- •5. Управление риском
- •Основными составляющими процесса управления риском являются:
- •Для каждого выявленного риска должно быть определено следующее:
- •Анализ сценария (а): неколичественный
- •Анализ с использованием поправочных коэффициентов и допусков
- •Анализ смешанного типа
- •Анализ вероятности
- •Анализ сценария (в): полуколичественный
- •Полуавтоматический анализ риска
- •Переадресация риска
- •Участие в рисках
- •Незапланированные риски — ситуации «да/нет»
- •Риски, связанные с выполнением графика работ
- •Риски затрат
- •Технические риски
- •Сметные резервы
- •Резервы управления
- •Вопросы для повторения
Анализ сценария (а): неколичественный
Это один из первых и наиболее распространенных методов. В основном данный метод определяет, что отрицательного может произойти, степень серьезности вероятных событий, вероятность того, что это может случиться. На основе субъективного мнения об этих переменных строится оценка альтернатив: принять или снизить, разделить или переложить риск через использование субъективного процесса на источник рентабельности. Хотя риски не имеют количественного выражения, они основываются на опыте, в большинстве случаев надежном. Однако, если «эксперты» обладают разным опытом и знаниями, оценка риска может быть несостоятельной.
Анализ с использованием поправочных коэффициентов и допусков
Этот метод также широко используется менеджерами проектов. В нем используются данные о предыдущих проектах, сходных с предлагаемым. На основе принятия некоторого поправочного коэффициента между старым и новым проектами делаются точечные оценки времени, стоимости или технологии, а также нижнего и верхнего предела точности оценки. Коэффициент, как правило, является постоянной величиной. Например, если в предыдущих проектах на строку компьютерного кода уходило 10 минут, то постоянная величина 1,10, представляющая собой 10% увеличение, будет использоваться при оценках времени предполагаемого нового проекта, так как новый проект будет сложнее предыдущих. Имея расчеты для нового проекта, можно пересмотреть процентные пределы для предыдущих проектов и оценить нижние пределы риска.
Анализ смешанного типа
Многие менеджеры неохотно применяют количественные методы из-за их ограниченных возможностей. По мнению таких менеджеров, подобие модели не могут полностью использовать весь объем накопленных ими знаний. Все больше растет признание эвристических моделей, использующих знания и практический опыт управленцев. (Эвристика – метод обучения, способствующий развитию находчивости, активности). Например, на создание сборочной линии принтеров потребуется больше времени за рубежом, чем в США. Таким образом, американским менеджерам нужно умножить время работы над проектом на 1,3 или на другую цифру, основанную на реальных данных о длительности работы над предшествующими проектами в предполагаемой стране. Менеджерам удобно совмещать свой практический опыт с субъективными оценками, и они и дальше будут так поступать. Некоторые исследователи предлагают переносить подобный практический опыт в экспертные системы, с тем, чтобы дать доступ к нему как можно большему числу практиков. Экспертная система использует иерархическую структуру выводов, позволяющую менеджеру отбирать основные факторы риска и в конечном итоге работать по ходу событий.
Анализ вероятности
Существует много статистических методов, которые могут помочь управляющему проектом оценить риск. Используются так называемые «деревья решений», с помощью прогнозируемых значений позволяющие оценить альтернативные действия. При оценке рисков, например, связанных с денежными потоками по проекту, можно использовать статистические значения чистой приведенной стоимости. Часто для оценки рисков, связанных с движением денежной наличности, применяются коэффициенты корреляции между движением наличности в предыдущих проектах и S-кривыми (кривыми кумулятивных затрат на проект в течение всего его жизненного цикла). И, наконец, для пересмотра проектных действий и риска могут быть использованы метод PERT (метод оценки и пересмотра программ) и методы моделирования с его помощью. Моделирование PERT используется все чаще, так как в нем используются те же данные, что и для PERT, а также программы, которые для создания моделей легко доступны (см. Приложение 5-1 в конце главы с более подробным описанием PERT и PERT-моделирования).