| 量化管理 |
对量化管理的常见误解
量化管理的层次
量化管理难点：数据不准
量化管理难点：管理不用
通过数据支持管理目标的上传和下达
应用数据对管理目标进行预测管理
量化管理的技术框架 |
Mote Carlo
|
Monte Carlo模拟基础
模拟的随机性
如何保证模拟的可靠性
模拟的要点：模型的准确性
模拟要点：因素的分布规律
Crystal Ball（CB）功能简介
Crystal Ball在量化管理中的应用场景 |
| 量化项目管理－规划 |
量化项目管理内容：定目标、选方案、预测、风险识别、项目控制
CB定义假设：管理目标分解
CB定义假设：项目特征定位和分析
CB定义预测：确定项目整体模型
CB定义判定：选择项目执行方式，融合最佳实践
CB运行设置，平衡模拟的精度
结合经营管理目标设置质量、进度和成本平衡权重
CB模拟分析质量优先或进度优先或成本优先的项目执行路径
选择最优项目执行路径
CB模拟评价项目结果目标达成情况
量化识别项目目标达成风险 |
| 量化项目管理－量化控制 |
阶段目标达成判定：CB中结合实际数据预测项目目标的达成可信度
阶段目标达成风险分析：CB中分析目标达成风险
CB中定义子模型
结合目标，应用子模型调整项目执行参数以达成目标
量化控制风险：CB的精确度
量化控制风险：CB的多模型冲突
量化项目管理回归分析 |
| 量化问题预防管理 |
选择和识别问题预防区域
建立问题预防模型
CB中定义预防模型的假设和预测
应用CB预测问题发生的影响要因
应用CB预测问题发生的概率
回归分析措施后问题概率 |
| 量化过程管理 |
结合经营目标明确过程能力
建立过程能力改进模型
CB中确定模型因子的分布规律
CB中确定经营管理目标的范围
CB模拟分析影响经营目标达成的关键因素
CB因素改变分析
CB嵌套因素分析，确定改善点
CB改善效果“What-If”分析
过程性能改善回归分析，评价过程改善效果 |
| 我怎么起步？ |
获取目前的量化管理能力状态
制订改善计划 |
