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 :
为什么决策树的结构已到极限--取而代之的是什么？
执行摘要
决策树是最著名的决策结构化工具之一。数十年来，它一直被用于管理学、经济学、运筹学和战略规划，以直观地显示备选方案，并使决策结果透明化。
然而，它的结构适用性在真正的战略决策问题开始的地方就结束了：在指数决策空间。只要决策不再是孤立的，而是在预算、资源和影响限制下的组合决策，决策树在物理上、数学上和概念上就会变得毫无用处。
原因不在于技术，而在于数学。而是数学原因。
作为一种可视化工具，StratePlan 不会取代决策树，而是将其作为决策的基础。StratePlan 不查看单个路径，而是计算完整的决策空间，并预先确定在所有可能的备选方案中实现最大效果的组合。
这标志着从可视化可能的决策到计算最优决策的过渡。
1. 决策树--来自决策空间有限时代的模型
决策树的开发是为了将复杂的决策转换成一个顺序结构。每个分支代表一个备选方案。每条路径代表一个可能的决策组合。每片叶子代表一个结果。
这种结构直观易懂。它清晰明了。它具有透明度。只要可能的组合数量不多，它就能发挥作用。
例如，三个二元决策会产生八个可能的组合。决策树组织清晰。每个备选方案都可视化并进行评估。可以确定全局最优。
然而，这种清晰度并不是决策树的特性。它是问题规模较小的特性。
一旦决策数量增加，决策树就会呈指数增长。
十个决策就有 1,024 种可能的组合。如果有二十个决策，可能的组合数量就会超过一百万。在做出五十个决定后，可能的组合数超过了四万亿个。
决策树不会因为计算能力不足而崩溃。崩溃的原因在于决策空间的结构。
2. 基本结构错误：决策树是顺序式的
决策树基于顺序范式。它将决策视为一系列单独的分支。每条路径都被单独考虑。每个组合都作为一个单独的分支存在。
这种模式在结构上有局限性。
它强制进行局部考虑。强迫迭代遍历。它迫使人们或隐或显地选择单个路径。
但战略决策问题并不是顺序性的。它们是组合性的。
全局最优并不是单一路径的属性。它是整个决策空间的属性。
顺序模型无法同时捕捉这一空间。
它只能以碎片化的方式来看待这个空间。
支离破碎会造成对全局最优的结构性盲目。
3. 指数增长不是规模问题，而是结构问题
核心挑战不是计算能力，而是结构。而是结构问题。
决策树会随着决策数量的增加而呈指数增长。每增加一个决策，可能的组合数量就会增加一倍。
这不是渐进式增长。它是一种结构性转变。
超过一定的问题规模，就不可能显示、分析甚至表示所有路径。
这意味着使用决策树进行完整分析在结构上是不可能的。
不是效率低。
是不可能。
全局最优解仍然存在。但决策树已经不能完全代表它了。
4. 决策树是一种可视化模型，而不是优化模型
决策树有一个重要的功能：可视化决策逻辑。
它显示了备选方案。它显示依赖关系。显示结果。
但它并不能计算出最佳值。
它不包含全局优化的内在能力。
它是一个可视化备选方案的模型，而不是计算最佳方案的模型。
要找出全局最优方案，需要分析整个决策空间，考虑到所有限制和权衡。
这种分析是一项数学优化任务。
它不是图形可视化任务。
5. 决策空间独立于决策树而存在。
转换视角的关键在于区分决策树和决策空间。
决策树是一种可能的表现形式。
决策空间则是基本的数学现实。
决策空间包括所有可能的决策组合。
全局最优是这个空间中的一个点。
不管是表示还是计算，它都是存在的。
决策树试图明确表示这一空间。
而 StratePlan 则对其进行数学建模和分析。
这就是最根本的区别。
6. 为什么传统的决策过程在结构上仍然是次优的
在现实组织中，决策很少是通过对所有组合进行全面分析后做出的。
取而代之的是预选备选方案。选项减少。模拟情景。对看似合理的组合进行分析。
这些程序是实用的。
但它们在结构上并不完整。
它们只分析了决策空间的一部分。
全局最优可能就在这个分析区域之外。
在这种情况下，它仍然是不可见的。
不是因为它不存在。
而是因为它从未被考虑过。
7. 从决策树到决策空间优化的过渡
结构上的突破不是遍历决策树，而是直接建立决策空间模型。
这就从根本上改变了决策过程。
而不是
- 查看路径
- 比较备选方案
- 模拟情景
而是对整个决策空间进行数学分析。
直接确定全局最优。
事前分析。
在做出决策之前。
8. 战略计划以计算取代遍历
战略计划以决策空间的数学模型为基础，将其视为一个组合优化问题。
每个可能的组合都是这个空间中的一个隐含点。
战略计划不会按顺序遍历这个空间。
它分析其结构。
在考虑到所有相关约束条件的情况下，确定最佳组合。
这样就可以确定全局最优，而无需明确表示每条路径。
决策树并没有变得更有效率。
它在结构上变得多余。
9. 战略效果：决策变得可预测
从决策树到决策空间优化的转变从根本上改变了战略决策的性质。
决策不再是通过选择似是而非的备选方案来做出。
相反，决策是通过确定数学上的最优结果来做出的。
这将决策从解释过程转变为分析过程。
决定结果的不是直觉，而是结构。
而是结构。
决定最佳结果的不是判断，而是数学。
而是数学。
10. 结论：决策树是必要的中间步骤
决策树是制定战略决策的重要工具。
它使决策逻辑清晰可见。
它创造了透明度。
它使结构化分析成为可能。
但是，在真正的战略决策问题开始的地方，它的结构适用性就结束了。
在指数决策空间中。
作为一种可视化工具，战略计划不能取代决策树。
而是作为决策的基础。
它可以计算决策空间。
并确定全局最优。
事前
在做出决策之前。
常见问题 - 决策树与决策空间
决策树与决策空间的根本区别是什么？
决策树是可能决策序列的图形表示。决策空间是所有可能决策组合的数学总体。决策树试图明确表示这一空间。而 StratePlan 则直接对其进行建模和分析。
为什么决策树无法解决实际战略问题？
因为可能的组合数量呈指数增长。即使问题规模适中，可能的路径数量也会超过任何可表示或可分析的结构。决策树在物理和数学上都变得无法使用。
没有决策树，全局最优是否也存在？
是的，全局最优是决策空间的一个属性。无论是否显示或计算，它都存在。
为什么决策树不能可靠地识别全局最优？
因为它是基于顺序遍历的。在大型决策空间中，不可能完全分析所有路径。全局最优可能位于已分析路径之外。
是什么在结构上取代了决策树？
直接对决策空间进行数学建模和优化。分析整个决策空间的结构，而不是明确表示单个路径。
全局最优的事前计算是什么意思？
意思是在实施之前计算出最优决策。在投入资源、分配预算或做出不可逆转的决定之前。
决策树是否已经完全过时？
不，它仍然是一个可视化小型决策问题的宝贵工具。但从结构上讲，它并不适合作为优化实际战略决策空间的基础。
决策空间优化的核心战略优势是什么？
无论问题的大小、复杂程度或可能组合的数量如何，都能系统可靠地确定全局最优。
Anna-Lena Rissel 是一名心理學學生，於 Charlotte Fresenius 大學 修讀心理學與心理治療。作為 Sascha Rissel 的女兒，她將心理學的基礎理論與對企業決策流程的濃厚興趣相結合。
她的學術重點在於 經濟心理學 以及 管理層與董事會情境中的錯誤決策——特別關注 認知偏誤、啟發式思維 與 結構性框架條件 如何導致系統性的決策錯誤，以及如何有效避免這些錯誤。