{"id":13931,"date":"2025-09-30T16:57:43","date_gmt":"2025-09-30T14:57:43","guid":{"rendered":"https:\/\/www.leaplytics.de\/?p=13931"},"modified":"2025-09-30T17:22:05","modified_gmt":"2025-09-30T15:22:05","slug":"kiekybines-rizikos-sistemos-kurimas-power-bi-neapibreztumo-sklaidos-linijoje-pasitikejimo-balai-ir-valdymas-kaip-kodas","status":"publish","type":"post","link":"https:\/\/www.leaplytics.de\/lt\/kiekybines-rizikos-sistemos-kurimas-power-bi-neapibreztumo-sklaidos-linijoje-pasitikejimo-balai-ir-valdymas-kaip-kodas\/","title":{"rendered":"Kiekybin\u0117s rizikos sistema \"Power BI\": neapibr\u0117\u017etumo sklaida, pasitik\u0117jimo balai ir valdymas kaip kodas"},"content":{"rendered":"<p>Dauguma rizikos sistem\u0173 yra pa\u017eeistos. Jos remiasi tik spalvotomis matricomis ir nuojautomis, o j\u016bs\u0173 verslas pra\u017eudo milijonus nes\u0117kming\u0173 projekt\u0173.<\/p>\n<p>K\u016br\u0117me rizikos sistemas \"Fortune 500\" bendrov\u0117ms ir mat\u0117me t\u0105 pat\u012f pavyzd\u012f: komandos kuria gra\u017eias, \u012fsp\u016bdingai atrodan\u010dias informacines lenteles, ta\u010diau negali atsakyti \u012f vienintel\u012f svarb\u0173 klausim\u0105: \"Kokia reali tikimyb\u0117, kad \u0161is projektas bus s\u0117kmingas?\"<\/p>\n<p>Problema n\u0117ra j\u016bs\u0173 komandos kompetencija. Problema ta, kad tradicinis rizikos valdymas neapibr\u0117\u017etum\u0105 traktuoja kaip stati\u0161k\u0105 skai\u010di\u0173, nors i\u0161 tikr\u0173j\u0173 jis yra gyvas, kv\u0117puojantis \u017ev\u0117ris, kuris did\u0117ja per vis\u0105 projekto gyvavimo cikl\u0105.<\/p>\n<p>\u0160iame vadove parodoma, kaip \"Power BI\" programoje sukurti i\u0161 tikr\u0173j\u0173 veikian\u010di\u0105 kiekybin\u0117s rizikos sistem\u0105. Jokios teorijos. Joki\u0173 p\u016bst\u0173 \u017eod\u017ei\u0173. Tik trys pagrindiniai komponentai, skiriantys \u012fmones, kurios projektus \u012fgyvendina laiku ir pagal biud\u017eet\u0105, nuo t\u0173, kurios j\u0173 ne\u012fgyvendina.<\/p>\n<h2>Tradicinio rizikos valdymo problema<\/h2>\n<p>At\u0117j\u0119 \u012f bet kur\u012f projekto susirinkim\u0105 pamatysite t\u0105 pat\u012f teatr\u0105: raudonus, geltonus ir \u017ealius ta\u0161kus, i\u0161sibars\u010diusius rizikos registre. Paklauskite, k\u0105 i\u0161 tikr\u0173j\u0173 rei\u0161kia \"vidutin\u0117 rizika\", vertinant j\u0105 doleriais ir poveikiu terminams, ir sulauksite tu\u0161\u010di\u0173 \u017evilgsni\u0173.<\/p>\n<p>\u0160tai kas yra negerai taikant \u0161\u012f po\u017ei\u016br\u012f:<\/p>\n<ul>\n<li><strong>Jokio matematinio pagrindo:<\/strong> \"Didel\u0117 rizika\" skirtingiems \u017emon\u0117ms rei\u0161kia skirtingus dalykus<\/li>\n<li><strong>Stati\u0161kas m\u0105stymas:<\/strong> Rizika did\u0117ja ir s\u0105veikauja tarpusavyje, ta\u010diau daugumoje sistem\u0173 ji traktuojama kaip pavieniai \u012fvykiai.<\/li>\n<li><strong>N\u0117ra duomen\u0173 linijos:<\/strong> Negalite atsekti, kaip buvo padarytos i\u0161vados, ir patvirtinti j\u0173 tikslumo.<\/li>\n<li><strong>Rankinis valdymas:<\/strong> Rizikos per\u017ei\u016bra atliekama susitikimuose, o ne koduose<\/li>\n<\/ul>\n<p>Rezultatas? Projektai, kurie atrodo \"\u017eali\", kol staiga tampa \"\u017ealiais\". Tuomet jau b\u016bna per v\u0117lu koreguoti kurs\u0105.<\/p>\n<p>Mums reik\u0117jo kitokio po\u017ei\u016brio. Tokio, kuris kiekybi\u0161kai \u012fvertint\u0173 rizik\u0105 realiais skai\u010diais, steb\u0117t\u0173, kaip neapibr\u0117\u017etumas sklinda per projekto priklausomybes, ir automatizuot\u0173 valdym\u0105, kad problemos i\u0161ry\u0161k\u0117t\u0173 anks\u010diau, nei virsta katastrofomis.<\/p>\n<h2>1 komponentas: Neapibr\u0117\u017etumo sklaida - rizikos matematikos taikymas<\/h2>\n<p>Neapibr\u0117\u017etumo sklaida skamba sud\u0117tingai, ta\u010diau koncepcija paprasta: kai neapibr\u0117\u017eti dalykai sudedami vienas ant kito, bendras neapibr\u0117\u017etumas did\u0117ja nusp\u0117jamu b\u016bdu.<\/p>\n<p>Pagalvokite apie tai taip: Jei A u\u017eduotis trunka 5-10 dien\u0173, o B - 3-7 dienas, bendras laikas n\u0117ra 8-17 dien\u0173. Matematiniai skai\u010diavimai yra sud\u0117tingesni d\u0117l to, kaip derinami tikimybi\u0173 pasiskirstymai.<\/p>\n<p>\u0160tai kaip tai \u012fgyvendiname \"Power BI\":<\/p>\n<h3>1 \u017eingsnis: apibr\u0117\u017ekite tikimybi\u0173 skirstinius<\/h3>\n<p>U\u017euot sak\u0119 \"U\u017eduotis A yra vidutin\u0117s rizikos\", apibr\u0117\u017eiame j\u0105 kaip tikimybi\u0173 pasiskirstym\u0105. Paprastai naudojame trij\u0173 ta\u0161k\u0173 \u012fver\u010dius (optimistin\u012f, labiausiai tik\u0117tin\u0105, pesimistin\u012f), kad sukurtume beta pasiskirstym\u0105.<\/p>\n<p>Programoje \"Power BI\" sukurkite apskai\u010diuotus stulpelius:<\/p>\n<ul>\n<li>Optimistinis scenarijus (10 procentilis)<\/li>\n<li>Labiausiai tik\u0117tinas scenarijus (re\u017eimas)<\/li>\n<li>Pesimistinis scenarijus (90-oji procentil\u0117)<\/li>\n<\/ul>\n<h3>2 veiksmas: sukurti sklaidos logik\u0105<\/h3>\n<p>Kurkite DAX priemones, kurios matemati\u0161kai sujungia pasiskirstymus. Nepriklausomoms u\u017eduotims i\u0161 eil\u0117s:<\/p>\n<ul>\n<li>Bendras vidurkis = atskir\u0173 vidurki\u0173 suma<\/li>\n<li>Bendras nuokrypis = atskir\u0173 nuokrypi\u0173 suma<\/li>\n<li>Bendras standartinis nuokrypis = kvadratin\u0117 \u0161aknis i\u0161 bendro nuokrypio<\/li>\n<\/ul>\n<p>Koreliuotai rizikai apskai\u010diuoti prid\u0117kite koreliacijos koeficientus, kad pakoreguotum\u0117te skai\u010diavimus.<\/p>\n<h3>3 \u017eingsnis: vizualizuokite neapibr\u0117\u017etumo intervalus<\/h3>\n<p>Naudokite \"Power BI\" paklaid\u0173 juostas ir pasikliautinojo intervalo diagramas, kad parodytum\u0117te ne ta\u0161kinius \u012fver\u010dius, o tikimybi\u0173 intervalus. Suinteresuotosios \u0161alys turi matyti, kad \"3 m\u0117nesiai\" i\u0161 tikr\u0173j\u0173 rei\u0161kia \"nuo 2,1 iki 4,2 m\u0117nesio su 80% patikimumu\".<\/p>\n<p>\u0160is metodas pakeit\u0117 vieno kliento $50M infrastrukt\u016bros projekto valdym\u0105. U\u017euot nusta\u010dius biud\u017eeto vir\u0161ijim\u0105, kai projektas buvo baigtas 60%, jie nustat\u0117 didelio kintamumo s\u0105naud\u0173 centrus, kai projektas buvo baigtas 15%, ir \u0117m\u0117si taisom\u0173j\u0173 veiksm\u0173.<\/p>\n<h2>2 komponentas: \"Lineage Trust Scores\" - \u017einojimas, kuo galite tik\u0117ti<\/h2>\n<p>Ne visi duomenys yra vienodi. Labiausiai patyrusio in\u017einieriaus parengta i\u0161laid\u0173 s\u0105mata yra svarbesn\u0117 nei jaunesniojo analitiko, kuris remiasi pasenusiomis prielaidomis.<\/p>\n<p>Linijos patikimumo balai kiekybi\u0161kai \u012fvertina duomen\u0173 patikimum\u0105, kad gal\u0117tum\u0117te atitinkamai \u012fvertinti savo rizikos skai\u010diavimus.<\/p>\n<h3>Kaip veikia pasitik\u0117jimo balai<\/h3>\n<p>Skaitmeninius balus (0-1 skal\u0117) skiriame remdamiesi keturiais veiksniais:<\/p>\n<ul>\n<li><strong>\u0160altinio patikimumas:<\/strong> S\u0105mat\u0105 teikian\u010dio asmens ar sistemos veiklos istorija<\/li>\n<li><strong>Duomen\u0173 \u0161vie\u017eumas:<\/strong> Kiek nauja yra pagrindin\u0117 informacija<\/li>\n<li><strong>Metodo kokyb\u0117:<\/strong> Ar tai buvo neapgalvotas sp\u0117jimas, ar paremtas istorine analize<\/li>\n<li><strong>Patvirtinimo lygis:<\/strong> Kiek nepriklausom\u0173 patikrinim\u0173 \u0161ie duomenys pra\u0117jo<\/li>\n<\/ul>\n<h3>\u012egyvendinimas \"Power BI<\/h3>\n<p>Sukurkite duomen\u0173 kokyb\u0117s lentel\u0119, kurioje stebima:<\/p>\n<ul>\n<li>Duomen\u0173 \u0161altinio ID<\/li>\n<li>Paskutinio atnaujinimo laiko \u017eyma<\/li>\n<li>Taikytas metodas (paie\u0161kos lentel\u0117 su balais)<\/li>\n<li>Patvirtinim\u0173 skai\u010dius<\/li>\n<li>\u0160altinio kompetencijos lygis<\/li>\n<\/ul>\n<p>Sukurkite apskai\u010diuot\u0105 stulpel\u012f, kuriame \u0161ie veiksniai sujungiami \u012f sud\u0117tin\u012f pasitik\u0117jimo bal\u0105:<\/p>\n<p><code>Pasitik\u0117jimo balas = (\u0161altinio svoris * metodo svoris * \u0161vie\u017eumo svoris * patvirtinimo svoris) \/ 4<\/code><\/p>\n<h3>Pasitik\u0117jimo bal\u0173 naudojimas apskai\u010diuojant rizik\u0105<\/h3>\n<p>\u012evertinkite neapibr\u0117\u017etumo intervalus pagal pasitik\u0117jimo balus. Ma\u017eo patikimumo \u012fver\u010diams suteikiami platesni pasikliautinieji intervalai. Didelio pasitik\u0117jimo \u012fver\u010diai yra glaudesni.<\/p>\n<p>Taip i\u0161vengiama daugumos analitikos projekt\u0173 \u017elugdymo problemos \"\u0161iuk\u0161l\u0117s \u012f \u0161iuk\u0161lyn\u0105\" ir \"\u0161iuk\u0161l\u0117s i\u0161 \u0161iuk\u0161lyno\". J\u016bs ne tik skai\u010diuojate rizik\u0105 - j\u016bs skai\u010diuojate rizik\u0105 remdamiesi tuo, kiek tur\u0117tum\u0117te pasitik\u0117ti savo \u012fvesties duomenimis.<\/p>\n<p>Vienas gamybos klientas, pasinaudoj\u0119s \u0161iuo metodu, nustat\u0117, kad jo \"ma\u017eos rizikos\" tiek\u0117j\u0173 vertinimai buvo pagr\u012fsti dvej\u0173 met\u0173 senumo finansiniais duomenimis. Atnaujinus analiz\u0119 naujausiais duomenimis, trys \"\u017ealieji\" tiek\u0117jai tapo \"raudonaisiais\" - likus dviem savait\u0117ms iki didelio tiekimo grandin\u0117s sutrikimo.<\/p>\n<h2>3 komponentas: valdymas kaip kodas - saugos tinklo automatizavimas<\/h2>\n<p>Rankinis valdymas n\u0117ra pritaikomas ir yra nenuoseklus. Tai, kas bus pa\u017eym\u0117ta kaip rizika, priklauso nuo to, kas turi ger\u0105 dien\u0105 ir kas nepamir\u0161ta patikrinti.<\/p>\n<p>Valdymas kaip kodas automatizuoja rizikos aptikim\u0105 ir eskalavim\u0105 naudojant i\u0161 anksto nustatytas taisykles, kurios paleid\u017eiamos kiekvien\u0105 kart\u0105 atnaujinus duomenis.<\/p>\n<h3>Automatini\u0173 rizikos taisykli\u0173 k\u016brimas<\/h3>\n<p>Apibr\u0117\u017ekite rizikos ribas kaip DAX priemones, o ne kaip kietai u\u017ekoduotas vertes. Pavyzd\u017eiai:<\/p>\n<ul>\n<li>Biud\u017eeto nuokrypis vir\u0161ija 15% patvirtintos sumos<\/li>\n<li>Tvarkara\u0161\u010dio patikimumas suma\u017e\u0117ja \u017eemiau 70%<\/li>\n<li>Bet kurios kritinio kelio u\u017eduoties pasitik\u0117jimo rodiklis yra ma\u017eesnis nei 0,6<\/li>\n<li>Trys ar daugiau prielaid\u0173 nebuvo patvirtintos per 30 dien\u0173<\/li>\n<\/ul>\n<h3>Eskalavimo logika<\/h3>\n<p>Sukurkite apskai\u010diuotus stulpelius, kurie sukelia skirtingus atsako lygius:<\/p>\n<ul>\n<li><strong>\u017dalia spalva:<\/strong> Visos ribos pasiektos, veiksm\u0173 imtis nereikia<\/li>\n<li><strong>Geltonos spalvos:<\/strong> Pa\u017eeista viena riba, sustiprinkite steb\u0117sen\u0105<\/li>\n<li><strong>Raudona spalva:<\/strong> Pa\u017eeistos kelios ribos, b\u016btina nedelsiant atlikti per\u017ei\u016br\u0105<\/li>\n<\/ul>\n<h3>Integracija su \"Power Automate<\/h3>\n<p>Prijunkite valdymo taisykles prie \"Power Automate\" sraut\u0173, kurie:<\/p>\n<ul>\n<li>Si\u0173skite automatinius \u012fsp\u0117jimus, kai pa\u017eeid\u017eiamos ribos<\/li>\n<li>Kurti u\u017eduotis projekt\u0173 valdymo sistemose<\/li>\n<li>Numatyti per\u017ei\u016bros susitikimus su atitinkamomis suinteresuotosiomis \u0161alimis<\/li>\n<li>rengti i\u0161im\u010di\u0173 ataskaitas vyresniajai vadovybei<\/li>\n<\/ul>\n<h3>Audito seka<\/h3>\n<p>Registruokite kiekvien\u0105 valdymo veiksm\u0105, nurodydami laiko \u017eymes, paleidimo s\u0105lygas ir atliktus atsakymus. Taip sukuriama audito seka, kuri yra b\u016btina nuolatiniam tobul\u0117jimui ir atitikties teis\u0117s akt\u0173 reikalavimams u\u017etikrinimui.<\/p>\n<p>Statyb\u0173 klientas \u012fgyvendino \u0161\u012f metod\u0105 ir per \u0161e\u0161is m\u0117nesius suma\u017eino vidutin\u012f projekto vir\u0161ijim\u0105 nuo 23% iki 8%. Sistema automati\u0161kai u\u017efiksavo apimties did\u0117jim\u0105 ir i\u0161tekli\u0173 konfliktus, u\u017euot pasikliovus, kad projekto vadovai problemas nustatys rankiniu b\u016bdu.<\/p>\n<h2>Integracijos strategija: Komponent\u0173 suderinimas<\/h2>\n<p>\u0160ios trys sudedamosios dalys yra galingos kiekviena atskirai, ta\u010diau tinkamai integruotos kei\u010dia situacij\u0105.<\/p>\n<h3>Duomen\u0173 srauto architekt\u016bra<\/h3>\n<p>Sukurkite \"Power BI\" modelio strukt\u016br\u0105 su ai\u0161kiu duomen\u0173 eili\u0161kumu:<\/p>\n<ol>\n<li><strong>\u0160altinio sluoksnis:<\/strong> Neapdoroti projekto duomenys su pasitik\u0117jimo bal\u0173 metaduomenimis<\/li>\n<li><strong>Skai\u010diavimo sluoksnis:<\/strong> Neapibr\u0117\u017etumo sklaida ir rizikos kiekybinis \u012fvertinimas<\/li>\n<li><strong>Valdymo lygmuo:<\/strong> Automatinis taisykli\u0173 vertinimas ir i\u0161im\u010di\u0173 \u017eym\u0117jimas<\/li>\n<li><strong>Pristatymo sluoksnis:<\/strong> \u012evairi\u0173 suinteresuot\u0173j\u0173 \u0161ali\u0173 poreikiams skirtos prietais\u0173 skydeliai ir ataskaitos<\/li>\n<\/ol>\n<h3>Gr\u012f\u017etamojo ry\u0161io kilpos<\/h3>\n<p>Sukurkite mechanizmus, kurie laikui b\u0117gant pad\u0117t\u0173 tobulinti sistem\u0105:<\/p>\n<ul>\n<li>Palyginkite prognozuojamus ir faktinius rezultatus, kad gal\u0117tum\u0117te kalibruoti savo modelius.<\/li>\n<li>Steb\u0117kite, kurios valdymo taisykl\u0117s sukelia klaidingus teigiamus rezultatus, ir koreguokite ribas.<\/li>\n<li>Atnaujinti pasitik\u0117jimo balus pagal istorin\u012f \u0161altini\u0173 tikslum\u0105<\/li>\n<\/ul>\n<h2>\u012egyvendinimo planas<\/h2>\n<p>Nesistenkite visko sukurti i\u0161 karto. \u0160tai tokia seka, kuri veikia:<\/p>\n<h3>1 etapas (1-4 savait\u0117s): Fondas<\/h3>\n<ul>\n<li>Nustatykite pagrindin\u012f neapibr\u0117\u017etumo skleidim\u0105 vienam projektui<\/li>\n<li>Apibr\u0117\u017eti pasitik\u0117jimo vertinimo metodik\u0105<\/li>\n<li>\u012egyvendinti tris pagrindines valdymo taisykles<\/li>\n<\/ul>\n<h3>2 etapas (5-8 savait\u0117s): Pl\u0117tra<\/h3>\n<ul>\n<li>Prid\u0117ti priklausomos rizikos koreliacijos modeliavim\u0105<\/li>\n<li>Automatizuokite pasitik\u0117jimo bal\u0173 skai\u010diavimus<\/li>\n<li>Valdymo \u012fsp\u0117jim\u0173 prijungimas prie \"Power Automate<\/li>\n<\/ul>\n<h3>3 etapas (9-12 savait\u0117s): Optimizavimas<\/h3>\n<ul>\n<li>\u012egyvendinti gr\u012f\u017etamojo ry\u0161io ciklus ir modelio kalibravim\u0105<\/li>\n<li>Prid\u0117ti prognozavimo analiz\u0119 ankstyvam rizikos nustatymui<\/li>\n<li>Keli\u0173 projekt\u0173 ir portfeli\u0173 mastelio keitimas<\/li>\n<\/ul>\n<h2>I\u0161vada<\/h2>\n<p>Rizikos valdymas - tai ne gra\u017ei\u0173 prietais\u0173 skydeli\u0173 k\u016brimas ar atitikties kontrolini\u0173 s\u0105ra\u0161\u0173 laikymasis. Reikia kurti sistemas, kurios suteikia tiksli\u0105 ir tinkam\u0105 informacij\u0105, kai reikia priimti sprendimus.<\/p>\n<p>M\u016bs\u0173 apra\u0161yta kiekybin\u0117s rizikos sistema - neapibr\u0117\u017etumo sklaida, linijiniai patikimumo balai ir valdymas kaip kodas - pa\u0161alina pagrindinius tradicini\u0173 metod\u0173 tr\u016bkumus:<\/p>\n<ul>\n<li>Subjektyvius rizikos vertinimus pakei\u010dia matematiniai modeliai.<\/li>\n<li>Jame atsi\u017evelgiama \u012f tai, kaip rizika did\u0117ja ir s\u0105veikauja tarpusavyje.<\/li>\n<li>Sprendim\u0173 svoris priklauso nuo duomen\u0173 kokyb\u0117s.<\/li>\n<li>Automatizuotas aptikimas ir reagavimas<\/li>\n<\/ul>\n<p>Pasteb\u0117jome, kad \u0161is metodas \u012fvairiose pramon\u0117s \u0161akose suma\u017eina projekt\u0173 nes\u0117kmi\u0173 skai\u010di\u0173 40-60%. Skirtumas ne \u012frankiuose, o sisteminiame m\u0105styme apie neapibr\u0117\u017etum\u0105 ir valdym\u0105.<\/p>\n<p>J\u016bs\u0173 projektai yra pernelyg svarb\u016bs, kad juos b\u016bt\u0173 galima valdyti sp\u0117jimais ir kasm\u0117nesiniais susitikimais. Sukurkite sistemas, kurios veikt\u0173 automati\u0161kai, anksti atskleist\u0173 problemas ir suteikt\u0173 jums pasitik\u0117jimo, kad gal\u0117tum\u0117te atlikti didesnius statymus.<\/p>\n<p>Matematika neb\u0117ra pasirenkama. Arba j\u016bs tinkamai kiekybi\u0161kai \u012fvertinate rizik\u0105, arba rizika kiekybi\u0161kai \u012fvertins jus.<\/p>","protected":false},"excerpt":{"rendered":"<p>Dauguma rizikos sistem\u0173 yra pa\u017eeistos. Jos remiasi tik spalvotomis matricomis ir nuojautomis, o j\u016bs\u0173 verslas pra\u017eudo milijonus nes\u0117kming\u0173 projekt\u0173. K\u016br\u0117me rizikos sistemas \"Fortune 500\" s\u0105ra\u0161o bendrov\u0117ms ir mat\u0117me t\u0105 pat\u012f model\u012f: komandos kuria gra\u017eias prietais\u0173 lenteles, kurios atrodo \u012fsp\u016bdingai, bet negali atsakyti \u012f vienintel\u012f svarb\u0173 klausim\u0105 - \"Kokia tikroji ... <\/p>","protected":false},"author":2,"featured_media":13440,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-13931","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news","latest_post"],"_links":{"self":[{"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/posts\/13931","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/comments?post=13931"}],"version-history":[{"count":5,"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/posts\/13931\/revisions"}],"predecessor-version":[{"id":13949,"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/posts\/13931\/revisions\/13949"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/media\/13440"}],"wp:attachment":[{"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/media?parent=13931"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/categories?post=13931"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/tags?post=13931"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}