Машинное обучение и анализ данных все чаще используются в управлении проектами для повышения производительности. В управлении проектами эффективное распределение ресурсов помогает максимизировать влияние ресурсов проекта. Allocation3M использует три классические модели распределения для оптимизации результатов распределения ресурсов с разных точек зрения. Ресурсы могут быть временем, рабочей силой, продуктами, материалами, бюджетом и т. д.
Модель Mean-Variance:
Основная идея модели Mean-Variance заключается в снижении общей волатильности за счет диверсификации (например, низкой корреляции между объектами распределения).
Например, вы можете распределить ресурсы на основе ежемесячных показателей продаж 50 европейских розничных магазинов за последние три года. Модель Mean-Variance использует метод Монте-Карло для нахождения набора весов распределения с наилучшей скоростью роста.
Модель Black-Litterman:
Модель Black-Litterman основана на модели Mean-Variance, добавляя мнения пользователей о темпах роста для оптимизации результатов распределения.
Продолжая предыдущий пример, модель Блэка-Литтермана рассчитывает и отображает средний темп роста для каждого розничного магазина для справки. Вы можете настроить параметры скорости роста, основываясь на своем опыте или совете специалиста.
Модель Risk-Parity:
И модель Mean-Variance, и модель Black-Litterman предназначены для оптимизации «темпа роста», а модель Risk-Parity предназначена для оптимизации «волатильность».
Например, вы можете распределить ресурсы на основе ежемесячных цен на сырье 20 поставщиков в Азиатско-Тихоокеанском регионе за последний год. Модель Risk-Parity использует метод Ньютона для поиска набора весов распределения с равной волатильностью.