决策者：大多数战略决策都是在没有看到完整决策空间的情况下做出的
资本分配很少因为缺乏分析而失败。
如果有 20 个项目，就会有超过 100 万种可能的投资组合。
执行委员会审查项目。委员会确定措施的优先次序。
但几乎没有一个组织会在实际约束条件下计算数学上的最优组合。
全局最优仍然是隐形的。
如果不计算完整的决策空间，复杂性就会被管理而非优化。
在下文中，我们将分析组织如何对其投资组合进行正式建模，并在实际约束条件下事先确定全局最优{{ ： }}
Starting point：
这种新计算方法的决定性区别在于应用时间： ，而是在实际决策之前，根据公司完整的投资和项目清单进行计算。
通常情况下，会有一份潜在的 CAPEX 项目清单，如工厂现代化、工厂升级、新建厂房等。例如，工厂现代化、信息技术改造、产品开发、 基础设施措施或效率计划。同时，还有一些固定的限制，如有限的总预算、有限的工程能力、 生产窗口、风险预算和战略框架条件。
这就是真正的决策问题：并非所有项目都能实现。因此，问题不在于 哪些项目单独看来是合理的，而在于在给定的限制条件下，这些项目的哪种组合构成了全局最优的整体组合。
因此，新的计算方法并不孤立地评估单个项目，而是从这些项目中计算出最优的组合、而是从完整的项目清单 中计算出最佳项目组合，同时考虑到所有预算、能力、风险和战略限制。其结果是，在作出实际投资决策之前，从数学上合理地 选择那些能够共同产生最大总体价值贡献的项目。
这将 CAPEX 规划从一个连续的选择过程转变为一个持续的组合优化过程、 其中充分考虑了机会成本、限制瓶颈和组合效应。
为什么大多数投资组合在结构上都是次优的 - 90 秒内
- 投资组合决策根据逻辑 2^N生成组合决策空间。
- 从大约 20 个项目开始，几乎不可能进行完整的人工评估。
- 经验主义（如 "NPV 前 5 名"、"IRR > WACC"、"Payback < 3 年"）造成系统性扭曲。
- 组织将局部最优与整个决策空间中的最佳解决方案相混淆。
- 机会成本因此在结构上仍然不可见。
- 算法优化计算实际约束条件（预算、能力、风险、环境、社会和治理等）下的最佳项目组合。
结论{{ ： }}
那些不计算完整求解空间的人默认了次优资本分配。
博客主要文章 :
管理委员会中的无声谬误：为什么经验和传统电子表格在投资组合决策中会失败？
当决策空间呈指数级爆炸时
在许多公司，战略决策仍然基于两大支柱： 个人经验和传统电子表格中的模型。 这两种方法都有其合理性，但都很早就遇到了数学上的限制。 这些限制不是心理、组织或方法上的。它们是结构性的。
只要决策不再是孤立的，而是在约束条件下的组合、 传统工具就会失效。
1. 思维误区："没有那么多选择"
乍一看，许多决策情况似乎都很简单：
- 多个项目
- 每个项目有几种可供选择的行动方案
- 有限的预算
- 明确的时间框架
经常被低估的因素：决策会成倍增加，不会累加。
简单例子 - 戏剧效果
即使是很小的情况，也会导致可能的组合爆炸性地增加：
-
8 个决策小组，每个小组有 4 个选项（8 个项目，4 个限制条件）
→48=65,536 个可能的组合 -
10 组决策，每组 5 个选项
→510 ≈ 980 万个可能的组合
这还是理想化的情况--没有任何限制。
第 1 点的补充：数学爆炸的路径（形象思维，不直观）
乍一看是一个简单明了的决策结构，但很快就会发展成一棵分支决策树。 分支决策树，其中每增加一组就会出现新的路径。每个决策不会产生 每个决策都不会产生单一的后续路径，而是会产生一大堆新的组合。
起决定性作用的不是单个决策，而是分支的深度：
- 每个决策组都使现有的空间倍增
- 每个选项都会产生新的分支
- 每个组合都会影响其他组合
这样，决策空间就会像树一样生长，而不是线性生长：
- 几个节点变成一个密集的网络
- 概览变得难以管理
- 比较成为超负荷计算
沿着这条道路发展的典范：
-
6 个决策小组，每个小组有 3 个选项
→36=729 个组合
对于粗略比较和启发式方法来说，还是可以想象的。 -
9 组决策，每组 3 个选项
→39=19 683 个组合
仅学科领域数量的增加就导致了空间的爆炸--而决策本身却没有任何质的变化。 -
9 个决策小组，每个小组有 4 个选项
→49=262 144 个组合
每组多一个现实的行动方案，决策空间就会增加十倍。
此时，就会出现以下转变
- 可视化或表格表示方法崩溃
- 不再可能实现完整性
- 每个选择都不可避免地基于片面的考虑
一旦加入限制条件（预算、依赖关系、排除、序列），简单的功率计算就会变成一个高度非线性的优化问题。 简单的功率计算会变成一个高度非线性的优化问题。
补充示例：拥有 50 个项目的大型企业--为什么决策空间会立即失控？
在大型企业中，投资组合决策很少是 "8 组 4 个选项"。更现实的情况是 有50 个项目的计划或转型组合（IT、生产、销售、合规、环境、社会和治理、并购整合、 效率计划、选址决策等）。每个项目通常都有几个现实的特点--不是 "有"，而是 "好"。 不是 "有就好"，而是强制性的管理现实。
我们来做一个保守的假设：50 个项目，每个项目有3 个实施方案 (例如 "停止"、"基本"、"雄心勃勃"）。组合空间为
-
50 个项目 × 3 个选项
→350=~ 7.18 ×1023 个可能的组合
进行分类：这就是成千上万万亿种投资组合。即使每秒只能 万个投资组合，完整的检查也将耗费天文数字般的时间。 在实际操作中，这意味着传统的方法只能检查数量极少的变体。
这个例子是刻意保守的。实际上，许多项目都有三个以上的选项。 如果每个项目有4 个选项（如 "停止"、"最小化"、"标准"、"全面扩展"），结果是
-
50 个项目 × 4 个选项
→450=~ 1.27 ×1030 个可能的投资组合
然而，决定性的因素是，复杂性的实际飞跃甚至不是由于选项造成的、 而是大公司不可避免的限制。
使问题 "难以解决 "的典型企业限制
- 多年预算（CAPEX/OPEX 分开，须经批准，有滚动规则）
- 资源上限（FTE、关键能力、外部服务提供商、供应链能力）
- 依赖关系（只有在 A 项目之后才有 B 项目；只有在 D 项目未被选中时才有 C 项目）
- 关卡和里程碑（阶段关卡、监管审批、审计窗口）
- 风险预算（整个集团的风险容忍度、网络/合规限制）
- 区域/运营限制（地点、工厂、工作委员会、维护窗口）
这些限制不仅会减少投资组合的数量，还会产生非线性互动。 非线性相互作用。这就把 "多种组合 "变成了一个 组合优化问题：不仅要对每个组合进行评估，还要对其可接受性进行检查。 还要检查其可接受性。
这在操作上意味着什么（首席执行官/首席财务官视角）
- 不可避免地，你只能看到决策空间的一小部分。
- "最佳会议 "不能替代全球投资组合优化。
- 就维度、依赖性和限制密度而言，Excel/电子表格逻辑无法扩展。
- 最大的危险不是错误的选择，而是未经计算的替代方案。
结论：
50 个项目的决策空间非常大，传统方法只能提供 只能提供 "手动随机样本"。一旦预算、依赖关系和资源被真实地模拟出来，就必须对决策进行计算、 就必须对决策进行计算--否则，就只能是形式上有理有据、但数学上不完整的选择。 但在数学上却是不完整的选择。
在这一点上的核心思维错误：
爆炸并不是突然发生的--它是正确构思但多重决策的逻辑结果。
经典管理逻辑的系统性谬误正是从这里开始的。
补充示例：德意志联邦共和国--基础设施决策为何会在数学上爆炸
在德意志联邦共和国，决策不是针对单个项目、 而是就成百上千项并行的基础设施措施做出决策。这些措施包括 交通路线、能源基础设施、数字化、国防、教育、住房建设、供水和废水处理系统以及气候和环境问题。 废水处理系统以及气候适应和恢复项目。
让我们特意假设一个不夸张的现实场景：
- 全国300 个基础设施项目
- 每个项目有 4 个决策选项
例如，每个项目的典型选项是
- 不实施/推迟
- 最小变量（维护）
- 标准变量（根据规划进行扩展）
- 加速或扩展变量
因此，纯组合决策空间的结果是
300 个项目 × 4 个备选方案
→4300≈~10180个可能的投资组合
这个数字之大，超出了任何直观想象。作为比较： 即使你每秒能检查数十亿个投资组合，要完整地查看它们也是 实际上是不可能的。
为什么州一级的情况更加复杂
与企业投资组合相比，联邦层面还存在其他高度关联的制约因素、 高度相互关联的制约因素：
- 多年预算周期（联邦、州、市、特别基金）
- 债务制动和信贷规则
- 共同融资（欧盟、联邦州、市政府、私人合作伙伴）
- 地区平等逻辑（平等的生活条件）
- 项目之间的依赖关系（例如，先有网络，后有充电基础设施）
- 规划、审批和建设时间
- 政治和法律限制
- 资源瓶颈（规划人员、施工能力、材料）
这些限制并非孤立存在，而是相互重叠。 从数学角度看，这并不是一个 "大预算问题"，而是一个 高维、非线性优化问题。
公开辩论中的核心谬误
公众讨论和政治决策过程经常给人这样的印象 基础设施问题可以通过以下方式解决
- 优先列表
- 个别评估
- 政治考虑
- 年度预算谈判
解决 "足够好 "的问题。
从数学的角度来看，这是站不住脚的。在现实中，只有 在现实中，只有极小一部分可能的投资空间得到了考虑。 大多数替代方案--包括可能更有效的组合--永远不会 永远不会出现。
这意味着
- 投资资金不可避免地分配得不够理想
- 影响是随机发生的，而不是系统性的
- 只有在事后才能认识到依赖关系
- 成本超支在结构上是预先计划好的
- 为什么是这样的投资组合？"这个问题仍然无法回答
这里的决定性因素不是政治评估 而是数学上的可行性：
当数以百计的基础设施项目与预算、依赖关系、时间安排和法律限制结合在一起时 和法律限制结合起来，决策就不再是一个行政问题，而是一个纯粹的计算问题。 不再是一个行政问题，而是一个纯粹的计算问题。
这正是 "数学爆炸 "最极端的表现形式： 不是因为政策失败，而是因为传统的决策逻辑 不是因为政策失败，而是因为传统的决策逻辑从根本上就不适合这种规模。
2. 现实：制约因素大大加剧了问题的严重性
在实际的商业决策中，总会有一些额外的因素：
- 预算上限
- 时间依赖性
- 人力资源
- 技术或法规限制
- 选项之间的相互排斥或依赖
这些限制并不是简单地减少选项，而是 使计算复杂化。为什么呢？因为它们不是线性的、 而是将决策问题转化为一个组合优化问题。
其结果是计算和评估逻辑呈指数爆炸式增长。
3. 为什么经验在这里不再有用
经验非常适合
- 模式
- 重复
- 熟悉的市场环境
- 稳定的环境
然而，当
- 许多变量同时作用
- 效果不直观
- 相互作用占主导地位
- 最佳解决方案与直觉相悖
任何首席执行官、首席财务官和项目经理，无论其经验和智慧如何，都无法从心智上 对数以百万计的投资组合进行比较、评估和权衡。
这不是个人缺陷。这是认知上的不可能。
4. 经典电子表格为何在结构上失败
经典电子表格中的模型是以下方面的优秀工具：
- 线性计算
- 变量较少的情况
- 报告、计划和控制
然而，它们并不是决策优化工具。
传统电子表格的结构限制
- 每个新的决策组都会增加维度
- 每个依赖关系都需要额外的逻辑
- 每个投资组合变量都必须明确计算或模拟
- 蛮力方法实际上是不可能的
- 求解器很快就会达到时间和精度的极限
即使是高度复杂的模型，最终也只能考虑实际决策空间的一小部分。
这让人感觉很精确，但在数学上却对替代方案视而不见。
5. 核心问题：投资组合决策并非个人决策
改变视角的关键在于此：
公司不会单独做出决策。
它们制定的是组合战略。
期权的价值往往只有通过
- 通过与其他期权的组合
- 通过其序列
- 通过时机
- 通过相互作用
孤立地看待单个项目几乎不可避免地会导致次优的总体结果、 即使每个项目本身看似 "合理"。
6. 指数级的问题需要指数级的思维，而不是更多的经验
一旦可能的组合数量呈指数增长，就会出现新的规则：
- 直觉变得不可靠
- 启发式方法变得危险
- 简化扭曲了结果
- 失去透明度
更多的会议和更大的会议桌都无济于事。 这里需要的是系统化的决策智能，即：
- 考虑到整个解决方案空间
- 精确映射约束条件
- 用数学方法解决相互冲突的目标
- 优化组合效果，而不是单个效果
7. 对管理的影响
任何人如果还认为复杂的战略决策可以通过经验、直觉、电子表格和简化的方案来可靠地管理，那么他就在冒险：如果你不知道如何管理战略决策，那么你就在冒险 直觉、电子表格和简化方案来可靠地管理复杂的战略决策的人，都是在冒险：
- 巨大的机会成本
- 资本分配不当
- 错误的优先事项
- 无法向监事会、投资者和公众解释的决策
真正的危险不在于错误的决定，而在于未经计算的决定。 未经计算的决定。
结论
只需几个决策组，可能的投资组合数量就会爆炸式增长、 超出了人类和传统分析能力的范围。
经验依然宝贵。传统的电子表格仍然有用。 但是，只要决策是网络化的、预算化的、依赖性的和与战略相关的，这两者都是不够的。 和战略相关性。
从这一点出发，决策必须是计算出来的，而不是解释出来的。
Sascha Rissel 是一位企業家、策略顧問及科技遠見家，擁有超過 20 年在複雜商業模式的開發、擴展與優化方面的經驗。他結合深厚的企業管理專業與高度的科技理解，特別專注於 人工智慧、演算法決策模型 以及 系統最佳化 等領域。
透過 StratePlan 與 DeepAnT 等計畫，他持續推動以數據為基礎的 ROI 計算、智慧化專案優先排序與預測分析的發展。他的核心重點在於 可衡量的影響力、可靠的決策基礎，以及將高度複雜的數學模型轉化為可實際落地的解決方案，服務於企業、公共行政與工業領域。
Sascha Rissel 代表一項明確的原則：始終將 策略、科技 與 影響力 系統性地整合思考。