Att optimera lokala optimala lösningar med AI: Varför bättre beslut ändå kan vara felaktiga

Sammanfattning: Varför framgångsrik optimering inte automatiskt leder till det bästa resultatet

Vad händer om varje avdelning optimerar sina projekt, varje budget används effektivt och företaget ändå som helhet går miste om ekonomisk potential?

I företag och offentliga organisationer är optimering en del av den dagliga verksamheten. Produktionsprocesser utformas mer effektivt, investeringsprojekt prioriteras utifrån ekonomiska nyckeltal, budgetar justeras och resurser används så produktivt som möjligt.

Resultaten verkar ofta övertygande: kostnaderna sjunker, enskilda avkastningar stiger och operativa nyckeltal förbättras.

Men just här ligger ett grundläggande problem inom strategisk företagsledning.

Ett lokalt optimalt beslut är inte nödvändigtvis en del av den globalt optimala helhetslösningen.

Ett projekt kan vara ekonomiskt utmärkt inom en avdelning och samtidigt hindra företaget från att uppnå ett högre totalt bidrag med samma resurser.

Anledningen ligger i samspelet mellan projekt, budgetar, kapacitet och strategiska mål.

Medan klassiska ledningsprocesser ofta optimerar enskilda åtgärder, beaktar matematisk portföljoptimering kombinationen av dessa.

StratePlan kombinerar matematiska metoder från operationsanalys med AI-baserade tillvägagångssätt för att systematiskt undersöka stora kombinatoriska beslutsutrymmen.

Målet är att identifiera projektkombinationer som ger ett så högt totalt bidrag som möjligt inom de definierade ekonomiska och operativa begränsningarna.

Den avgörande ledningsfrågan är därför inte: Hur kan vi ytterligare förbättra våra enskilda projekt?

Utan: Vilken kombination av våra projekt ger det bästa totalresultatet med den tillgängliga budgeten?

1. Vad är lokala optimala lösningar och globala optimala lösningar?

Begreppen lokalt optimum och globalt optimum härstammar från matematisk optimering.

Ett lokalt optimum betecknar en lösning som inom ett definierat område inte kan förbättras genom en liten tillåten förändring.

Ett globalt optimum är däremot en lösning som inom hela det tillåtna beslutsutrymmet uppnår det bästa värdet för den definierade målfunktionen.

Skillnaden är avgörande.

En lösning kan vara optimal inom sitt omedelbara område, även om det finns en betydligt bättre lösning någon annanstans i beslutsrummet.

I företag kan denna princip tillämpas på olika situationer:

• En produktionsavdelning optimerar sina egna investeringar utan att ta hänsyn till effekterna på andra anläggningar.
• Ett affärsområde maximerar sin individuella avkastning på investeringen (ROI), trots att en annan kapitalfördelning skulle möjliggöra ett högre värdetillskott för koncernen.
• En projektportfölj förbättras inom en fastställd budget, trots att en omfördelning över flera områden skulle vara ekonomiskt mer attraktiv.
• En kommun prioriterar enskilda åtgärder efter hur brådskande de är, utan att undersöka den bästa möjliga kombinationen av alla tillgängliga investeringsalternativ.

Dessa beslut kan vara begripliga och ekonomiskt rimliga inom sina respektive analysramar.

De behöver dock inte leda till det bästa resultatet för hela organisationen.

Lokal optimering förbättrar en lösning inom vissa gränser. Global optimering söker den bästa tillåtna lösningen inom hela det definierade beslutsutrymmet.

2. Varför lokala optimeringar uppstår särskilt ofta i företag

Organisationer är uppdelade i avdelningar, affärsområden, program och ansvarsstrukturer.

Denna uppdelning är nödvändig för att kunna leda komplexa företag.

Den påverkar dock också hur beslut fattas.

Varje organisationsenhet har ofta egna mål, budgetar och nyckeltal.

En avdelning optimerar sina kostnader. Ett affärsområde maximerar sin avkastning. En projektledare fokuserar på tidsplaner och att hålla sig inom budgeten.

Ur den enskilda enhetens perspektiv kan dessa beslut vara riktiga.

Men det totala resultatet beror på hur alla beslut samverkar.

Typiska orsaker till lokal optimering är:

• Separata budgetar: Kapitalet optimeras inom enskilda affärsområden istället för att betraktas övergripande.
• Olika mått: Avdelningarna följer egna KPI:er som inte helt överensstämmer med företagets övergripande mål.
• Begränsad insyn: Beslutsfattare känner ofta bara till projekten inom sitt eget ansvarsområde.
• Projektberoenden: Enskilda åtgärder påverkar lönsamheten eller genomförbarheten hos andra projekt.
• Resurskonflikter: Flera projekt konkurrerar om samma medarbetare, maskiner eller tekniska resurser.

Detta kan leda till beslut som är meningsfulla på lokal nivå, men som i sin helhet är ekonomiskt suboptimala.

Företaget optimerar sina enskilda delar utan att automatiskt optimera hela systemet.

3. Det matematiska problemet: 2^N möjliga projektkombinationer

Så snart flera projekt står till val samtidigt uppstår ett kombinatoriskt beslutsutrymme.

I en förenklad binär modell kan varje projekt antingen genomföras eller inte genomföras.

Med N oberoende valbara projekt blir det teoretiskt sett 2^N möjliga projektkombinationer.

Antalet växer exponentiellt:

• 7 projekt: 2^7 = 128 kombinationer
• 10 projekt: 2^10 = 1 024 kombinationer
• 20 projekt: 2^20 = 1 048 576 kombinationer
• 30 projekt: 2^30 = 1 073 741 824 kombinationer
• 40 projekt: 2^40 = 1 099 511 627 776 kombinationer
• 50 projekt: 2^50 = 1 125 899 906 842 624 kombinationer
• 100 projekt: 2^100 = cirka 1,27 × 10^30 kombinationer

Ett företag med 50 planerade investeringsprojekt står alltså inför ett teoretiskt beslutsutrymme på cirka 1,126 biljoner möjliga kombinationer.

Inte alla dessa kombinationer är tillåtna på grund av budget-, resurs- eller projektberoenden.

Ändå visar storleksordningen varför klassiska ledningsprocesser endast kan beakta en liten del av alla möjliga portföljer.

En styrelse kan utvärdera 50 projekt var för sig.

Den kan dock inte fullständigt jämföra mer än en biljon möjliga projektkombinationer med varandra.

Utmaningen ligger därför inte i att bättre utvärdera enskilda projekt, utan i att inom ett exponentiellt stort beslutsutrymme hitta den ekonomiskt bästa tillåtna kombinationen.

4. Varför förbättringar av enskilda projekt kan försämra den totala projektportföljen

En vanlig ledningsstrategi lyder: Om varje projekt optimeras ekonomiskt förbättras det totala resultatet automatiskt.

Denna antagande gäller dock inte utan förbehåll.

Enskilda projekt kan konkurrera om samma begränsade resurser.

Om ett projekt prioriteras står de medel som satsas på det inte längre till förfogande för andra åtgärder.

Därför kan ett ekonomiskt attraktivt enskilt beslut förhindra en ännu mer attraktiv projektkombination.

En produktionsanläggning kan till exempel uppnå en hög enskild avkastning, men samtidigt kräva så mycket investeringskapital att flera mindre automatiseringsåtgärder inte längre kan finansieras.

Om dessa mindre åtgärder tillsammans skulle generera ett högre nettovärde, skulle det ursprungliga valet på portföljnivå vara suboptimalt.

En liknande effekt kan uppstå när det gäller personalresurser.

Ett projekt med hög lönsamhet kan behöva just de specialister som skulle krävas för flera andra projekt.

Den ekonomiska kvaliteten hos en åtgärd beror därför inte bara på dess eget resultat, utan också på vilka andra möjligheter som utesluts genom dess genomförande.

Dessa växelverkan kan inte helt fångas upp genom en isolerad projektutvärdering.

5. Beräknings exempel: Varför två mindre projekt kan vara ekonomiskt bättre än ett stort

Ett företag har en investeringsbudget på 10 miljoner euro.

Tre projekt står till val.

Projekt A har det högsta enskilda nettovärdet.

Om detta projekt väljs återstår 3 miljoner euro i budgeten.

Detta räcker inte för att dessutom genomföra något av de andra projekten.

Den valda portföljen uppnår därmed ett nettovärdebidrag på 4 miljoner euro.

En matematisk analys av de möjliga projektkombinationerna visar dock ett bättre alternativ.

Projekten B och C kräver tillsammans 10 miljoner euro och uppnår ett kombinerat nettovärdebidrag på 6 miljoner euro.

Under antagandet att projekten är oberoende av varandra och utan ytterligare begränsningar är B + C den optimala kombinationen för att maximera nettovärdet.

Den optimerade portföljen ger ett 50 % högre nettovärdebidrag än det ursprungliga urvalet.

Företaget behöver inget ytterligare investeringskapital för detta.

Det behöver bara välja en annan kombination av sina befintliga projekt.

Det ursprungliga urvalet är inte nödvändigtvis ett lokalt optimum i strikt matematisk mening. Huruvida det är lokalt optimalt beror på vilka förändringar som definieras som tillåten omgivning.

Den illustrerar dock det centrala ledningsproblemet: ett övertygande beslut om ett enskilt projekt kan vara ekonomiskt sämre än en alternativ portföljkombination.

6. Skillnaden mellan lokal sökning och global optimering

Inom matematisk optimering finns olika metoder för att söka efter effektiva lösningar.

Lokala sökmetoder utgår ofta från en befintlig lösning och försöker förbättra den genom förändringar.

Till exempel tas ett projekt bort från en portfölj och ersätts med ett annat.

Om målfunktionen förbättras antas den nya kombinationen.

Denna process kan upprepas tills inga ytterligare förbättringar kan hittas inom det betraktade området.

Resultatet kan vara ett lokalt optimum.

Problemet är att en betydligt bättre lösning kan finnas utanför detta område.

För att nå den kan det hända att flera projekt måste bytas ut samtidigt.

Enskilda delsteg kan inledningsvis leda till sämre resultat.

En enkel lokal sökmetod skulle under vissa omständigheter inte genomföra sådana förändringar.

Globala optimeringsmetoder syftar däremot till att identifiera den bästa tillåtna lösningen inom hela det definierade beslutsutrymmet.

För detta kan olika matematiska metoder användas, till exempel:

• Heltals- och blandad heltalsoptimering
• Branch-and-bound-metoden
• Dynamisk programmering
• Metaheuristiker
• Flerstartmetoder och kombinerade sökstrategier
• AI-stödda utvärderings- och sökmetoder

Vissa metoder kan under lämpliga förutsättningar matematiskt bevisa ett globalt optimum.

Andra ger ungefärligt optimala lösningar utan att kunna ge ett fullständigt bevis på optimalitet.

Det avgörande är inte att var och en av de teoretiskt möjliga 2^N kombinationerna beräknas fullständigt var för sig, utan att beslutsrummet undersöks systematiskt med hjälp av lämpliga matematiska metoder.

Mer bakgrundsinformation ges i artikeln ”Att förstå matematik och optimering – varför bättre beslut kräver en annan beräkningslogik”.

7. Varför Excel, poängmodeller och klassisk prioritering kan gynna lokala lösningar

Excel, poängmodeller och ledningsworkshops är etablerade verktyg inom investeringsplanering.

De möjliggör en strukturerad utvärdering av enskilda projekt och skapandet av olika scenarier.

Utmaningen uppstår när en rangordning av enskilda projekt likställs med ett matematiskt optimerat portföljval.

Excel: Enskilda utvärderingar är ännu inte en global optimering

Excel lämpar sig utmärkt för beräkning av affärsfall, avkastning på investerat kapital och investeringsscenarier.

Med lämpliga Solver-funktioner kan även matematiska optimeringsproblem hanteras.

En enkel Excel-lista där projekt sorteras efter avkastning på investeringen (ROI) eller nettonuvärde tar dock inte automatiskt hänsyn till alla tillåtna projektkombinationer.

Vid stora kombinatoriska beslutsutrymmen kan specialiserade optimeringsmetoder vara nödvändiga eller mer effektiva.

Poängmodeller: Den bästa rankningen är inte nödvändigtvis den bästa portföljen

Poängmodeller utvärderar projekt utifrån definierade kriterier.

De projekt som får högst poäng prioriteras vid genomförandet.

Denna metod skapar transparens kring individuella prioriteringar.

Det garanterar dock inte att den valda kombinationen ger det högsta ekonomiska eller strategiska totalbidraget.

Ledningsworkshops: Begränsad prövning av alternativ

I workshoppar diskuteras ofta flera förberedda scenarier.

Till exempel ett basscenario, en konservativ budgetmodell och en tillväxtinriktad investeringsplanering.

Dessa alternativ kan vara noggrant utarbetade.

De utgör dock ofta bara en liten del av det totala matematiska beslutsutrymmet.

Problemet är inte kvaliteten på diskussionen, utan det begränsade antalet kombinationer som faktiskt undersöks.

8. Hur AI-stödd optimering hjälper till att övervinna lokala optimala lösningar

AI-stödd beslutsoptimering har en annan inriktning än att enbart förbättra enskilda processer.

Den undersöker inte enbart den aktuella lösningen, utan tar hänsyn till det större kombinatoriska beslutsutrymmet.

Projekten modelleras gemensamt.

Budgetgränser, resursbegränsningar, beroenden och ekonomiska mål beskrivs matematiskt.

Lämpliga optimeringsalgoritmer undersöker därefter möjliga projektkombinationer.

Därigenom kan alternativ identifieras som eventuellt inte beaktas vid en lokal förbättring av den befintliga projektplaneringen.

Det strategiska perspektivskiftet lyder:

• Från enskilda projekt till projektportföljer: Fokus ligger inte på ett projekts isolerade attraktionskraft, utan på dess bidrag till helhetslösningen.
• Från rangordningar till kombinationer: Urvalet görs utifrån den samlade effekten av flera åtgärder.
• Från fasta budgetar till scenarier: Olika kapitalgränser kan analyseras matematiskt.
• Från implicita antaganden till begränsningar: Strategiska riktlinjer beaktas i beslutsmodellen.
• Från lokala förbättringar till systematisk sökning: Även väsentligt förändrade projektkombinationer betraktas som möjliga alternativ.

Fördelen med AI-stödd optimering ligger i att den synliggör ekonomiskt mer effektiva lösningar som går utöver de projektkombinationer som ursprungligen beaktades.

9. StratePlan: Matematisk portföljoptimering istället för isolerade projektförbättringar

StratePlan har utvecklats för att matematiskt optimera komplexa investerings- och projektportföljer.

Tekniken kombinerar metoder från operationsanalys med AI-stödda tillvägagångssätt för effektiv undersökning av stora kombinatoriska beslutsutrymmen.

För en grundläggande ekonomisk optimeringsmodell krävs inledningsvis endast tre uppgifter per projekt:

1. Projekt-ID: Unikt identifieringsnummer för projektet
2. Utgifter: Planerade utgifter respektive investeringar
3. Intäkter: Förväntade intäkter eller ekonomiska avkastningar

Dessutom fastställs den tillgängliga investeringsbudgeten.

Projektuppgifterna kan till exempel hämtas från befintliga investeringsplaner i Excel.

StratePlan undersöker möjliga projektkombinationer och beräknar en portfölj i enlighet med den valda målfunktionen.

Vid ”Maximize Net Contribution” ligger fokus på att maximera det totala förväntade nettovärdet.

Portföljens avkastning (ROI) kan dessutom redovisas som ett ekonomiskt nyckeltal.

Avancerade modeller kan ta hänsyn till ytterligare begränsningar och utvärderingsparametrar:

• Projektberoenden
• Strategiska viktningar
• Resurs- och kapacitetsbegränsningar
• Fleråriga investeringsbudgetar
• Tidsmässiga krav
• Risk- och hållbarhetskriterier

Resultatet är inte enbart en rangordning av enskilda projekt, utan en matematiskt beräknad projektkombination inom de definierade ramarna.

StratePlan möjliggör därmed övergången från isolerade förbättringar av enskilda projekt till en systematisk optimering av hela investeringsportföljen.

10. Live på styrelsemötet: Vad kostar det att hålla fast vid en lokal lösning?

Matematisk portföljoptimering blir särskilt relevant när olika strategiska riktlinjer kan jämföras direkt med varandra.

Låt oss föreställa oss en industrikoncern med 100 planerade CAPEX-projekt.

Summan av alla investeringsönskemål överstiger den tillgängliga budgeten.

Flera affärsområden har redan prioriterat och gjort en ekonomisk bedömning av sina egna projekt.

Styrelsen vill nu veta vilken kombination av alla projekt som ger det högsta förväntade nettovärdet.

Scenario A: Tverrfunktionell optimering

CFO:n frågar:

”Vad förändras om vi inte längre optimerar varje affärsområde separat, utan betraktar alla investeringsprojekt tillsammans?”

Projekten modelleras i en gemensam portfölj.

StratePlan beräknar en optimerad kombination med hänsyn till den fastställda budgetgränsen.

En jämförelse med den tidigare affärsområdesbaserade planeringen kan visa om en annan kapitalfördelning möjliggör ett högre totalt ekonomiskt bidrag.

Scenario B: Strategiskt prioriterade projekt

VD:n frågar:

”Vilket ekonomiskt bidrag riskerar vi att gå miste om om vissa projekt måste genomföras oavsett deras individuella lönsamhet?”

De berörda projekten beaktas som bindande begränsningar.

Portföljen beräknas på nytt.

Jämförelsen visar vilka effekter detta krav har på det förväntade nettovärdet.

Scenario C: Budgetnedskärning

CFO:n vill veta:

”Vilken projektkombination bör vi välja om vi måste minska vår CAPEX-budget med 20 %?”

Budgetbegränsningen justeras.

StratePlan beräknar en ny projektkombination.

Ledningen kan se vilka åtgärder som utgår och hur det förväntade nettovärdet förändras.

Scenario D: Ytterligare investeringskapital

En annan styrelseledamot frågar:

”Hur mycket ytterligare ekonomiskt värde skulle vi kunna uppnå om vi investerade ytterligare 10 miljoner euro?”

Budgeten höjs och en ny optimering genomförs.

Resultaten möjliggör en jämförelse mellan den ytterligare kapitalinsatsen och det förväntade värdetillskottet.

Scenario E: Ändrade strategiska prioriteringar

Styrelsen ställer frågan:

”Hur förändras portföljen om vi lägger större vikt vid energieffektivitet, digitalisering eller vissa tillväxtområden?”

De relevanta parametrarna justeras.

Portföljen beräknas på nytt och jämförs med de tidigare scenarierna.

Ändra strategiska riktlinjer. Beräkna portföljen på nytt. Jämför ekonomiska effekter. Fatta välgrundade beslut.

På så sätt kan även beslut som avviker från en rent ekonomisk optimering fattas på ett medvetet och begripligt sätt.

11. Alternativkostnader: Priset för ett lokalt optimerat beslut

Ett projektbeslut som är attraktivt ur ett lokalt perspektiv kan leda till att andra, ekonomiskt mer lönsamma kombinationer inte genomförs.

Detta ger upphov till alternativkostnader.

De beskriver den förlorade nyttan av det bästa alternativet som inte valdes.

Vid strategisk kapitalallokering kan alternativkostnader till exempel uppstå om:

• ett enskilt projekt tar upp en stor del av den tillgängliga budgeten,
• en affärsområde binder kapital som skulle kunna ge ett större bidrag inom ett annat område,
• flera inbördes beroende projekt utvärderas separat,
• resurser reserveras för mindre effektiva åtgärder,
• en befintlig projektkombination inte jämförs med alternativa portföljer.

Matematisk portföljoptimering gör det möjligt att jämföra den ursprungligen planerade portföljen med en optimerad projektkombination.

Skillnaden mellan de förväntade nettovärdebidragen synliggör den modellerade förbättringspotentialen.

Om ett globalt optimum har bevisats matematiskt kan avståndet mellan en vald lösning och detta optimum bestämmas exakt inom modellen.

Vid ungefärligt optimala lösningar beräknas först skillnaden jämfört med den bästa lösningen som hittats.

Det avgörande mervärdet ligger i att synliggöra eventuella ekonomiska nackdelar med en befintlig projektplanering redan innan kapitalet binds.

12. Varför det globala optimat inte alltid behöver vara det slutgiltiga ledningsbeslutet

En matematiskt optimal lösning är alltid bunden till en definierad målfunktion och vissa begränsningar.

Ledningen kan behöva ta hänsyn till ytterligare strategiska, regulatoriska eller samhälleliga krav.

Ett företag kan till exempel besluta att genomföra ett visst projekt av långsiktiga strategiska skäl, även om en annan kombination på kort sikt skulle ge ett högre nettovärde.

En kommun kan behöva finansiera en lagstadgad infrastrukturåtgärd, även om andra projekt framstår som mer attraktiva inom ramen för en rent ekonomisk modell.

Sådana beslut är inte automatiskt felaktiga.

Det avgörande är att deras konsekvenser blir transparenta.

Matematisk portföljoptimering kan beräkna olika scenarier:

• En portfölj utan ytterligare strategiska riktlinjer
• En portfölj med projekt som måste genomföras
• En portfölj med ändrade budgetbegränsningar
• En portfölj med ytterligare viktningar eller effektmål

Genom att jämföra dessa scenarier kan ekonomiska målkonflikter synliggöras.

Målet är inte att ersätta varje ledningsbeslut med en algoritm, utan att göra de ekonomiska konsekvenserna av olika handlingsalternativ begripliga.

13. Känslighetsanalys: Hur stabil är den optimala projektkombinationen?

Investeringsbeslut baseras på antaganden om framtida ekonomisk utveckling.

Projektkostnaderna kan stiga. Intäktsförväntningarna kan sjunka. Resurserna kan bli knappare. Strategiska prioriteringar kan förändras.

Därför är det klokt att inte enbart genomföra en enda portföljoptimering.

Genom känslighetsanalyser kan olika ekonomiska scenarier undersökas.

Typiska frågor är:

• Vilka projekt förblir en del av portföljen även vid en minskad budget?
• Hur förändras projektkombinationen när investeringskostnaderna stiger?
• Vilka åtgärder påverkas särskilt känsligt av lägre intäktsförväntningar?
• Hur förändras portföljen vid ytterligare resursbegränsningar?
• Vilka projekt förblir ekonomiskt attraktiva i olika scenarier?

Dessa analyser kan visa hur robust en beräknad projektkombination förblir under förändrade antaganden.

Ett strategiskt välgrundat beslut tar inte bara hänsyn till den bästa beräknade lösningen i ett enskilt scenario, utan även till effekterna av möjliga förändringar.

14. Praktisk referens: Klybeck-området i Basel – cirka 63 % högre avkastning på investerat kapital

Vilken ekonomisk potential matematisk portföljoptimering kan synliggöra illustreras av StratePlan-referensen för Klybeck-området i Basel.

Inom ramen för portföljoptimeringen för Central Real Estate AG och Swiss Life AG undersöktes befintliga investerings- och projektalternativ matematiskt.

Det modellerade resultatet:

• Ursprunglig avkastning på investerat kapital: 7,0 %
• Optimerad avkastning på investerat kapital: 11,4 %
• Relativ avkastningsförbättring: cirka 63 %
• Ytterligare modellerat ekonomiskt värdetillskott: cirka 30 miljoner CHF

Förbättringen har modellerats genom en ändrad kombination av befintliga investeringsalternativ med oförändrad budget.

Dessa projektspecifika resultat utgör ingen allmän avkastningsgaranti.

Den centrala slutsatsen: En bättre kombination av befintliga investeringsalternativ kan möjliggöra ett betydligt högre totalt ekonomiskt värdetillskott – utan ytterligare investeringsbudget.

15. Där lokala optimeringar särskilt ofta begränsar det ekonomiska potentialen

Risken för en isolerad optimering av enskilda åtgärder förekommer inom många ekonomiska och offentliga tillämpningsområden.

Industri och CAPEX-planering

Produktionsanläggningar, automatiseringsprojekt, kapacitetsutbyggnader och investeringar i anläggningar konkurrerar om gemensamma investeringsbudgetar.

En isolerad optimering av enskilda fabriker eller affärsområden kan hindra en ekonomiskt bättre kapitalfördelning över olika områden.

Digitalisering och AI-omvandling

Företag identifierar ofta ett stort antal potentiella AI- och digitaliseringsprojekt.

En ren prioritering av enskilda användningsfall visar inte automatiskt vilken kombination som ger det högsta ekonomiska totalbidraget.

Fastigheter och fastighetsförvaltning

Projektutveckling, renoveringar, moderniseringar och investeringar i fastighetslägen kan betraktas inom ramen för en gemensam kapitalbudget.

Valet av enskilda projekt påverkar finansieringsmöjligheterna för hela fastighetsportföljen.

Energi och infrastruktur

Energiprojekt, nätinvesteringar, effektivitetsåtgärder och infrastrukturmoderniseringar kräver ofta långsiktiga kapitalbindningar.

Matematisk portföljoptimering kan hjälpa till att jämföra olika investeringskombinationer med hänsyn till ekonomiska och tekniska begränsningar.

Kommuner och offentliga budgetar

Städer och kommuner måste finansiera ett stort antal investeringsprojekt inom ramen för begränsade budgetmedel.

Skolor, vägar, förvaltningsbyggnader, infrastruktur och sociala inrättningar konkurrerar om samma offentliga resurser.

Att prioritera enskilda områden isolerat leder inte automatiskt till den kombination av åtgärder som ger den högsta definierade samhällsnyttan totalt sett.

Matematisk optimering kan undersöka olika projektkombinationer med hänsyn till budgetbegränsningar, lagstadgade uppgifter och politiska effektmål.

Den gemensamma nämnaren för alla tillämpningsfall är frågan om optimeringen av enskilda åtgärder verkligen leder till den bästa möjliga helhetslösningen.

16. Budget simulering och samtidig portföljoptimering: Att övervinna lokala lösningar inom den offentliga sektorn

Problemet med lokal optimering blir särskilt tydligt vid planeringen av offentliga investeringsbudgetar.

Kommunala avdelningar har ofta egna projektlistor och prioriteringar.

Skolförvaltningen prioriterar investeringar i utbildning. Byggnadsförvaltningen utvärderar infrastrukturåtgärder. Andra avdelningar planerar digitaliserings-, energi- eller fastighetsprojekt.

Var och en av dessa prioriteringar kan vara meningsfull inom respektive ansvarsområde.

Den avgörande frågan är dock:

Vilken kombination av alla kommunala projekt ger den högsta definierade ekonomiska eller samhälleliga totalnyttan inom ramen för den tillgängliga budgeten?

Ett förenklat exempel:

En stad har en investeringsbudget på 81 miljoner euro.

Samtidigt finns 50 projekt att välja mellan med ett sammanlagt investeringsbehov på 220 miljoner euro.

Vid 50 binära projektbeslut uppstår teoretiskt sett 2^50 = 1 125 899 906 842 624 möjliga kombinationer.

En matematisk portföljoptimering kan undersöka olika tillåtna projektkombinationer inom de definierade budget- och effektbegränsningarna.

Genom en samtidig budgetsimulering kan olika finansiella ramvillkor beaktas.

Till exempel:

• Vilken projektkombination ger den högsta modellerade totalnyttan vid en budget på 81 miljoner euro?
• Hur förändras portföljen vid en budgetminskning?
• Vilka ytterligare åtgärder skulle kunna genomföras vid högre intäkter?
• Hur påverkar bindande politiska projekt resultatet?
• Vilka effekter har olika viktningar av utbildning, infrastruktur eller klimatskydd?

Resultatens kvalitet beror på vilka data som används och hur de ekonomiska respektive samhälleliga målen definieras.

Kombinationen av budgetsimulering och matematisk portföljoptimering kan bidra till att omvandla sektorsspecifika prioriteringar till en övergripande och begriplig beslutsgrund.

17. Från lokal processoptimering till strategisk beslutsintelligens

Många företag har redan kraftfulla system för analys och styrning av sina affärsprocesser.

ERP-system dokumenterar resurser och ekonomiska processer.

Business Intelligence-lösningar visualiserar nyckeltal och utvecklingar.

Controlling-system analyserar budgetavvikelser och ekonomiska resultat.

Dessa system ger svar på viktiga frågor:

Vad har hänt? Hur utvecklas våra nyckeltal? Vilka projekt ligger inom budget?

Decision Intelligence utvidgar detta perspektiv med matematiskt stöd för framtida beslut.

Vilken projektkombination bör vi välja? Vilka begränsningar hindrar vårt potentiella värdetillskott? Vilka alternativ ger ett bättre totalresultat?

StratePlan kompletterar befintliga planerings- och kontrollprocesser med en matematisk optimeringsnivå.

De nödvändiga projektuppgifterna kan inledningsvis tillhandahållas via enkla Excel-tabeller.

Den strategiska framsteget består inte enbart i att styra enskilda projekt mer effektivt, utan i att matematiskt förbättra själva urvalet och kombinationen av projekten.

18. Slutsats: Den som endast förbättrar lokala optimeringar riskerar att förbise den bättre helhetslösningen

Lokal optimering är en viktig del av professionell företagsledning.

Den förbättrar processer, minskar kostnaderna och ökar effektiviteten hos enskilda åtgärder.

Men en lokalt optimal lösning är inte nödvändigtvis globalt optimal.

När många projekt konkurrerar om begränsade budgetar och resurser uppstår ett kombinatoriskt beslutsutrymme.

Redan vid 50 projekt finns det mer än en biljon teoretiskt möjliga kombinationer.

En isolerad förbättring av enskilda projekt ger därför inte automatiskt svaret på frågan om vilken som är den ekonomiskt bästa helhetslösningen.

Matematisk portföljoptimering gör det möjligt att systematiskt undersöka olika projektkombinationer och jämföra deras ekonomiska effekter.

StratePlan kombinerar för detta ändamål metoder från operationsanalys med AI-baserade tillvägagångssätt.

På så sätt kan företag, styrelser och offentliga beslutsfattare beräkna alternativa portföljer, undersöka strategiska scenarier och identifiera outnyttjad ekonomisk eller samhällelig potential.

Den avgörande frågan är inte: Hur kan vi optimera våra befintliga projekt ännu bättre?

Utan: Har vi överhuvudtaget valt rätt kombination av projekt?

Det är just här som övergången från lokal optimering till matematisk portföljoptimering börjar.

StratePlan – Inte bara förbättra projekt. Beräkna rätt kombination.

FAQ – Övervinna lokala optimeringar med AI

Vad är ett lokalt optimum?

Ett lokalt optimum är en lösning som inom ett definierat område inte kan förbättras genom en liten tillåten förändring.

Utanför detta område kan det dock finnas bättre lösningar.

Vad är skillnaden mellan ett lokalt och ett globalt optimum?

Ett lokalt optimum är optimalt inom ett begränsat område.

Ett globalt optimum uppnår däremot det bästa värdet för den definierade målfunktionen inom hela det tillåtna beslutsutrymmet.

Varför kan lokala optimala lösningar vara problematiska för företag?

Eftersom ett beslut som är optimalt inom en avdelning eller ett affärsområde inte automatiskt leder till företagets högsta totala ekonomiska bidrag.

Projekt konkurrerar om gemensamma budgetar, resurser och kapacitet.

Detta kan leda till att ekonomiskt bättre kombinationer som sträcker sig över flera områden förbises.

Hur kan AI hjälpa till att övervinna lokala optimala lösningar?

AI-stödd matematisk optimering kan systematiskt undersöka stora kombinatoriska beslutsutrymmen.

På så sätt kan man identifiera projektkombinationer som ligger utanför de alternativ som omedelbart beaktas och som möjliggör ett högre ekonomiskt totalbidrag.

Kan AI alltid beräkna det globala optimatet?

Med lämpliga matematiska modeller och optimeringsmetoder kan ett globalt optimum beräknas och påvisas.

Vid särskilt komplexa problem kan även ungefärligt optimala lösningar användas.

Uttalandet om lösningens kvalitet beror på den använda metoden och eventuellt föreliggande bevis på optimalitet.

Vad betyder 2^N vid portföljoptimering?

2^N beskriver antalet teoretiskt möjliga kombinationer vid N oberoende binära projektbeslut.

Varje projekt kan antingen väljas eller inte väljas.

Vid 20 projekt uppstår 2^20 = 1 048 576 möjliga kombinationer.

Vid 50 projekt blir det 2^50 = 1 125 899 906 842 624 kombinationer.

Måste alla 2^N kombinationer beräknas var för sig?

Nej.

Moderna matematiska optimeringsmetoder kan effektivt undersöka stora beslutsrum utan att varje teoretiskt möjlig kombination behöver utvärderas fullständigt var för sig.

Vilka metoder som är lämpliga beror på problemets matematiska struktur och de definierade randvillkoren.

Varför räcker det inte med en klassisk ROI-rangordning?

En ROI-rangordning värderar enskilda projekt utifrån deras individuella avkastning.

Den tar dock inte automatiskt hänsyn till vilken kombination av projekten som inom den tillgängliga budgeten ger det högsta absoluta nettovärdet.

Den bästa rangordningen är därför inte nödvändigtvis den bästa investeringsportföljen.

Kan Excel lösa globala optimeringsproblem?

Ja. Excel kan hantera matematiska optimeringsuppgifter med lämpliga Solver-funktioner.

Vid stora kombinatoriska beslutsutrymmen och komplexa begränsningar kan dock specialiserade optimeringsmetoder vara nödvändiga eller mer effektiva.

Vilka uppgifter behöver StratePlan för en första optimering?

För en grundläggande ekonomisk optimeringsmodell krävs inledningsvis tre uppgifter per projekt:

• Projekt-ID
• Expenses – planerade utgifter
• Intäkter – förväntade intäkter respektive ekonomiska avkastningar

Dessutom fastställs den tillgängliga investeringsbudgeten.

Mer komplexa modeller kan ta hänsyn till ytterligare begränsningar och utvärderingsparametrar.

Vad betyder ”Maximize Net Contribution”?

”Maximize Net Contribution” avser maximeringen av det totala förväntade nettovärdet av ett projektportfölj inom definierade begränsningar.

Portföljens avkastning (ROI) kan dessutom redovisas som ett ekonomiskt nyckeltal.

Maximering av det absoluta nettovärdet och maximering av portföljens avkastning (ROI) är olika matematiska mål.

Kan StratePlan synliggöra de ekonomiska nackdelarna med en befintlig projektplanering?

Genom att jämföra en befintlig projektkombination med ett optimerat alternativ kan skillnaden i förväntade nettovärdesbidrag beräknas.

Denna skillnad visar den modellerade ekonomiska förbättringspotentialen utifrån de underliggande antagandena.

Är det globala optimatet alltid det rätta ledningsbeslutet?

Inte nödvändigtvis.

En matematiskt optimal lösning avser alltid den definierade målfunktionen och de beaktade begränsningarna.

Strategiska, regulatoriska eller samhälleliga krav kan medföra ytterligare villkor.

Matematisk optimering hjälper till att synliggöra effekterna av sådana krav.

Inom vilka områden är det särskilt viktigt att gå bortom lokala optimala lösningar?

Det är särskilt relevant för investeringsportföljer med många konkurrerande projekt och begränsade resurser.

Typiska tillämpningsområden är industri, CAPEX-planering, digitalisering, användningsfall för AI, fastigheter, energi, infrastruktur och kommunal budgetplanering.

Vad är den viktigaste slutsatsen för VD:ar och ekonomichefer?

Att förbättra enskilda projekt leder inte automatiskt till den ekonomiskt bästa helhetslösningen.

Matematisk portföljoptimering gör det möjligt att undersöka alternativa projektkombinationer och förbättra kapitalallokeringen på företagsnivå.

Den avgörande frågan är: Optimerar vi våra projekt – eller optimerar vi urvalet av våra projekt?

Optimera inte bara enskilda projekt. Beräkna den bästa kombinationen.

Ta reda på vilken kombination av era planerade investeringsprojekt som kan ge det högsta förväntade nettovärdet inom ramen för er tillgängliga budget.

Jämför er hittillsvarande projektplanering med matematiskt optimerade investeringsscenarier och undersök om en annan kombination av befintliga projekt möjliggör ett högre ekonomiskt totalbidrag.

Du kan optimera upp till 15 projekt kostnadsfritt.

Optimera upp till 15 projekt gratis nu →