Supporto alle decisioni in ambito PPM - PMI-NIC...•Introduzione ai contenuti del webinar...
Transcript of Supporto alle decisioni in ambito PPM - PMI-NIC...•Introduzione ai contenuti del webinar...
1 La Trasformazione Digitale del Project Manager
La Trasformazione Digitale del Project Manager
www.pmi-nic.org
https://www.linkedin.com/groups/8584295PVA Branch Group on linkedin
Supporto alle decisioni in ambito PPM
(dagli analytics all’intelligenza artificiale)
Marco Caressa
2 La Trasformazione Digitale del Project Manager
Agenda
• Saluti dal Branch PVA del PMI-NIC
• Introduzione ai contenuti del webinar
• Supporto alle decisioni in ambito PPM –La trasformazione digitale del Project Manager
• Q&A
Giuseppe Trivigno Toni Ciccardi
PMI NIC- PVA
3 La Trasformazione Digitale del Project Manager
Prima di cominciare
1 PDU TPM per le certificazioni PMP/ PgMP, PMI- ACP, PfMP, PMI-PBA 0,5 PDU TPM per le certificazioni PMI- SP, PMI- RMP
Il materiale sarà reso disponibile nel sito PMI-NIC nella pagine dell’eventohttp://www.pmi-nic.org/eventi/prossimi-eventi/dettaglio-evento/?id=205
per le domande…dal vivo alcune risposte, le altre in post nei canali LinkedInhttps://www.linkedin.com/groups/8584295 PMI-NIC, Branch PVAhttps://www.linkedin.com/groups/64391 PMI-NIC
4 La Trasformazione Digitale del Project Manager
Digital Transformation
DigitalSet di strumenti indispensabili e che hanno modificato la nostra vita lavorativa e personaleTransformationL’utilizzo di questi strumenti a livello aziendale, culturale e statale per migliorare i servizi, l’offerta e le possibilità a clienti e dipendenti
Digital Transformation ≠ Technology Transformation
1) Nuovo prodotto e nuova esperienza2) Modalità di operare all’interno dell’organizzazione3) Responsabilizzare
5 La Trasformazione Digitale del Project Manager
Trasformazione digitale del PM
16 Luglio Il «piccolo mondo» degli Stakeholder
2 Ottobre Supporto alle decisioni in ambito PPM: dagli analyticsall'intelligenza artificiale
13 Giugno Modern Project Management
NovembreFondazione dell’Ordine degli Ingegneri della Provincia di Torinoin partnership con il PMI NIC
6 La Trasformazione Digitale del Project Manager
Trasformazione digitale del PM
13 Giugno – Modern Project Management
16 Luglio – Il «piccolo mondo» degli Stakeholder
2 Ottobre – Supporto alle decisioni in ambito PPM: dagli analyticsall'intelligenza artificiale
7 La Trasformazione Digitale del Project Manager
Agenda
• Saluti dal Branch PVA del PMI-NIC
• Introduzione ai contenuti del webinar
• Supporto alle decisioni in ambito PPM (dagli analytics all’intelligenza artificiale) –La trasformazione digitale del Project Manager
• Q&A
Marco CaressaEngineering
8 La Trasformazione Digitale del Project Manager
Speaker Profile
Marco Caressa, PMI-ACP®, PMP®, PRINCE2® Practitioner, ITIL®, SMC™[email protected]@mcaressahttps://www.linkedin.com/in/marcocaressa/
Papà e MaritoIngegnere NucleareProfessionista IT in Perenne «Beta»Divulgatore di Project Management & AgileFanatico di CodiceAmante di Scienza e TecnologiaMalato di Sport
9 La Trasformazione Digitale del Project Manager
Perché questo Webinar
Perché nel percorso sulla trasformazione digitale del Project Manager, iniziato a giugno con un «discorso sul metodo» (#ModernPM) e proseguito a luglio con le potenzialità della «network analysis» (#SmallWorldNetworks)…
…chiudiamo il cerchio con la vera essenza della Digital Transformation…
I dati !!!
La trasformazione digitale è data-driven. Servizi e piattaforme (app, web, social, IoT, wearable…) generano dati (Big Data) da cui ricavare informazioni (analytics) in base alle quali si decide il corso delle azioni, che si tratti di decisori umani o artificiali (Machine Learning, AI)
Baldassarre Tommaso Peruzzi – Atlante
10 La Trasformazione Digitale del Project Manager
Obiettivo
Dati di Project & Portfolio
Management
ActionableInsights & PPM
Decision MakingRaccolta
Elaborazione, analisi
e modellazi
one
Integrazione e
gestione
Esplorare in modo sintetico (ma rigoroso) come dai dati prodotti dai progetti possano dedursi azioni (e automatismi) di gestione
11 La Trasformazione Digitale del Project Manager
Con quali strumenti
Analytics di progetto
Modelli statistici
Modelli algebrici
Per il progettoPer il portfolioPer l’organizzazione
Fonte: https://www.winpure.com/blog/what-is-the-difference-between-data-and-information/
12 La Trasformazione Digitale del Project Manager
Con uno sguardo al futuro…
Ragionando su come servizi cognitivi e intelligenza artificiale potranno cambiare il PPM
13 La Trasformazione Digitale del Project Manager
Supporto alle decisioni in ambito PPM
Decisioni «informate sui fatti»
Dal Project Management «data informed» a quello «data driven»
Analytics di progetto: Step 1 – Raccolta dei dati, Step 2 – Elaborazione e
analisi dei dati, Step 3 – Decision Making
Modelli statistici di «project analytics»: Montecarlo simulation made simple
Modelli algebrici di «decision making»: applicazione di AHP (Analytic
Hyerarchic Process) alla scelta di un PM (caso d’uso)
PPM & Big Data
PPM & AI
Lesson learned
Domande?
14 La Trasformazione Digitale del Project Manager
Come prendiamo decisioni?
Ci basiamo sui dati? Di solito no. La prova?
Qualcuno di voi ha paura di prendere l’aereo? E l’automobile?
https://www.telegraph.co.uk/travel/advice/pilots-simple-ways-cope-turbulence-fear-of-flying/ http://overcomefearofdriving.org/83/fear-of-driving-due-to-past-accidents/
15 La Trasformazione Digitale del Project Manager
Ruolo delle emozioni nel processo decisionale
https://www.feingoldtech.net/en/tech-and-science/diagram-decision-making-process-emotions-vs-rationalization/
Nelle decisioni da prendere sotto pressione c’è una motivazione fisiologica.
Il sistema limbico (amigdala) reagisce più rapidamente della neocorteccia.
16 La Trasformazione Digitale del Project Manager
Anche nel business…
Un’azienda può decidere di non investire in un progetto per realizzare un nuovo prodotto pur avendone le capacità tecniche e commerciali e nonostante analisi e report mostrino una richiesta da parte del mercato.
Perché mai? Anche le aziende decidono “di pancia” o in base a consuetudini o attitudini culturali ed emotive.
Es. aziende che operano “su commessa” sono riluttanti ad impegnare costi e risorse se non a fronte di un ordine specifico del cliente. Rischiano così di perdere opportunità che l’analisi dei dati a disposizione suggerirebbe invece di cogliere.
17 La Trasformazione Digitale del Project Manager
Decisioni informate sui fatti
«In God we trust, all others must bring data»(W. Edwards Deming)
Processi di Executing
Processi di Monitoring & Controlling
Monitor & Control Project Work (Integration)
Work Performance Data
Work Performance Information
Work Performance Reports
Perform IntegratedChange Control
(IntegrationProcessi di Progetto
ApprovedChange Request
Comunicazioni di Progetto
Team di Progetto
Stakeholders
Project Management Plan e Project Document Updates
Elaborazione dati fattuali
Centro di decisione
PMBOK 6° Edition
18 La Trasformazione Digitale del Project Manager
Project Management: uso dei dati a supporto delle decisioni
Processo composto da 3 step
Raccolta di dati grezzi («raw data»
Attraverso metriche di interesse
Step #1
Elaborazione e analisi dei dati
Per ottenere informazioni
Step #2
Utilizzo delle informazioni
Per prendere le decisioni
Step #3
Si scelgono le metriche la cui misurazione sia in grado di rappresentare se e come si stiano raggiungendo gli obiettivi di progetto
Filtrare, aggregare, sintetizzare, presentare e condividere con gli attori del processo decisionale
Sin qui nulla di nuovo. E’ quello che si è sempre fatto misurando tempi, costi e avanzamenti per confrontarli con quelli attesi
19 La Trasformazione Digitale del Project Manager
Dal Project Management «data informed» a quello «data driven»
La differenza sta nell’esecuzione dello Step 3
Utilizzo delle informazioni
Per prendere le decisioni
Step #3
Mi fermo e convoco una riunione per decidere l’azione da intraprendere
Si avviano automaticamente specifiche azioni di gestione in funzione di «regole» definite a priori
Data Informed
Data Driven
20 La Trasformazione Digitale del Project Manager
Chiariamo meglio il concetto di «data driven»
Vantaggio #1: rapida reazione al cambiamento, dovuta all’applicazione di una decisione già presa
a priori
Vantaggio #2: maggiore efficacia dell’azione del PM che, svincolato da dettagli operativi, può
concentrarsi meglio sulla visione d’insieme del progetto
Progetto Data Driven Strategia di azione in funzione dei dati disponibili, espressa da «regole» che implementano decisioni già prese
Esempio: Progetto software. «Se e quando» autorizzare il rilascio di funzionalità in ambiente di collaudo in funzione del numero e della tipologia di bug riscontrati
Gestione «data-informed»: misuro i bug e decido se rilasciare le funzionalità al collaudo
Gestione «data-driven»: rilascio automatico di funzionalità al collaudo quando il numero di bug scende al di sotto di una certa soglia (magari diversa per tipologia di errore)
21 La Trasformazione Digitale del Project Manager
Step 1 «raccolta dei dati» (1/4) – Metriche
Raccolta di dati grezzi («raw data»
Attraverso metriche di interesse
Step #1
Criteri di scelta
Esempi
Legame solido con gli obiettivi di progetto
Precedenza a metriche consolidate e «da letteratura»
(don’t reinvent the wheel…)
Earned Value Method
Earned Schedule Method
Metriche di predicibilità (misure di scostamenti)
Numero difetti e andamento nel tempo
Densità di difetti (rapporto tra N. di difetti e
dimensioni del progetto, utile per confronti tra
progetti diversi)
Metriche di qualità (misure di difetti o non conformità)
Età del problema aperto
Tasso di risoluzione (problemi/ticket chiusi in un
periodo di riferimento)
Metriche di responsività (misure di velocità di risposta)
Metriche di efficienza (misure di utilizzo risorse)
Tasso di utilizzazione delle risorse (rapporto tra
effort pianificato e speso sul progetto)
Funzioni rilasciate (es. function
point)
N. difetti trovati/risolti
N. Use case sviluppati/testati
N. linee di codice prodotto
Metriche di produttività (output vs. unità di impegno)
Es. sviluppo software
22 La Trasformazione Digitale del Project Manager
Step 1 «raccolta dei dati» (2/4) – Il processo di misura
Raccolta di dati grezzi («raw data»
Attraverso metriche di interesse
Step #1
Quali strumenti di rilevazione e memorizzazione dei dati utilizzare (es.
timesheet per la rendicontazione delle giornate di lavoro, sistemi di
trouble ticketing per tracciare le difettosità, etc.)
Definizione di un processo di misura…
Con quale frequenza si misurano i dati (es. settimanale per la
rendicontazione delle giornate di lavoro, giornaliera per tracciare le
difettosità, etc.)
Chi ha la responsabilità di ciascuna rilevazione e della presentazione
dei risultati
23 La Trasformazione Digitale del Project Manager
Step 1 «raccolta dei dati» (3/4) – Metriche agili
La visione agile è product-centered (realizzare ed evolvere un living product in costante evoluzione)
Si allarga lo spettro di misure, con metriche derivabili da diversi componenti e sistemi.
Gestione di task e bug
Gestione del codice e
collaborazione
Generazione build e test run, spostamento codice tra diversi
ambienti
Project tracking systems
Source control systems
Continuous integration e deploymenttools
Strumento
Funzione
Esempi
Metriche
Jira, Trello Github, SVN Jenkins, Ansible
Scenario per progetti di sviluppo software
Total done, Velocity, Bug, Tag, Recidività
Chi sta lavorando su cosa, Accuratezza stime, Produttività Team
Velocità rilasci (cycle time), Consistenza dei rilasci, Qualità del codice
24 La Trasformazione Digitale del Project Manager
Step 1 «raccolta dei dati» (4/4) – Frequenza misurazione agile
Nello scenario agile le misure sono più frequenti. Il ciclo di raccolta e analisi dei dati viene effettuato a
diversi livelli di loop innestati (nested loops).
25 La Trasformazione Digitale del Project Manager
Step 2 «elaborazione e analisi dei dati» (1/2)
Elaborazione e analisi dei dati
Per ottenere informazioni
Step #2Filtrare
AggregareElaborare Presentare
Per comprendere la situazione
corrente di progetto (analysis)Per individuare tendenze, pattern
e sviluppare modelli predittivi di
eventi o comportamenti (data
analytics)
26 La Trasformazione Digitale del Project Manager
Step3 «uso delle informazioni e decision making» (1/2)
Utilizzo delle informazioni
Per prendere le decisioni
Step #3
Realizzare il data-driven attraverso «automatismi gestionali» è un problema complesso
da affrontare con gradualità
Le azioni di Project Management che, in base ai dati, si possono modellare in anticipo
con più facilità sono quelle di comunicazione
Per veicolare in modo rapido e puntuale le informazioni ad un livello di decisione
strategico, necessariamente «umano» e (per ora…) non eliminabile
27 La Trasformazione Digitale del Project Manager
Step3 «uso delle informazioni e decision making» (2/2)
Project Health Status Dashboard
Metriche di predicibilità
Drill-down sulla WBS sino ai
Workpackage
Esempio di decisione anticipata data-drivenimplementabile: Comunicazione push di messaggi e allarmi multicanale alle figure di responsabilità del progetto o agli owner di singole aree/attività quando i valori di specifiche metriche superino soglie determinate (verso l’alto o verso il basso)
28 La Trasformazione Digitale del Project Manager
Project Management Analytics
Modelli statistici di elaborazione dei dati di progetto
Modelli algebrici di elaborazione dei dati di progetto
29 La Trasformazione Digitale del Project Manager
Modelli statistici di «project analytics»
PRESUPPOSTO: nel lungo periodo c’è una certa probabilità di «ricorrenza» di analoghe misure
quantitative all’interno dei processi di Project Management
Gli analytics di tipo statistico:
Consentono di affrontare il tema dell’incertezza
Comprendono strumenti e tecniche per interpretare specifici pattern nei processi di Project
Management o fare previsioni su andamenti futuri
Si basano su «funzioni di distribuzione di probabilità» per le quali il Project Management offre
diversi scenari di utilizzo
30 La Trasformazione Digitale del Project Manager
Distribuzioni di probabilità
Gaussiana (normale): copre molti processi di PM perché coinvolge i cosiddetti «eventi normali», come i criteri di
punteggio per la selezione di progetti in un portfolio, le opinioni degli stakeholder, la durata di task, la probabilità
associata ad un rischio etc.
Poisson: risultato di processi di conteggio di eventi discreti e indipendenti, come il numero di risorse umane acquisito
in un progetto in un determinato periodo di tempo, il numero di milestone completate in 1 mese, il numero di change
request completate in una settimana, etc.
Triangolare: basata su 3 valori sottostanti (three-point-estimation: massimo,minimo e valore di picco), usata nella
stima di costi e durate di attività considerando i valori più probabile, ottimistico e pessimistico.
Beta: come la triangolare, consente di modellare eventi che occorrono in un intervallo limitato da 2 valori minimo e
massimo, usata nel metodo PERT attraverso una three-point-estimation [ µ = ( α + 4m + β) / 6 ; σ = (β – α) / 6 ]
31 La Trasformazione Digitale del Project Manager
Montecarlo simulation made simple (1/4): scenario
Progetto con 3 sole attività per le quali produco una three-point estimation (best case, worst case, most likely)
Scenario semplicissimo: sequenza con dipendenze Finish-to-Start senza «lead» o «lag»
Scenario poco realistico. E’ poco probabile che tutte e tre le attività vengano completate
contemporaneamente secondo il best case, il worstcase o lo scenario most likely. Più probabilmente, un’attività verrà completata prima del previsto e un’altra accumulerà un po’ di ritardo e così via.
32 La Trasformazione Digitale del Project Manager
Montecarlo simulation made simple (2/4): risultati
Analisi Montecarlo: produce un modello predittivo della durata di progetto
Simulazione basata su N iterazioni di calcolo dove ogni volta viene attribuita alle 3 attività una durata randomica
compresa nel range [best case, worst case]
Risultato di simulazione con 1000 iterazioni su Excel. La riga del totale non somma i valori delle colonne. Il totale viene calcoltao ad ogni iterazione in base alle variazioni
random delle 3 attività
La stessa attività avrà durata più lunga in alcune iterazioni, più breve in altre, combinandosi con le variazioni delle altre due attività. In sostanza, vi interessa il valore minimo e massimo della durata dell’intero progetto quando accadono eventi casuali che impattano su una o più attività (simulazione di rischio), più o meno come accade in qualsiasi progetto reale.
33 La Trasformazione Digitale del Project Manager
Montecarlo simulation made simple (3/4): il valore del modello
Il valore di un modello predittivo non è solo nei valori finali ma anche nell’esame dei dati parziali e di dettaglio
La simulazione registra i calcoli intermedi e consente di derivare la distribuzione di probabilità
50% di probabilità di terminare in 50 gg (most likely)
5% di probabilità di terminare in 40 gg (most likely)
92% di probabilità di terminare in 60 gg (most likely)
34 La Trasformazione Digitale del Project Manager
Montecarlo simulation made simple (4/4): altre applicazioni
Posso applicare il modello predittivo Montecarlo anche ai costi o ad altre grandezze…
…in relazione al progetto nel suo insieme o a parti di esso, a singole attività o gruppi di attività o a specifici
deliverable…
…per rispondere a domande come queste:
Qual è la probabilità che il costo di progetto sia entro un budget predeterminato?
Quale costo ci garantisce la probabilità del 90% di completare il progetto?
Qual è la probabilità che un deliverable, a cui fanno capo N attività, venga rilasciato una certa data?
… … …
35 La Trasformazione Digitale del Project Manager
Modelli algebrici di «decision making»
OBIETTIVO: decision making in scenari complessi multicriterio, dove le scelte dipendono da fattori
sia tangibili che intangibili
Esempi di scenari multicriterio per il Project Management:
Scelta del Project Manager per la gestione di un progetto
Prioritizzazione e selezione di progetti in ambito PPM
Identificazione e assessment di rischi
Selezione di fornitori in ambito procurement
Ottimizzazione nell’allocazione delle risorse
Valutazione di qualità
36 La Trasformazione Digitale del Project Manager
AHP Analytic Hierarchy Process
Determinare i criteri (e sottocriteri) di
decisione
Sviluppare la gerarchia di decisione (goal, criteri, sottocriteri, alternative)
Analisi (matrici di decisione).
Confronti «a coppie» di alternative e criteri.
Sintesi delle priorità e definizione del ranking
Make the decision !!
Fonte: Project Management Analytics (J. Singh)
1 2
3
4
5
37 La Trasformazione Digitale del Project Manager
Scelta del PM per un progetto: decision goal1
OBIETTIVO: Scelta del Project Manager per un importante progetto IT di sviluppo di un software
collaborativo di PPM (Project & Portfolio Management) per le PMI (Piccole e Medie Imprese) italiane
Il committente è la «PM Solutions S.p.A»
Si tratta di un progetto di complessità elevata a cui corrisponde un investimento di 2 milioni di euro
in 2 anni per il primo rilascio sul mercato e le successive evoluzioni
La «PM Solution» intende affidare il progetto ad un Manager esterno con uno screening il più
oggettivo possibile in funzione dei criteri di valutazione ritenuti più significativi
Si vuole adottare il metodo AHP per una decisione «data-driven» e non più basata, come in passato,
su intuito e fattori di valutazione troppo soggettivi
E’ stata ingaggiata una società di recruiting che ha operato una prima selezione individuando 4
candidati, tra i quali dovrà essere scelto il futuro PM di progetto.
38 La Trasformazione Digitale del Project Manager
Scelta del PM per un progetto: criteri di valutazione e alternative
Esperienza
Studi
PMP
Soft skills
Stefano Cinzia Mauro Loredana
Criteri
Laurea MagistraleMBA in Marketing
Laurea MagistraleMBA in Project Mngmt
PhD in InformaticaMaster PM Universitario
Laurea in Economia
Si Si Si No
Amministra da 15 anni una sua azienda di consulenza e gestisce progetti IT
Assistente universitario da 10 anni, 12 anni di esperienza in progetti IT medio-piccoli
20 anni di esperienza nel settore IT in progetti da medi a molto grandi
Ex-ufficiale aeronautica riqualificato come PM. 10 anni di solida esperienza in progetti IT medio-grandi.
Leadership. Orientamento al data-driven decision making. Ottimo comunicatore, capace di comunicare visione e scopo.
Manager-by-example, usa un approccio data-driven. Ottima ispiratrice e motivatrice. Orientata ai dettagli.
Grande facilitatore. Decisore con approccio «consensus-based» e delegante. Orientato alla visione complessiva.
Approccio orientato al risultato e alla stretta supervisione del team. Motiva sia attraverso premi che punizioni.
1
Alternative
39 La Trasformazione Digitale del Project Manager
Scelta del PM per un progetto: sviluppare la gerarchia di decisione
Scegliere un Project Manager
Studi PMP
Goal
Criteri di Valutazione
Alternative
Cinzia Mauro
2
40 La Trasformazione Digitale del Project Manager
Scelta del PM per un progetto: analisi dei dati di «esperienza»
OBIETTIVO: determinare la priorità delle alternative («forza» relativa dei candidati) rispetto al
criterio di esperienza
Candidato 1 Peso Candidato 2 Peso Motivo
Stefano 1 Cinzia 5 Cinzia ha diverse e maggiori esperienze
Stefano 3 Mauro 1 L’esperienza di Stefano è più rilevante per il progetto
Stefano 4 Loredana 1 L’esperienza di Stefano è più rilevante per il progetto
Cinzia 5 Mauro 1 Cinzia ha diverse e maggiori esperienze
Cinzia 5 Loredana 1 Cinzia ha diverse e maggiori esperienze
Mauro 1 Loredana 3 L’esperienza di Loredana è più rilevante per il progetto
ESPERIENZA STEFANO CINZIA MAURO LOREDANA
Stefano 1 1/5 3 4
Cinzia 5 1 5 5
Mauro 1/3 1/5 1 1/3
Loredana 1/4 1/5 3 1
TOT. 6,58 1,6 12 10,33
Matrice di decisione «Esperienza»
ESPERIENZA STEFANO CINZIA MAURO LOREDANA
Stefano 0,150 0,125 0,250 0,387
Cinzia 0,760 0,625 0,417 0,484
Mauro 0,050 0,125 0,083 0,032
Loredana 0,040 0,125 0,250 0,097
Matrice di decisione normalizzata
Media dei valori
0,228
0,572
0,072
0,128
Priority «Eigen Vector»
3
41 La Trasformazione Digitale del Project Manager
Scelta del PM per un progetto: analisi dei dati di «studio»
OBIETTIVO: determinare la priorità delle alternative («forza» relativa dei candidati) rispetto al
criterio di studi effettuati
Candidato 1 Peso Candidato 2 Peso Motivo
Stefano 1 Cinzia 4 Cinzia ha MBA in Project Management
Stefano 1 Mauro 3 Mauro ha più qualifiche accademiche e di PM
Stefano 4 Loredana 1 Stefano ha un grado di istruzione più alto (MBA)
Cinzia 1 Mauro 1 Cinzia e Mauro hanno qualifiche comparabili
Cinzia 3 Loredana 1 Cinzia ha un grado di istruzione più alto (MBA)
Mauro 4 Loredana 1 Mauro ha più qualifiche accademiche
ESPERIENZA STEFANO CINZIA MAURO LOREDANA
Stefano 1 1/ 4 1/3 4
Cinzia 4 1 1 3
Mauro 3 1 1 4
Loredana 1/4 1/3 1/ 4 1
TOT. 8,25 2,58 2,58 12
Matrice di decisione «Esperienza»
ESPERIENZA STEFANO CINZIA MAURO LOREDANA
Stefano 0,121 0,097 0,129 0,333
Cinzia 0,484 0,388 0,388 0,250
Mauro 0,365 0,388 0,388 0,333
Loredana 0,030 0,129 0,097 0,083
Matrice di decisione normalizzata
Media dei valori
0,170
0,378
0,369
0,085
Priority «Eigen Vector»
3
42 La Trasformazione Digitale del Project Manager
Scelta del PM per un progetto: analisi dei dati di «PMP»
OBIETTIVO: determinare la priorità delle alternative («forza» relativa dei candidati) rispetto al
criterio di possesso credenziale PMP
Candidato 1 Peso Candidato 2 Peso Motivo
Stefano 1 Cinzia 1 Sono entrambi PMP
Stefano 1 Mauro 1 Sono entrambi PMP
Stefano 9 Loredana 1 Loredana non è PMP
Cinzia 1 Mauro 1 Sono entrambi PMP
Cinzia 9 Loredana 1 Loredana non è PMP
Mauro 9 Loredana 1 Loredana non è PMP
ESPERIENZA STEFANO CINZIA MAURO LOREDANA
Stefano 1 1 1 9
Cinzia 1 1 1 9
Mauro 1 1 1 9
Loredana 1/9 1/9 1/9 1
TOT. 3,11 3,11 3,11 28
Matrice di decisione «Esperienza»
ESPERIENZA STEFANO CINZIA MAURO LOREDANA
Stefano 0,321 0,321 0,321 0,321
Cinzia 0,321 0,321 0,321 0,321
Mauro 0,321 0,321 0,321 0,321
Loredana 0,036 0,036 0,036 0,036
Matrice di decisione normalizzata
Media dei valori
0,321
0,321
0,321
0,036
Priority «Eigen Vector»
3
43 La Trasformazione Digitale del Project Manager
Scelta del PM per un progetto: analisi dei dati di «Soft Skill»
OBIETTIVO: determinare la priorità delle alternative («forza» relativa dei candidati) rispetto al
criterio di possesso di soft skill
Candidato 1 Peso Candidato 2 Peso Motivo
Stefano 1 Cinzia 2 Stefano leggermente migliore di Cinzia
Stefano 1 Mauro 1 Stefano e Mauro sono comparabili
Stefano 4 Loredana 1 Loredana orientata al micro-management
Cinzia 3 Mauro 1 Cinzia leggermente migliore di Mauro
Cinzia 4 Loredana 1 Loredana orientata al micro-management
Mauro 4 Loredana 1 Loredana orientata al micro-management
ESPERIENZA STEFANO CINZIA MAURO LOREDANA
Stefano 1 1/ 2 1 4
Cinzia 2 1 3 4
Mauro 1 1/ 3 1 4
Loredana 1/ 4 1/ 4 1/ 4 1
TOT. 4,25 2,08 5,25 13
Matrice di decisione «Esperienza»
ESPERIENZA STEFANO CINZIA MAURO LOREDANA
Stefano 0,235 0,240 0,190 0,308
Cinzia 0,471 0,480 0,571 0,308
Mauro 0,235 0,160 0,190 0,308
Loredana 0,059 0,120 0,048 0,077
Matrice di decisione normalizzata
Media dei valori
0,243
0,457
0,223
0,076
Priority «Eigen Vector»
3
44 La Trasformazione Digitale del Project Manager
Scelta del PM per un progetto: priorità dei criteri di valutazione
3OBIETTIVO: determinare le priorità relative dei criteri di valutazione
Criterio 1 Peso Criterio 2 Peso Motivo
Esperienza 5 Studi 1 Esperienza considerata più importante per dimensione e complessità del progetto
Esperienza 4 PMP 1 Esperienza considerata più importante per dimensione e complessità del progetto
Esperienza 6 Soft skill 1 Esperienza considerata più importante per dimensione e complessità del progetto
Studi 1 PMP 1 Considerati ugualmente importanti
Studi 1 Soft skill 2 Soft skill considerate più importanti degli studi
PMP 1 Soft skill 1 Considerati ugualmente importanti
CRITERI ESPERIENZA STUDI PMP SOFT SKILL
Esperienza 1 5 4 6
Studi 1/ 5 1 1 2
PMP 1/ 4 1 1 1
Soft skill 1/ 6 1/ 2 1 1
TOT. 1,62 7,50 7 10
Matrice di decisione «Criteri»
CRITERI ESPERIENZA STUDI PMP SOFT SKILL
Esperienza 0,619 0,667 0,571 0,600
Studi 0,124 0,133 0,143 0,200
PMP 0,155 0,133 0,143 0,100
Soft Skill 0,103 0,067 0,143 0,100
Matrice di decisione normalizzata
Media dei valori
0,614
0,150
0,133
0,103
Priority «Eigen Vector»
45 La Trasformazione Digitale del Project Manager
Scelta del PM per un progetto: sintesi dei dati e ranking4
Candidato Criterio Priorità Criteri-Candidati (ACP)
Priorità Criteri-Goal (CGP)
Priorità totale (ACP x CGP)
Priorità totale dei candidati (somma priorità totali)
Stefano Esperienza 0,228 0,614 0,140 0,233
Stefano Studi 0,170 0,150 0,026
Stefano PMP 0,321 0,133 0,043
Stefano Soft skill 0,243 0,103 0,025
Cinzia Esperienza 0,572 0,614 0,351 0,498Cinzia Studi 0,378 0,150 0,057
Cinzia PMP 0,321 0,133 0,043
Cinzia Soft skill 0,457 0,103 0,047
Mauro Esperienza 0,072 0,614 0,079 0,165
Mauro Studi 0,369 0,150 0,055
Mauro PMP 0,321 0,133 0,043
Mauro Soft skill 0,233 0,103 0,023
Loredana Esperienza 0,128 0,614 0,079 0,104
Loredana Studi 0,085 0,150 0,013
Loredana PMP 0,036 0,133 0,005
Loredana Soft skill 0,076 0,103 0,008
5
46 La Trasformazione Digitale del Project Manager
Altro caso studio di applicazione AHP (sviluppatelo voi…)
OBIETTIVO: Prioritizzazione di progetti all’interno di un Portfolio per decidere quale sia più
conveniente avviare per primo
Ranking di priorità portfolio Goal
Allineamento strategico
Costo FinancialAspetti generali
Criteri
Breve termine
Persone NPV Complessità Sottocriteri
AlternativeProgetto 1 Progetto 2 Progetto 3 Progetto 4 Progetto 5
Lungo termine
Materiali Payback ROITime to market
Progetto 6
47 La Trasformazione Digitale del Project Manager
PPM e Big Data
https://www.researchgate.net/figure/5-Vs-of-Big-Data_fig1_318761128/
Il contesto di PPM può produrre Big Data?
Si, rispetto a tutte le 6 V dei Big Data, soprattutto considerando l’utilizzo sempre più spinto di piattaforme digitali collaborative per il PPM
I dati non sono più solo quelli strutturati (metriche viste in precedenza) ma quelli non strutturati delle conversazioni dei team virtuali
In un portfolio i volumi di dati possono essere molto consistenti
Quantità
Qualità
Benefici
Di generazione
Complessità
Connettibilità
48 La Trasformazione Digitale del Project Manager
Comincia da oggi a raccogliere dati sui tuoi progetti
Dai dati si traggono informazioni…
Con le informazioni si decide meglio…
Non importa se oggi non sai come trasformare ed elaborare i tuoi dati…
Domani lo saprai o saranno disponibili strumenti a basso costo per farlo ma senza dati saranno come un veicolo senza carburante
49 La Trasformazione Digitale del Project Manager
PPM e AI
La AI si «nutre» di dati
Esempio «ipersemplificato» di progetto di Deep Learning da usare come base per una WBS.
50 La Trasformazione Digitale del Project Manager
PPMBot (The artificial Project & Portfolio Manager)
Il PPMbot analizza diversi scenari in tempo reale o quasi-reale e suggerisce il miglior piano di mitigazione dei rischi in base a priorità e best practice di contesto.
Simula l’impatto dei rischi e invia l’esito dell’analisi sul tuo smartphone, mentre ti rechi alla riunione di pianificazione col tuo team.
Il tuo ruolo di «Human Project Manager» cambierà. Parzialmente liberato dal PPMbot, ti concentrerai sui task non automatizzabili, come comunicazione con stakeholder e team. Insomma, quelle cose dove creatività, intuito e la tua esperienza di Project Manager sono ancora insostituibili.
51 La Trasformazione Digitale del Project Manager
• Le decisioni di management dovrebbero essere basate il più possibile su informazioni ricavate dai dati, passando progressivamente da un approccio «data informed» ad uno «data-driven»
• Lo stesso PMBOK, attraverso la catena «work performance data» – «work performance informations» – «work performance reports» stimola questa trasformazione
• Si predispone un processo in 3 step: raccolta dei dati, elaborazione ed analisi per ottenere informazioni, utilizzo delle informazioni a supporto delle decisioni
• Possiamo applicare, per lo step di elaborazione e analisi, modelli predittivi statistici come le simulazioni Montecarlo
• Possiamo applicare, per lo step di «decision making», modelli algebrici come AHP o, in prospettiva, soluzioni di ML e AI
• Il PPM interseca sia i sentieri dei Big Data (aumenta la capacità dei progetti di produrre dati) che della AI, che si nutre dei dati per abilitare soluzioni sempre più automatizzate e intelligenti di gestione, da workflow automatizzati a bot sino a sistemi di «autonomous project management»
Lesson learned
52 La Trasformazione Digitale del Project Manager
Domande, curiosità, approfondimenti e feedback
Inoltre, per domande e informazioni
[email protected], [email protected]
https://www.linkedin.com/groups/8584295 PMI-NIC, Branch PVA
https://tinyurl.com/SupportoDecisioniProPPM