{"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":"projektowanie-kwantyfikowanych-ram-ryzyka-w-power-bi-propagacja-niepewnosci-lineage-wyniki-zaufania-i-zarzadzanie-jako-kod","status":"publish","type":"post","link":"https:\/\/www.leaplytics.de\/pl\/projektowanie-kwantyfikowanych-ram-ryzyka-w-power-bi-propagacja-niepewnosci-lineage-wyniki-zaufania-i-zarzadzanie-jako-kod\/","title":{"rendered":"Ramy kwantyfikowanego ryzyka w Power BI: propagacja niepewno\u015bci, wyniki zaufania i zarz\u0105dzanie kodem"},"content":{"rendered":"<p>Wi\u0119kszo\u015b\u0107 ram ryzyka jest zepsuta. Opieraj\u0105 si\u0119 one wy\u0142\u0105cznie na kolorowych matrycach i przeczuciach, podczas gdy firma przepuszcza miliony na nieudane projekty.<\/p>\n<p>Tworzyli\u015bmy systemy ryzyka dla firm z listy Fortune 500 i widzieli\u015bmy ten sam schemat: zespo\u0142y tworz\u0105 pi\u0119kne pulpity nawigacyjne, kt\u00f3re wygl\u0105daj\u0105 imponuj\u0105co, ale nie potrafi\u0105 odpowiedzie\u0107 na jedno wa\u017cne pytanie - \"Jakie jest rzeczywiste prawdopodobie\u0144stwo, \u017ce ten projekt si\u0119 powiedzie?\".<\/p>\n<p>Problemem nie s\u0105 kompetencje zespo\u0142u. Tradycyjne zarz\u0105dzanie ryzykiem traktuje niepewno\u015b\u0107 jak statyczn\u0105 liczb\u0119, podczas gdy w rzeczywisto\u015bci jest to \u017cywa, oddychaj\u0105ca bestia, kt\u00f3ra narasta przez ca\u0142y cykl \u017cycia projektu.<\/p>\n<p>Ten przewodnik pokazuje, jak zbudowa\u0107 kwantyfikowan\u0105 struktur\u0119 ryzyka w Power BI, kt\u00f3ra faktycznie dzia\u0142a. Bez teorii. \u017badnych bzdur. Tylko trzy podstawowe elementy, kt\u00f3re oddzielaj\u0105 firmy realizuj\u0105ce projekty na czas i w ramach bud\u017cetu od tych, kt\u00f3re tego nie robi\u0105.<\/p>\n<h2>Problem z tradycyjnym zarz\u0105dzaniem ryzykiem<\/h2>\n<p>Wejd\u017a na dowolne spotkanie projektowe, a zobaczysz ten sam teatr: czerwone, \u017c\u00f3\u0142te i zielone kropki rozrzucone po rejestrze ryzyka. Zapytaj kogokolwiek, co \"\u015brednie ryzyko\" faktycznie oznacza w dolarach i wp\u0142ywie na o\u015b czasu, a otrzymasz puste spojrzenia.<\/p>\n<p>Oto, co jest nie tak z tym podej\u015bciem:<\/p>\n<ul>\n<li><strong>Brak podstaw matematycznych:<\/strong> \"Wysokie ryzyko\" oznacza r\u00f3\u017cne rzeczy dla r\u00f3\u017cnych os\u00f3b<\/li>\n<li><strong>My\u015blenie statyczne:<\/strong> Ryzyko jest z\u0142o\u017cone i wzajemnie na siebie oddzia\u0142uje, ale wi\u0119kszo\u015b\u0107 ram traktuje je jako pojedyncze zdarzenia<\/li>\n<li><strong>Brak linii danych:<\/strong> Nie mo\u017cna prze\u015bledzi\u0107, w jaki spos\u00f3b wyci\u0105gni\u0119to wnioski, ani zweryfikowa\u0107 ich dok\u0142adno\u015bci<\/li>\n<li><strong>Zarz\u0105dzanie r\u0119czne:<\/strong> Przegl\u0105dy ryzyka odbywaj\u0105 si\u0119 na spotkaniach, a nie w kodzie<\/li>\n<\/ul>\n<p>Rezultat? Projekty, kt\u00f3re wygl\u0105daj\u0105 \"zielono\", dop\u00f3ki nagle takie nie s\u0105. Wtedy jest ju\u017c za p\u00f3\u017ano na korekt\u0119 kursu.<\/p>\n<p>Potrzebowali\u015bmy innego podej\u015bcia. Takiego, kt\u00f3re kwantyfikuje ryzyko za pomoc\u0105 rzeczywistych liczb, \u015bledzi przep\u0142yw niepewno\u015bci przez zale\u017cno\u015bci projektowe i automatyzuje zarz\u0105dzanie, dzi\u0119ki czemu problemy wychodz\u0105 na jaw, zanim stan\u0105 si\u0119 katastrofami.<\/p>\n<h2>Komponent 1: Propagacja niepewno\u015bci - matematyzacja ryzyka<\/h2>\n<p>Propagacja niepewno\u015bci brzmi skomplikowanie, ale jej koncepcja jest prosta: gdy uk\u0142adasz niepewne rzeczy jedna na drugiej, ca\u0142kowita niepewno\u015b\u0107 ro\u015bnie w przewidywalny spos\u00f3b.<\/p>\n<p>Pomy\u015bl o tym w ten spos\u00f3b: Je\u015bli zadanie A zajmuje 5-10 dni, a zadanie B zajmuje 3-7 dni, ca\u0142kowity czas nie wynosi 8-17 dni. Matematyka jest bardziej zniuansowana ze wzgl\u0119du na spos\u00f3b \u0142\u0105czenia rozk\u0142ad\u00f3w prawdopodobie\u0144stwa.<\/p>\n<p>Oto jak zaimplementowali\u015bmy to w Power BI:<\/p>\n<h3>Krok 1: Definiowanie rozk\u0142ad\u00f3w prawdopodobie\u0144stwa<\/h3>\n<p>Zamiast m\u00f3wi\u0107 \"Zadanie A jest obarczone \u015brednim ryzykiem\", definiujemy je jako rozk\u0142ad prawdopodobie\u0144stwa. Zazwyczaj u\u017cywamy trzypunktowych szacunk\u00f3w (optymistyczny, najbardziej prawdopodobny, pesymistyczny), aby utworzy\u0107 rozk\u0142ad Beta.<\/p>\n<p>W us\u0142udze Power BI utw\u00f3rz kolumny obliczeniowe dla:<\/p>\n<ul>\n<li>Scenariusz optymistyczny (10. percentyl)<\/li>\n<li>Najbardziej prawdopodobny scenariusz (tryb)<\/li>\n<li>Scenariusz pesymistyczny (90. percentyl)<\/li>\n<\/ul>\n<h3>Krok 2: Tworzenie logiki propagacji<\/h3>\n<p>Tworzenie miar DAX, kt\u00f3re matematycznie \u0142\u0105cz\u0105 rozk\u0142ady. Dla niezale\u017cnych zada\u0144 w sekwencji:<\/p>\n<ul>\n<li>\u015arednia suma = Suma indywidualnych \u015brednich<\/li>\n<li>Suma wariancji = Suma poszczeg\u00f3lnych wariancji<\/li>\n<li>Ca\u0142kowite odchylenie standardowe = pierwiastek kwadratowy z ca\u0142kowitej wariancji<\/li>\n<\/ul>\n<p>W przypadku skorelowanego ryzyka nale\u017cy doda\u0107 wsp\u00f3\u0142czynniki korelacji, aby dostosowa\u0107 obliczenia.<\/p>\n<h3>Krok 3: Wizualizacja zakres\u00f3w niepewno\u015bci<\/h3>\n<p>U\u017cyj pask\u00f3w b\u0142\u0119d\u00f3w i wykres\u00f3w przedzia\u0142\u00f3w ufno\u015bci Power BI, aby pokaza\u0107 zakresy prawdopodobie\u0144stwa zamiast szacunk\u00f3w punktowych. Twoi interesariusze musz\u0105 widzie\u0107, \u017ce \"3 miesi\u0105ce\" w rzeczywisto\u015bci oznacza \"2,1 do 4,2 miesi\u0105ca z poziomem ufno\u015bci 80%\".<\/p>\n<p>Podej\u015bcie to zmieni\u0142o spos\u00f3b, w jaki jeden z klient\u00f3w zarz\u0105dza\u0142 swoim projektem infrastrukturalnym o warto\u015bci $50M. Zamiast odkrywa\u0107 przekroczenia bud\u017cetu w momencie uko\u0144czenia projektu na poziomie 60%, zidentyfikowano centra koszt\u00f3w o wysokiej zmienno\u015bci w momencie uko\u0144czenia projektu na poziomie 15% i podj\u0119to dzia\u0142ania naprawcze.<\/p>\n<h2>Komponent 2: Lineage Trust Scores - Wiedza o tym, w co mo\u017cna wierzy\u0107<\/h2>\n<p>Nie wszystkie dane s\u0105 sobie r\u00f3wne. Szacunek koszt\u00f3w sporz\u0105dzony przez najbardziej do\u015bwiadczonego in\u017cyniera ma wi\u0119ksz\u0105 wag\u0119 ni\u017c szacunek sporz\u0105dzony przez m\u0142odszego analityka korzystaj\u0105cego z przestarza\u0142ych za\u0142o\u017ce\u0144.<\/p>\n<p>Oceny zaufania do rodowodu okre\u015blaj\u0105 ilo\u015bciowo wiarygodno\u015b\u0107 danych, dzi\u0119ki czemu mo\u017cna odpowiednio wa\u017cy\u0107 obliczenia ryzyka.<\/p>\n<h3>Jak dzia\u0142aj\u0105 wska\u017aniki zaufania<\/h3>\n<p>Przypisujemy wyniki liczbowe (skala 0-1) w oparciu o cztery czynniki:<\/p>\n<ul>\n<li><strong>Niezawodno\u015b\u0107 \u017ar\u00f3d\u0142a:<\/strong> Historia osoby lub systemu dostarczaj\u0105cego oszacowanie<\/li>\n<li><strong>\u015awie\u017co\u015b\u0107 danych:<\/strong> Jak aktualne s\u0105 podstawowe informacje<\/li>\n<li><strong>Jako\u015b\u0107 metody:<\/strong> Czy by\u0142o to dzikie przypuszczenie, czy oparte na analizie historycznej?<\/li>\n<li><strong>Poziom walidacji:<\/strong> Ile niezale\u017cnych kontroli przesz\u0142y te dane?<\/li>\n<\/ul>\n<h3>Implementacja w Power BI<\/h3>\n<p>Utw\u00f3rz tabel\u0119 jako\u015bci danych, kt\u00f3ra \u015bledzi:<\/p>\n<ul>\n<li>Identyfikator \u017ar\u00f3d\u0142a danych<\/li>\n<li>Znacznik czasu ostatniej aktualizacji<\/li>\n<li>Zastosowana metoda (tabela odno\u015bnik\u00f3w z wynikami)<\/li>\n<li>Liczba walidacji<\/li>\n<li>Poziom wiedzy \u017ar\u00f3d\u0142owej<\/li>\n<\/ul>\n<p>Zbuduj kolumn\u0119 obliczeniow\u0105, kt\u00f3ra \u0142\u0105czy te czynniki w z\u0142o\u017cony wynik zaufania:<\/p>\n<p><code>Wynik zaufania = (waga \u017ar\u00f3d\u0142a * waga metody * waga \u015bwie\u017co\u015bci * waga walidacji) \/ 4<\/code><\/p>\n<h3>Korzystanie z wynik\u00f3w zaufania w obliczeniach ryzyka<\/h3>\n<p>Zwa\u017c zakresy niepewno\u015bci wed\u0142ug wynik\u00f3w zaufania. Szacunki o niskim poziomie zaufania maj\u0105 szersze przedzia\u0142y ufno\u015bci. Szacunki o wysokim poziomie zaufania otrzymuj\u0105 w\u0119\u017csze przedzia\u0142y.<\/p>\n<p>Zapobiega to problemowi garbage-in-garbage-out, kt\u00f3ry zabija wi\u0119kszo\u015b\u0107 projekt\u00f3w analitycznych. Nie tylko obliczasz ryzyko - obliczasz ryzyko w oparciu o to, jak bardzo powiniene\u015b ufa\u0107 swoim danym wej\u015bciowym.<\/p>\n<p>Jeden z klient\u00f3w z bran\u017cy produkcyjnej wykorzysta\u0142 to podej\u015bcie, aby zidentyfikowa\u0107, \u017ce ich oceny dostawc\u00f3w \"niskiego ryzyka\" opiera\u0142y si\u0119 na dwuletnich danych finansowych. Kiedy od\u015bwie\u017cyli analiz\u0119 o aktualne dane, trzech \"zielonych\" dostawc\u00f3w zmieni\u0142o status na \"czerwony\" - dwa tygodnie przed powa\u017cnym zak\u0142\u00f3ceniem \u0142a\u0144cucha dostaw.<\/p>\n<h2>Komponent 3: Zarz\u0105dzanie jako kod - automatyzacja sieci bezpiecze\u0144stwa<\/h2>\n<p>R\u0119czne zarz\u0105dzanie nie skaluje si\u0119 i jest niesp\u00f3jne. To, co zostanie oznaczone jako ryzyko, zale\u017cy od tego, kto ma dobry dzie\u0144 i kto pami\u0119ta o sprawdzeniu.<\/p>\n<p>Governance-as-code automatyzuje wykrywanie i eskalacj\u0119 ryzyka przy u\u017cyciu predefiniowanych regu\u0142, kt\u00f3re s\u0105 uruchamiane przy ka\u017cdym od\u015bwie\u017ceniu danych.<\/p>\n<h3>Tworzenie zautomatyzowanych regu\u0142 ryzyka<\/h3>\n<p>Zdefiniuj progi ryzyka jako miary DAX, a nie warto\u015bci zakodowane na sta\u0142e. Przyk\u0142ady:<\/p>\n<ul>\n<li>Odchylenie bud\u017cetowe przekracza 15% zatwierdzonej kwoty<\/li>\n<li>Zaufanie do harmonogramu spada poni\u017cej 70%<\/li>\n<li>Ka\u017cde zadanie \u015bcie\u017cki krytycznej ma wynik zaufania poni\u017cej 0,6<\/li>\n<li>Trzy lub wi\u0119cej za\u0142o\u017ce\u0144 nie zosta\u0142o zweryfikowanych w ci\u0105gu 30 dni.<\/li>\n<\/ul>\n<h3>Logika eskalacji<\/h3>\n<p>Tw\u00f3rz kolumny obliczeniowe, kt\u00f3re wyzwalaj\u0105 r\u00f3\u017cne poziomy odpowiedzi:<\/p>\n<ul>\n<li><strong>Zielony:<\/strong> Wszystkie progi spe\u0142nione, nie s\u0105 wymagane \u017cadne dzia\u0142ania<\/li>\n<li><strong>\u017b\u00f3\u0142ty:<\/strong> Przekroczenie jednego progu, zwi\u0119kszenie monitorowania<\/li>\n<li><strong>Czerwony:<\/strong> Przekroczono wiele prog\u00f3w, wymagany natychmiastowy przegl\u0105d<\/li>\n<\/ul>\n<h3>Integracja z Power Automate<\/h3>\n<p>Po\u0142\u0105cz regu\u0142y zarz\u0105dzania z przep\u0142ywami Power Automate, kt\u00f3re:<\/p>\n<ul>\n<li>Wysy\u0142anie automatycznych alert\u00f3w w przypadku przekroczenia prog\u00f3w<\/li>\n<li>Tworzenie zada\u0144 w systemach zarz\u0105dzania projektami<\/li>\n<li>Zaplanuj spotkania przegl\u0105dowe z odpowiednimi interesariuszami<\/li>\n<li>Generowanie raport\u00f3w o wyj\u0105tkach dla kierownictwa wy\u017cszego szczebla<\/li>\n<\/ul>\n<h3>\u015acie\u017cka audytu<\/h3>\n<p>Rejestruj ka\u017cde dzia\u0142anie zwi\u0105zane z zarz\u0105dzaniem ze znacznikami czasu, warunkami wyzwalaj\u0105cymi i podj\u0119tymi reakcjami. Tworzy to \u015bcie\u017ck\u0119 audytu, kt\u00f3ra jest niezb\u0119dna do ci\u0105g\u0142ego doskonalenia i zgodno\u015bci z przepisami.<\/p>\n<p>Klient z bran\u017cy budowlanej wdro\u017cy\u0142 to podej\u015bcie i w ci\u0105gu sze\u015bciu miesi\u0119cy zredukowa\u0142 \u015brednie przekroczenie zakresu projektu z 23% do 8%. System automatycznie wychwyci\u0142 zakres i konflikty zasob\u00f3w, zamiast polega\u0107 na kierownikach projekt\u00f3w, kt\u00f3rzy r\u0119cznie ujawniali te kwestie.<\/p>\n<h2>Strategia integracji: Sprawianie, by komponenty ze sob\u0105 wsp\u00f3\u0142pracowa\u0142y<\/h2>\n<p>Te trzy elementy s\u0105 pot\u0119\u017cne indywidualnie, ale przekszta\u0142caj\u0105 si\u0119, gdy s\u0105 odpowiednio zintegrowane.<\/p>\n<h3>Architektura przep\u0142ywu danych<\/h3>\n<p>Ustrukturyzuj sw\u00f3j model Power BI za pomoc\u0105 wyra\u017anego powi\u0105zania danych:<\/p>\n<ol>\n<li><strong>Warstwa \u017ar\u00f3d\u0142owa:<\/strong> Surowe dane projektu z metadanymi wyniku zaufania<\/li>\n<li><strong>Warstwa obliczeniowa:<\/strong> Propagacja niepewno\u015bci i kwantyfikacja ryzyka<\/li>\n<li><strong>Warstwa zarz\u0105dzania:<\/strong> Automatyczna ocena regu\u0142 i oznaczanie wyj\u0105tk\u00f3w<\/li>\n<li><strong>Warstwa prezentacji:<\/strong> Pulpity nawigacyjne i raporty dla r\u00f3\u017cnych potrzeb interesariuszy<\/li>\n<\/ol>\n<h3>P\u0119tle sprz\u0119\u017cenia zwrotnego<\/h3>\n<p>Tworzenie mechanizm\u00f3w usprawniaj\u0105cych system w miar\u0119 up\u0142ywu czasu:<\/p>\n<ul>\n<li>Por\u00f3wnanie przewidywanych i rzeczywistych wynik\u00f3w w celu kalibracji modeli<\/li>\n<li>\u015aledzenie, kt\u00f3re regu\u0142y zarz\u0105dzania generuj\u0105 fa\u0142szywe alarmy i dostosowywanie prog\u00f3w.<\/li>\n<li>Aktualizuj oceny zaufania w oparciu o historyczn\u0105 dok\u0142adno\u015b\u0107 \u017ar\u00f3de\u0142<\/li>\n<\/ul>\n<h2>Plan wdro\u017cenia<\/h2>\n<p>Nie pr\u00f3buj budowa\u0107 wszystkiego naraz. Oto sekwencja, kt\u00f3ra dzia\u0142a:<\/p>\n<h3>Faza 1 (tygodnie 1-4): Fundacja<\/h3>\n<ul>\n<li>Skonfigurowanie podstawowej propagacji niepewno\u015bci dla jednego projektu<\/li>\n<li>Zdefiniuj metodologi\u0119 oceny zaufania<\/li>\n<li>Wdro\u017cenie trzech podstawowych zasad zarz\u0105dzania<\/li>\n<\/ul>\n<h3>Faza 2 (tygodnie 5-8): Ekspansja<\/h3>\n<ul>\n<li>Dodanie modelowania korelacji dla ryzyk zale\u017cnych<\/li>\n<li>Automatyzacja oblicze\u0144 wyniku zaufania<\/li>\n<li>Po\u0142\u0105cz alerty zarz\u0105dzania z us\u0142ug\u0105 Power Automate<\/li>\n<\/ul>\n<h3>Faza 3 (tygodnie 9-12): Optymalizacja<\/h3>\n<ul>\n<li>Wdro\u017cenie p\u0119tli sprz\u0119\u017cenia zwrotnego i kalibracja modelu<\/li>\n<li>Dodaj analityk\u0119 predykcyjn\u0105 do wczesnego wykrywania ryzyka<\/li>\n<li>Skalowanie w wielu projektach i portfelach<\/li>\n<\/ul>\n<h2>Wnioski<\/h2>\n<p>Zarz\u0105dzanie ryzykiem nie polega na tworzeniu \u0142adnych pulpit\u00f3w nawigacyjnych lub przestrzeganiu list kontrolnych zgodno\u015bci. Chodzi o budowanie system\u00f3w, kt\u00f3re dostarczaj\u0105 dok\u0142adnych, przydatnych informacji, gdy trzeba podejmowa\u0107 decyzje.<\/p>\n<p>Przedstawione przez nas kwantyfikowane ramy ryzyka - propagacja niepewno\u015bci, liniowe wyniki zaufania i zarz\u0105dzanie jako kod - eliminuj\u0105 podstawowe s\u0142abo\u015bci tradycyjnych podej\u015b\u0107:<\/p>\n<ul>\n<li>Zast\u0119puje subiektywne oceny ryzyka modelami matematycznymi<\/li>\n<li>Uwzgl\u0119dnia spos\u00f3b, w jaki ryzyko si\u0119 pot\u0119guje i oddzia\u0142uje na siebie<\/li>\n<li>Wa\u017cy decyzje w oparciu o jako\u015b\u0107 danych<\/li>\n<li>Automatyzuje wykrywanie i reagowanie<\/li>\n<\/ul>\n<p>Widzieli\u015bmy, jak to podej\u015bcie zmniejsza wska\u017aniki niepowodze\u0144 projekt\u00f3w o 40-60% w wielu bran\u017cach. R\u00f3\u017cnica nie polega na narz\u0119dziach - to systematyczne my\u015blenie o niepewno\u015bci i zarz\u0105dzaniu.<\/p>\n<p>Twoje projekty s\u0105 zbyt wa\u017cne, by zarz\u0105dza\u0107 nimi za pomoc\u0105 domys\u0142\u00f3w i comiesi\u0119cznych spotka\u0144. Zbuduj systemy, kt\u00f3re dzia\u0142aj\u0105 automatycznie, wcze\u015bnie wykrywaj\u0105 problemy i daj\u0105 ci pewno\u015b\u0107, \u017ce mo\u017cesz robi\u0107 wi\u0119ksze zak\u0142ady.<\/p>\n<p>Matematyka nie jest ju\u017c opcjonalna. Albo prawid\u0142owo oszacujesz ryzyko, albo ryzyko oszacuje ciebie.<\/p>","protected":false},"excerpt":{"rendered":"<p>Wi\u0119kszo\u015b\u0107 ram ryzyka jest zepsuta. Opieraj\u0105 si\u0119 one wy\u0142\u0105cznie na kolorowych matrycach i przeczuciach, podczas gdy firma przepuszcza miliony na nieudane projekty. Tworzyli\u015bmy systemy ryzyka dla firm z listy Fortune 500 i widzieli\u015bmy ten sam schemat: zespo\u0142y tworz\u0105 pi\u0119kne pulpity nawigacyjne, kt\u00f3re wygl\u0105daj\u0105 imponuj\u0105co, ale nie potrafi\u0105 odpowiedzie\u0107 na jedno wa\u017cne pytanie - \"Jakie jest prawdziwe ... <\/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\/pl\/wp-json\/wp\/v2\/posts\/13931","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.leaplytics.de\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.leaplytics.de\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.leaplytics.de\/pl\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.leaplytics.de\/pl\/wp-json\/wp\/v2\/comments?post=13931"}],"version-history":[{"count":5,"href":"https:\/\/www.leaplytics.de\/pl\/wp-json\/wp\/v2\/posts\/13931\/revisions"}],"predecessor-version":[{"id":13949,"href":"https:\/\/www.leaplytics.de\/pl\/wp-json\/wp\/v2\/posts\/13931\/revisions\/13949"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.leaplytics.de\/pl\/wp-json\/wp\/v2\/media\/13440"}],"wp:attachment":[{"href":"https:\/\/www.leaplytics.de\/pl\/wp-json\/wp\/v2\/media?parent=13931"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.leaplytics.de\/pl\/wp-json\/wp\/v2\/categories?post=13931"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.leaplytics.de\/pl\/wp-json\/wp\/v2\/tags?post=13931"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}