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 :
加权决策矩阵--为什么它是正确的开端，而不是决策本身
执行摘要
加权决策矩阵是评估战略项目最广泛使用的工具之一。它使复杂的决策过程结构化，使标准透明化，并使优先次序的确定易于理解。它是一种有价值的工具，但并不能解决实际的决策问题。
原因在于其结构性：加权决策矩阵孤立地评估单个项目。然而，战略决策并不是孤立的。战略决策是在预算限制、相互依赖和目标冲突的情况下以组合的形式做出的。
在项目层面并不存在全局最优。它存在于组合层面。
这正是人工智能战略规划的优势所在。它不会取代加权决策矩阵。它只是将其作为一个输入层，并进一步深入。从单个选项的评估到整个决策空间的数学优化。
两者的根本区别在于：矩阵评估的是项目。战略规划公司计算最佳组合。
1. 加权决策矩阵使项目更加清晰明了
加权决策矩阵的优势在于能够将定性和定量标准结合到结构化评估中。它迫使企业明确界定什么是最重要的：回报、风险、战略影响或运营可行性。
通常情况下，每项标准都有一个权重，以反映其相对重要性。根据这些标准对项目进行评估，并汇总成总分。
| 项目 | 投资回报率（40） | 风险（30） | 影响（30） | 得分 |
|---|---|---|---|---|
| A | 8 | 6 | 7 | 7,1 |
| B | 6 | 9 | 8 | 7,4 |
| C | 9 | 5 | 6 | 7,0 |
这种结构可以进行排序。它可以回答以下问题
孤立地看，哪个项目最有吸引力？
这是重要的第一步。但这并不是真正的决策问题。
2. 战略决策是组合决策，而不是项目决策
在现实组织中，项目并不是孤立实施的。它们争夺的是有限的资源：预算、人员、时间和组织关注度。
因此，真正的问题不是
哪个项目最好？
而是
在给定的限制条件下，哪个项目组合能产生最大的整体影响？
加权决策矩阵无法从结构上回答这个问题。
原因很简单：它评估的是单个项目，而不是项目组合。
然而，全局最优是由多个项目的相互作用产生的，而不是由对单个项目的孤立评估产生的。
3. 矩阵的结构盲区：组合决策空间
让我们来看一个简单的例子：
预算：1 亿欧元
- 项目 A：得分 9，耗资 1 亿欧元
- 项目 B：得分 7，耗资 5000 万欧元
- 项目 C：得分 7，耗资 5000 万欧元
加权决策矩阵优先考虑项目 A。
然而，在预算相同的情况下，项目 B 和项目 C 的组合产生的总体影响更大。
矩阵不能识别这种组合，因为它的结构设计不是用来分析组合的。
这不是一个实施问题。这是模型的一个特性。
加权决策矩阵是一个排序模型。
战略决策问题是优化问题。一旦项目数量和限制条件增加，就会产生一个指数级的决策空间。这个空间会爆炸成银河系大小。
4. 热力图可视化评估--但不是最优结果
热力图是加权决策矩阵的视觉延伸。它使模式清晰可见。它们显示相对优势和劣势。它们能创建直观的方向。
但它们只是一种预测。
它们将单个项目的得分可视化。它们没有将决策空间可视化。
它们没有显示
- 哪种组合是最佳的
- 哪些项目可以相互促进
- 在预算有限的情况下，哪种组合具有最大效果
它们显示的是评估。而不是优化。
5. 从数学角度看，矩阵是一个局部评价函数
加权决策矩阵是基于线性评价函数的：
Score(i) = w₁-criterion₁(i) + w₂-criterion₂(i) + ... + wₙ-criterionₙ(i)
该函数是局部函数。它对每个项目进行独立评估。
然而，实际的决策问题是全局性的：
在约束条件下，哪个项目组合能使整体影响最大化？
这是一个组合优化问题。
可能的组合数量会随着项目数量的增加而呈指数增长。
如果有 50 个项目，就有超过四万亿种可能的组合。
全局最优点就存在于这个空间中的一个点。
矩阵无法确定这一点。
而 StratePlan 可以。
尺寸比较
我们的银河系和 "仅 "有 50 个项目的城市决策空间
有 1.125 万亿个可能的项目组合
6. 视角的决定性转变：从评估到优化
加权决策矩阵回答了一个重要问题：
每个项目有多好？
战略规划则回答了一个关键问题：
哪种组合是最佳的？
这不是一个渐进的差异。
这是一种结构性转变。
从局部评估到全局优化。
从项目评分到组合优化。
从似是而非的优先次序到决策的数学基础。
7. 加权决策矩阵在决策空间优化时代的新作用
加权决策矩阵仍然是一个有价值的工具。
它发挥着核心作用：
- 构建评估标准
- 明确目标的优先次序
- 将战略目标量化
成为扩展决策过程的输入层。
但决策本身是在更深的层次上做出的。
在决策空间中。
存在所有组合的地方。
存在全局最优的地方。
StratePlan 可以计算出全局最优值。
结论
加权决策矩阵是必要的第一步。它使评估更加清晰。明确战略偏好。它能构建决策过程。
但它并不是决策本身。
它评估各种选择。
战略计划计算出最佳组合。
矩阵显示什么是好的。
战略计划显示什么是最优的。
并在资源被占用、决策变得不可逆转之前，确定全局最优。
常见问题
为什么仅有加权决策矩阵是不够的？
因为它是孤立地评估项目。然而，战略决策涉及的是次要条件下的项目组合。
矩阵与战略计划的主要区别是什么？
矩阵生成一个排序。战略规划可以解决优化问题，并确定全局最优。
为什么最优组合并不总是得分最高的项目？
因为预算限制、依赖性和组合效应会影响整体效果。全局最优是在项目组合层面产生的。
热图在战略规划中起什么作用？
可视化估值，作为直观的输入层。实际优化是在数学决策空间中进行的。
决策空间优化的决定性优势是什么？
能够从所有可能的组合中系统地识别出实现最大整体效果的组合。