Optimizacija lokalnih optimov z umetno inteligenco: Zakaj so lahko tudi boljše odločitve kljub vsemu napačne

Povzetek: Zakaj uspešna optimizacija ne vodi samodejno do najboljšega rezultata

Kaj se zgodi, če vsak oddelek optimizira svoje projekte, se vsak proračun učinkovito izkorišča, podjetje pa kljub temu v celoti zapravlja svoj gospodarski potencial?

V podjetjih in javnih organizacijah je optimizacija del vsakdanjega poslovanja. Proizvodni procesi se oblikujejo učinkoviteje, investicijski projekti se razvrščajo po pomembnosti na podlagi gospodarskih kazalnikov, proračuni se prilagajajo, viri pa se uporabljajo čim bolj produktivno.

Rezultati so pogosto prepričljivi: stroški se znižujejo, posamezne donosnosti naraščajo, operativni kazalniki pa se izboljšujejo.

A prav tu leži temeljni problem strateškega vodenja podjetja.

Lokalno optimalna odločitev ni nujno del globalno optimalne celovite rešitve.

Projekt je lahko znotraj oddelka gospodarsko odličen, hkrati pa podjetju preprečuje, da bi z istimi viri doseglo višji skupni prispevek.

Razlog za to leži v medsebojnih vplivih med projekti, proračuni, zmogljivostmi in strateškimi cilji.

Medtem ko klasični procesi upravljanja pogosto optimizirajo posamezne ukrepe, matematična optimizacija portfelja upošteva njihovo kombinacijo.

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

Cilj je identificirati kombinacije projektov, ki v okviru opredeljenih gospodarskih in operativnih omejitev dosežejo čim višji skupni prispevek.

Zato ključno vprašanje vodenja ni: Kako lahko še izboljšamo posamezne projekte?

temveč: Katera kombinacija naših projektov z razpoložljivim proračunom doseže najboljši skupni rezultat?

1. Kaj sta lokalni in globalni optimum?

Izraza lokalni optimum in globalni optimum izhajata iz matematične optimizacije.

Lokalni optimum označuje rešitev, ki je znotraj opredeljene soseske ni mogoče izboljšati z majhno dopustno spremembo.

Globalni optimum pa je rešitev, ki v celotnem dopustnem prostoru odločanja doseže najboljšo vrednost opredeljene ciljne funkcije.

Razlika je odločilna.

Rešitev je lahko optimalna znotraj svojega neposrednega okolja, čeprav na drugem mestu v prostoru odločanja obstaja bistveno boljša rešitev.

V podjetjih se to načelo lahko prenese na različne situacije:

• Proizvodni oddelek optimira svoje lastne naložbe, ne da bi upošteval vplive na druge lokacije.
• Poslovna enota maksimira svoj individualni ROI, čeprav bi drugačna porazdelitev kapitala omogočila višji prispevek k vrednosti skupine.
• Portfelj projektov se izboljšuje v okviru določenega proračuna, čeprav bi bila medoddelčna prerazporeditev ekonomsko privlačnejša.
• Občina razvršča posamezne ukrepe po nujnosti, ne da bi preučila najboljšo možno kombinacijo vseh razpoložljivih naložbenih alternativ.

Te odločitve so lahko znotraj svojih okvirov razumljive in ekonomsko smiselne.

Vendar pa ne prinašajo nujno najboljšega rezultata za celotno organizacijo.

Lokalna optimizacija izboljša rešitev znotraj določenih omejitev. Globalna optimizacija išče najboljšo dopustno rešitev znotraj celotnega opredeljenega prostora odločanja.

2. Zakaj se lokalna optimuma v podjetjih pojavljajo še posebej pogosto

Organizacije so razdeljene na oddelke, poslovne enote, programe in strukture odgovornosti.

Ta razdelitev je potrebna za vodenje kompleksnih podjetij.

Vpliva pa tudi na način sprejemanja odločitev.

Vsaka organizacijska enota ima pogosto svoje cilje, proračune in kazalnike uspešnosti.

Oddelek optimira svoje stroške. Poslovna enota maksimira svoj donos. Vodja projekta se osredotoča na roke in upoštevanje proračuna.

Z vidika posamezne enote so te odločitve lahko pravilne.

Vendar pa je končni rezultat odvisen od tega, kako vse odločitve delujejo skupaj.

Tipični vzroki za lokalno optimizacijo so:

• Ločeni proračuni: kapital se optimira znotraj posameznih poslovnih področij, namesto da bi se obravnaval medpodročno.
• Različni ciljni kazalniki: oddelki spremljajo lastne KPI-je, ki se ne ujemajo v celoti s splošnim ciljem podjetja.
• Omejena preglednost: Odločevalci pogosto poznajo le projekte iz svojega področja odgovornosti.
• Odvisnosti med projekti: posamezni ukrepi vplivajo na ekonomsko upravičenost ali izvedljivost drugih projektov.
• Konflikti glede virov: več projektov tekmuje za iste zaposlene, stroje ali tehnične zmogljivosti.

To lahko privede do lokalno smiselnih odločitev, ki pa so v celoti gledano ekonomsko suboptimalne.

Podjetje optimizira posamezne sestavne dele, ne da bi avtomatično optimiziralo celoten sistem.

3. Matematični problem: 2^N možnih kombinacij projektov

Takoj ko je na voljo več projektov hkrati, nastane kombinatorični prostor za odločanje.

V poenostavljenem binarnem modelu se vsak projekt lahko izvede ali pa se ne izvede.

Pri N neodvisno izbirnih projektih teoretično nastane 2^N možnih kombinacij projektov.

Število se eksponentno povečuje:

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

Podjetje z 50 načrtovanimi investicijskimi projekti se tako sooča s teoretičnim obsegom odločitev, ki obsega približno 1,126 bilijonov možnih kombinacij.

Zaradi omejitev v zvezi s proračunom, viri ali odvisnostmi med projekti niso vse te kombinacije dopustne.

Kljub temu ta obseg kaže, zakaj klasični procesi upravljanja lahko upoštevajo le majhen del vseh možnih portfeljev.

Upravni odbor lahko posamezno oceni 50 projektov.

Vendar pa ne more v celoti primerjati več kot en bilijard možnih kombinacij projektov.

Zato izziv ni v tem, da bi posamezne projekte bolje ocenili, ampak v tem, da v eksponentno velikem obsegu odločitev najdemo ekonomsko najboljšo dovoljeno kombinacijo.

4. Zakaj lahko izboljšanje posameznih projektov poslabša celotni portfelj

Pogost pristop v managementu pravi: če se vsak projekt ekonomsko optimira, se celotni rezultat samodejno izboljša.

Vendar ta predpostavka ne velja brez omejitev.

Posamezni projekti lahko tekmujejo za iste omejene vire.

Če se daje prednost enemu projektu, sredstva, namenjena zanj, niso več na voljo za druge ukrepe.

Zato lahko posamezna ekonomsko privlačna odločitev prepreči še privlačnejšo kombinacijo projektov.

Na primer, proizvodni obrat lahko doseže visoko posamezno donosnost, hkrati pa porabi toliko investicijskega kapitala, da več manjših ukrepov avtomatizacije ni več mogoče financirati.

Če bi ti manjši ukrepi skupaj ustvarili višji neto prispevek k vrednosti, bi bila prvotna izbira na ravni portfelja suboptimalna.

Podoben učinek se lahko pojavi tudi pri kadrovskih virih.

Projekt z visoko ekonomsko učinkovitostjo morda potrebuje prav tiste strokovnjake, ki bi bili potrebni za več drugih projektov.

Ekonomska kakovost ukrepa zato ni odvisna le od njegovega lastnega rezultata, temveč tudi od tega, katere druge možnosti so zaradi njegove izvedbe izključene.

Te medsebojne vplive ni mogoče v celoti zajeti z izolirano oceno projekta.

5. Računski primer: Zakaj sta lahko dva manjša projekta gospodarsko boljša od enega velikega

Podjetje razpolaga z investicijskim proračunom v višini 10 milijonov evrov.

Na izbiro so trije projekti.

Projekt A ima najvišji posamezni neto prispevek k vrednosti.

Če se izbere ta projekt, ostane v proračunu 3 milijone evrov.

To ne zadostuje za dodatno izvedbo katerega koli od drugih projektov.

Izbrani portfelj tako ustvari neto vrednostni prispevek v višini 4 milijonov evrov.

Matematična analiza možnih kombinacij projektov pa kaže na boljšo alternativo.

Projekta B in C skupaj zahtevata 10 milijonov evrov in ustvarjata skupni neto prispevek k vrednosti v višini 6 milijonov evrov.

Ob predpostavki, da so projekti neodvisni in brez dodatnih omejitev, je kombinacija B + C optimalna za maksimiranje neto vrednostnega prispevka.

Optimizirani portfelj ustvari za 50 % višji neto prispevek k vrednosti kot prvotna izbira.

Podjetje za to ne potrebuje dodatnega investicijskega kapitala.

Mora le izbrati drugo kombinacijo svojih obstoječih projektov.

Prvotna izbira pri tem ni nujno lokalno optimum v strogem matematičnem smislu. Ali je lokalno optimalna, je odvisno od tega, katere spremembe se opredelijo kot dopustno sosedstvo.

Vendar pa ponazarja osrednji problem upravljanja: prepričljiva odločitev o posameznem projektu je lahko ekonomsko slabša od alternativne kombinacije portfelja.

6. Razlika med lokalnim iskanjem in globalno optimizacijo

V matematični optimizaciji obstajajo različni postopki za iskanje učinkovitih rešitev.

Lokalne metode iskanja se pogosto začnejo z obstoječo rešitvijo in poskušajo to rešitev izboljšati s spremembami.

Na primer, projekt se odstrani iz portfelja in nadomesti z drugim.

Če se ciljna funkcija izboljša, se sprejme nova kombinacija.

Ta proces se lahko ponavlja, dokler v obravnavani sosednji območju ni mogoče najti nadaljnjega izboljšanja.

Rezultat je lahko lokalni optimum.

Problem: znatno boljša rešitev se lahko nahaja zunaj te soseske.

Da bi jo dosegli, bi bilo morda treba hkrati zamenjati več projektov.

Posamezni vmesni koraki bi pri tem sprva lahko privedli do slabših rezultatov.

Preprost lokalni postopek iskanja takšnih sprememb v nekaterih okoliščinah morda ne bi izvedel.

Globalni optimizacijski postopki pa si prizadevajo identificirati najboljšo dopustno rešitev znotraj celotnega opredeljenega prostora odločanja.

Za to se lahko uporabijo različni matematični pristopi, na primer:

• Celoštevilčna in mešana celoštevilčna optimizacija
• metoda »branch-and-bound«
• Dinamično programiranje
• Metaheuristike
• Postopki z več začetki in kombinirane strategije iskanja
• Postopki ocenjevanja in iskanja, podprti z umetno inteligenco

Nekateri postopki lahko pod ustreznimi pogoji matematično dokažejo globalno optimum.

Drugi postopki zagotavljajo približno optimalne rešitve, ne da bi podali popoln dokaz optimalnosti.

Ključno ni, da se vsaka od teoretično možnih 2^N kombinacij posamično v celoti izračuna, temveč da se prostor odločanja sistematično preuči z ustreznimi matematičnimi postopki.

Dodatne informacije so pojasnjene v prispevku Razumevanje matematike in optimizacije – zakaj boljše odločitve potrebujejo drugačno računsko logiko.

7. Zakaj lahko Excel, modeli točkovanja in klasično določanje prioritet spodbujajo lokalne rešitve

Excel, modeli točkovanja in delavnice za vodstvo so uveljavljena orodja za načrtovanje naložb.

Omogočajo strukturirano ocenjevanje posameznih projektov in pripravo različnih scenarijev.

Izziv nastane, ko se razvrstitev posameznih projektov enači z matematično optimizirano izbiro portfelja.

Excel: posamezne ocene še ne pomenijo globalne optimizacije

Excel je odličen za izračun poslovnih primerov, donosnosti naložb in investicijskih scenarijev.

Z ustreznimi funkcijami Solverja je mogoče obdelati tudi matematične optimizacijske probleme.

Vendar preprost Excelov seznam, v katerem so projekti razvrščeni po donosnosti naložb (ROI) ali neto sedanji vrednosti, ne upošteva samodejno vseh možnih kombinacij projektov.

Pri velikih kombinatornih odločevalnih prostorih so lahko specializirani optimizacijski postopki potrebni ali učinkovitejši.

Modeli točkovanja: Najboljša lestvica še ni najboljši portfelj

Modeli točkovanja ocenjujejo projekte na podlagi opredeljenih meril.

Projekti z najvišjimi točkami se izvajajo prednostno.

Ta postopek zagotavlja preglednost glede posameznih prioritet.

Vendar ne zagotavlja, da bo izbrana kombinacija dosegla najvišji skupni gospodarski ali strateški prispevek.

Delavnice za vodstvo: omejena preučitev variant

Na delavnicah se pogosto obravnavajo več vnaprej pripravljenih scenarijev.

Na primer osnovni scenarij, konzervativni proračunski model in na rast usmerjeno načrtovanje naložb.

Te variante so lahko skrbno razvite.

Vendar pogosto predstavljajo le majhen del celotnega matematičnega prostora odločanja.

Problem ni v kakovosti razprave, temveč v omejenem številu dejansko preučenih kombinacij.

8. Kako optimizacija, podprta z umetno inteligenco, pomaga premagati lokalne optime

Optimizacija odločanja s pomočjo umetne inteligence sledi drugačnemu pristopu kot zgolj izboljševanje posameznih procesov.

Ne preučuje izključno trenutne rešitve, temveč upošteva širši kombinatorični prostor odločanja.

Projekti se modelirajo skupaj.

Proračunske omejitve, omejitve virov, odvisnosti in gospodarski cilji so matematično opisani.

Nato ustrezni optimizacijski algoritmi preučijo možne kombinacije projektov.

Tako je mogoče identificirati alternative, ki bi bile pri lokalnem izboljšanju obstoječega načrtovanja projektov morda spregledane.

Strateška sprememba perspektive se glasi:

• Od posameznih projektov k portfeljem: v središču pozornosti ni osamljena privlačnost projekta, temveč njegov prispevek k celotni rešitvi.
• Od lestvic k kombinacijam: izbira temelji na skupnem učinku več ukrepov.
• Od togih proračunov k scenarijem: različne kapitalske omejitve je mogoče matematično preučiti.
• Od implicitnih predpostavk k omejitvam: strateške smernice se upoštevajo v modelu odločanja.
• Od lokalnih izboljšav k sistematičnemu iskanju: kot možne alternative se upoštevajo tudi bistveno spremenjene kombinacije projektov.

Korist optimizacije, podprte z umetno inteligenco, je v tem, da se pokažejo gospodarsko učinkovitejše rešitve, ki presegajo prvotno obravnavane kombinacije projektov.

9. StratePlan: Matematična optimizacija portfelja namesto izoliranega izboljševanja projektov

StratePlan je bil razvit za matematično optimizacijo kompleksnih naložbenih in projektnih portfeljev.

Tehnologija združuje metode iz operativnega raziskovanja z umetno inteligenco podprtimi pristopi za učinkovito preučevanje velikih kombinatornih odločevalnih prostorov.

Za osnovni gospodarski optimizacijski model so najprej potrebni le trije podatki na projekt:

1. ID projekta: enoznačna identifikacija projekta
2. Stroški: načrtovani izdatki oziroma naložbe
3. Prihodki: pričakovani prihodki ali gospodarski donosi

Poleg tega se določi razpoložljivi investicijski proračun.

Podatke o projektu je mogoče na primer prevzeti iz obstoječih načrtov naložb v Excelu.

StratePlan preuči možne kombinacije projektov in izračuna portfelj v skladu z izbrano ciljno funkcijo.

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

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

Razširjeni modeli lahko upoštevajo dodatne omejitve in parametre vrednotenja:

• odvisnosti med projekti
• Strateška tehtanja
• Omejitve virov in zmogljivosti
• Večletni investicijski proračuni
• Časovne zahteve
• Kriteriji tveganja in trajnosti

Rezultat ni zgolj lestvica posameznih projektov, temveč matematično izračunana kombinacija projektov v okviru opredeljenih pogojev.

StratePlan tako omogoča prehod od izoliranega izboljševanja posameznih projektov k sistematični optimizaciji celotnega naložbenega portfelja.

10. V živo na seji upravnega odbora: Koliko stane vztrajanje pri lokalni rešitvi?

Matematična optimizacija portfelja postane še posebej pomembna, kadar je mogoče neposredno primerjati različne strateške cilje.

Predstavljajmo si industrijski koncern s 100 načrtovanimi projekti CAPEX.

Vsota vseh investicijskih želja presega razpoložljivi proračun.

Več poslovnih področij je že določilo prednostne naloge svojih projektov in jih ekonomsko ovrednotilo.

Upravni odbor želi zdaj vedeti, katera kombinacija vseh projektov prinaša najvišji pričakovani neto prispevek k vrednosti.

Scenarij A: Medposlovna optimizacija

Finančni direktor vpraša:

»Kaj se spremeni, če ne bomo več posamezno optimizirali vsakega poslovnega področja, ampak bomo vse investicijske projekte obravnavali skupaj?«

Projekti se modelirajo v skupnem portfelju.

StratePlan izračuna optimizirano kombinacijo ob upoštevanju določene proračunske meje.

Primerjava z dosedanjim načrtovanjem po posameznih področjih lahko pokaže, ali drugačna porazdelitev kapitala omogoča višji skupni gospodarski prispevek.

Scenarij B: Strateško prednostni projekti

Izvršni direktor vpraša:

»Kakšen gospodarski prispevek morda žrtvujemo, če morajo biti določeni projekti nujno izvedeni, ne glede na njihovo posamezno gospodarsko upravičenost?«

Zadevni projekti se upoštevajo kot zavezujoče omejitve.

Portfelj se ponovno izračuna.

Primerjava pokaže, kakšen vpliv ima ta pogoj na pričakovani neto prispevek k vrednosti.

Scenarij C: Zmanjšanje proračuna

Finančni direktor želi vedeti:

„Katero kombinacijo projektov bi morali izbrati, če moramo naš proračun za naložbe (CAPEX) zmanjšati za 20 %?“

Proračunska omejitev se prilagodi.

StratePlan izračuna novo kombinacijo projektov.

Vodstvo lahko spremlja, kateri ukrepi se opustijo in kako se spreminja pričakovani neto prispevek k vrednosti.

Scenarij D: Dodatni investicijski kapital

Še en član uprave vpraša:

»Koliko dodatnega gospodarskega prispevka bi lahko dosegli, če bi vložili še 10 milijonov evrov?«

Proračun se poveča in izvede se nova optimizacija.

Rezultati omogočajo primerjavo med dodatnim vložkom kapitala in pričakovanim prispevkom k vrednosti.

Scenarij E: Spremenjene strateške uteži

Upravni odbor zastavi vprašanje:

„Kako se spremeni portfelj, če večjo težo pripišemo energetski učinkovitosti, digitalizaciji ali določenim področjem rasti?“

Ustrezni parametri se prilagodijo.

Portfelj se ponovno izračuna in primerja z dosedanjimi scenariji.

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

Tako je mogoče tudi odločitve, ki odstopajo od čisto gospodarske optimizacije, sprejemati zavestno in razumljivo.

11. Alternativni stroški: cena lokalno optimizirane odločitve

Lokalno privlačna odločitev o projektu lahko povzroči, da se druge gospodarsko učinkovitejše kombinacije ne izvedejo.

S tem nastanejo oportunitetni stroški.

Opisujejo izgubljeno korist najboljše, a neizbrane alternative.

Pri strateški alokaciji kapitala lahko na primer nastanejo oportunitetni stroški, če:

• posamezni projekt porabi velik del razpoložljivega proračuna,
• poslovna enota zadržuje kapital, ki bi lahko v drugem področju prinesel večji prispevek,
• se več medsebojno odvisnih projektov ocenjuje ločeno,
• se sredstva rezervirajo za manj učinkovite ukrepe,
• obstoječa kombinacija projektov ni primerjana z alternativnimi portfelji.

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

Razlika med pričakovanimi neto prispevki k vrednosti pokaže modelirani potencial za izboljšanje.

Če je globalno optimum matematično dokazano, je mogoče razdaljo izbrane rešitve do tega optimuma natančno določiti znotraj modela.

Pri približno optimalnih rešitvah se najprej izračuna razlika do najboljše najdene rešitve.

Ključna dodana vrednost je v tem, da se morebitne gospodarske slabosti obstoječega načrtovanja projektov pokažejo že pred vezavo kapitala.

12. Zakaj globalno optimum ni nujno vedno končna poslovna odločitev

Matematično optimalna rešitev je vedno vezana na opredeljeno ciljno funkcijo in določene omejitve.

Vodstvo mora morda upoštevati dodatne strateške, regulativne ali družbene zahteve.

Podjetje se lahko na primer odloči za izvedbo določenega projekta iz dolgoročnih strateških razlogov, čeprav bi druga kombinacija kratkoročno prinesla višji neto prispevek k vrednosti.

Občina mora morda financirati zakonsko predpisan infrastrukturni ukrep, čeprav se drugi projekti v okviru čisto ekonomskega modela zdijo privlačnejši.

Takšne odločitve niso avtomatično napačne.

Ključno je, da so njihovi učinki pregledni.

Matematična optimizacija portfelja lahko izračuna različne scenarije:

• Portfelj brez dodatnih strateških smernic
• Portfelj s projekti, ki jih je treba obvezno izvesti
• Portfelj s spremenjenimi proračunskimi omejitvami
• Portfelj z dodatnimi utežmi ali cilji učinka

S primerjavo teh scenarijev je mogoče razkrivati gospodarske konflikte med cilji.

Cilj ni nadomestiti vsako poslovno odločitev z algoritmom, temveč omogočiti razumevanje gospodarskih posledic različnih možnosti ukrepanja.

13. Analiza občutljivosti: Kako stabilna je optimalna kombinacija projektov?

Odločitve o naložbah temeljijo na predpostavkah o prihodnjem gospodarskem razvoju.

Stroški projektov se lahko povečajo. Pričakovani prihodki se lahko zmanjšajo. Viri lahko postanejo redkejši. Strateške prioritete se lahko spremenijo.

Zato je smiselno, da ne izvedemo izključno ene same optimizacije portfelja.

Z analizami občutljivosti je mogoče preučiti različne gospodarske scenarije.

Tipična vprašanja so:

• Kateri projekti ostanejo del portfelja tudi ob zmanjšanem proračunu?
• Kako se spreminja kombinacija projektov ob naraščajočih investicijskih stroških?
• Kateri ukrepi so še posebej občutljivi na nižja pričakovana prihodka?
• Kako se spreminja portfelj ob dodatnih omejitvah virov?
• Kateri projekti ostanejo ekonomsko privlačni v različnih scenarijih?

Te analize lahko pokažejo, kako stabilna ostaja izračunana kombinacija projektov ob spremenjenih predpostavkah.

Strateško utemeljena odločitev ne upošteva le najboljše izračunane rešitve v posameznem scenariju, temveč tudi vplive morebitnih sprememb.

14. Primer iz prakse: območje Klybeck v Baslu – približno 63 % višja donosnost naložb

Kakšen gospodarski potencial lahko razkrije 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.

Modelirani rezultat:

• 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.

15. Kje lokalna optimizacija še posebej pogosto omejuje gospodarski potencial

Nevarnost izolirane optimizacije posameznih ukrepov obstaja v številnih gospodarskih in javnih področjih uporabe.

Industrija in načrtovanje CAPEX

Proizvodne obrate, projekti avtomatizacije, širitve zmogljivosti in naložbe v lokacije tekmujejo za skupne investicijske proračune.

Izolirana optimizacija posameznih obratov ali poslovnih področij lahko prepreči medpodročno gospodarsko boljšo porazdelitev kapitala.

Digitalizacija in prehod na umetno inteligenco

Podjetja pogosto identificirajo številne potencialne projekte na področju umetne inteligence in digitalizacije.

Samo določanje prednosti posameznih primerov uporabe ne pokaže samodejno, katera kombinacija prinaša največji skupni gospodarski prispevek.

Nepremičnine in nepremičninski sektor

Razvoj projektov, sanacije, modernizacije in naložbe v lokacije je mogoče obravnavati v okviru skupnega kapitalskega proračuna.

Izbira posameznih projektov vpliva na možnosti financiranja celotnega nepremičninskega portfelja.

Energija in infrastruktura

Energetski projekti, naložbe v omrežja, ukrepi za izboljšanje učinkovitosti in posodobitve infrastrukture pogosto zahtevajo dolgoročne vezave kapitala.

Matematična optimizacija portfelja lahko pomaga pri primerjavi različnih kombinacij naložb ob upoštevanju gospodarskih in tehničnih omejitev.

Občine in javni proračuni

Mesta in občine morajo številne investicijske projekte financirati v okviru omejenih proračunskih sredstev.

Šole, ceste, upravne stavbe, infrastruktura in socialne ustanove tekmujejo za iste javne vire.

Osamljeno določanje prednostnih nalog posameznih področij ne vodi samodejno do kombinacije ukrepov z najvišjo opredeljeno skupno družbeno koristjo.

Matematična optimizacija lahko preuči različne kombinacije projektov ob upoštevanju proračunskih omejitev, obveznih nalog in političnih ciljev.

Skupni imenovalec vseh primerov uporabe je vprašanje, ali optimizacija posameznih ukrepov dejansko vodi do najboljše možne celovite rešitve.

16. Simulacija proračuna in sočasna optimizacija portfelja: premagovanje lokalnih rešitev v javnem sektorju

Problem lokalne optimizacije je še posebej očitno viden pri načrtovanju javnih investicijskih proračunov.

Občinski oddelki pogosto razpolagajo z lastnimi seznami projektov in prednostnimi nalogami.

Šolski urad daje prednost naložbam v izobraževanje. Gradbeni urad ocenjuje infrastrukturne ukrepe. Drugi oddelki načrtujejo projekte digitalizacije, energetike ali nepremičnin.

Vsaka od teh prednostnih nalog je lahko smiselna znotraj posameznega področja odgovornosti.

Ključno vprašanje pa je:

Katera kombinacija vseh občinskih projektov v okviru razpoložljivega proračuna prinaša največjo opredeljeno gospodarsko ali družbeno korist?

Poenostavljen primer:

Mesto razpolaga z investicijskim proračunom v višini 81 milijonov evrov.

Hkrati je na voljo 50 projektov s skupno investicijsko potrebo v višini 220 milijonov evrov.

Pri 50 binarnih odločitvah o projektih teoretično nastane 2^50 = 1.125.899.906.842.624 možnih kombinacij.

Matematična optimizacija portfelja lahko preuči različne dopustne kombinacije projektov v okviru opredeljenih proračunskih in učinkovnih omejitev.

S hkratno simulacijo proračuna je mogoče upoštevati različne finančne okoliščine.

Na primer:

• Katera kombinacija projektov pri proračunu 81 milijonov evrov doseže najvišjo modelirano skupno korist?
• Kako se spremeni portfelj ob zmanjšanju proračuna?
• Kateri dodatni ukrepi bi se lahko izvedli ob višjih prihodkih?
• Kako zavezujoči politični projekti vplivajo na rezultat?
• Kakšen vpliv imajo različne uteži na področju izobraževanja, infrastrukture ali varstva podnebja?

Kakovost rezultatov je odvisna od uporabljenih podatkov in opredelitve gospodarskih oziroma družbenih ciljnih vrednosti.

Povezava med simulacijo proračuna in matematično optimizacijo portfelja lahko pomaga pri pretvorbi prednostnih nalog posameznih področij v celovito in pregledno podlago za odločanje.

17. Od lokalne optimizacije procesov do strateške »Decision Intelligence«

Mnoga podjetja že razpolagajo z zmogljivimi sistemi za analizo in upravljanje svojih poslovnih procesov.

Sistemi ERP dokumentirajo vire in poslovne procese.

Rešitve poslovne inteligence vizualizirajo ključne kazalnike in trende.

Sistemi za nadzor poslovanja analizirajo odstopanja od proračuna in poslovne rezultate.

Ti sistemi odgovarjajo na pomembna vprašanja:

Kaj se je zgodilo? Kako se razvijajo naši ključni kazalniki uspešnosti (KPI)? Kateri projekti ostajajo v okviru proračuna?

Decision Intelligence to perspektivo razširja z matematično podporo prihodnjih odločitev.

Katero kombinacijo projektov naj izberemo? Katere omejitve zmanjšujejo naš možni prispevek k vrednosti? Katere alternative prinašajo boljši skupni rezultat?

StratePlan dopolnjuje obstoječe procese načrtovanja in nadzora z ravnjo matematične optimizacije.

Potrebne podatke o projektih je mogoče najprej zagotoviti prek preprostih Excelovih tabel.

Strateški napredek ne pomeni le učinkovitejšega vodenja posameznih projektov, temveč tudi matematično izboljšanje izbire in kombinacije projektov samih.

18. Zaključek: Kdor izboljšuje le lokalne optimume, morda spregleda boljšo celotno rešitev

Lokalna optimizacija je pomemben del profesionalnega vodenja podjetja.

Izboljšuje procese, zmanjšuje stroške in povečuje učinkovitost posameznih ukrepov.

Vendar lokalno optimalna rešitev ni nujno globalno optimalna.

Ko številni projekti tekmujejo za omejena proračuna in vire, nastane kombinatorični prostor za odločanje.

Že pri 50 projektih obstaja več kot bilijon teoretično možnih kombinacij.

Zato izolirano izboljšanje posameznih projektov ne daje samodejno odgovora na vprašanje, katera je ekonomsko najboljša celovita rešitev.

Matematična optimizacija portfelja omogoča sistematično preučevanje različnih kombinacij projektov in primerjavo njihovih gospodarskih učinkov.

StratePlan za to združuje metode iz operativnega raziskovanja z pristopi, podprtimi z umetno inteligenco.

Tako lahko podjetja, uprave in javni odločevalci izračunajo alternativne portfelje, preučijo strateške scenarije ter identificirajo neizkoriščene gospodarske ali družbene potenciale.

Ključno vprašanje ni: Kako lahko še bolje optimiziramo naše obstoječe projekte?

temveč: Ali smo sploh izbrali pravo kombinacijo projektov?

Prav tu se začne prehod od lokalne optimizacije k matematični optimizaciji portfelja.

StratePlan – Ne le izboljševanje projektov. Izračun prave kombinacije.

Pogosta vprašanja – Premagovanje lokalnih optimov z umetno inteligenco

Kaj je lokalni optimum?

Lokalni optimum je rešitev, ki je znotraj opredeljene soseske ni mogoče izboljšati z majhno dopustno spremembo.

Zunaj te soseske pa lahko obstajajo boljše rešitve.

Kakšna je razlika med lokalnim in globalnim optimumom?

Lokalni optimum je optimalen znotraj omejenega območja.

Globalni optimum pa doseže najboljšo vrednost opredeljene ciljne funkcije znotraj celotnega dopustnega prostora odločanja.

Zakaj so lokalna optimuma lahko problematična za podjetja?

Ker odločitev, ki je optimalna znotraj oddelka ali poslovnega področja, ne vodi samodejno do najvišjega skupnega gospodarskega prispevka podjetja.

Projekti tekmujejo za skupne proračune, vire in zmogljivosti.

Zato se lahko ekonomsko ugodnejše medoddelčne kombinacije spregledajo.

Kako lahko umetna inteligenca pomaga premagati lokalna optimuma?

Matematična optimizacija, podprta z umetno inteligenco, lahko sistematično preuči velike kombinatorne prostore odločanja.

Tako je mogoče identificirati kombinacije projektov, ki ležijo zunaj neposredno obravnavanih alternativ in omogočajo višji skupni gospodarski prispevek.

Ali lahko umetna inteligenca vedno izračuna globalno optimum?

Z ustreznimi matematičnimi modeli in optimizacijskimi postopki je mogoče izračunati in dokazati globalno optimum.

Pri posebej zapletenih problemih se lahko uporabijo tudi približno optimalne rešitve.

Izjava o kakovosti rešitve je odvisna od uporabljenega postopka in morebitnega dokaza optimalnosti.

Kaj pomeni 2^N pri optimizaciji portfelja?

2^N opisuje število teoretično možnih kombinacij pri N neodvisnih binarnih odločitvah o projektih.

Vsak projekt se lahko izbere ali ne izbere.

Pri 20 projektih nastane 2^20 = 1.048.576 možnih kombinacij.

Pri 50 projektih je to 2^50 = 1.125.899.906.842.624 kombinacij.

Ali je treba vse 2^N kombinacij izračunati posamično?

Ne.

Sodobne matematične optimizacijske metode lahko učinkovito preučijo velika območja odločanja, ne da bi bilo treba vsako teoretično možno kombinacijo posebej v celoti ovrednotiti.

Katera postopka so primerna, je odvisno od matematične strukture problema in opredeljenih omejitev.

Zakaj klasična lestvica ROI ni zadostna?

Lestvica ROI ocenjuje posamezne projekte na podlagi njihove individualne donosnosti.

Vendar pa ne upošteva samodejno, katera kombinacija projektov v okviru razpoložljivega proračuna doseže najvišji absolutni neto prispevek k vrednosti.

Zato najboljša lestvica ni nujno tudi najboljši naložbeni portfelj.

Ali lahko Excel rešuje globalne optimizacijske probleme?

Da. Excel lahko z ustreznimi funkcijami Solverja obdeluje matematične optimizacijske naloge.

Pri velikih kombinatornih odločevalnih prostorih in zapletenih omejitvah pa so lahko specializirani postopki optimizacije potrebni ali učinkovitejši.

Kakšne podatke potrebuje StratePlan za prvo optimizacijo?

Za osnovni ekonomski optimizacijski model so najprej potrebni trije podatki za vsak projekt:

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

Poleg tega se določi razpoložljivi investicijski proračun.

Bolj zapleteni modeli lahko upoštevajo dodatne omejitve in parametre vrednotenja.

Kaj pomeni »Maximize Net Contribution«?

»Maximize Net Contribution« pomeni maksimiranje skupnega pričakovanega neto prispevka k vrednosti portfelja projektov v okviru opredeljenih omejitev.

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

Maksimizacija absolutnega neto prispevka k vrednosti in maksimizacija donosa na naložbo (ROI) portfelja sta različni matematični cilji.

Ali lahko StratePlan prikaže gospodarske slabosti obstoječega načrtovanja projektov?

S primerjavo obstoječe kombinacije projektov z optimizirano alternativo je mogoče izračunati razliko med pričakovanimi neto vrednostnimi prispevki.

Ta razlika prikazuje modelirani potencial za gospodarsko izboljšanje na podlagi izhodiščnih predpostavk.

Ali je globalno optimum vedno prava poslovna odločitev?

Ne nujno.

Matematično optimalna rešitev se vedno nanaša na definirano ciljno funkcijo in upoštevane omejitve.

Strateške, regulativne ali družbene zahteve lahko zahtevajo dodatne pogoje.

Matematična optimizacija pomaga pri transparentnem prikazovanju vplivov takšnih zahtev.

Za katera področja je premagovanje lokalnih optimov še posebej pomembno?

Posebej pomembno je za naložbene portfelje s številnimi konkurenčnimi projekti in omejenimi viri.

Tipična področja uporabe so industrija, načrtovanje investicij (CAPEX), digitalizacija, primeri uporabe umetne inteligence, nepremičnine, energetika, infrastruktura in načrtovanje občinskih proračunov.

Kaj je najpomembnejši zaključek za izvršne direktorje in finančne direktorje?

Izboljšanje posameznih projektov ne vodi samodejno do ekonomsko najboljše celovite rešitve.

Matematična optimizacija portfelja omogoča preučevanje alternativnih kombinacij projektov in izboljšanje razporeditve kapitala na ravni celotnega podjetja.

Ključno vprašanje se glasi: ali optimiziramo naše projekte – ali optimiziramo izbor naših projektov?

Ne optimirajte le posameznih projektov. Izračunajte najboljšo kombinacijo.

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

Primerjajte svoje dosedanje načrtovanje projektov z matematično optimiziranimi investicijskimi scenariji in preučite, ali bi druga kombinacija obstoječih projektov omogočila višji skupni gospodarski prispevek.

Brezplačno lahko optimizirate do 15 projektov.

Optimizirajte zdaj do 15 projektov brezplačno →