기계 학습 및 데이터 분석은 생산성 향상을 위해 프로젝트 관리에 점점 더 많이 사용됩니다. 프로젝트 관리에서 자원의 효율적인 할당은 프로젝트 자원의 영향을 극대화하는 데 도움이 됩니다. 할당3M은 3가지 고전적 할당 모델을 사용하여 다양한 관점에서 자원 할당 결과를 최적화합니다. 자원은 시간, 인력, 제품, 재료, 예산 등이 될 수 있습니다.
Mean-Variance 모델:
Mean-Variance 모델의 핵심 아이디어는 다양화를 통해 전체 변동성을 줄이는 것입니다(예: 할당 개체 간의 낮은 상관 관계).
예를 들어 지난 3년 동안 50개 유럽 소매점의 월별 판매 실적을 기반으로 리소스를 할당할 수 있습니다. Mean-Variance 모델은 몬테카를로 방법을 사용하여 성장률이 가장 좋은 할당 가중치 세트를 찾습니다.
Black-Litterman 모델:
Black-Litterman 모델은 Mean-Variance 모델을 기반으로 하며 할당 결과를 최적화하기 위해 성장률에 대한 사용자 의견을 추가합니다.
앞의 예에 계속해서 Black-Litterman 모델은 참고용으로 각 소매점의 평균 성장률을 계산하고 표시합니다. 경험이나 전문가의 조언에 따라 성장률 매개변수를 조정할 수 있습니다.
Risk-Parity 모델:
Mean-Variance 모델과 Black-Litterman 모델은 모두 "성장률"을 최적화하도록 설계되었으며, Risk-Parity 모델은 "변동성"을 최적화하도록 설계되었습니다.
예를 들어, 지난 1년 동안 아시아 태평양에 있는 20개 공급업체의 월별 원자재 가격을 기반으로 리소스를 할당할 수 있습니다. Risk-Parity 모델은 뉴턴의 방법을 사용하여 변동성이 동일한 할당 가중치 집합을 찾습니다.