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 :
了解最佳状态：为什么组织会陷入局部最优--而看不到全局最优？
几乎在每次董事会会议上，"我们已经优化了 "这句话都会不时出现。 这通常意味着已经确定了项目的优先次序、分配了预算、商定了计划并做出了妥协。这样做的结果给人的感觉是有条不紊、合理、易于理解，但往往仍有疑虑。举措太多，影响太小。努力太多，成果太少。
造成这种情况的原因很少是缺乏专业知识。更深层次的原因在于数学： 组织在局部最优之间有条不紊地游走，而全局最优却在决策空间中无影无踪。
本文解释了最优的真正含义，为什么经典管理方法不可避免地以局部最大值告终，以及为什么只有计算整个决策空间才能获得全局最优。
最优和最佳：一个简要的概念框架
最佳值描述的是一个确定框架内的最佳解决方案。 复数最优值描述的是多个解决方案，每个方案都是最优的，但通常只在局部条件下最优。
在实践中，这种区别至关重要：
- 局部最优是指在有限的视野内似乎无法进一步改进的解决方案。
- 全局最优则是整个决策空间中的最佳解决方案--无论有多少替代方案存在。
现代组织的问题并不在于无法实现最优。 问题在于，它们不知道自己实现了哪些最优，也不知道自己的视野之外还有哪些更好的解决方案。
为什么管理几乎不可避免地以局部最优为结局
人们按顺序决策。委员会反复决策。组织根据政治、历史和资源情况做出决定。所有这些都是合理的，但却产生了结构性影响：
决策是一步一步改进的，而不是跨空间计算的。
在优化理论中，这是一种典型的模式：沿着 "山丘 "前进，一步步改进结果--最后停在局部最大值处。这并不是因为没有更好的解决方案，而是因为到达那里的路并不明显。
在组织中，这种情况表现如下：
- 现有项目受到保护（"沉没成本"）。
- 新项目的讨论是累加性的，而不是组合性的。
- 资源瓶颈在局部解决，而不是全局优化。
- 妥协取代了系统考虑。
结果就是一个稳定、合理但并非最大化的投资组合。局部最优。
真正的瓶颈：看不见的决策空间
一旦同时可供决策的项目超过几个，决策空间就会爆炸。这个空间不是线性的，而是指数级的。
在 N 个项目中，不是有 N 个决策选项，而是有
2N 个可能的项目组合
即使有 10 个项目，也有 1,024 种组合。 20 个项目，则超过一百万个。 50 个项目，则超过 1125 万亿。
对于人、Excel 和传统的优先级逻辑来说，这个空间已经无法管理。管理层只看到很小的一部分--通常是几十个讨论过的变体--并认为这部分就是相关的空间。
这正是思维错误的根源所在： 局部最优不是因为决策失误，而是因为空间盲点。
为什么讨论不能替代优化
面对日益复杂的情况，许多组织都会采取更多的协调措施：更多的会议、更多的模板、更多的委员会。这样做可以提高透明度和合法性，但并不能自动提高决策质量。
讨论是在可见空间内进行的。他们对已知的变体进行比较。他们可以完善局部最优方案，但如果全局最优方案不在讨论范围内，他们就无法发现全局最优方案。
或者换一种说法：
没有计算出来的就是猜测出来的。
在选项很少的情况下，猜测并不重要。 如果有 50 个项目，猜测的成本就会很高。
大小比较：我们的直觉为何失灵
人们无法凭直觉把握指数空间。大数字很快就失去了意义。因此，大小对比有助于将问题的维度具体化。
大小比较：
我们的银河系和 "只有 "50 个项目的企业决策空间
有 1.125 万亿个可能的项目组合
由此得出的执行结论显而易见： 如果决策空间比我们凭直觉所能掌握的任何东西都要大，那么仅凭经验就已经不够了。那么，优化就成了一项数学任务。
为什么经典的投资组合分析必须失败
评分模型、排名表、交通灯系统和优先级矩阵都有一个共同点：它们对项目进行单独评估。即使讨论了相互作用，通常也是定性的。
然而，最佳的单个项目并不一定是最佳组合的一部分。一个项目可能本身很优秀，但在项目组合中仍然是有害的，因为它阻碍了资源的使用、积累了风险或延误了其他项目。
全局最优始终是组合的属性，而不是单个决策的属性。
从局部最优到全局最优：方法论上的突破
要摆脱局部最优，就必须从根本上改变视角：
- 不是确定项目的优先次序，而是优化组合。
- 不是讨论变量，而是计算空间。
- 不是取代直觉，而是量化决策的后果。
这是传统管理方法的终点，也是计算机辅助决策智能的起点。
战略计划：用计算代替直觉
战略计划正是为了弥补这一不足。其方法不是提供更好的论据，而是明确计算决策空间。
所有项目都要建立模型，包括成本、影响、资源需求、依赖性和限制条件。这就产生了一个可以通过算法搜索的正式决策空间。
不是几十个变量，而是整个空间。
StratePlan 会计算整个决策空间，并从中找出
能产生最大整体效益的项目组合。
全局最优 "在执行中的真正含义
全局最优并不是理论上的理想。它是一个具体的参考：
- 它显示了在确定的目标和限制条件下，哪个项目组合能带来最大效益。
- 它可以直观地显示局部最优的位置，以及这些位置与全局最优的距离。
- 它量化了每一个故意偏离的成本。
这使得管理更加精确。决策仍然具有政治性和战略性，但不再是盲目做出的。
真正的附加值：透明的权衡
在实践中，最大的好处不是存在 "一个最佳解决方案"。最大的好处是，替代方案具有可比性。
如果一个委员会出于政治或战略原因想要开展一个项目，StratePlan 就会显示其成本：哪些影响会丧失，哪些风险会增加，哪些项目会被取代。
这从根本上改变了讨论。意见变成了有意识的决策。
为什么最佳方案是决策者的正确思维模式？
优化 "一词并非学术细节。它准确地描述了现代组织的现实：
- 有很多好的解决方案。
- 非常好的解决方案很少。
- 在给定的框架内，只有一种组合是最佳的。
如果没有计算，组织就会被困在各种好的解决方案之间。有了计算，就能清楚地知道哪些才是真正的最佳方案。
管理启示
组织不会因为决策失误而失败。 它们失败的原因是没有看到决策空间。
局部最优感觉是正确的。 全局最优通常是不可见的。
而 StratePlan 则让这一空间变得可见，并且可以计算。
这将优化从一个讨论过程转变为一种战略能力。