Bei Prozessen und Daten welche sich nur zögerlich verändern oder gar über den Zeitablauf ein immer gleiches Muster aufweisen, sind klassische Instrumente wie Regressionen ein Segen. In Fällen, in denen weder Wahrscheinlichkeiten noch alle Umweltzustände in ein Modell aufgenommen werden können, scheitern diese jedoch, weil sie das Momentum – den Thanksgiving-Day oder auch den Schwarzen Schwan – nicht antizipieren können.
Das Ziel einer modernen Unternehmensplanung sollte sein, die Daten des Risikoregisters in die Planung zu überführen und ein Gesamtbild zu erstellen, aus dem Massnahmen ableitbar sind, die den Fortbestand des Unternehmens sichern.
Die stochastische Investitionsplanung formalisiert die Diskrepanz zwischen der ordentlichen und der ökonomischen Nutzungsdauer von Anlagen und schafft unter Beizug einer Monte-Carlo Simulation Transparenz über mögliche und anzustrebende Investitionsplanwerte.
The "raison d'être" of a comprehensive quantitative analysis using the Monte Carlo approach is an objectively justifiable recommendation for a decision, taking into account uncertainty.
For those decision driven people, which still have to use "heat maps" to communicate threats, MC FLO offers an equivalent instrument - the conditional risk matrix.
Ziel einer umfassenden quantitativen Analyse mittels Monte-Carlo Simulation ist eine objektiv begründbare Entscheidungsempfehlung unter Berücksichtigung von Unsicherheit, etwa bei den Absatzmengen oder Anzahl Cyberangriffe, welches ein Unternehmen ausgesetzt ist. Für diejenigen Personen, die eine quantitative Analyse schätzen, die Resultate davon aber in einer Risikomatrix abzubilden haben, stehen in MC FLO nun die geeigneten Instrumente bereit.
Falls Sie nicht allein an Mittelwerten interessiert sind und / oder Abhängigkeiten zu berücksichtigen sind, dann sind Monte-Carlo Simulationen nicht nur geboten, sondern gar erforderlich, um eine datenbasierte Entscheidung herbeizuführen. Dargestellt an einem Modell eines potentiellen Cyberangriffes.
Der Beizug einer Monte-Carlo Simulation in Kombination mit Korrelationen zeugt von einem tiefen Verständnis des eigenen Geschäftsmodells. Wer es schafft dies sinnvoll einzubauen, legt glaubhaft dar, dass es die eigenen Prozesse, die Interaktion mit der Umwelt (Regulierung, Konkurrenz, Lieferanten, etc.) versteht und somit sein Unternehmen "im Griff" hat.
Wir sind überzeugt, dass die probabilistische Modellbildung die einzig richtige Antwort auf eine durch VUCA geprägte Welt ist.
Wenn die Kosten einer Impfung pro Person gleichverteilt zwischen 20 Euro (Minimum, bester Fall) und 40 Euro (Maximum, schlechtester Fall) betragen, wie hoch werden die Impfkosten für 10 Mio. Menschen im besten und im schlechtesten Fall sein? Genau: In beiden Fällen werden aufgrund des zentralen Grenzwertsatzes die Gesamtkosten sehr nah beim Erwartungswert von 300 Mio. Euro liegen.
DIP stellt die Konsistenz der Daten sicher, auch bei vorhandenen Korrelationen und ermöglicht die einheitenübergreifende Koordination von unsicheren Sachverhalten. Die Simulationsresultate von MC FLO können selbstverständlich in die Cloud und somit in andere Planungssuiten übertragen werden.
Der Bayessche Wahrscheinlichkeitsbegriff greift auf «subjektive» Einschätzungen (Glauben, oder «beliefs») zurück. Bei Monte-Carlo Simulationen werden sowohl der frequentistische als auch der Bayessche Wahrscheinlichkeitsbegriff kombiniert. Durch die Simulation wird das subjektive «Bauchgefühl» auf einer objektiv nachvollziehbaren Grundlage gestellt. Mit jeder neuen Erfahrung des Managements wird das (erweiterte) subjektive Bauchgefühl rationalisiert und einer Kontrolle unterzogen.