Ein wesentlicher Antrieb für Operations Research war die Erkenntnis, dass komplexe, zielgerichtete Prozesse als integrierte Ganzheiten untersucht und gelöst werden müssen, da sich Lösungen für einzelne Teile des Gesamtproblems als isoliert erwiesen, während die Praxis die Einheit aller Teillösungen erforderte.

Zunächst beschränkte sich „Operations Research“ auf die Entwicklung von Methoden zur Analyse eines Problems als einheitliches Ganzes, ohne seine Bestandteile zu isolieren. Ein weiteres charakteristisches Merkmal dieser Untersuchungen in der Anfangszeit war die Anwendung des interdisziplinären Teamansatzes. Sein Wesen bestand nicht darin, alle relevanten Fachleute an einem Ort zu versammeln, sondern darin, eine Gruppe zu bilden, die über quantitative Methoden verfügte und frei von der engen Perspektive war, die jeder einzelnen Disziplin innewohnt. Dieser Ansatz spiegelte zwei Realitäten wider: erstens die Notwendigkeit, quantitative Methoden in die Managementwissenschaft einzubringen, und zweitens den Mangel an Methoden (und Spezialisten) in dem Bereich, der später als „Operations Research“ bezeichnet wurde.

In der Folge entwickelte sich „Operations Research“ von der gemeinsamen Tätigkeit von Spezialisten unterschiedlicher Fachrichtungen zu einem eigenständigen Zweig der Wissenschaft und der organisatorischen Praxis, wobei es sich dabei in zwei Hauptrichtungen aufspaltete.

Die erste davon ist mit der Konstruktion mathematischer Modelle für die am häufigsten auftretenden Teilprobleme des Managements verbunden, bei denen bis zu einem gewissen Grad auf die Berücksichtigung des Verhaltens einzelner an der Operation beteiligter Personen verzichtet werden kann. Hier wurden die grundlegenden Probleme der mathematischen Theorie des „Operations Research“ identifiziert, ebenso wie die damit verbundene weitere Spezialisierung der in diesem Bereich tätigen Wissenschaftler.

Eine große Anzahl von Problemen, die von Führungskräften gelöst werden, lässt sich solchen Aufgaben zuordnen, zum Beispiel:

Bestandsmanagement, das sich mit der Bestimmung der erforderlichen Größe von „gelagerten“ Ressourcen (menschlichen, materiellen, finanziellen, Rohstoffressourcen usw.) befasst, wobei die Lagerung bestimmte Kosten verursacht;
Verteilung begrenzter Ressourcen auf verschiedene Verbraucher, von denen jeder sie mit unterschiedlicher Effizienz nutzt;
Warteschlangenprobleme, bei denen es darum geht, Aufgaben in einer strengen Reihenfolge zu verteilen, einen bestimmten Prozess zu bilden und Prioritätsregeln festzulegen;
Routenwahl und zeitliche Planung von Arbeiten;
Probleme im Zusammenhang mit dem Ersatz veralteter Anlagen;
Auffinden von Lösungen durch rationale (statt erschöpfende) Aufzählung von Möglichkeiten;
Konkurrenzprobleme bzw. spieltheoretische Probleme, bei denen rationale Verhaltensstrategien in Situationen untersucht werden, in denen das Ergebnis einer Operation nicht nur vom Verhalten des Subjekts, sondern auch vom Verhalten eines Gegners abhängt, dessen Ziele denen des Subjekts widersprechen.

So kam die Methode des „Operations Research“ bei verschiedenen Arten von Operationen und Prozessen zur Anwendung, wobei je nach Untersuchungsgegenstand unterschiedliche Ansätze und vielfältige mathematische Werkzeuge eingesetzt wurden (Methoden der mathematischen Programmierung, kombinatorische und statistische Modellierung). Neben mathematischen Werkzeugen wurden im „Operations Research“ auch heuristische Methoden eingesetzt.

Bei der Entwicklung von Methoden zur Analyse zielgerichteter Handlungen (Operationen) und der vergleichenden Bewertung von Lösungen, überwiegend in quantitativer Hinsicht, stützt sich „Operations Research“ auf die Systemmethodologie, wonach die untersuchten Phänomene als Systeme betrachtet werden, die interagierende Gesamtheiten von Elementen darstellen, die auf die Erreichung bestimmter Ziele ausgerichtet sind.

Die Analyse konkreter Operationen oder Phänomene aus der Perspektive des „Operations Research“ umfasst die Konstruktion eines mathematischen Modells des Phänomens, die Analyse des Modells und die Suche nach einer Lösung, die Überprüfung der Angemessenheit des Modells und der Lösung im Hinblick auf das Phänomen, die notwendige Anpassung („Feinabstimmung“) des Modells und der Lösung sowie schließlich die praktische Anwendung der gewählten Lösung.

Eng verwandt mit den mathematischen Problemen dieser Methode (obwohl formal nicht Teil davon) ist der große Bereich der sogenannten Netzplanmethoden für Planung und Management. Die Entwicklung von Netzplanmethoden und Netzplansystemen ist eng mit dem Zweig des „Operations Research“ verbunden, der Terminplanungsmodelle untersucht. Diese Methoden ermöglichten es, eine neue und äußerst praktische Sprache zur Beschreibung, Modellierung und Analyse komplexer mehrstufiger Operationen zu finden. Dazu gehören insbesondere die Netzplanmethoden der Modellierung und operativen Steuerung: CPM — die „Critical Path Method“ und PERT — „Program Evaluation and Review Technique“.

Das Entstehen verschiedener formalisierter Managementsysteme, Methoden der langfristigen Planung, Programmierung und Prognose wurde durch die Notwendigkeit vorangetrieben, Bedingungen für eine korrekte Entscheidungsfindung in einem Umfeld zu schaffen, in dem das Management mit enormen Informationsmengen und Tausenden von Faktoren konfrontiert war, deren Berücksichtigung, Bewertung und Integration unter der herkömmlichen Organisation des Managements unmöglich waren.

Untersuchungen einer Reihe amerikanischer Psychologen haben gezeigt, dass ein Mensch Schwierigkeiten bei der Entscheidungsfindung hat, wenn dabei mehr als 10 Variablen oder sich gegenseitig widersprechende Faktoren oder mehr als 20 Faktoren gleicher Ordnung zu berücksichtigen sind. Da jedoch eine optimale Lösung nur aus der Berücksichtigung und Analyse aller Faktoren resultieren kann, unabhängig davon, ob eine Person auf einer bestimmten Managementebene diese Aufgabe bewältigen kann, entsteht objektiv die Notwendigkeit, Probleme in Teilprobleme und Teilaufgaben zu unterteilen. Das Hauptprinzip, das den meisten bestehenden Programmsystemen zugrunde liegt, besteht in der logischen Zerlegung von Aufgaben. Ausgangspunkt war die Notwendigkeit, die Anzahl der Faktoren oder den Umfang der Informationen auf ein Niveau zu reduzieren, das einer Person die Bewertung ermöglicht.

Die zweite Richtung des „Operations Research“ entwickelte sich auf etwas anderen Wegen, wobei der Schwerpunkt weniger auf der Mathematisierung von Managementproblemen und der Einführung exakter wissenschaftlicher Methoden lag, sondern vielmehr auf der Anwendung von Prinzipien zur Untersuchung einer Operation als einheitliches Ganzes unter Einsatz „frischer“, „unvoreingenommener“ Forschungsteams. Mit dieser Richtung ist die Entstehung des Systems Engineering verbunden. Es ist anzumerken, dass viele Wissenschaftler, die Managementprozesse mit der Methode des „Operations Research“ untersuchten, später über die Grenzen dieser Art von Untersuchung hinausgingen. In diesem Zusammenhang schlugen sie zunehmend breitere Definitionen der wissenschaftlichen Disziplin vor, deren Grundlage diese Methode bildet, was nicht selten zu terminologischer Verwirrung führte.

Viele amerikanische Spezialisten erkennen an, dass „Operations Research“ insgesamt zwar einen sehr wichtigen Schritt zur Schaffung einer neuen Managementwissenschaft darstellte, jedoch einen vergleichsweise engen Problembereich abdeckte. Darüber hinaus entstand mit der Entwicklung der mathematischen Spezialisierung die Tendenz, „Operations Research“ als spezielle Zweige der angewandten Mathematik zu betrachten — das heißt, sie nicht als eigenständige wissenschaftliche Disziplin mit einem eigenen Untersuchungsgegenstand aufzufassen.

Daher begann bereits Anfang der 1950er Jahre eine aktive Suche nach einer präziseren Definition der Besonderheit jener Managementprobleme, deren Lösung die Anwendung mathematischer Methoden voraussetzt, auch wenn die Probleme selbst der Organisations- und Managementtheorie zuzuordnen sind. Das Ergebnis war die Herausbildung der Entscheidungstheorie als eigenständiger wissenschaftlicher Disziplin (im Rahmen der Managementwissenschaft), die als Weiterentwicklung des „Operations Research“ konzipiert wurde, welches dementsprechend als spezifische Methoden der Entscheidungsfindung interpretiert wurde. In der Entscheidungstheorie jedoch (und dies unterscheidet sie vom „Operations Research“) galt die Hauptaufmerksamkeit dem Entscheidungsprozess selbst, der Herausbildung von Auswahlprinzipien, der Entwicklung von Qualitätskriterien sowie der Bestimmung von Methoden zum Auffinden von Lösungen, die diesen Prinzipien entsprechen. Vertreter dieser Theorie behaupten, dass die Entscheidungsfindung den Kern der Managementtätigkeit bildet und ihre spezifischen Merkmale bestimmt.

Die Arbeit in diesem Bereich verläuft hauptsächlich in zwei Richtungen. Die erste befasst sich vor allem mit der mathematischen Modellierung von Entscheidungsprozessen, wie sie tatsächlich in realen Teams durchgeführt werden. Die zweite konzentriert ihre Bemühungen auf die Entwicklung von Algorithmen, die es ermöglichen, optimale Lösungen zu erhalten. Zur ersten Richtung gehören verschiedene „verhaltensbezogene“ Untersuchungen, beispielsweise von E. Fogel und R. Luce, während die zweite zahlreiche Untersuchungen in der Theorie der statistischen Entscheidungen, der Spieltheorie und Ähnlichem umfasst. Die Arbeiten der Vertreter beider Richtungen nutzen umfassend die Werkzeuge der mathematischen Logik, der mathematischen Statistik sowie der linearen, nichtlinearen, dynamischen und Systemprogrammierung. Die Notwendigkeit, die Folgen der einen oder anderen Entscheidung unter Bedingungen der Ungewissheit zu bewerten, führte zur breiten Anwendung statistischer Testmethoden, der sogenannten „Monte-Carlo-Methoden“.

Gleichzeitig bildete sich innerhalb der „neuen“ Schule ein anderer Standpunkt heraus, wonach die spezifischen Merkmale des Managements mit dem wirtschaftlichen Aspekt der Tätigkeit verschiedener Systeme verbunden sind und daher der zentrale Schwerpunkt der Managementwissenschaft die Aufgabe der Quantifizierung und mathematischen Modellierung wirtschaftlicher Phänomene sein sollte. Dieser Standpunkt gab Anlass zum sogenannten ökonometrischen Ansatz bei der Analyse und Programmierung von Managementprozessen.

Von großer Bedeutung für die Entwicklung des ökonometrischen Ansatzes war die Entdeckung der Methode der linearen Optimierung im Jahr 1939 durch den sowjetischen Mathematiker und Nobelpreisträger L. W. Kantorowitsch, auf der die Forschung in diesem Bereich weitgehend beruht. Erst 10 Jahre später wurde diese Methode unabhängig davon vom amerikanischen Mathematiker G. Dantzig wiederentdeckt.

Der ökonometrische Ansatz gründet auf der Konstruktion von Modellen, die bestimmte wirtschaftliche Phänomene oder Prozesse in schematischer Form durch wissenschaftliche Abstraktion der charakteristischsten Merkmale dieser Phänomene und Prozesse widerspiegeln. Im Unterschied zu einem wirtschaftlichen Modell wird ein ökonometrisches Modell in mathematischer Form ausgedrückt. Diesem Ansatz zufolge weist jedes entwickelte wirtschaftsmathematische Modell vier eigenständige Aspekte auf:

Es spiegelt bestimmte wirtschaftliche Phänomene qualitativen Inhalts wider, die in besonderen Maßeinheiten ausgedrückt werden. Diese Größen sind gewissermaßen die Parameter des Modells.
Das Modell umfasst bestimmte quantitative Beziehungen und Abhängigkeiten zwischen den Parametern. Dabei kann es sich um Bilanzgleichungen handeln, die die Struktur des modellierten Prozesses definieren, oder um komplexere Abhängigkeiten, die die Ergebnisse von Prozessen mit ihren Ursachen verknüpfen.
Das Modell definiert den Bereich zulässiger Änderungen der Modellparameter in Zeit, Raum und Umfang. Dabei handelt es sich um die sogenannten Restriktionen, die den quantitativen Abhängigkeiten auferlegt werden.
Das Modell muss ein System aus miteinander verbundenen Parametern, Abhängigkeiten und Restriktionen mit definierten Eingaben und Ausgaben darstellen. Die Steuerung eines solchen Systems — das heißt, das Erzielen bestimmter Ergebnisse am Ausgang — muss durch die eine oder andere Form der Einwirkung auf die Eingaben erfolgen, ohne in seine innere Struktur einzugreifen.

Die Konstruktion ökonometrischer Modelle gliedert sich in vier Hauptstadien.

Das erste Stadium ist die Spezifikation, bei der die grundlegenden wirtschaftlichen Variablen formalisiert werden und mathematische Gleichungen auf der Grundlage anfänglicher Annahmen und Aussagen gesucht werden.
Das zweite Stadium ist die Identifikation, die darin besteht, die Werte der Parameter der im ersten Stadium durch Spezifikation gewonnenen Gleichungen zu ermitteln.
Das dritte Stadium ist die Verifikation, die darin besteht, Kriterien zur Bewertung der Qualität der Ergebnisse von Spezifikation und Identifikation zu definieren und auszuwählen — das heißt, den Grad der Angemessenheit der Modelle im Hinblick auf reale wirtschaftliche Prozesse. Erweisen sich die durch Spezifikation und Identifikation gewonnenen Modelle als unangemessen, so werden die Gültigkeit der anfänglichen Prämissen sowie die Auswahl und Formalisierung der wirtschaftlichen Variablen überprüft.
Das vierte Stadium ist die Prognose, das heißt das Verfahren zur Bestimmung der zukünftigen Werte der im ökonometrischen Modell enthaltenen Variablen.