Sistema de gestión de riesgos de proyectos como parte de la infraestructura digital

La integración de los sistemas de gestión de riesgos en la infraestructura digital de la empresa se está convirtiendo en un factor crítico para el éxito de la implementación de grandes proyectos industriales. En condiciones de incertidumbre global y restricciones por sanciones, los enfoques tradicionales para la evaluación de amenazas demuestran su ineficacia. En este seminario web, Yana Krukhmaleva, directora de desarrollo de infraestructura digital de Gazprom-Media Holding, analiza la evolución de la gestión de riesgos en Rusia utilizando el ejemplo de los mayores proyectos de infraestructura y explica por qué la industria avanza inevitablemente hacia el trabajo con Big Data.

Sesgos cognitivos y subjetividad de las evaluaciones de expertos

El análisis cualitativo clásico de riesgos a menudo se basa en opiniones de expertos, que inevitablemente están sujetas a sesgos cognitivos. Basándose en investigaciones en economía conductual, la ponente muestra que las personas tienden a pensar de manera irracional en condiciones de incertidumbre. En la práctica, esto conduce a un enfoque formal: los expertos no profundizan en el análisis de amenazas o caen en trampas mentales, como el efecto Dunning-Kruger o la apofenia (búsqueda de patrones donde objetivamente no los hay).

Además, en la evaluación colectiva de riesgos surge la paradoja de Condorcet: una situación en la que las opiniones de los especialistas difieren tanto que es matemáticamente imposible derivar una evaluación promedio objetiva. Para identificar el grado de consistencia de las opiniones, se propone utilizar el coeficiente de concordancia de Kendall. Si la consistencia es baja, la responsabilidad de la decisión final debe ser asumida por el gerente del proyecto, basándose en sus competencias, y no en puntuaciones promediadas.

Limitaciones del método de Montecarlo

Tratando de alejarse de la subjetividad del análisis cualitativo, muchas empresas están recurriendo a métodos cuantitativos, en particular, a la simulación de Montecarlo. Sin embargo, la presentación examina en detalle un inconveniente clave de este enfoque: los datos de entrada para el modelo matemático siguen siendo evaluaciones subjetivas de expertos.

• Falta de cronogramas integrados: Para que el método funcione correctamente, se requiere un cronograma de red detallado y multinivel con una asignación estricta de recursos y finanzas. En proyectos grandes, estos cronogramas rara vez se mantienen en un solo sistema sin interrupciones en los enlaces.
• Ignorar la correlación de riesgos: El método de Montecarlo no maneja bien las situaciones en las que varios riesgos están interconectados. El sistema no puede aplicar automáticamente las complejas leyes de la teoría de la probabilidad al sumar eventos dependientes.

Como resultado, los modelos cuantitativos complejos a menudo se convierten en una herramienta para tranquilizar a la gerencia, pintando una imagen ideal de cumplimiento de plazos y presupuesto que no tiene relación con la situación real en el sitio de construcción.

Big Data y análisis predictivo como el futuro de la gestión de riesgos

La única forma de aumentar radicalmente la objetividad de la evaluación de la probabilidad de eventos es el uso de Big Data. La creación de lagos de datos corporativos (Data Lakes) permite acumular estadísticas a gran escala sobre incidentes, fallas de equipos, interrupciones en el suministro y amenazas externas.

La tarea clave en esta etapa es garantizar la relevancia y pureza de los datos, eliminando al máximo el factor humano al ingresarlos. La recopilación de información debe realizarse automáticamente de forma directa desde las instalaciones de producción y los sistemas de información adyacentes. Solo sobre la base de conjuntos de datos confiables es posible la aplicación efectiva del análisis predictivo y los algoritmos de aprendizaje automático para la previsión real de riesgos.

Evaluación de la eficacia de los expertos y selección de herramientas de TI

Un problema importante del gobierno corporativo sigue siendo demostrar la eficiencia económica de los propios departamentos de gestión de riesgos. La ponente propone utilizar el coeficiente de correlación biserial de Pearson para comparar las previsiones iniciales de los expertos con la ocurrencia real de los eventos. Si el coeficiente es cercano a cero, las previsiones del grupo de expertos no tienen valor práctico y el proceso requiere revisión.

También se plantea la cuestión de la elección del software. La experiencia de utilizar sistemas occidentales pesados ha demostrado su vulnerabilidad a las sanciones y su inflexibilidad a las solicitudes de los usuarios. Hoy en día, el enfoque se está desplazando hacia las soluciones de TI rusas (por ejemplo, la plataforma RisGap), que ofrecen una interfaz más intuitiva, facilidad de implementación e independencia de restricciones externas.

Qué aprenderá en este seminario web:

• ¿Por qué fallan los métodos clásicos de evaluación de riesgos en grandes proyectos industriales?
• ¿Cómo identificar inconsistencias en las evaluaciones de expertos utilizando coeficientes matemáticos?
• ¿Cuáles son las limitaciones ocultas del método de Montecarlo al analizar los riesgos de un proyecto?
• ¿Cómo eliminar el factor humano al recopilar datos para el análisis predictivo?
• ¿Cómo se puede evaluar matemáticamente la eficacia de los gestores de riesgos internos?