机器学习和数据分析越来越多地用于项目管理以提高生产力。在项目管理中，资源的有效配置有助于最大限度地发挥项目资源的影响。分配3M 使用三种经典的分配模型，从不同的角度优化资源分配结果。资源可以是时间、人力、产品、材料、预算等。
Mean-Variance 模型:
Mean-Variance 模型的核心思想是通过多样化（例如，分配对象之间的低相关性）来降低整体波动性。
例如，您可以根据过去三年内 50 家欧洲零售店的月度销售业绩来分配资源。Mean-Variance 模型使用蒙特卡洛方法找到一组具有最佳增长率的分配权重。
Black-Litterman 模型:
Black-Litterman 模型是在 Mean-Variance 模型的基础上，加入用户对增长率的意见以优化分配结果。
继续前面的示例，Black-Litterman 模型计算并显示每个零售店的平均增长率以供参考。您可以根据您的经验或专家建议调整增长率参数。
Risk-Parity 模型:
Mean-Variance 模型和 Black-Litterman 模型都旨在优化“增长率”，而 Risk-Parity 模型旨在优化“波动率”。
例如，您可以根据过去一年亚太地区 20 家供应商的每月原材料价格分配资源。Risk-Parity 模型使用牛顿法找到一组波动率相等的分配权重。