分配3M

機器學習和數據分析越來越多地用於項目管理以提高生產力。在項目管理中，資源的有效配置有助於最大限度地發揮項目資源的影響。分配3M 使用三種經典的分配模型，從不同的角度優化資源分配結果。資源可以是時間、人力、產品、材料、預算等。
Mean-Variance 模型:
Mean-Variance 模型的核心思想是通過多樣化（例如，分配對象之間的低相關性）來降低整體波動性。
例如，您可以根據過去三年內 50 家歐洲零售店的月度銷售業績來分配資源。Mean-Variance 模型使用蒙特卡洛方法找到一組具有最佳增長率的分配權重。
Black-Litterman 模型:
Black-Litterman 模型是在 Mean-Variance 模型的基礎上，加入用戶對增長率的意見以優化分配結果。
繼續前面的示例，Black-Litterman 模型計算並顯示每個零售店的平均增長率以供參考。您可以根據您的經驗或專家建議調整增長率參數。
Risk-Parity 模型:
Mean-Variance 模型和 Black-Litterman 模型都旨在優化「增長率」，而 Risk-Parity 模型旨在優化「波動率」。
例如，您可以根據過去一年亞太地區 20 家供應商的每月原材料價格分配資源。Risk-Parity 模型使用牛頓法找到一組波動率相等的分配權重。