Kohti älykkäämpää talouden ja liiketoiminnan suunnittelua – matemaattisen optimoinnin hyödyntäminen

6.10.2018

Liiketoiminnan johtaminen on täynnä päätöksiä, joilla organisaatiota yritetään ohjata parempaan suuntaan – kuten tehokkaammaksi tai kannattavammaksi.  Niin johtamisessa kuin arkielämässä jonkun asian nykytilan parantamisesta puhutaan optimointina. Useimmiten optimointi perustuu intuitioon, jossa päätöksentekijä yrittää muuttaa nykytilaa oman ymmärryksensä ja elämänkokemuksensa perusteella.  Tällaisia päätöksia liikkeenjohto tekee joka ikinen päivä lukemattoman määrän.

Intuitioon pohjautuvan optimoinnin lisäksi optimointia voidaan tehdä matemaattisesti. Matemaattisen optimoinnin menetelmät ovat vuosikymmeniä ja vuosisatojan vanhoja, mutta teknologisen kehityksen myötä ne ovat tullut osaksi meidän arkea: kun esimerkiksi syötät Google Mapsiin osoitteen, osaa sovellus sekunnin murto-osissa laskea lyhimmäin tai nopeimman reitin määränpäähän. Tämä reittisuositus perustuu taustalla tapahtuvaan matemaattiseen optimointialgoritmiin.

Mitä matemaattinen optimointi sitten lopulta on? Yksinkertaistettuna matemaattinen optimointi on parhaan mahdollisen (minimin tai maksimin) ratkaisun löytäminen tilanteeseen, jossa vallitsee rajoituksia. Rajoituksista johtuen mahdollisten ratkaisujen määrä on äärellinen eli siis löydettävissä.

Kuulostaako edelleenko monimutkaiselle? Otetaanpa esimerkkitapaus, jossa voitaisiin hyödyntää matemaattista optimointia: valmistustoimintaa harjoittavalla yrityksellä on käytössä sales & operations planning -suunnitteluprosessi, jolla yritys pyrkii tasapainottamaan heidän tuotteisiin kohdistuvaa kysyntään (myynti) ja tarjontaa (valmistus). Yrityksen myyjät osallistuvat aktiivisesti myynnin ennustamiseen ja tuottavat koko ajan rullaava ennustetta. Tämä myyntiennuste toimii pohjana tuotannon suunnittelulle. Tuotannon suunnittelu – eli mitä valmistetaan, missä tuotantolaitoksessa ja koska – on kuitenkin esimerkkiyrityksessä manuaalinen ja intuitioon perustuva prosessi, jossa tuotannon suunnittelija jakaa kysyntää tuotantolaitoksille oman näkymyksensä perusteella. Se on myös altis ulkopuolisille vaikuttimille, esimerkiksi äänekkäimpien myyjien vaatiessa priorisoimaan omia tuotteitaan ja asiakkaitaan. On hyvin todennäköistä, että tämä täysin intuitioon perustuva suunnitteluprosessi ei saa aikaan parasta mahdollista myyntikatetta.

Matemaattinen optimointi astuu mukaan kuvioon tässä kohtaa: kokemusperäisen tuotannon suunnittelun sijaan yrityksen olisi mahdollista hyödyntää matemaattista optimointialgoritmia, joka laskisi tunteettomasti parhaan myyntikatteen (eli hyötyfunktion maksimin) tuottavan tuote-mixin annettujen rajoitteiden vallitessa (myynnistä tuleva kysyntä, tuotteiden myyntihinnat & tuotekustannukset, tuotantokapasiteetti). Tarkoittaako tämä sitten, että tuotannon suunnittelijaksi pitäisikin palkata matemaatikko laskemaan optimaalisin tuotantosuunnitelma? Ei, tämä ei tarkoita sitä. Matemaattinen optimointi on todella monimutkaista ja haastavaa matematiikka, mutta nykyään optimointialgoritmit voidaan tuoda osaksi ihan normaalia sales&operations planning -suunnittelutyökalua ilman, että käyttäjän tarvitsee ymmärtää varsinaista optimointialgoritmia. Liiketoimintakäyttäjän vastuulla on edelleen optimointitehtävän rajoitteiden syöttäminen, mutta ne ovat juuri niitä asioita, joita muutenkin suunnittellaan: myynti, kustannuksia, kapasiteettia ja niin edelleen. Varsinainen optimointi tapahtuu kirjaimellisesti nappia painamalla.

Edellä kuvattu on vain yksi esimerkki matemaattisen optimoinnin soveltamiskohteista. Muita sovelluskohteita löytyy liki rajattomasti, sillä onhan yrityksen johtaminen itse asiassa optimointia puhtaimmillaan: käytettävissä olevat resurssit on saatava allokoitua parhaimmalla mahdollisella tavalla.