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 :
为什么今天没有人计算全球最优
- 以及为什么这绝非巧合
内容摘要
从企业到金融机构再到公共部门，几乎所有组织都按照类似的模式做出战略决策：分析、讨论、确定优先次序、决策。
所使用的工具在细节上有所不同，但在原则上并无差别。对各种情况进行比较，对关键数字进行汇总，对风险进行模拟，对假设进行讨论。决策的依据是共识、经验和合理性。
令人震惊的是，事前计算出的全球最优方案在实践中几乎没有发挥作用。
这并不是因为它们不可能实现。也不是因为没有必要。而是因为现有的组织、咨询和管理模式在结构上并不是为了将决策视为数学上可解决的优化问题而设计的。
本文将解释
- 为什么会出现这种情况、
- 经典决策逻辑的局限所在
- 以及为什么全局最优计算不是现有方法的演变，而是一个新的范畴。
1. 当今的实际决策方式
无论行业或规模如何，复杂的决策通常都遵循相同的流程：
- 逐个描述项目或措施
- 估算或模拟盈利能力
- 对风险进行模拟或定性评估
- 情景比较
- 委员会讨论并确定优先次序
- 做出选择
这种逻辑为人们所熟悉、接受并在制度上根深蒂固。它与现有角色相符：
- 管理层决定
- 控制措施
- 咨询机构
- 委员会合法化
关键点：这种逻辑是对决策进行评估，而不是对决策进行计算。
2. 评估不是计算
在实践中，决策几乎都是事后或就地评估的：
- "哪个项目的投资回报率更高？
- "哪个方案更稳健？
- "哪种衡量标准看似合理？
这些问题都是合理的，但它们并不等同于问题：
在给定的限制条件下，所有可能措施的哪种组合是全局最优的？
两者的区别是根本性的：
- 评估比较已知的备选方案
- 计算则是搜索决策空间本身
一旦涉及的项目、目标或限制超过几个，这个决策空间就会呈指数级增长。此时，无论经验或智力如何，讨论、直觉和孤立的关键数据在数学上都会被淹没。
3. 为什么很少计算全局最优值
全局最优值很少被计算出来这一事实并非巧合，而是几个结构性限制因素造成的。
3.1 组织逻辑
组织的目的是分配责任，而不是用数学方法捆绑责任。
计算出的最优解会产生
- 明确性
- 可复制性
- 强制性
这与许多决策过程的逻辑相悖，因为决策过程有意为解释、考虑和政治合法化留有余地。
3.2 咨询逻辑
经典的咨询系统提供
- 决策框架
- 比较逻辑
- 叙述
- 优先排序辅助工具
但不是
- 数学上令人信服的解决方案
- 事前可验证的最佳方案
原因不在于缺乏专业知识，而在于责任和商业模式逻辑。全局最优并不是一个建议，而是一个有举证责任的论断。
3.3 治理逻辑
以下内容适用于治理结构：
- 决策必须可以解释
- 责任必须可以分配
计算出的最佳值改变了这一逻辑：
- 从观点到演绎
- 从经验到模式
- 从讨论到证明
许多制度在文化和法律上都没有为此做好准备。
4. 没有人这样做 "背后的无声假设
这句话
"没有人这样做
初听起来像是一种论证。实际上，它只是一个没有规范效力的看法。
它隐含着一种假设：
如果某件事情是相关的，那么它就已经被做过了。
这种假设在历史上是站不住脚的。几乎所有决策、财务和控制系统方面的结构性创新，最初都是因为不符合现有模式而没有进行。
缺少的不是创新，而是连接。
5. 为什么决策优化不是一门咨询学科
全球决策优化与咨询有着本质区别：
| 咨询 | 决策优化 |
|---|---|
| 结构化讨论 | 消除讨论 |
| 提供合理性 | 提供优势 |
| 适用于各种情况 | 适用于完整空间 |
| 接受模糊性 | 执行明确性 |
| 对过程负责 | 遵守模式 |
这些差异不是渐进的，而是绝对的。
这就是为什么真正的优化不会出现在现有的咨询模式中，而是出现在这些模式之外--作为一种独立的基础设施。
6. 事前而非事后：视角的转变
核心突破在于时机：
- 传统系统在决策做出后才进行评估
- 优化则在决策之前进行计算
事前优化意味着
- 在机会成本出现之前就使其显现出来
- 以数学方式而非政治方式解决相互冲突的目标
- 重复证明决策的合理性
这不仅会改变结果，还会改变责任、管理和决策质量。
7. 为什么不方便
全局最优是不方便的，因为它们
- 缩短讨论时间
- 造成权力转移
- 使隐含假设显性化
- 使决策可验证
它们减少了
- 直觉
- 政治妥协
- 事后辩解
不是出于恶意，而是出于数学上的一致性。
8. 新类别：决策基础设施
这里出现的两者都不是：
- 咨询
- 传统意义上的软件
- 控制软件
- BI
而是决策基础设施。
一个层面，它
- 正式确定决策空间
- 对相互冲突的目标进行数学映射
- 整合限制条件
- 计算全局最优
不是作为建议，而是作为系统的属性。
9. 为何本专题具有现实意义
以下几个方面同时发展
- 日益复杂
- 预算有限
- 责任不断增加
- 管理压力越来越大
- 对错误决定的容忍度降低
这些因素使得不计算决策的风险越来越大。
这并不是因为计算是完美的，而是因为不计算会系统地产生机会成本。
10. 结论
如今几乎没有人计算全局最优这一事实并不能证明这一想法是错误的。它证明了现有系统的局限性。
决策优化
- 不是咨询产品
- 不是工具
- 不是趋势
而是应对指数级决策空间的必要手段。
不是每个人都需要它。但每个需要它的人都无法取代它。
常见问题 - 决策者的常见问题
全局优化不是理论上可行，但在实践中不现实吗？
不。如果没有正式的优化，要长期管理复杂的投资组合是不现实的。
这是否意味着管理经验的终结？
不。经验依然重要--但不再是决策的替代品，而是模型的输入。
优化是否会取代人的责任？
恰恰相反。它使责任更加明确，因为决策有理有据。
为什么还不是所有组织都在使用这种方法？
因为结构、流程和思维模式需要时间来适应新的类别。
对于现实世界的复杂性来说，这是不是太僵化了？
僵化是复杂空间中的启发式决策。优化明确映射了复杂性。
这不会导致接受问题吗？
短期内会。从长远来看，可理解性会提高接受度。
这可以扩展吗？
是的，算法和混合优化方法正是为此目的而存在的。
这是对咨询的攻击吗？
不，它是另一个层面上的补充。
决策优化何时变得不可避免？
只要决策空间变得比人类能够合理监督的范围更大。
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。