Allocation3M
iPhone / Productivité
L'apprentissage automatique et l'analyse de données sont de plus en plus utilisés dans la gestion de projet pour améliorer la productivité. En gestion de projet, l'allocation efficace des ressources permet de maximiser l'impact des ressources du projet. Allocation3M utilise trois modèles d'allocation classiques pour optimiser les résultats d'allocation des ressources sous différents angles. Les ressources peuvent être du temps, de la main-d'œuvre, des produits, des matériaux, un budget, etc.
Modèle Mean-Variance:
L'idée centrale du modèle Mean-Variance est de réduire la volatilité globale par la diversification (par exemple, une faible corrélation entre les objets d'allocation).
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 d'allocation 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 l'exemple 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 d'un 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 l'année écoulée. Le modèle Risk-Parity utilise la méthode de Newton pour trouver un ensemble de pondérations d'allocation avec une volatilité égale.
Quoi de neuf dans la dernière version ?
Corrections de bogues et améliorations.
