Lapprentissage automatique et lanalyse de données sont de plus en plus utilisés dans la gestion de projet pour améliorer la productivité. En gestion de projet, lallocation efficace des ressources permet de maximiser limpact des ressources du projet. Allocation3M utilise trois modèles dallocation classiques pour optimiser les résultats dallocation des ressources sous différents angles. Les ressources peuvent être du temps, de la main-dœuvre, des produits, des matériaux, un budget, etc.
Modèle Mean-Variance:
Lidée centrale du modèle Mean-Variance est de réduire la volatilité globale par la diversification (par exemple, une faible corrélation entre les objets dallocation).
Par exemple, vous pouvez allouer des ressources en fonction des performances mensuelles des ventes de 50 magasins de détail européens au cours des trois dernières années. Le modèle Mean-Variance utilise la méthode de Monte Carlo pour trouver un ensemble de pondérations dallocation avec le meilleur taux de croissance.
Modèle Black-Litterman:
Le modèle Black-Litterman est basé sur le modèle Mean-Variance, ajoutant les opinions des utilisateurs sur le taux de croissance pour optimiser les résultats d’allocation.
Poursuivant lexemple précédent, le modèle Black-Litterman calcule et affiche le taux de croissance moyen pour chaque magasin de détail à titre de référence. Vous pouvez ajuster les paramètres de taux de croissance en fonction de votre expérience ou des conseils dun expert.
Modèle Risk-Parity:
Le modèle Mean-Variance et le modèle Black-Litterman sont conçus pour optimiser le «taux de croissance», tandis que le modèle Risk-Parity est conçu pour optimiser la «volatilité».
Par exemple, vous pouvez allouer des ressources en fonction des prix mensuels des matières premières de 20 fournisseurs en Asie-Pacifique au cours de lannée écoulée. Le modèle Risk-Parity utilise la méthode de Newton pour trouver un ensemble de pondérations dallocation avec une volatilité égale.