Павел Наконечный

Зачем нужна аналитика данных

Опубликовано в Softskills и новости IT.

Зачем нужна аналитика данных

Аналитика данных, больше данные, data analysis – новомодные термины, которые сейчас можно услышать на каждом углу. Десятки курсов продаётся в рунете. Но мало кто рассказывает, зачем нужна аналитика данных. С этим-то и попробуем разобраться в этой статье.

Данные (data) – фактологическая информация (числа, слова, измерения или статистика), используемая для используемые в процессе принятия решений, управления, ведения хозяйственной деятельности и т.д. В нашем контексте – цифровые (структурированные) данные, которые обрабатывает компьютер.

Соответственно, аналитика данных – построение логических рассуждений и выводов на основе этих данных.

Почему аналитика данных стала востребована именно сейчас

Компания International Data Corporation (IDC) регулярно проводит исследование объема информации, которая ежегодно генерируется во всем мире.

Аналитики прогнозировали, что суммарный объем созданных и скопированных данных за 2020 год составит около 59 зеттабайт (1 зеттабайт — это миллиард терабайт). Но по факту цифра получилась значительно выше — 64 зеттабайта. Для сравнения, в 2012 году объем сгенерированной информации был 2,8 зеттабайта, а в 2011 г. — всего лишь 1,8 зеттабайт. Результаты действительно впечатляют: сейчас во всем мире создают и обрабатывают в 23 раза больше данных, чем 8 лет назад.

IDC прогнозирует, что объем данных, который появится в течение следующих трех лет, будет больше, чем объем данных, созданных за последние 30 лет. И к 2025 году 60% всей информации в мире будут генерировать коммерческие предприятия.

Этот объем накапливаемой информации о действиях людей (зачастую тех, которые ранее были недоступны аналитикам) открывает новые горизонты аналитики. Если раньше аналитик не всегда мог собрать реальные цифры по большой компании (уж слишком сложно было всё посчитать на бумаге), то сейчас при помощи современных инструментов он может анализировать миллионы записей за минуту.

Именно этот новый виток аналитики с применением программирования, баз данных и современных инструментов анализа и получил название аналитики данных.

Что даёт аналитика данных

Вероятно, вы не раз сталкивались с упоминанием аналитики данных в интернете и СМИ. Её применяют для научных исследований, увеличения продаж, экономии на строительстве или оптимизации рекламы.

Всегда важно держать в голове, что данные ничто без грамотного менеджмента. Знание того, что гонщики F1 переключают передачи в среднем каждые 1.8 секунды, не даст вам преимущества, пока вы не реализуете это знание в продукт или улучшение.

Учитывая это, данные позволяют:

  1. Совершать информированный выбор, не основанный на предположениях и предрассудках.
  2. Определять проблемы.
  3. Измерять производительность и иные ежедневные показатели.
  4. Подкреплять аргументы.
  5. Строить стратегический подход.
  6. Находить потенциал для роста и развития.
  7. Выявлять сильные стороны компании.

Чтобы не углубляться в теорию и абстрактные суждения, предлагаю пройтись по каждому из пунктов с наглядным примером применения аналитики данных.

1. Совершать информированный выбор, не основанный на предположениях и предрассудках

Вы работаете в сельхоз компании. Зимой вы приехали на совещание, на котором будет принято стратегическое решение распределения посевных площадей между разными видами сельхоз продукции. Если опустить влияние конкурентов на рынок, то ваши задачи – максимизировать выручку при минимальных издержках (извлечь прибыль). Для этого важно предугадать спрос на тот или иной вид продукции, чтобы не перенасытить рынок.

При классическом аналитическом подходе вы бы могли сравнить лишь собственные показатели продаж, объем испорченной продукции и внести корректировки в план. С аналитикой данных в процессе принятия решения вы можете опереться и на другие показатели: число поисковых запросов по каждому продукту в разрезе последнего десятка лет, его корреляция с объемами рынка, число упоминаний в СМИ и соцсетях. Аномальный спрос на экзотические продукты вроде авокадо, семян чи или сельдерея появляется и исчезает в пределах одного года.

2. Определять проблемы

Обычно дашборды строятся на финансовых показателях и подключаются к CRM-системе и 1С. Но бывают и нетипичные проекты, цель которых — контроль дисциплины на предприятии, то есть охрана труда.

У заказчика не было отдельной учетной системы, единственные источники данных — табели учета, которые мы из вордовских файлов перевели в экселевские таблицы.

Сотрудники предприятия избавились дополнительной работы и двойного ввода данных. Теперь не нужно выискивать информацию в документах — все нарушения отображаются на дашборде в режиме реального времени.

Думаю, что у таких дашбордов есть огромный плюс — они стимулируют дисциплину. От руководителя уже ничего не скроешь, потому что на совещании он видит всю информацию и сразу же принимает меры (дает по шапке).

3. Измерять производительность и иные ежедневные показатели

Сам по себе институт KPI и OKR не нов. Однако и здесь автоматизация (предлагаемая аналитикой данных) экономит средства компании. Вместо ежедневных, еженедельных или ежемесячных ручных расчётов, грамотный аналитик сможет построить автоматизированные дашборды, которые будут сами собирать информацию из корпоративных систем.

4. Подкреплять аргументы

Бизнесу нужны выводы: четко сформулированные варианты решений или стратегий, а также прогнозы – к чему они могут привести. В идеале – конкретный, понятный текст из простых предложений, без деепричастных оборотов: какие цены обеспечат максимальный объем продаж, почему инвестиции именно в этот проект окупятся.

Конечно же, если руководителю предоставить сплошной текст аналитической записки, он будет недоволен. Ему нужен и текст, и визуализация, и выводы, причем на одном экране.

На этом дашборде графики подкрепляют текст выводов, которые уже можно использовать как аргументы при принятии решений: об увольнении неэффективных менеджеров, предоставлении скидок или личных менеджеров заказчика, пересмотре портфеля товаров и т.д.

5. Строить стратегический подход

Строительство стратегии невозможно без достоверных данных, на которых будут строиться прогнозы.

Аналитические модели могут предсказать показатели бизнеса при внесении изменений в организацию на основании прошлых данных.

Зачастую именно данные становятся основой для стратегии развития компании: обнаружение неожиданных корреляций между отделами, оптимизация воронок продаж или нахождение неэффективных бизнес-процессов дают менеджменту идеи по улучшению компании.

6. Находить потенциал для роста и развития

Результаты простого опроса в виде графиков позволяют ЛПР (лицам, принимающим решения) быстро найти ключевые целевые аудитории их бизнеса по продаже кофе. Маркетолог сможет перенести эту демографию в настройки рекламы и значительно увеличить конверсию.

7. Выявлять сильные стороны компании

Зачастую бизнес по инерции пытается развивать направления, в которых он уже силён: это проще. И столь же часто подобные инвестиции приносят гораздо меньшую отдачу, чем могли бы при их вложении в слабые направления бизнеса.

Грамотный отчёт позволит бизнесу увидеть направления, где компания твёрдо стоит на ногах, и сфокусировать своё внимание на развитии западающих направлений.

Выводы

Аналитика данных открывает бизнесу новые горизонты взаимодействия с потребителями, оптимизации процессов и мониторинга деятельности компании.

Но аналитика нужна для развития бизнеса. Отчёты ради отчётов не имеют ценности. Нельзя забывать это.

Программист, выучивший дата аналитику, так и останется программистом, если не будет добиваться правильного сбора данных и использования выводов своей работы. В конце концов, не принося выгоды бизнесу он рискует в любой момент быть сокращенным или уволенным.

И если в вашей компании в головном офисе делают красивые дашборды в Табло, которые производство никогда не видело, а тем временем на заводе используют таблицы в Экселе на макросах и сводных таблицах, то ситуацию необходимо исправлять.

Не идите на курсы по Python и Tableau, если не уверены в их необходимости. Делайте аналитику для конкретных задач бизнеса и не бойтесь спрашивать “зачем вам эти данные, что вы с ними будете делать?”. И рано или поздно вы станете начальником с зарплатой в 300 тысяч.

Источник кейсов в статье

Просмотров:

What is Natural Language Processing and what are its problems with different languages

Опубликовано (изменено: ) в Softskills и новости IT.

Natural language processing is a modern technology used in IT sphere to make applications and services that can work with various data (primarily text and voice data) in natural languages such as English, Spanish or Russian. But how does NLP work and what problems do companies face when developing NLP-powered apps and services?

What is Natural Language Processing

First of all, let’s skin-deep discover how does NLP work and what steps do NLP algorithms perform to work with human voice and text data? We won’t dive too deep into Math and Programming of such NLP algorithms, but we will need basic overview to understand problems this sphere faces later.

Many hyped technologies move the IT industry forward nowadays. Some of them are: AI, Machine Learning, AR and VR, Cloud Computing and Streaming. Natural Language Processing is a field of computer science and linguistics that takes its roots in an article “Computing Machinery and Intelligence” published in 1950 by Alan Turing. In that very article, Alan Turing proposed the idea of a test nowadays known as the Turing test.

NLP is all about giving computers the ability to understand text and spoken words in much the same way human beings can. It refers to processes of analysis, processing, and generation of statements in natural languages. That allows people to interact with computers with voice or text instead of using graphical interfaces or console commands.

Natural Language Processing usage

Where can we see NLP algorithms? What impact does NLP have on our everyday lives and enterprise?

NLP stands behind computer programs that translate text from one language to another, respond to spoken commands, or summarize large volumes of text rapidly — even in real-time. Most probably, you’ve at least once interacted with NLP in the form of voice-operated GPS systems, digital assistants, speech-to-text dictation software or customer service chatbots.

The most known examples of Natural Language Processing technologies application to software are voice assistants such as Microsoft’s Cortana, Apple’s Siri, or Amazon’s Alexa. Virtual assistants and chatbots use speech recognition to recognize patterns in voice commands and natural language generation to respond with an appropriate action or helpful comments. Chatbots perform the same magic in response to typed text entries. The best of these are able to recognize contextual clues about human requests and use them to provide even better responses or options over time. The next enhancement for these applications is question answering, the ability to respond to our questions with relevant and helpful answers in their own words.

Many GPS applications such as Google Maps or Yandex Maps use NLP to generate speech directions they give to the driver.

Most of nowadays email services use NLP to filter spam in our inbox. The most known of them is Gmail. Companies use NLP algorithms to search for indicators of spam or phishing, such as overuse of financial terms, characteristic bad grammar, threatening language, inappropriate urgency, misspelled company names, and more. Spam detection is one of a handful of NLP problems that experts consider ‘mostly solved’.

NLP has become an essential business tool for uncovering hidden data insights from social media channels. Sentiment analysis can analyze language used in social media posts, comments and reviews to extract attitudes and emotions in response to products, promotions, and events–information companies can use in product designs, advertising campaigns, and more.

Text summarization uses NLP techniques to parse huge volumes of digital text and create summaries and synopses for indexes, research databases, or busy readers who do not have time to read full text. The best text summarization applications use semantic reasoning and natural language generation (NLG) to add useful context and conclusions to summaries.

NLP also plays a growing role in enterprise solutions that help streamline business operations, increase employee productivity, and simplify mission-critical business processes, what is not always seen from the outside.

Main algorithms of NLP

We have discussed what is NLP and how is it used in nowadays industry. But how do NLP algorithms work and what steps do they perform to understand our speech and text?

Human language is filled with irregularities that make it incredibly difficult to make a program that would accurately determine the intended meaning of text or voice data. There is a bunch of problematic cases that take humans years to learn. However, a program must understand them with a single circuit.

Since its creation, NLP had been developing as an emulation of natural language understanding with a collection of preset questions and answers aka rules. That type of NLP is known as Symbolic NLP. And it was the only way till the early 80s.

Starting in the late 80s, a revolution happened, caused by the introduction of machine learning algorithms for language processing. NLP that uses machine learning is now called Statistical NLP. Those NLPs allowed development of machine translation, used nowadays in law, diplomacy, and everyday life.

Nowadays, Neural NLPs are a thing. They use deep neural network-style machine learning to achieve state-of-the-art results in many tasks such as language modeling and parsing.

NLP can be broken down into several steps needed to break down human text and voice data into data that computer can understand. Some of the tasks include the following:

Speech recognition (also known as called speech-to-text), is the task of reliably converting voice data into text data. Speech-to-text conversion is necessary for any application that uses voice commands or answers spoken questions. The way people talk: quickly, slurring words together or with different accents and incorrect grammar makes task challenging.

Next step in NLP is Speech tagging (also known as grammatical tagging). It is the process of determining the part of speech of a particular word or piece of text depending on its use and context. This step identifies, for example, the word ‘make’ as a verb or as a noun.

When decided on part of speech for each word, the algorithm must select meaning of a word with multiple meaning using Semantic analysis. For example, word sense disambiguation helps distinguish the meaning of the verb ‘make’ as in ‘make the grade’ (achieve) or ‘make a bet’ (place).

After that program uses Named entity recognition algorithm to identify useful pieces of information, such as ‘Moscow’ as a location or ‘John’ as a man’s name.

Co-reference resolution is the process of identifying when two words refer to the same object. For example: when ‘she’ is ‘Mary’ from the previous sentence. This process also involves identifying metaphors or idioms.

Sentiment analysis tries to extract subjective qualities – attitudes, emotions, sarcasm, confusion, suspicion — from the text.

Natural language generation is the opposite of speech recognition or speech-to-text. It is the task of putting structured computer data into human language.

NLP problems with different languages

For various reasons NLP haven’t been instantly integrated everywhere on Earth. What’s the reasoning for that? What problems do developers face when developing NLP-powered applications for markets outside of UK and US?

Italian

Even for languages that are as close to English as Italian is, time gap before integration of new models is enormous. In 2018 OpenAI presented their GPT-2 model for English language. GPT-2 has a whopping 1.5 billion parameters (10X more than the original GPT) and is trained on the text from 8 million websites.

It was the first NLP model that could generate stories about talking unicorns:

However, the first GPT-2 based model for Italian was released only in 2020:

The availability of GePpeTto opens up substantial possibilities. In the same way that GPT-2 is changing the approach to several NLP English tasks, we can expect GePpeTto to serve a similar purpose in Italian language processing.

Another important aspect to understand is costs for businesses to use different NLP models for each language. Even though well-optimized English corpus model can understand French, Deutsch or Spanish, languages from Slavic group or Arabic would suffer greatly.

Overall, these are the problems with NLP in Italy and other smaller first-world countries:

  • Variety in languages as theirs vocabulary, grammar and other rules;
  • Small to medium population often not comparable to that of English-speaking world. For example, Polish is native language for only 42 million people compared to 379 million for English.

Those listed problems are only obstacles that cause extra costs for developers. Overall, Europe and smaller first-world countries are profitable markets for developers. Nevertheless, companies tend to save money and directly translate models developed for English into other languages, such as Italian, and that often causes bad user experience.

Indian languages

Only 10% of Indian population speaks English. Most Indians have Hindi as their first language, followed by Marathi, Telugu, Punjabi, etc. Moreover, each one of them has many different dialects.

The most known problems for NLP in Indian languages are:

  1. Ambiguity at different levels — syntactic, semantic, phonological ambiguity, etc.
  2. Dealing with idioms and metaphors.
  3. Dealing with emotions.
  4. Finding referents of anaphora and cataphora.
  5. Understanding discourse and challenges in pragmatics.

Issues in dealing with Hindi:

  1. Scarcity of annotated corpora and tools.
  2. Lack of education and training institutes.
  3. Large set of morphological variants.

Many datasets available at authentic sources like Kaggle, UCI machine learning repository, etc. are available only in English. Limited datasets, corpora, and other resources are a huge hurdle. For Hindi is only one list of stop words having 184 words in total, released for the public back in 2016.

Overall, these are the problems with NLP in India:

  • Many different and difficult languages;
  • Poor population.

Therefore, it’s unprofitable for big companies to invest into NLP for this market. Those factors can also be the reasons for the famous “indian programmist” as 77% of Indian IT market works for export.

Russian

Despite recent advances in machine learning, developing Russian natural language processing (NLP) systems remains a big challenge for researchers. Russian, like other Slavic languages, is a morphologically rich language with free word order and inflection. These linguistic factors make it difficult to collect enough relevant multilingual data to train machine-learning models.

Different companies try to put together an exhaustive list of the best Russian datasets available on the web, covering everything from social media data to natural speech:

The RU-EVAL 2014 has brought together a number of IT companies and academic groups that work on Russian NLP tasks (pos-tagging, parsing, anaphora and coreference resolution), and made it possible to assess the state-of-the-art in the field (so far, mostly in Russia). The forum has shown that there are competitive teams that develop NLP components on a considerably high level. However, these tasks have some peculiarities and complications due to high inflectional and fusional properties of Russian language, its free word order and the absence of overt definiteness markers for NP. The absence of free semantic resources such as WordNet and freely distributed syntactic parsers make the task even more difficult for newly organized NLP small teams. However, the event was the challenge for those teams that conduct the experiments on various machine-learning techniques.

However, Russian local IT industry is capable of developing NLP algorithms and apps for the market. One of such companies is Yandex that spends $325M on R&D in AI annually. Voice assistant “Alice” is their biggest project in AI. Yandex’s main competitor – Mail.ru Group – has developed their voice assistant called “Marusya”. Company has $5B capitalization. Many banks such as Sberbank or Tinkoff are using AI to futher promote their products and increase user experience in banking apps.

These companies tend to use datasets collected from their own services in other fields. For example, Yandex uses data from their Yandex.Maps or Toloka services. From official websites you can download datasets such as “Toloka Aggregation Features”. It is described as:

This dataset includes 60,000 crowdsourcing evaluations collected in Toloka for 1000 tasks, including correct answers for most tasks. The task was to classify websites into five categories based on whether they contain NSFW content. Additionally, for each task dataset includes 52 indicators that can be used for category prediction.

Overall, these are the problems with NLP in Russia:

  • Difficult language;
  • Limited datasets for models training.

There are some obvious setback in developing NLP for Russia. But they mostly open an opportunity for local companies such as Yandex or Mail.ru to outcompete international IT giants.

One of many problems with NLP is an abundance of different languages used by humanity. English is one of them. This issue is especially important for developing countries or nationalities with small population talking a language. Other common problem is lack of sufficient online data to design such NLP algorithms. Development of NLP for a particular language largely depends on local IT industry capital.

Conclusion

After all, NLP is one of the many frontiers that move technology forward. One of the bigger problems with this field of computer science is differences between languages, which make it near impossible to adapt existing models to new languages. Another one is its dependency on the society and the economy of any given country. Nationalities with small and poor populations will not see NLP in everyday use in near future.

References

  1. Toldova, O. Lyashevskaya, A. Bonch-Osmolovskaya and M. Ionov Evaluation for morphologically rich language: Russian NLP. Int’l Conf. Artificial Intelligence, ICAI’15, pp 300-306 ICAcombined.pdf (worldcomp-proceedings.com)
  2. Primer | Russian Natural Language Processing
  3. NLP for Indian Languages. Join me in exploring the need, the… | by Navkiran Singh | Towards Data Science
  4. GePpeTto Carves Italian into a Language Model paper_46.pdf (ceur-ws.org)
  5. NLP (Natural Language Processing) Tutorial: What is NLP & how it works (mygreatlearning.com)
  6. GPT-2: Understanding Language Generation through Visualization | by Jesse Vig | Towards Data Science
  7. India Languages – Demographics (indexmundi.com)
  8. The Problem With The English Language In India (forbes.com)
  9. 14 Best Russian Language Datasets for Machine Learning | Lionbridge AI
  10. Red Hen Lab – Russian NLP
  11. Using CoreNLP on other human languages – CoreNLP (stanfordnlp.github.io)
  12. What is Natural Language Processing? | IBM
  13. Natural Language Processing (NLP) – What Is NLP & How Does it Work? (monkeylearn.com)
  14. Плавное введение в Natural Language Processing (NLP) (datastart.ru)
  15. Основы Natural Language Processing для текста / Блог компании Voximplant / Хабр (habr.com)
  16. Estimate of the number of native Polish speakers (jakubmarian.com)
  17. The Most Spoken Languages in The World in 2020 – Speakt.com
  18. https://toloka.ai/ru/datasets
  19. Machine learning for email spam filtering: review, approaches and open research problems – ScienceDirect
  20. IT & BPM Industry in India: Market Size, Opportunities, Growth, Report | IBEF
  21. AI Report – Review
Просмотров:

Victoria 3: что ждать от игры

Опубликовано в Игры.

Мой первый материал на DTF. Раньше как-то не приходилось работать с платформами компании помимо VC, но здесь вышла большая оказия с анонсом крайне близкой и знакомой мне игры. Не смог сопротивляться)

(далее…)

Просмотров:

Управление ресурсами в проектном менеджменте

Опубликовано (изменено: ) в Проектный менеджмент.

Управление ресурсами в проектном менеджменте

Управление ресурсами проекта призвано обеспечить наличие необходимых для завершения проекта ресурсов в нужное время и в нужном месте. Ведь без молотка не приколотить полку, а без программиста не сделать мобильное приложение. Каковы особенности этой области знаний проектного управления и основные понятия – разберём в этой статье.

Управление ресурсами проекта – одна из десяти областей знаний управления проектами. Она включает в себя процессы, необходимые для идентификации, приобретения и управления ресурсами, необходимыми для успешного выполнения проекта. Ресурсы в этом случае включают как ресурсы материальные, так и ресурсы команды.

Цель управления ресурсами проекта – обеспечить доступность и доставку необходимых материальных ресурсов в надлежащее время и в нужном месте, а также обеспечивать эффективность и координацию работы и рост компетентности команды проекта.

Преимущества эффективного управления материальными ресурсами

Грамотное управление ресурсами проекта позволяет:

  • Контролировать ход проекта. В компании могут быть тысячи сотрудников, сотни проектов, десятки департаментов и офисов по всему миру. Эффективное управление ресурсами даст возможность контролировать каждый этап и шаг в реализации бизнес-планов.

  • Обеспечивать прозрачность рабочих процессов. Другие департаменты могут оценить загрузку вашей команды и понять, работает ли она на полную мощность либо готова взять дополнительную задачу. Также прозрачность повышает уровень доверия заказчиков и других заинтересованных лиц.

  • Минимизировать риски. Распределив ресурсы и спланировав их использование, вы сможете устранить недостатки или проблемы до того, как они возникнут.

  • Предотвратить выгорание и уход членов команды. Назначая роль и загрузку каждому сотруднику, вы можете быть уверены, что никто не работает сверх нормы и каждый занят тем, за что ему платят.

  • Оценить окупаемости инвестиций (ROI). Имея четкое представление, что понадобится для ведения и завершения проекта, вы можете заранее планировать и оценивать рентабельность инвестиций.

  • Оценить эффективность. Оценивая результаты проекта, вы можете проследить, насколько эффективна ваша команда. Это позволит делать более точные прогнозы на будущее.

Управление ресурсами команды и управление материальными ресурсами

Проектному менеджеру необходимо применять различные подходы к управлению ресурсами команды и управлению материальными ресурсами. К материальным ресурсам относятся оборудование, материалы, здания и сооружения, а также инфраструктура.

Ресурсы команды или персонал — это человеческие ресурсы. Персонал может иметь различные наборы навыков, полную или частичную занятость, дополнительно включаться или удаляться из состава команды по мере выполнения проекта. Процесс управления ресурсами проекта и процесс управления заинтересованными сторонами проекта частично накладываются друг на друга.

Команда проекта состоит из лиц с определенными ролями и ответственностью, которые выполняют совместную работу для достижения общей для всех цели проекта. Руководитель проекта ответственен за приобретение, управление, мотивацию и мобилизацию членов команды проекта. Важным преимуществом для проекта может стать интеграция всех членов команды в процессы планирования проекта и принятия решений. Это позволяет использовать имеющийся у персонала опыт при работе над проектом, а также укрепляет команду и направляет её на достижение результатов проекта.

Задачи управления человеческими ресурсами. Руководитель проекта должен быть одновременно лидером и руководителем команды проекта. Он отвечает также за формирование команды, способной обеспечить необходимый результат. Для этого ему необходимо знать собственный проект и проводимые в нём работы. Не поленитесь узнать следующие аспекты: среда работы команды, места нахождения членов команды, коммуникации между заинтересованными сторонами (стейкхолдерами), управление организационными изменениями, внутренние и внешние политики, отличительные особенности организации. Руководитель проекта также несет ответственность за развитие навыков и компетенций команды. Одновременно ему важно поддерживать удовлетворенность и мотивацию ее членов. Руководитель проекта должен ознакомиться и официально подтвердить согласие с правилами профессионального поведения и нормами этики, а также обеспечить, чтобы все члены команды неуклонно исполняли правила и нормы организации и среды.

Задачи управления материальными ресурсами

I. Оптимальное планирование ресурсов

II. Управление материально-техническим обеспечением (например, материалы, оборудование и инструменты).

PMBOK Guide выделяет управление закупками как отдельную область знаний проектного менеджмента. А Шапиро определяет их как подзадачу управления материально-техническим обеспечением.

Для успешного выполнения задач управления материальными ресурсами руководителю проекта необходимо иметь актуальные и достоверные данные о потребностях в ресурсах (в данный момент времени и в обозримом будущем), о конфигурации ресурсов, которые потребуются для удовлетворения выявленных потребностей, а также об обеспеченности ресурсами организации. Ошибки при решении задач управления и контроля над ресурсами выливаются в большие риски для проекта. Вот несколько примеров:

  • Неспособность своевременно обеспечить наличие важнейшего оборудования или инфраструктуры может стать причиной нарушения сроков изготовления конечного продукта.

  • Заказ некачественного материала может привести к ухудшению качества продукта и стать причиной большого числа отзывов продукта с рынка или необходимости его доработки.

  • Наличие избыточных запасов может стать причиной высоких операционных затрат и снижения прибыли организации.

  • И, напротив, слишком низкий уровень запасов может привести к неудовлетворению спроса заказчика и, опять же, к снижению прибыли организации.

Для распределения использования ресурсов по времени используются такие инструменты, как диаграммы Гантта.

Процессы управления ресурсами проекта

Процессы управления ресурсами проекта призваны обеспечить доступность и доставку необходимых ресурсов руководителю проекта и команде проекта в надлежащее время и в нужном месте. PMBOK Guide 6-е издание относит к этой группе процессов следующие:

  • Планирование управления ресурсами — это процесс, определяющий, каким образом осуществлять оценку, приобретение, управление и использование материальных и кадровых ресурсов проекта. При этом два основных метода планирования ресурсов – ресурсное планирование при ограничении по времени и планирование при ограниченных ресурсах.

Классическая аналитическая задача, с которой вы и ваша команда непременно встретитесь в каждом проекте – решение “производить или покупать”. Это довольно известная за пределами проектного менеджмента аналитическая задача.

Фрагмент из книги Хелдмана Кима “Профессиональное управление проектом”:

Выполняя анализ «производить или покупать», вы пытаетесь получить решение относительно экономической целесообразности покупки необходимых для проекта продукта или услуги либо их создания внутри организации. Стоимость должна включать как прямые затраты (другими словами, фактические затраты на покупку товаров и услуг), так и косвенные, например зарплату менеджеру, ответственному за процессы поставки, или затраты на текущее обслуживание. Затраты необязательно означают затраты на покупку. При анализе «производить или покупать» вы можете сравнить затраты на аренду продукта и затраты на его покупку. Предположим, в вашем проекте требуется специализированное ПО, которое, как вы знаете, к концу проекта устареет. В таком случае аренда — самый лучший выход из ситуации: к тому времени, когда проект подойдет к концу, выйдет новая версия ПО, и вы успеете ее протестировать и установить в процессе завершения проекта.

Другие вопросы, рассматриваемые в анализе «производить или покупать», включают такие элементы, как производственные мощности, навыки, доступность и коммерческая тайна. Для определенных процессов может потребоваться строгий контроль, поэтому они не могут быть отданы на аутсорсинг. Возможно, ваша организация имеет внутренние возможности для выполнения проекта, но из-за множества текущих незавершенных проектов вы будете ждать начала нового проекта многие месяцы, поэтому вам придется привлечь к работе подрядчика. Анализ «производить или покупать» считается методом общего менеджмента и направлен на принятие того или иного решения.

И у Хелдмана Кима, и у Мазура Ивана остальные процессы во многом включены в процесс планирования. Поэтому про них поговорим гораздо короче.

  • Оценка ресурсов операции — это процесс оценки ресурсов команды, типа и количества материала, оборудования и расходных материалов, необходимых для выполнения работ проекта.

  • Приобретение ресурсов — это процесс привлечения членов команды, средств, оборудования, материалов, расходных материалов и других ресурсов, необходимых для выполнения работ проекта.

  • Развитие команды — процесс совершенствования компетенций, взаимодействия членов команды, а также общих условий работы команды для улучшения исполнения проекта.

  • Управление командой — это процесс отслеживания деятельности членов команды, обеспечения обратной связи, решения проблем и управления изменениями в команде с целью оптимизации исполнения проекта.

  • Контроль ресурсов — это процесс обеспечения того, что назначенные и выделенные для проекта материальные ресурсы доступны в соответствии с планом, а также мониторинга для сравнения запланированного и фактического использования ресурсов и выполнения необходимых корректирующих действий.

Важно понимать, что на практике зачастую процессы сложно отделить друг от друга, они могут проходить параллельно или даже одновременно. Проектному менеджеру не следует создавать дополнительных препятствий развитию проекта, принудительно разделяя процессы между собой.

За хорошим обзором отдельных процессов управления ресурсами и проектного менеджмента в целом рекомендую обратиться к шестому изданию PMBok Guide.

Тенденции управления ресурсами проекта

С течением времени стили управления проектом смещаются от иерархической структуры управления и контроля в области управления проектами в сторону гибких и демократических подходов Они характеризуются большим коллективизмом и взаимной поддержкой, мобилизацией работы команды путём передачи принятия решений ее членам. Наиболее известными методиками для этого являются Agile и Scrum.

Методы управления ресурсами. Кроме этого, подходы к управлению ресурсами проекта в наши дни отличает стремление к оптимизации их использования. Мы можем наблюдать дефицит важнейших ресурсов в некоторых отраслях в последние годы, отчасти это последствие кризисов или бурного развития IT сектора. Дефицит дал толчок нескольким тенденциям экономии ресурсов. Например, методам бережливого менеджмента, производства «строго в срок» (just-in-time, JIT), кайзен (Kaizen), всеобщего обслуживания оборудования (total productive maintenance, TPM), теории ограничений (theory of constraints, TOC) и другим. Руководитель проекта должен определить, приняты ли в организации один или несколько инструментов для управления ресурсами, и соответственно адаптировать проект.

Эмоциональный интеллект (emotional intelligence, EI). Руководитель проекта должен уделять особое внимание своим личным Soft Skills, а в особенности эмоциональному интеллекту. Это включает развитие компетенций, обращенных внутрь (т. е. управление собой и самоанализ) и обращенных вовне (т. е. управление отношениями). Исследования показывают, что команды проектов, которые смогли поднять общий EI и стали эмоционально компетентной группой, работают более результативно. Кроме того, для таких команд характерна меньшая текучесть кадров.

Самоорганизующиеся команды. Распространение гибких подходов к управлению проектами, главным образом в проектах ИТ, привело к появлению понятия самоорганизующейся команды. Такой называют команду, которая работает без централизованного контроля. В таких командах роль руководителя проекта состоит в том, чтобы обеспечить команде необходимые среду и поддержку и качественно делегировать ей исполнение работы. Обычно такие команды состоят не из узких экспертов, а из специалистов широкого профиля, которые постоянно приводят работу в соответствие с трендами и активно используют обратную связь.

Виртуальные команды/распределенные команды. Пандемия и процесс глобализации проектов способствовали появлению развитию виртуальных команд, члены которых при работе над одним и тем же проектом находятся в разных местах. Работа таких команд стала возможной благодаря таким средствам коммуникации, как электронная почта, аудио-, видео-конференции, социальные сети, а также совещания, основанные на веб-технологиях. Управление виртуальными командами открывает уникальные возможности, например возможность использовать особые знания и опыт команды проекта даже в тех случаях, когда эксперты не находятся в одном регионе. Также можно вовлекать работающих на дому сотрудников, а также людей с ограниченными подвижностью или возможностями. Основные проблемы с виртуальными командами связаны с областью коммуникации, возможным чувством изолированности, пробелами в обмене знаниями и опытом между членами команды, а также трудности в отслеживании хода работ и производительности, вероятной разнице во времени по часовым поясам и культурными различиями.


Если вы хотите узнать больше об управлении ресурсами проекта, можете ознакомиться с бесплатным пособием “Управление ресурсами проекта” Богомоловой А.В. и различными отечественными и международными стандартами: PMBOK Guide, стандарты IPMA, стандарты The Office of Government Commerce, стандарты APM, ГОСТ Р 52807-2007 и другими.

Подпишитесь на мой канал, если хотите узнать больше об управлении проектами.

Источники

  • PMBOK Guide 6th Edition. Must have Библия проектного менеджмента.

  • И.И. Мазур Управление проектами

  • Хелдман Ким Профессиональное управление проектом

Просмотров:

Части проекта – сферы знаний

Опубликовано в Проектный менеджмент. Метки: .

Помимо уже рассмотренных нами аспектов проекта, существует важное деление на сферы знания. Что же это?

Нужно посмотреть на то, что институт управления проектом называет сферами знания управления проектом. Сферы знания — это системы процессов, которые сочетают в себе различные темы (предметы) и таким образом извлекают пользу из использования специфических знаний и умений в каждой из этих сфер.

— Профессиональное управление проектом, К. Хелдман

Или взглянем на определение, дающееся в PMBOK Guide.

Knowledge area – identified area of project management defined by its knowledge requirements and described in terms of its component processes, practices, inputs, outputs, tools, and techniques.

— PMBOK Guide 6th edition

Мой перевод, возможны ошибки принятой русскоязычной терминологии:

Сфера знания – определенная часть проектного менеджмента, определяемая её требованиями к знаниям и описываемая составляющими её процессами, практиками, вводами, выводами, инструментами и техниками.

В PMBOK Guide 6th edition выделяют десять сфер знания, о которых мы и поговорим сегодня.

1. Интеграция (Integration) – процессы и действия для поиска, определения, объединения и координирования различных процессов и деятельности в различных группах процессов.

2. Планирование (Schedule) – включает процессы, необходимые для обеспечения работы проекта в соответствии с расписанием.

3. Управление качеством (Quality Management) – включает процессы, необходимые для поддержания качества проекта в соответствии с политикой организации. Уровень качества помимо предъявления требований к самому проекту, также может распространяться на процессы планирования, управления и контроля проектом.

4. Коммуникации (Communications) – включает процессы, необходимые для координации всех работающих над проектом людей. Эти процессы направлены на работу с информацией по проекту: её планирование, сборка, создание, распределение, хранение, извлечение, управление, контроль, мониторинг и утилизация.

5. Закупки (Procurement) – процессы, необходимые для покупки или приобретения необходимых продуктов, сервисов или услуг за пределами команды.

6. Границы проекта (Scope) – процессы, которые гарантируют, что проект включает всю необходимую для своего завершения работу, и ничего лишнего.

7. Затраты (Cost) – процессы, связанные с планированием, определением, бюджетированием, финансированием, финансированием, управлением и контролем затрат. Всё это проводится с целью, чтобы проект мог быть завершен в рамках одобренного бюджета.

8. Ресурсы (Resources) – процессы по определению, приобретению и управлению ресурсами, необходимыми для успешного завершения проекта.

9. Риск (Risk) – процессы, связанные с управлением рисками, планированием, определением, анализом, планированием ответов, реализацией планов и мониторингом рисков на проекте.

10. Стейкхолдер (Stakeholder)  – процессы, направленные на определение людей, групп и организаций, которые могут влиять или на которых может повлиять проект. В рамках управления стейкхолдерами анализируются ожидания стейкхолдеров, их влияние на проект, разрабатываются стратегии работы с ними.

Просмотров:

PMBOK 7 издание выйдет в августе 2021. Что нового?

Опубликовано в Проектный менеджмент.

PMI анонсировали, что седьмое издание книги PMBOK выйдет 1 августа 2021. PMBOK – один из самых важных ресурсов по проектному менеджменту. Большинство курсов Project Management Professional (PMP) готовят свои материалы на основе PMBOK. Потому седьмое издание PMBOK вдохнёт новую жизнь в PMP и CAPM сертификации.

Из-за чего изменения?

До текущего момента PMBOK в основном фокусировался на технике управления проектом водопадом (waterfall). Но развитие технологий привело к ужесточению конкуренции на рынках. Жизненные циклы продуктов всё короче, а требования к проектам и продуктам могут меняться посередине проекта.

С традиционным подходом к проектному менеджменту очень сложно реагировать на постоянные изменения требований. Именно поэтому в двухтысячных активно начали развиваться методологии и подходы на основе Agile. Сейчас они наиболее распространены в IT индустрии.

Вместе с изменением динамики проектного менеджмента, трендов и фреймворков, PMBOK должен реагировать и меняться в соответствии. Именно поэтому PMBOK изменяют каждые 3-5 лет.

Что поменяется?

Если резюмировать:

Седьмое издание PMBOK будет сосредоточено на принципах, а не на процессах. А потому оно будет гораздо короче шестого издания.

В зависимости от характеристик проекта, индустрии, требований и организаций Проектные Менеджеры должны применять различные подходы к управлению проектами. Основные подходы: predictive, agile, гибридные или waterfall. Важно осознавать, что стандарты проектного менеджмента (вместе с ними и PMBOK) не должны предпочитать те или иные подходы. Стандарты должны помогать создавать успешные проекты и продукты.

Привычные проектному менеджеру процессы, инструменты, техники, вводы и выводы не будут присутствовать в седьмом издании PMBOK. Вместо них мы увидим принципы, которые в целом приняты и практикуются в проектном менеджменте. Если раньше PMBOK крутился вокруг результатов (deliverables), то теперь фокус будет на общем исходе, а не конкретных deliverables.

Поэтому в седьмом издании проекты будут не только создавать продукты (deliverables), но и общие результаты (outcomes), которые приносят ценность организации.

Если вы знаете английский, то понять общие тенденции поможет картинка:

Screen-Shot-2020-02-12-at-21.40.07 PMBOK 7th Edition - Coming in August 2021 - What is changing?

Вместо десяти области знаний в PMBOK будут домены производительности (perfomance domains). Новые главы включат Tailoring, Models, Methods и Artifacts.

Вместо пяти групп процессов (инициирование, планирование, работа, мониторинг и контроль, закрытие) будет 12 принципов выпуска проекта (Project Delivery Principles) и система производства ценности (Value Delivery System). Value Delivery System на схеме выглядит вот так:
Screen-Shot-2020-02-12-at-22.53.06 PMBOK 7th Edition - Coming in August 2021 - What is changing?
Седьмое издание PMBOK включает радикальные изменения, большой переход от waterfall к гибким техникам agile.

Источник

Просмотров:

Open Source инструменты для управления проектами 2021

Опубликовано в Проектный менеджмент. Метки: , .

Иногда ради экономии ресурсов или эксперимента для управления проектами стоит попробовать что-то помимо Microsoft project. Представляю вашему вниманию подборку программ с открытым исходным кодом (значит, бесплатных) для проектного менеджмента.


Перевод статьи Франка Бергманна с сокращениями и дополнениями.

В теории подход к проектному менеджменту довольно прост. Мы создаем план проекта и дробим его на меньшие части, пока не сможем довольно точно определить стоимости, продолжительность, ресурсы и зависимости задач. Затем мы несём этот план для одобрения начальством, а потом следим за его исполнением. Когда мы распределяем все задачи проекта на шкале времени, получаем так называемую диаграмму Гантта.

Диаграммы Гантта используются очень давно для методологий водопада. Но их можно применять и для гибких методологий. Например, очень крупные проекты могут делать диаграммы Гантта для каждого спринта. Проектам поменьше лучше ограничиться диаграммами под важные релизы. В этих случаях диаграмма Гантта поможет нам отследить распределение ресурсов, времени и зависимости между разными частями. Ведь мы не можем сделать приложение раньше макетов его дизайна.

Существуют сотни программ для работы с диаграммами Гантта, от крупных и многофункциональных до мелких утилит. Наиболее известная из них – Microsoft Project. Она крайне маштабируемая и позволяет работать с проектами любой длительности и размера. Но при работе с ней зачастую непонятно, что дороже: стоимость лицензии или обучения персонала для работы с программой.

Другое ограничение MS Project – тот факт, что это десктоп-приложение. Работать с расписанием может только один человек. Иначе вам придётся доплатить за лицензии MS Project Server, Project для веба или Microsoft Planner.

Благо, вы можете серьезно сэкономить на бесплатных альтернативах с открытым исходным кодом. Все перечисленные программы включают в себя функционал по работе с диаграммами Гантта.

Проекты распределялись из соображений одного проектного менеджера с одним большим проектом. Важные критерии – функционал редактора диаграмм Гантта, кроссплатформенность, маштабируемость, импорт/экспорт и отчёты.

(Прим. переводчика: автор оригинальной статьи – создатель ]project-open[)

Redmine 4.1.0

Redmine

(Frank Bergmann, CC BY-SA 4.0)

Redmine – web инструмент для проектного управления с фокусом на agile методологии.

Стандартная установка включает диаграммы Гантта, но ей не хватает инструментов для планирования, drag&drop интерфейсов, распределения ресурсов. Вам придётся редактировать сущности одну за другой, чтобы поменять структуру дерева задач.

Для Redmine выпускали пару плагинов для редактирования диаграмм Гантта, но они либо устарели (Plus Gantt), либо проприетарны (ANKO Gantt chart).

Redmine написан на Ruby on Rails, его можно развернуть на Windows, Linux и macOS. Он идеален для IT команд, использующих гибкие методологии.

]project-open[ 5.1

]project-open[

(Frank Bergmann, CC BY-SA 4.0)

]project-open[ – ещё одна браузерная система управления проектами, которая отлично масштабируется на всю организацию (как ERP системы). В ней также можно управлять портфолио проектов, бюджетами, счетами, продажами, human resources и многим другим. Есть варианты использования для professional services automation (PSA) в организациях, работающих на проектной основе, PMO для стратегического управления проектами, и enterprise project management (EPM) для управления проектами отдела.

Редактор диаграмм Гантта включает иерархию задач, зависимости и планирование в зависимости от необходимой работы и выделенных ресурсов. В ]po[ нет поддержки календарей ресурсов. Система довольно сложная, а интерфейс иногда порядком староват.

]project-open[ также кроссплатформенен. Он удобен для средних и крупных организаций, которым необходимо много финансовой отчётности по проектам. Она выделяется за счёт интеграции всей компании или отдела в одну систему, что упрощает стратегическое управление и контроль.

ProjectLibre 1.9.3

ProjectLibre

(Frank Bergmann, CC BY-SA 4.0)

ProjectLibre – наиболее близкий по духу Microsoft Project вариант. Это десктоп-приложение, которое включает все важные функции для планирования проекта, включая календари ресурсов, baselines и управление стоимостью. Также поддерживается импорт-экспорт с MS Project.

Это идеальная система для маленьких или средних проектов. Здесь нет некоторых узких функций MS Project, а GUI не самый красивый.

ProjectLibre написан на Java и доступен на Windows, Linux и macOS. По проприетарной лицензии доступен веб клиент ProjectLibreCloud.

ProjectLibre идеально подойдёт для отдельного PM’а, управляющего небольшими проектами. Или для просмотра проекта членами команды, у которых нет лицензии MS Project.

GanttProject 2.8.11

GanttProject

(Frank Bergmann, CC BY-SA 4.0)

GanttProject похож на ProjectLibre своим десктоп редактором диаграм Гантта, однако функционал здесь гораздо меньше. Вы не найдёте здесь baselines или non-human resources, да и отчёты весьма ограничены.

GanntProject подойдёт разве что для построения отдельных диаграмм или изучения техник управления на их основе.

TaskJuggler 3.7.1

TaskJuggler

(Frank Bergmann, CC BY-SA 4.0)

TaskJuggler позволяет планировать несколько параллельных проектов в крупных организациях. Для этого здесь есть механизм автоматического разрешения конфликтов при распределении ресурсов.

Это не интерактивный редактор диаграмм. Вам придётся поработать с консолью в манере компилятора. Программа читает список задач из текстового файла и выдает серию отчётов с оптимальными началами и окончаниями каждой задачи на основании выделенных ресурсов, зависимостей, приоритетов и других параметров.

Если вы решитесь изучить специфический синтаксис TaskJuggler, то найдёте здесь весь необходимый функционал для автоматического планирования проекта. Вы можете интегрировать результаты с ]project-open[.

ProjeQtOr 9.0.4

ProjeQtOr

(Frank Bergmann, CC BY-SA 4.0)

ProjeQtOr – браузерное приложение для управления проектами, специализирующееся на IT. Тут можно управлять рисками, бюджетами, результатами и финансовыми документами, помимо привычного функционала проектов, тикетов и задач. С ProjeQtQr вы сможете интегрировать множество аспектов проектного менеджмента в одной системе.

ProjeQtQr предоставляет редактор диаграмм Гантта, особо не отличающийся в функциях от ProjectLibre. ПО написано на PHP и доступно для Windows, Linux, и macOS. В системе вы сможете сохранить множество различной информации по всем проектам отдела или компании.

Другие инструменты

В отдельных ситуациях вам может пригодиться одна из этих программ, которые заслуживают упоминания, но не вошли в общий список.

LIbrePlan

(Frank Bergmann, CC BY-SA 4.0)

  • LibrePlan – браузерное приложение для работы с диаграммами Гантта. Недоступна для современных версий Linux.
  • dotProject – браузерная система, написанная на PHP. Включает отчёты в диаграмме Гантта, но не функционал для её редактирования.
  • Leantime – браузерная система с красивым интерфейсом, которая может работать с диаграммами Гантта, но не включает функционал зависимостей.
  • Orangescrum – здесь диаграммы Гантта – платный аддон.
  • Talaia/OpenPPM – браузерная система управления портфолио, в которой ещё не добавили функционал работы с диаграммами Гантта.
  • Odoo и OpenProject ограничивают важный функционал бесплатных версий.
Просмотров:

Части проекта – группы процессов

Опубликовано (изменено: ) в Проектный менеджмент. Метки: .

Группы процессов – логические группы процессов проектного менеджмента, которые направлены на достижение определенных целей проекта.

В PMBOK Guide выделяют пять групп проектов:

  1. Инициирование – процессы, которые выполняются для определения нового проекта или фазы существующего проекта. В том числе сюда входит получение одобрений от вышестоящего руководства.
  2. Планирование – процессы, направленные на определение Scope проекта, целей и задач. Здесь же планируется курс действий, направленных на достижение цели проекта.
  3. Выполнение – процессы, связанные с выполнением работ, необходимых для удовлетворения требованиям проекта.
  4. Мониторинг и контроль – процессы, производимые для отслеживания, проверки и регулирования прогресса и производительности проекта. Здесь определяются все сферы исходного плана, в которые необходимо внести изменения, и производятся корректировки.
  5. Закрытие – процессы, необходимые для формального закрытия и завершения проекта, фазы или контракта.

В дальнейшем все конкретные процессы проектного менеджмента, мы будем определять к одной из этих пяти групп.

Просмотров:

Части проекта – процессы

Опубликовано (изменено: ) в Проектный менеджмент. Метки: .

Процесс проектного менеджмента – систематическая последовательность действий, в которых вход (исходный материал) преобразуется в выход (результат процесса) при помощи инструментов и техник проектного менеджмента. Выходом может быть результат (deliverable).

Процессы связаны между собой входами и выходами и могут содержать пересекающиеся действия, которые происходят за проект. Обычно результат одного процесса становится входом другого или одним из результатов (deliverables) проекта или фазы проекта.

Все процессы проектного менеджмента попадают в одну из 5 групп:

  • Инициирование проекта;
  • Планирование проекта;
  • Работа над проектом;
  • Мониторинг и контроль;
  • Закрытие проекта.

О них подробнее в следующем посте.

Просмотров:

Части проекта – фазы

Опубликовано (изменено: ) в Проектный менеджмент. Метки: .

Фаза проекта – набор логически связанных действий в проекте, которые вместе создают один или более результат (deliverable).

Каждая из фаз проекта может быть описана рядом измеряемых атрибутов, которые зачастую уникальны для конкретной фазы.

В проектном менеджменте нет конкретного перечня фаз. Условно их можно распределить по группам: открытие проекта, организация и подготовка, выполнение работ, окончание проекта.

Примерами фаз проекта являются: разработка концепта, исследование рисков, сбор требований, разработка решения, дизайн, прототип, билд, тест, переход, сдача проекта.

Phase gate – проверка в конце фазы, в ходе которой принимается решение по продолжению, изменению или окончанию фазы проекта. Продуктивность и прогресс проекта сверяется с проектной и бизнес документацией.

Примеры phase gates: phase review, stage gate, kill points, phase exits.

Просмотров:

Какие задачи решаются на каждом уровне управления проектами, программами и портфолио?

Опубликовано (изменено: ) в Проектный менеджмент.

Проектный менеджмент решает вопросы применения процессов проектного менеджмента в каждом конкретном проекте. Задача проектного менеджмента – создать практический результат для компании: выпустить продукт, решить проблему, помочь достичь цели.

Программный менеджмент фокусируется на взаимосвязи между проектами и программой, чтобы вывести оптимальный подход к их управлению. Так как программа состоит из проектов и подпрограмм, управлять созданием благ к программе можно целостно, а не на уровне отдельных проектов. Цель программного менеджмента – создать ценность для организации, извлечь выгоду из проекта.

Менеджмент портфолио сосредоточен на эффективном построении стратегий и приоритетов в организации. На этом этапе портфолио организации соотносится со стратегией бизнеса за счёт реализации программ или проектов, приоритизации и распределения ресурсов. Цель менеджмента портфолио – принести ценность бизнеса, например, извлечь прибыль из программы.

http://www.bushellcornish.com.au/wp-content/uploads/2016/09/program-project-management-diagram-1.png

Просмотров:

Из чего состоит компания с точки зрения проектного менеджмента?

Опубликовано (изменено: ) в Проектный менеджмент.

Портфолио организации состоит из стратегии организации, которая определяет набор программ, реализуемых в компании.

Каждая из этих программ может включать один или более связанных проектов. После окончания проектов продукты уходят в подчинение операционному менеджменту.

В этой схеме проектные менеджеры занимаются управлением проектами, программные менеджеры – программами, операционные менеджеры – операциями. Над всем этим стоят менеджеры портфолио. За создаваемые в проектах продукты и услуги отвечают продуктовые менеджеры.

https://kevinberardinelli.files.wordpress.com/2011/03/business-operations-and-strategic-planning.png

Просмотров:

Факторы, которые приводят к созданию проекта

Опубликовано (изменено: ) в Проектный менеджмент.

1) Необходимость соответствия регуляторным, юридическим или социальным требованиям
2) Необходимость удовлетворения запросов стейкхолдеров или потребности компании: запросы рынка, клиентов или стейкхолдеров, потребности общества.
3) Необходимость создания или изменения стратегий бизнеса: поддержание конкурентоспособности на рынке при изменении технологий/политической обстановки/ситуации на рынке или из соображений поддержания экосистемы (окружающая среда, персонал и т.д.).
4) Необходимость создания, улучшения или исправления продуктов, процессов или услуг бизнеса: появляется вследствие тех же причин, что и предыдущий пункт.

Просмотров:

Цель создания проекта

Опубликовано (изменено: ) в Проектный менеджмент.

Соответственно, проекты направлены на создание ценности и выгоды для компании. И управляющие компаний работают с ограниченными бюджетами, сроками, ресурсами и технологиями. И чтобы остаться конкурентоспособными, они применяют техники проектного менеджмента.

Просмотров:

Два базовых понятия проектного менеджмента

Опубликовано (изменено: ) в Проектный менеджмент.

1) Проект – временная деятельность, направленная на создание уникального продукта, услуги или результата. Имеет конкретное начало и конец, предпринимается для выполнения целей за счёт создания deliverables.
2) Deliverable (результат) – любой уникальный и тестируемый продукт, результат или возможность оказания услуг, который требуется для завершения процесса, фазы или проекта.

Просмотров:

Кто такие проектные менеджеры?

Опубликовано (изменено: ) в Проектный менеджмент.

Сотрудники, которые организуют команду, работают со стейкхолдерами и двигают проекты вперед
Они менеджат бюджет, сроки, цели и задачи проекта как в big picture, так и под микроскопом.
Для организации проекта они используют различные техники и методологии, делят сложные задачи на мелкие, которые можно задокументировать, отследить и проконтролировать
PMы встречаются в каждой организации нар разных позициях: сотрудники, менеджеры, консультанты и CEO.

Просмотров:

Почему в Minecraft нет развитой экономики Там нет…

Опубликовано (изменено: ) в Без рубрики.

Почему в Minecraft нет развитой экономики? Там нет разделения труда. У игроков нет причин для обмена товаров друг с другом, если они всё могут произвести самостоятельно с равной степенью эффективности.

Просмотров:

Области знаний необходимые для PMа интеграция scope время…

Опубликовано (изменено: ) в Без рубрики, Проектный менеджмент.

Области знаний, необходимые для PMа: интеграция, scope, время, стоимость, качество, закупки, HR, коммуникации, управление рисками, управление стейкхолдерами.

Просмотров:

Все процессы проектного менеджмента попадают в одну из…

Опубликовано (изменено: ) в Без рубрики, Проектный менеджмент.

Все процессы проектного менеджмента попадают в одну из 5 категорий:

  • Инициирование проекта
  • Планирование проекта
  • Работа над проектом
  • Мониторинг и контроль
  • Закрытие проекта
Просмотров:

Привет всем Решил присоединиться к тренду на мобильную…

Опубликовано (изменено: ) в Без рубрики.

Привет всем!

Решил присоединиться к тренду на мобильную журналистику. Я постоянный автор журнала “Системный Администратор”, также пишу для соцсетей. И следующий месяц я буду писать посты/статьи/материалы только с телефона, а об успехах и трудностях уведомлять вас.

Большой пост, будет дополняться

(далее…)

Просмотров: