А вы можете доказать полезность своего Проектного офиса с помощью статистики?

29 Янв 2016

А вы можете доказать полезность своего Проектного офиса с помощью статистики?

Многие Проектные офисы закрываются потому, что не могут продемонстрировать выгоду, которую приносят. Данная статья посвящена одному из возможных способов доказать нужность и буквально спасти ваш Проектный офис. Способ разработан для проектов, занимающихся выводом новых продуктов на рынок, запуском информационных систем и подобных проектов.

Для того, чтобы ответить на вопрос, заданный в заголовке статьи, необходимо определить одну или несколько объективных метрик, которые можно было бы использовать для оценки работы проектов. Самый часто используемый показатель – «время вывода продукта на рынок», то есть время от первых инвестиций в проект к моменту, когда проект начинает приносить ценность.

Первая мысль – сравнить показатели проектов до появления Проектного офиса и после его создания. К сожалению, такой подход не даёт объективной информации. Если вариация показателей останется прежней или увеличится, то, даже если среднее время вывода продукта на рынок снизилось – говорить об улучшениях нельзя.

Статистика – ваш лучший друг!

Обратимся к статистике и попробуем провести сравнение по науке.

Во-первых, не стоит сваливать в кучу все проекты, реализуемые компанией. Размер и сложность проекта влияет на его сроки, так что их стоит разбить в несколько групп по этим призракам.

Следующий шаг – определить минимальный размер выборки для доказательства того, что изменения статистически значимы. Софт для статистического анализа (например, Minitab) позволяет определить требуемый размер выборки и отклонение на основе различных факторов: тестов, который планируется провести, различиях, которые необходимо выявить и некоторых других. Например, представим, что мы хотим доказать снижение времени вывода продукта на рынок на один месяц и стандартное отклонение от среднего —  тоже месяц. На основе этих данных Minitab рассчитывает необходимую выборку в 18 проектов. То есть, пока не будет данных по минимум 18 проектам до появления Проектного офиса и по 18 проектам после создания Проектного офиса – данный не будут статистически значимыми.

Теперь, если предположить, что у нас имеется необходимое количество данных, мы можем провести 2 теста: 2-Sample t тест и 2-Variance тест. Первый тест позволяет понять, является ли различие между средними значениями двух выборок статистически значимыми, второй – узнать, есть ли статистически значимое различие между вариациями двух выборок. Идеальные результаты тестов для нас – снижение среднего значения времени вывода на рынок и вариации во второй выборке. Для убедительности необходим комплексный анализ факторов среды – ведь, возможно, что что-то другое положительно повлияло на результаты, а не Проектный офис. Но если удастся исключить другие факторы – результаты будут налицо.

Основное допущение при проведении описанных выше расчётов – это то, что распределение в выборках нормальное или близко к нормальному. Так что перед проведением расчётов их нужно проверить на нормальность – например, тестом Андерсона-Дарлинга. Если окажется, что распределение не нормально, придётся использовать другие тесты для доказательства гипотезы.

Марк Твен однажды сказал: «Есть три типа лжи: ложь, наглая ложь и статистика», но, если использовать статистику правильно, можно спасти свой Проектный офис, доказав пользу от его существования.

Смотрите также:

Источник: http://www.pmhut.com/can-you-prove-that-your-pmo-has-improved-project-delivery


Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Rambler's Top100 Яндекс.Метрика Рейтинг@Mail.ru