20.4 量化项目管理

2023-09-09  本文已影响0人  Max_Law

文集：《信息系统项目管理师第四版攻略》

本节概要

量化管理（Quantitative Management）是指以数据为基础，用统计或其他量化的方法来分析和研究事物的运行状态和性能，对关键的决策点及操作流程进行管理监控，以求对事物存在和发展的规模、程度等做出精确的数字描述和科学控制，实施标准化操作的管理模式。量化管理理论是一种从目标出发，使用科学、量化的手段进行组织管理体系的设计并为具体工作建立工作标准的理论，它涵盖了组织战略制定、组织管理体系建设、对具体工作进行量化管理等各个领域，是一套整体解决组织管理问题的系统性的管理理论。

量化管理理论及应用

量化管理理论

量化管理的基础之一是科学管理理论。科学管理理论诞生于 19 世纪末，由美国工程师和管理学家弗雷德里克·泰勒（F.Taylor，1856 一 1915）创建。泰勒认为组织工作效率低下的原因在于管理者缺乏合理的工作定额设置，工人缺乏科学指导，必须用科学知识来代替个人的见解和经验认知，于是通过大量实验研究，总结出了科学管理的五大原则。

  1. 工时定额化
  2. 分工合理化
  3. 程序标准化
  4. 薪酬差额化
  5. 管理职能化

统计过程控制

统计过程控制(Statistical Process Control,SPC)是指应用统计技术对工作过程中的各个阶段进行分析、监控和评估，建立并保持工作过程处于可接受的并且稳定的水平，从而确保产品与服务符合规格要求的一种管理技术。

1924 年，统计学家休哈特（W.A.Shewhart）将数理统计用于制造过程的质量控制，创立了以控制图为核心的统计过程控制(SPC)理论，目的在于预防或减少生产过程中出现不合格品的概率，从理论上实现质量管理从事后把关向事前预防的转变。

统计过程控制的原理对量化管理提出了非常有效的理论基础，指导了各个行业的生产、制造、研发在量化管理的转型和实践工作。基于数据统计分析的量化管理行为可分为 3 个层面：

  1. 描述和分析组织或项目的特征（现状、结构、因素之间的关系等）。
  2. 分析组织或项目的运行规律与发展趋势(动态数据）。
  3. 对组织或项目的未来状态进行预测（建立预测模型）。

量化管理应用

在项目管理过程中对量化管理的应用正日趋完善，在统计过程控制原理的基础上，行业经过发展和完善形成的较为典型的理论有六西格玛管理体系和 CMMI 模型。

六西格玛（Six Sigma）

六西格玛是一种改善组织质量流程管理的技术，强调“零缺陷”的预防控制和过程控制，带动组织质量大幅提升，同时降低生产和交付成本的方法。六西格玛背后的原理是，如果检测到项目中有多少缺陷，就可以找出如何系统地减少缺陷，使项目尽量完美的方法。一个组织要想达到六西格玛标准，那么按照正态分布特征，它的出错率不能超过 0.00034%。

六西格玛认为业务流程改进遵循 5 步循环改进法，即 DMAIC 模式：

  1. 定义（Define)。识别需要改进的产品或过程，确定改进项目所需的资源。
  2. 度量(Measure)。定义缺陷，收集产品或过程的表现作为工作基准，建立改进目标。
  3. 分析（Analyze）。分析在度量阶段所收集到的各方面数据，以确定一组按重要程度排列的影响过程和产品质量的变量。
  4. 改进（Improve）。优化业务流程，并确认该方案能够满足或超过项目质量改进的目标。
  5. 控制（Control）。建立有效的控制手段，确保过程改进一旦完成能够继续保持下去，不会返回到改进前的状态。

CMMI

CMMI 即能力成熟度模型集成。该模型将组织的管理成熟度共划分 5 个级别，成熟度级别越高，对量化管理的要求越高。当达到 CMMI 模型的 4 级（量化管理级）和 5 级(优化级)时，要求组织针对过程的管理能够量化分析和量化预测，以此提升管理的能力和精细化程度。

CMMI 认为，当组织的管理达到高成熟度时，要能够使用统计的思维管理组织和项目的能力，高成熟度组织的主要特征包括：

组织级量化管理

组织开展量化管理工作的前提在于该组织已经定义了产品或项目管理的组织级标准过程，各个产品或项目团队能够遵循组织统一的管理流程、规程和产出要求开展工作，组织收集的度量数据才具备统计意义，可供开展量化管理建设。

CMMI 模型和六西格玛均为组织级量化管理工作提供了方法和实践的指导。建立组织级的量化管理体系的内容主要包括：定义组织量化过程性能目标、识别关键过程、建立度量体系及数据收集、建立过程性能基线和建立过程性能模型。

定义组织量化过程性能目标

组织采用量化管理的方式加强项目的精细化管理，首先需建立在项目管理方面量化的性能目标。项目管理性能目标的达成是支撑组织业务目标达成的关键组成部分。组织项目管理方面量化性能目标在 CMMI 模型中称为质量与过程性能目标（Quality and Process PerformanceObjectives，QPPO），该目标通常包括质量方面和过程性能方面。根据行业基准数据的统计，组织重点关注的项目管理能力量化目标通常包括生产率、交付缺陷、交付工期偏差、客户满意度等。

信息系统项目较传统制造过程存在较大区别，组织在管理能力判定时，可采用过程能力指数（Process Capability Index，CPK）的方
式判定目标的可达成性。

识别关键过程

关键过程选择准则

建立度量体系及数据收集

当组织识别与量化目标有关键影响的过程后，应根据已确定的组织质量和过程性能目标、组织度量与分析技术指南以及被选定的过程或子过程，定义已选择过程或子过程的合适属性的度量。

为确保度量属性的可用性，选择度量时需要考虑的准则主要包括：

量化管理使用到的技术通常包括过程性能基线、过程性能模型、控制图、变异分析、回归分析、置信区间或预测区间、敏感度分析、蒙特卡洛模拟和假设检验等。

度量数据收集后，项目管理者必须依据度量数据的质量审查规则对度量数据的质量进行审查。数据质量审查方式包括基准对照、溯源分析、数据自回归等方式，从而确保度量数据的质量，以及数据可准确地支持管理决策或作为后续项目的有效参考。

建立过程性能基线

建立过程性能基线（Process Performance Baseline，PPB）的目的是通过历史数据刻画组织当前项目各个过程的能力，确定过程能力的稳定范围，为管理决策提供数据化支持，并为后续项目的估算、计划与管理工作提供可参考的数据基准。建立过程性能基线的步骤主要包括：获取所需数据、分析数据特征、建立过程性能基线、发布和维护过程性能基线。

使用控制图建立过程能力基线示例 过程能力异常判定

建立过程性能模型

基于过程性能模型（Process Performance Model，PPM）的目的在于，依据组织的可量化目标，使用组织已建立的度量体系及收集数据建立的过程性能基线，通过回归的方式建立过程性能模型，识别组织或项目过程能力量化目标与过程因子之间的解释关系，实现对组织的目标量化预测与解释，支撑组织和项目量化目标的分解与跟踪。建立过程性能模型的步骤主要包括：识别建模因子、建立过程性能模型、检验过程性能模型以及评审和发布过程性能模型。

项目级量化管理

项目过程性能目标定义

组织每个项目启动时，项目团队应依据组织级质量与过程性能目标要求、客户或服务对象交付要求及其他相关干系人的管理要求，结合项目团队自身项目过程能力数据，设定项目质量与过程性能目标。该目标需要优先保证客户或服务对象要求，同时兼顾组织及其他干系人的需要，且保证目标设置的合理性，避免不合理目标影响项目的有效策划。

过程优化组合

项目建设的各个过程存在不同的子过程或执行方式，且通过度量数据的采集识别到不同过程执行方式的性能数据存在分组，证明不同的过程组合方案，可带来不同的质量与过程性结果。

项目的质量与过程性能目标设定时通常存在多个目标，对项目各个过程的执行方案组合的选择需要同时权衡多个目标的达成情况，以此满足各相关干系人对项目的需求、期望和限制。由于组织各个过程的基线分组较多，可使用蒙特卡洛模拟的方法遍历每一种过程组合，从而判定满足项目质量与过程性能目标的最优过程组合方案。

过程性能监控

在项目执行过程中，目标分解的目的是将项目的质量与过程性能目标量化分解至各个过程或阶段，再分解至对过程或阶段产生关键影响的因子。而过程性能监控是目标分解的逆向过程：首先监控关键影响因子是否满足分解要求，其次监控过程性能的稳定性和符合性，最后监控整个项目质量与过程性能目标的达成情况。

项目性能预测

在项目各过程性能的稳定性及符合性满足后，需要在每个阶段或里程碑处，对项目最终质量与过程性能目标的达成性进行量化预测，从而了解项目当前的进展情况是否可达成最终的项目质量与过程性能目标。

项目此时使用蒙特卡洛模拟的方法使用已完成阶段的实际值和未完成阶段的基线值重新预测过程性能目标达成的概率，可以得到更新的目标达成概率。根据组织设置的置信区间，判定过程性能目标达成的概率是否在可控范围之内，如预测的结果显示信心不足，需调整后续里程碑或阶段的分解目标，确保项目最终质量与过程性能目标的达成。

量化项目管理思维导图
上一篇下一篇

猜你喜欢

热点阅读