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。
小节博客主要文章 :
小山谷居民的故事
在小山的山谷里住着一些人,他们坚信自己是世界上最高的地方。
平缓的山丘在他们周围拔地而起。从任何地方都能看到它们。有些看起来比其他的高。但它们的尽头都在地平线以下。
从来没有人爬过它们似乎没有必要因为从山谷看去,一切都很完整
于是人们开始交谈他们站在一起,看着这些小山 想知道哪座山最高
每个人都发表了自己的看法。有些人提到了他们的经验。还有人提到了自己的感受。还有一些人则说了一些听起来很有道理的话。
最后,他们进行了投票。
他们共同决定:"我们的山丘是世界之巅"。
这种确定性不是测量的结果。不是计算的结果而是来自共识
它来自直觉和多数而这正是它的稳定性所在。
因为共同的假设不像是假设。它给人的感觉就是真理。
从那时起,决策就以此为基础。路径被规划。分配资源。确定方向。
不是基于什么是真正的最高点。而是根据大家都觉得最靠谱的地方。
就这样,他们住在小山脚下,坚信自己就在山顶。
这并不是因为已经得到了验证。而是因为他们共同认定了这一点。
首席执行官 Sascha Rissel 的结束语
小山谷的故事描述的不是一个虚构的问题。它描述的是战略决策的现实。
在公司、机构和公共部门,许多决策并非基于对决策空间的全面了解,而是基于经验、可信度和共识。这些机制是人为的。它们是高效的。只要决策空间很小,它们就足够了。
但是,一旦决策成为组合系统的一部分,其结构就会发生根本性的变化。看似合理的决策并不一定是最佳决策。感觉上正确的东西只是可见部分内的最佳方案,而不是实际整体空间内的最佳方案。
决定性的差别不在于参与人员的素质,而在于决策依据的完整性。如果没有系统分析整个决策空间的能力,每一个决策都只能是近似值。
只有当完整的决策空间变得清晰可见时,一种新的确定性形式才会出现:不是通过协议,而是通过结构。不是通过信念,而是通过计算。
全局最优并不是一个视角问题。它是决策空间本身的属性。
我们的任务就是让这个空间变得可见。
萨沙-里塞尔
mAInthink GmbH 首席执行官