možnih odločitev.

Izziv ni v ocenjevanju 50 primerov uporabe. Izziv je v tem, da iz možnih kombinacij teh 50 primerov uporabe določimo ekonomsko najboljši dopusten portfelj.

4. Zakaj lestvica ROI ne vodi samodejno do najboljšega rezultata

V klasičnih investicijskih procesih se primeri uporabe pogosto razvrščajo po predvideni donosnosti naložbe.

Projekti z najvišjo donosnostjo naložb (ROI) so na vrhu seznama in se izvajajo prednostno.

Ta pristop je preprost in razumljiv.

Vendar pa ne upošteva samodejno optimalne porazdelitve razpoložljivega investicijskega kapitala.

Pri tem se še posebej pogosto pojavijo tri strukturne težave.

Prvič: tekmovanje za proračunska sredstva

Posamezen primer uporabe lahko porabi znaten del investicijskega proračuna.

Zaradi tega se več drugih ekonomsko privlačnih ukrepov ne more več izvesti.

Drugič: odvisnosti med projekti

Posamezni primeri uporabe so lahko medsebojno odvisni.

Na primer, optimizacija proizvodnje na podlagi umetne inteligence se lahko smiselno izvede šele, ko je bila predhodno vzpostavljena določena podatkovna infrastruktura.

Izolirana ocena donosnosti naložbe (ROI) takšnih povezav ne upošteva samodejno.

Tretjič: omejitve virov

Tudi če je na voljo dovolj kapitala, lahko kadrovske ali tehnične zmogljivosti omejujejo sočasno izvajanje več ukrepov.

Zato mora biti ekonomsko najboljši portfelj ne le finančno izvedljiv, temveč tudi organizacijsko izvedljiv.

Lestvica donosnosti naložb (ROI) ocenjuje posamezne projekte. Matematična optimizacija portfelja pa preučuje njihovo najboljšo možno kombinacijo ob upoštevanju dejanskih omejitev.

5. Izračun primerov uporabe z visokim ROI ex ante namesto ocenjevanja ex post

V mnogih podjetjih se gospodarski uspeh naložb celovito meri šele po njihovi izvedbi.

Oddelek za nadzor nato preveri, ali so se načrtovani prihranki, povečanja prihodkov ali izboljšave učinkovitosti dejansko uresničili.

Ta ex-post analiza ostaja nepogrešljiva.

Vendar pa ne daje samodejnega odgovora na vprašanje, ali bi bila druga kombinacija primerov uporabe uspešnejša.

Matematična optimizacija ex ante se zato začne že pred odločitvijo o naložbi.

Preuči, katera kombinacija načrtovanih ukrepov v okviru razpoložljivih sredstev prinaša najvišji pričakovani skupni gospodarski prispevek.

Pri tem se lahko upoštevajo relevantni dejavniki:

• naložbeni izdatki (CAPEX)
• Tekoči operativni stroški (OPEX)
• Pričakovani prihodki
• Načrtovani prihranki pri stroških
• Odvisnosti projekta
• Omejitve virov in zmogljivosti
• Strateška tehtanja
• Omejitve glede tveganj in časa

Na podlagi teh podatkov se oblikuje matematični optimizacijski model.

Rezultat je izračunana kombinacija projektov, ki je bila optimizirana v skladu z opredeljeno ciljno funkcijo in stranskimi pogoji.

Ekonomski vzvod se tako ustvari še pred vezavo kapitala – ne šele pri naknadni oceni rezultatov.

6. Kako StratePlan matematično optimizira primere uporabe z visokim ROI

StratePlan je bil razvit za analizo kompleksnih naložbenih in projektnih portfeljev s pomočjo matematičnih optimizacijskih postopkov.

Tehnologija združuje pristope iz operativnega raziskovanja z metodami, podprtimi z umetno inteligenco, za učinkovito iskanje zmogljivih kombinacij projektov.

Za preprost gospodarski optimizacijski model na začetku zadostujejo trije podatki za vsak primer uporabe:

1. ID projekta: edinstvena identifikacija primera uporabe
2. Stroški: načrtovani izdatki oziroma naložbe
3. Prihodki: pričakovani prihodki ali denarni gospodarski donosi

Podatke je mogoče na primer zagotoviti prek obstoječe Excelove tabele.

Poleg tega se določi razpoložljivi investicijski proračun.

StratePlan preuči možne kombinacije primerov uporabe in izračuna sestavo projekta na podlagi izbrane ciljne funkcije.

Pri možnosti »Maximize Net Contribution« je v središču pozornosti maksimiranje celotnega pričakovanega neto prispevka k vrednosti.

Donosnost naložb portfelja (ROI) se lahko dodatno prikaže kot gospodarski kazalnik.

Razširjeni modeli lahko upoštevajo dodatne omejitve in parametre vrednotenja.

Glede na strukturo problema in uporabljeni optimizacijski postopek je mogoče določiti dokazano optimalno ali približno optimalno rešitev.

StratePlan tako ne zagotavlja zgolj lestvice primerov uporabe, temveč matematično izračunano kombinacijo ukrepov v okviru razpoložljivega proračuna.

7. V živo na seji upravnega odbora: Kateri primeri uporabe ustvarjajo najvišji gospodarski prispevek?

Posebna strateška korist nastane, ko se optimizacija portfelja neposredno vključi v odločitve vodstva.

Predstavljajmo si podjetje, ki je identificiralo 80 primerov uporabe na področju digitalizacije, avtomatizacije in umetne inteligence.

Vsota vseh načrtovanih naložb presega razpoložljivi proračun.

Vodstvo se mora odločiti, katere ukrepe je treba izvesti.

StratePlan najprej izračuna optimizirano kombinacijo projektov na podlagi obstoječih gospodarskih predpostavk.

Na seji upravnega odbora se nato lahko preučijo različni scenariji.

Scenarij A: Maksimalizacija neto prispevka

Finančni direktor vpraša:

»Katera kombinacija naših primerov uporabe z obstoječim investicijskim proračunom dosega najvišji pričakovani neto prispevek?«

StratePlan izračuna ustrezno kombinacijo projektov.

Vodstvo prejme pregled izbranih ukrepov, potrebnega vložka kapitala in pričakovanega skupnega gospodarskega prispevka.

Scenarij B: Zmanjšanje investicijskega proračuna

Izvršni direktor zastavi vprašanje:

„Kateri primeri uporabe bi morali izvesti, če moramo naš proračun zmanjšati za 20 %?“

Proračunska omejitev se prilagodi.

StratePlan ponovno izračuna portfelj.

Vodstvo lahko spremlja, kateri ukrepi se izločijo in kako se spremeni pričakovani neto prispevek k vrednosti.

Scenarij C: Večji poudarek na projektih umetne inteligence in avtomatizacije

Še en član uprave vpraša:

»Kaj se spremeni, če projektom umetne inteligence in avtomatizacije strateško dodelimo višjo prioriteto?«

Ustrezni parametri tehtanja se prilagodijo.

Portfelj se ponovno izračuna in primerja z dosedanjimi scenariji.

Scenarij D: Dodatni investicijski kapital

Finančni direktor želi vedeti:

„Kakšen dodatni gospodarski prispevek bi lahko dosegli z dodatnimi 5 milijoni evrov investicijskega proračuna?“

Proračun se poveča in izvede se nova optimizacija.

Tako je mogoče modelirani dodatni prispevek k vrednosti primerjati z dodatnim vložkom kapitala.

Spremenite parametre. Ponovno izračunajte portfelj. Primerjajte gospodarske učinke. Odločajte se na podlagi trdnih podatkov.

Tako se iz klasičnega seznama primerov uporabe oblikuje dinamična podlaga za strateške investicijske odločitve.

8. Zakaj Excel, izkušnje in delavnice same po sebi ne zadostujejo

Excel je zmogljivo orodje za izračun ekonomske upravičenosti, poslovne primere in načrtovanje naložb.

Tudi matematične optimizacijske metode je mogoče uporabiti prek ustreznih reševalcev.

Izziv se pojavi pri velikih kombinatornih odločevalnih prostorih s številnimi binarnimi spremenljivkami in zapletenimi stranskimi pogoji.

Preprosta priorizacija v Excelu ne upodablja možnih kombinacij projektov avtomatsko na matematičen način.

Tudi na delavnicah in v upravnih odborih je mogoče obravnavati le omejeno število scenarijev.

To ne pomeni, da bi bila človeška izkušnja brez vrednosti.

Nasprotno: kakovost ekonomskih predpostavk, opredelitev strateških ciljev in ocena tveganj zahtevajo temeljito upravljavsko kompetenco.

Vendar človeška izkušnja sama ne more v celoti preučiti eksponentno velikih odločevalnih prostorov.

Kombinacija vodstvenih izkušenj, zanesljivih projektnih podatkov in matematične optimizacije omogoča bolj utemeljeno investicijsko odločitev kot izolirano določanje prednostnih nalog.

9. Analiza občutljivosti: kako robustni so naši primeri uporabe z visokim donosom na naložbo (ROI)?

Odločitve o naložbah temeljijo na predpostavkah o prihodnjem gospodarskem razvoju.

Pričakovani prihodki so lahko nižji. Stroški projekta se lahko povečajo. Viri so lahko omejeni. Strateške prioritete se lahko spremenijo.

Zato matematična optimizacija portfelja ne sme upoštevati izključno enega samega scenarija.

Z usmerjenimi spremembami vhodnih parametrov je mogoče simulirati različne gospodarske razvoje.

Tipična vprašanja so:

• Kateri primeri uporabe ostanejo privlačni tudi ob manjšem investicijskem proračunu?
• Kateri projekti bodo ob naraščajočih stroških izključeni iz portfelja?
• Kako se spreminja neto prispevek k vrednosti ob nižjih pričakovanih prihodkih?
• Kakšna kombinacija projektov nastane ob spremenjenih strateških utežeh?
• Kateri ukrepi ostanejo v različnih scenarijih del portfelja?

Takšna analiza občutljivosti pokaže, kako stabilna ostaja izračunana investicijska odločitev ob spremenjenih predpostavkah.

Visoka donosnost naložbe (ROI) zato ne pomeni le privlačne pričakovane donosnosti, temveč tudi razumevanje, pod kakšnimi pogoji so gospodarski rezultati dosegljivi.

10. Alternativni stroški: gospodarska vrednost neizbranih primerov uporabe

Vsaka investicijska odločitev veže kapital in vire.

Kdor financira primer uporabe, tega proračuna ne more hkrati uporabiti za druge ukrepe.

S tem nastanejo oportunitetni stroški.

V klasičnih postopkih določanja prioritet ti stroški pogosto ostanejo le delno vidni.

Podjetje lahko izbere več gospodarsko privlačnih projektov, a kljub temu ne izkoristi znatnega dodatnega prispevka k vrednosti.

Matematična optimizacija portfelja omogoča primerjavo prvotno načrtovanega portfelja z optimizirano kombinacijo projektov.

Pri tem je mogoče primerjati naslednje kazalnike:

• Skupna potrebna naložba
• Pričakovani neto prispevek k vrednosti
• Donosnost naložb v portfelj
• Izbrani in neizbrani primeri uporabe
• Preostali proračunski manevrski prostor
• Ekonomske razlike med alternativnimi portfelji

Razlika med modeliranimi rezultati kaže, kakšen potencial za gospodarsko izboljšanje obstaja v okviru izhodiščnih predpostavk.

Največji učinek pogosto ni v vlaganju več kapitala, temveč v porazdelitvi obstoječega kapitala na ekonomsko ugodnejšo kombinacijo ukrepov.

11. Primer iz prakse: območje Klybeck v Baslu – približno 63 % višja donosnost kapitala

Kakšen potencial lahko razvije matematična optimizacija portfelja, ponazarja primer StratePlan za območje Klybeck v Baslu.

V okviru optimizacije portfelja za družbi Central Real Estate AG in Swiss Life AG so bile matematično preučene obstoječe naložbene in projektne alternative.

Rezultat modeliranja:

• Prvotna donosnost kapitala: 7,0 %
• Optimizirana donosnost kapitala: 11,4 %
• Relativno izboljšanje donosa: okoli 63 %
• Dodatni modelirani gospodarski prispevek: okoli 30 milijonov CHF

Izboljšanje je bilo modelirano s spremenjeno kombinacijo obstoječih naložbenih alternativ ob nespremenjenem proračunu.

Ti rezultati, specifični za projekt, ne predstavljajo splošnega jamstva donosa.

Ključna ugotovitev: boljša kombinacija obstoječih naložbenih alternativ lahko omogoči znatno višji skupni gospodarski prispevek – brez dodatnega naložbenega proračuna.

12. Za katera področja je optimizacija visokega donosa (High-ROI) še posebej pomembna?

Matematična optimizacija portfelja je pomembna povsod tam, kjer številne naložbene priložnosti tekmujejo za omejena finančna ali operativna sredstva.

Portfelji umetne inteligence in digitalizacije

Podjetja pogosto identificirajo številne potencialne aplikacije umetne inteligence.

Izziv je v izbiri tistih primerov uporabe, ki v okviru razpoložljivega proračuna dosežejo najvišji skupni gospodarski prispevek.

Industrija in proizvodnja

Ukrepi avtomatizacije, naložbe v stroje, povečanje zmogljivosti in optimizacija procesov tekmujejo za ista sredstva za investicije (CAPEX).

Matematična optimizacija portfelja lahko pomaga pri izbiri ustreznih kombinacij naložb.

Modernizacija IT

Prehod v oblak, projekti ERP, kibernetska varnost, posodobitev infrastrukture in razvoj programske opreme se morajo pogosto izvajati v okviru omejenih proračunov za IT.

Pri tem imajo posebno vlogo odvisnosti med projekti in omejitve virov.

Energija in trajnost

Ukrepe za energetsko učinkovitost, obnovo stavb, lastno proizvodnjo električne energije in projekte dekarbonizacije je mogoče skupaj optimizirati na podlagi gospodarskih in strateških meril.

Nepremičnine in nepremičninski sektor

Obnove, razvoj projektov, posodobitve in naložbe v lokacije je mogoče obravnavati v okviru skupnega kapitalskega proračuna.

Občine in javni proračuni

Tudi mesta, občine in javne ustanove se soočajo z izzivom financiranja številnih investicijskih ukrepov z omejenimi proračunskimi sredstvi.

Pri tem se lahko v optimizacijo poleg gospodarskih kazalnikov vključijo tudi strokovne uteži in družbeni cilji učinka.

Skupni imenovalec vseh primerov uporabe je vprašanje, katera kombinacija konkurenčnih ukrepov v okviru danih omejitev doseže najboljši opredeljen skupni rezultat.

13. Zaključek: Visoka donosnost naložb (ROI) je posledica prave kombinacije

Visoka donosnost naložb ni plod naključja.

Nastane na podlagi ekonomsko utemeljenih predpostavk, jasnih ciljev in ustrezne porazdelitve omejenih virov.

Klasična posamezna ocena primerov uporabe ostaja pomembna.

Vendar pa ne odgovarja samodejno na vprašanje, katera kombinacija vseh načrtovanih ukrepov prinaša ekonomsko najboljši celotni portfelj.

S povečanjem števila primerov uporabe se teoretični prostor za odločanje eksponentno povečuje.

Že pri 50 projektih nastane več kot bilijon možnih kombinacij.

Ta kompleksnost zahteva specializirane matematične postopke optimizacije.

StratePlan omogoča sistematično preučevanje naložbenih portfeljev ob upoštevanju gospodarskih ciljev, razpoložljivih proračunov in opredeljenih omejitev.

Tako lahko podjetja izračunajo alternativne kombinacije projektov, primerjajo različne scenarije in identificirajo neizkoriščene gospodarske potenciale.

Ključno vprašanje ni: kateri primer uporabe ima najvišjo posamezno donosnost naložbe (ROI)?

Ampak: Katera kombinacija naših primerov uporabe ustvari z razpoložljivim kapitalom najvišji skupni gospodarski prispevek?

Prav tu se začne prehod od klasičnega določanja prednosti primerov uporabe k matematični optimizaciji portfelja.

StratePlan – Enaki projekti. Enak proračun. Optimalna kombinacija. Večji izid.

Pogosta vprašanja – Izračun primerov uporabe z visokim ROI z umetno inteligenco

Kaj konkretno pomeni »izračun primerov uporabe z visokim ROI z umetno inteligenco«?

To pomeni, da načrtovanih naložb in ukrepov za optimizacijo ne ocenjujemo izključno posamično, temveč preučujemo njihove gospodarske učinke kot skupni portfelj.

Pri tem se v matematičnem optimizacijskem modelu upoštevajo investicijski stroški, pričakovani donosi, razpoložljivi proračuni in morebitne dodatne omejitve.

Cilj je identificirati ekonomsko posebej učinkovito kombinacijo projektov.

Zakaj klasični izračun donosnosti naložbe (ROI) za posamezen primer uporabe ni dovolj?

Ker visok posamezni ROI ne pomeni avtomatično najvišjega skupnega gospodarskega prispevka.

Primeri uporabe tekmujejo za proračun in vire. Poleg tega lahko odvisnosti med projekti in časovne omejitve vplivajo na njihovo skupno izvedljivost.

Matematična optimizacija portfelja upošteva te povezave v okviru skupnega modela odločanja.

V čem se StratePlan razlikuje od klasičnega določanja prioritet v Excelu?

Klasično določanje prioritet v Excelu pogosto razvršča projekte po ROI, ekonomski učinkovitosti ali strateškem pomenu.

StratePlan pa preučuje možne kombinacije projektov s pomočjo specializiranih matematičnih optimizacijskih postopkov.

Tako je mogoče identificirati portfelje, ki bi bili pri upoštevanju zgolj lestvice morda spregledani.

Tudi Excel sam lahko z ustreznimi razširitvami Solver rešuje optimizacijske naloge. Dejanske razlike v zmogljivosti so odvisne od velikosti problema, strukture modela in uporabljene metode.

Kateri podatki so potrebni za prvi izračun?

Za preprost ekonomski optimizacijski model so najprej potrebni trije podatki za vsak primer uporabe:

• ID projekta
• Stroški – načrtovani izdatki
• Prihodki – pričakovani prihodki oziroma gospodarski donosi

Poleg tega se določi razpoložljivi investicijski proračun.

Za kompleksnejše modele je mogoče dodati še dodatne parametre, kot so odvisnosti med projekti, viri, tveganja in časovne omejitve.

Ali lahko StratePlan izračuna najvišjo donosnost naložb (ROI) portfelja?

Ekonomski cilj je treba pred izračunom jasno opredeliti.

Maksimizacija absolutnega neto prispevka k vrednosti in maksimizacija donosa naložbenega portfelja (ROI) sta različni matematični nalogi.

Pri »Maximize Net Contribution« se kot ciljna vrednost upošteva celotni pričakovani neto prispevek k vrednosti portfelja.

Donosnost naložbenega portfelja (ROI) se lahko dodatno prikaže in uporabi za primerjavo različnih scenarijev.

Kako matematična optimizacija obravnava negotovost?

Negotove predpostavke je mogoče preučiti z različnimi scenariji in analizami občutljivosti.

Na primer, lahko spremenimo investicijske stroške, pričakovane prihodke ali razpoložljiva proračuna ter ponovno izračunamo nastale portfelje.

Za izrecno verjetnostno optimizacijo tveganja so potrebni dodatni matematični modeli in ustrezni vhodni podatki.

Ali je primer uporabe z najvišjo donosnostjo naložbe (ROI) avtomatično najboljša naložba?

Ne.

Primer uporabe lahko doseže visoko posamezno donosnost, a kljub temu veže kapital, ki bi v drugi kombinaciji projektov omogočil višji absolutni neto prispevek k vrednosti.

Zato je treba gospodarske cilje in veljavne omejitve obravnavati skupaj.

Za katera podjetja je optimizacija portfelja z visokim ROI še posebej zanimiva?

Zlasti je pomembna za podjetja z številnimi konkurenčnimi investicijskimi projekti in omejenimi proračuni za investicije (CAPEX).

Tipična področja uporabe so industrija, proizvodnja, digitalizacija, IT, energetika, nepremičnine in strateški programi preoblikovanja.

Tudi javne ustanove lahko uporabijo matematično optimizacijo portfelja, kadar je treba izbrati različne projekte v okviru skupnih proračunskih omejitev.

Kako hitro je mogoče izvesti prvo optimizacijo portfelja?

Če so potrebni podatki o projektih že na voljo, je mogoče pripraviti prvi izračun z le nekaj vhodnimi parametri.

Dejanski čas izračuna je odvisen od števila projektov, strukture problema, omejitev in uporabljenega optimizacijskega postopka.

Pri bolj zapletenih portfeljih lahko priprava in preverjanje vhodnih podatkov zahtevata več časa kot sam matematični izračun.

Ali lahko simuliram različne investicijske proračune?

Da. Različne proračunske omejitve je mogoče modelirati kot alternativne scenarije.

Tako je mogoče preučiti, katera kombinacija projektov se izbere ob nižjem ali višjem investicijskem proračunu in kako se spreminja pričakovani skupni gospodarski prispevek.

Ali umetna inteligenca nadomesti odločitev vodstva?

Ne.

Vodstvo določi strateške cilje, gospodarske predpostavke in omejitve.

StratePlan na tej podlagi izračuna optimalno kombinacijo projektov.

Končna odločitev in odgovornost ostajata v rokah pristojnih vodstvenih delavcev.

Kakšna je najpomembnejša razlika med določanjem prednosti in optimizacijo portfelja?

Priorizacija ustvari lestvico posameznih projektov.

Optimizacija portfelja preuči, katera kombinacija teh projektov v okviru opredeljenih omejitev doseže najboljši skupni rezultat.

Najboljši seznam po pomembnosti zato ni avtomatično tudi najboljši naložbeni portfelj.

Koliko večje je gospodarsko prispevanje vaših primerov uporabe?

Ugotovite, katera kombinacija vaših načrtovanih investicijskih projektov lahko v okviru razpoložljivega proračuna doseže najvišji pričakovani neto prispevek k vrednosti.

Začnite z lastnimi podatki o projektih in primerjajte matematično optimizirane investicijske scenarije.

Brezplačno lahko optimizirate do 15 projektov.

Optimizirajte zdaj do 15 projektov brezplačno →