Lielākā daļa riska sistēmu ir bojātas. Tās paļaujas tikai uz krāsainām matricām un iekšējām sajūtām, kamēr jūsu bizness zaudē miljonus neveiksmīgos projektos.
Esam veidojuši riska sistēmas Fortune 500 uzņēmumu sarakstā iekļautiem uzņēmumiem un novērojuši vienu un to pašu tendenci: komandas veido skaistas informācijas paneļus, kas izskatās iespaidīgi, bet nespēj atbildēt uz vienu svarīgu jautājumu - "Kāda ir reālā varbūtība, ka šis projekts būs veiksmīgs?".
Problēma nav jūsu komandas kompetencē. Problēma ir tā, ka tradicionālā riska pārvaldība nenoteiktību uzskata par statisku skaitli, lai gan patiesībā tā ir dzīvs, elpojošs zvērs, kas palielinās visā projekta dzīves ciklā.
Šajā rokasgrāmatā ir parādīts, kā Power BI izveidot kvantitatīvi izteiktu risku sistēmu, kas patiešām darbojas. Nekādas teorijas. Nekādas pūkainības. Tikai trīs galvenie komponenti, kas nošķir uzņēmumus, kuri īsteno projektus laikā un budžetā, no tiem, kuri tos neīsteno.
Tradicionālās riska pārvaldības problēma
Ieejiet jebkurā projekta sanāksmē, un jūs redzēsiet to pašu teātri: sarkani, dzelteni un zaļi punktiņi, kas izkaisīti pa risku reģistru. Ja kādam pajautāsiet, ko patiesībā nozīmē "vidējs risks", izsakot to dolāros un laika grafikā, jūs sastapsiet tukšu skatienu.
Lūk, kas ar šo pieeju ir nepareizi:
- Nav matemātiska pamatojuma: "Augsts risks" dažādiem cilvēkiem nozīmē dažādas lietas.
- Statiska domāšana: Riski apvienojas un mijiedarbojas, bet vairums sistēmu tos uzskata par atsevišķiem notikumiem.
- Nav datu līnijas: Jūs nevarat izsekot, kā tika izdarīti secinājumi, vai apstiprināt to pareizību.
- Manuālā pārvaldība: Risku pārskatīšana notiek sanāksmēs, nevis kodos
Rezultāts? Projekti, kas izskatās "zaļi", līdz pēkšņi tādi vairs nav. Tad jau ir par vēlu koriģēt kursu.
Mums bija vajadzīga citāda pieeja. Tāda, kas ar reāliem skaitļiem kvantitatīvi nosaka risku, seko līdzi tam, kā nenoteiktība plūst caur projekta atkarībām, un automatizē pārvaldību, lai problēmas parādītos, pirms tās kļūst par katastrofām.
1. komponents: Nenoteiktības izplatīšanās - riska matemātikas izmantošana
Nenoteiktības izplatīšanās izklausās sarežģīti, taču koncepcija ir vienkārša: ja nenoteiktas lietas uzkrāj vienu uz otras, kopējā nenoteiktība pieaug paredzamā veidā.
Padomājiet par to šādi: Ja uzdevums A aizņem 5-10 dienas un uzdevums B - 3-7 dienas, kopējais laiks nav 8-17 dienas. Matemātika ir niansētāka, ņemot vērā to, kā kombinējas varbūtību sadalījumi.
Lūk, kā mēs to īstenojam Power BI:
1. solis: definēt varbūtību sadalījumu
Tā vietā, lai teiktu "Uzdevums A ir vidēji riskants", mēs to definējam kā varbūtības sadalījumu. Mēs parasti izmantojam trīs punktu novērtējumus (optimistisks, visticamākais, pesimistisks), lai izveidotu Beta sadalījumu.
Programmā Power BI izveidojiet aprēķinātās kolonnas:
- Optimistiskais scenārijs (10. procentile)
- Visticamākais scenārijs (režīms)
- Pesimistiskais scenārijs (90. procentile)
2. solis: Izveidojiet izplatīšanas loģiku
Izveidojiet DAX pasākumus, kas matemātiski apvieno sadalījumus. Neatkarīgiem secīgiem uzdevumiem:
- Vidējais kopējais rādītājs = individuālo vidējo rādītāju summa
- Varianču kopsumma = individuālo variāciju summa
- Standartnovirze kopā = kopējās dispersijas kvadrātsakne
Korelētiem riskiem aprēķinu koriģēšanai pievienojiet korelācijas koeficientus.
3. solis: Vizualizējiet nenoteiktības diapazonus
Izmantojiet Power BI kļūdu joslas un ticamības intervāla diagrammas, lai parādītu varbūtības diapazonus, nevis punktu aplēses. Jūsu ieinteresētajām personām ir jāredz, ka "3 mēneši" patiesībā nozīmē "2,1 līdz 4,2 mēneši ar 80% ticamību".
Šī pieeja mainīja viena klienta $50M infrastruktūras projekta pārvaldību. Tā vietā, lai atklātu budžeta pārsniegšanu 60% pabeigšanas brīdī, viņi identificēja izmaksu centrus ar lielām svārstībām 15% pabeigšanas brīdī un veica koriģējošus pasākumus.
2. komponents: Lineage Trust Scores - zināt, kam var ticēt
Ne visi dati ir vienādi. Jūsu pieredzējušākā inženiera izmaksu aplēsēm ir lielāks svars nekā jaunākā analītiķa, kas izmanto novecojušus pieņēmumus.
Līnijpārvadātāju uzticamības rādītāji kvantificē datu uzticamību, lai jūs varētu attiecīgi novērtēt riska aprēķinus.
Kā darbojas uzticības rādītāji
Mēs piešķiram skaitliskos punktus (skala 0-1), pamatojoties uz četriem faktoriem:
- Avota uzticamība: Personas vai sistēmas, kas sniedz aplēses, darbības vēsture.
- Datu svaigums: Cik jauna ir pamatinformācija
- Metodes kvalitāte: Vai tas bija neapdomīgs minējums vai balstījās uz vēsturisku analīzi.
- Apstiprināšanas līmenis: Cik neatkarīgu pārbaužu ir izturējuši šie dati
Īstenošana Power BI
Izveidojiet datu kvalitātes tabulu, kurā var izsekot:
- Datu avota ID
- Pēdējās atjaunināšanas laika zīmogs
- Izmantotā metode (meklēšanas tabula ar vērtējumiem)
- Apstiprinājumu skaits
- Avota kompetences līmenis
Izveidojiet aprēķināto sleju, kurā šie faktori tiek apvienoti saliktā uzticamības vērtējumā:
Uzticamības rādītājs = (avota svars * metodes svars * svaiguma svars * validācijas svars) / 4
Uzticības punktu izmantošana riska aprēķinos
Sveriet nenoteiktības diapazonus pēc uzticamības rādītājiem. Zemas ticamības aplēsēm ir lielāki ticamības intervāli. Augstas ticamības aplēsēm ir šaurāki intervāli.
Tādējādi tiek novērsta problēma "atkritumi-ie-atkritumi", kas iznīcina lielāko daļu analītisko projektu. Jūs ne tikai aprēķināt risku - jūs aprēķināt risku, pamatojoties uz to, cik lielā mērā jums vajadzētu uzticēties saviem ievaddatiem.
Viens ražošanas klients izmantoja šo pieeju, lai noteiktu, ka tā "zema riska" piegādātāju novērtējumi balstījās uz divu gadu veciem finanšu datiem. Atjauninot analīzi ar jaunākajiem datiem, trīs "zaļie" piegādātāji tika pārcelti uz "sarkanajiem" - divas nedēļas pirms lieliem piegādes ķēdes traucējumiem.
3. komponents: pārvaldība kā kods - drošības tīkla automatizācija
Manuālā pārvaldība nav mērogojama, un tā ir nekonsekventa. Tas, kas tiek atzīmēts kā risks, ir atkarīgs no tā, kuram ir laba diena un kurš atceras pārbaudīt.
Vadība kā kods automatizē riska atklāšanu un eskalāciju, izmantojot iepriekš definētus noteikumus, kas tiek palaisti katru reizi, kad dati tiek atjaunoti.
Automatizētu riska noteikumu izveide
Riska robežvērtības definējiet kā DAX mērījumus, nevis kā stingri kodētas vērtības. Piemēri:
- Budžeta novirze pārsniedz 15% no apstiprinātās summas
- Grafiks uzticamība samazinās zem 70%
- Jebkuram kritiskā ceļa uzdevumam ir uzticamības rādītājs zem 0,6.
- 30 dienu laikā nav apstiprināti trīs vai vairāk pieņēmumi.
Eskalācijas loģika
Izveidojiet aprēķinātās kolonnas, kas izraisa dažādus atbildes līmeņus:
- Zaļā krāsā: Visas robežvērtības ir sasniegtas, nav nepieciešams rīkoties
- Dzeltens: Pārkāpts viens slieksnis, pastiprināt uzraudzību
- Sarkans: Pārkāptas vairākas robežvērtības, nepieciešama tūlītēja pārskatīšana
Integrācija ar Power Automate
Savienojiet pārvaldības noteikumus ar Power Automate plūsmām, kas:
- Automatizētu brīdinājumu nosūtīšana, ja tiek pārkāptas robežvērtības.
- Izveidot uzdevumus projektu vadības sistēmās
- Plānojiet pārskata sanāksmes ar attiecīgajām ieinteresētajām personām.
- Izņēmumu ziņojumu sagatavošana augstākajai vadībai
Audita izsekojamība
Reģistrējiet katru pārvaldības darbību, norādot laika zīmogus, iedarbināšanas nosacījumus un veiktās atbildes. Tādējādi tiek radīta revīzijas liecība, kas ir būtiska nepārtrauktai uzlabošanai un normatīvo aktu ievērošanai.
Kāds būvniecības klients ieviesa šo pieeju un sešu mēnešu laikā samazināja vidējo projekta pārsniegumu no 23% līdz 8%. Tā vietā, lai paļautos uz to, ka projektu vadītāji problēmas atklāj manuāli, sistēma automātiski konstatēja apjoma paplašināšanos un resursu konfliktus.
Integrācijas stratēģija: Komponentu savstarpēja sadarbība
Katrs no šiem trim komponentiem atsevišķi ir spēcīgs, bet pareizi integrēti tie ir pārveidojoši.
Datu plūsmas arhitektūra
Strukturējiet Power BI modeli ar skaidru datu secību:
- Avota slānis: Neapstrādāti projekta dati ar uzticamības novērtējuma metadatiem
- Aprēķina slānis: Nenoteiktības izplatīšanās un riska kvantitatīva noteikšana
- Pārvaldības slānis: Automatizēta noteikumu novērtēšana un izņēmumu atzīmēšana
- Prezentācijas slānis: Informācijas paneļi un ziņojumi dažādām ieinteresēto personu vajadzībām
Atgriezeniskās saites cilpas
Izveidojiet mehānismus, lai laika gaitā uzlabotu sistēmu:
- Salīdziniet prognozētos un faktiskos rezultātus, lai kalibrētu savus modeļus.
- Izsekojiet, kuri pārvaldības noteikumi rada viltus pozitīvus rezultātus, un pielāgojiet robežvērtības.
- Atjaunināt uzticamības rādītājus, pamatojoties uz avotu vēsturisko precizitāti.
Īstenošanas ceļvedis
Nemēģiniet izveidot visu uzreiz. Šeit ir aprakstīta secība, kas darbojas:
1. posms (1.-4. nedēļa): Pamati
- Iestatīt nenoteiktības izplatīšanas pamatprincipus vienam projektam
- Definēt uzticamības novērtējuma metodoloģiju
- Ieviest trīs galvenos pārvaldības noteikumus
2. posms (5.-8. nedēļa): Paplašināšanās
- Pievienot korelācijas modelēšanu atkarīgiem riskiem
- Automatizēt uzticamības rādītāju aprēķinus
- Savienojiet pārvaldības brīdinājumus ar Power Automate
3. posms (9.-12. nedēļa): Optimizācija
- Īstenot atgriezeniskās saites cilpas un modeļa kalibrēšanu
- Pievienojiet prognozējošo analītiku agrīnai riska noteikšanai
- Mēroga mērogs vairākos projektos un portfeļos
Secinājums
Risku pārvaldība nav saistīta ar skaistu informācijas paneļu veidošanu vai atbilstības kontrolsarakstu ievērošanu. Runa ir par tādu sistēmu izveidi, kas sniedz precīzu un izmantojamu informāciju, kad ir jāpieņem lēmumi.
Mūsu izklāstītā kvantitatīvā riska sistēma - nenoteiktības izplatīšanās, uzticamības rādītāji un pārvaldība kā kods - novērš galvenos tradicionālo pieeju trūkumus:
- Tā aizstāj subjektīvus riska novērtējumus ar matemātiskiem modeļiem.
- Tā ņem vērā, kā riski pastiprinās un mijiedarbojas.
- Tā nosaka lēmumu svarīgumu, pamatojoties uz datu kvalitāti.
- Tā automatizē atklāšanu un reaģēšanu
Esam novērojuši, ka šī pieeja samazina projektu neveiksmju rādītājus par 40-60% dažādās nozarēs. Atšķirība nav instrumentos - tā ir sistemātiskā domāšana par nenoteiktību un pārvaldību.
Jūsu projekti ir pārāk svarīgi, lai tos pārvaldītu ar minējumiem un ikmēneša sanāksmēm. Izveidojiet sistēmas, kas darbojas automātiski, agrīni atklāj problēmas un dod jums pārliecību veikt lielākas likmes.
Matemātika vairs nav obligāta. Vai nu jūs pareizi kvantitatīvi novērtējat risku, vai arī risks kvantitatīvi novērtē jūs.
