Sistem Manajemen Risiko Proyek sebagai Bagian dari Infrastruktur Digital

Integrasi sistem manajemen risiko ke dalam infrastruktur digital perusahaan menjadi faktor penting bagi keberhasilan pelaksanaan proyek industri berskala besar. Di tengah ketidakpastian global dan pembatasan sanksi, pendekatan tradisional terhadap penilaian ancaman terbukti tidak efektif. Dalam webinar ini, Direktur Pengembangan Infrastruktur Digital Gazprom-Media Holding, Yana Krukhmaleva, menganalisis evolusi manajemen risiko di Rusia menggunakan contoh proyek infrastruktur terbesar dan menjelaskan mengapa industri ini pasti bergerak menuju penggunaan Big Data.

Bias Kognitif dan Subjektivitas Penilaian Ahli

Analisis risiko kualitatif klasik sering kali bergantung pada pendapat ahli, yang pasti rentan terhadap bias kognitif. Berdasarkan penelitian di bidang ekonomi perilaku, pembicara menunjukkan bahwa manusia cenderung berpikir irasional dalam kondisi ketidakpastian. Praktiknya, hal ini mengarah pada pendekatan formal: para ahli tidak mendalami analisis ancaman secara menyeluruh, atau mereka jatuh ke dalam jebakan mental, seperti efek Dunning-Kruger atau apophenia (mencari pola di mana secara objektif tidak ada).

Selain itu, dalam penilaian risiko kolektif, muncul paradoks Condorcet — situasi di mana pendapat para ahli sangat berbeda sehingga secara matematis tidak mungkin untuk mendapatkan nilai rata-rata yang objektif. Untuk mengidentifikasi tingkat kesepakatan pendapat, diusulkan penggunaan koefisien konkordansi Kendall. Jika kesepakatannya rendah, tanggung jawab atas keputusan akhir harus diambil oleh manajer proyek, dengan mengandalkan kompetensinya sendiri, bukan pada skor rata-rata.

Keterbatasan Metode Monte Carlo

Dalam upaya untuk menghindari subjektivitas analisis kualitatif, banyak perusahaan beralih ke metode kuantitatif, khususnya pemodelan Monte Carlo. Namun, presentasi ini membahas secara rinci kelemahan utama dari pendekatan ini: data masukan untuk model matematika tersebut masih berupa penilaian ahli yang subjektif.

• Kurangnya jadwal terintegrasi: Agar metode ini berfungsi dengan benar, diperlukan jadwal jaringan kalender bertingkat yang terperinci dengan keterikatan sumber daya dan keuangan yang ketat. Pada proyek besar, jadwal seperti itu jarang dikelola dalam satu sistem tanpa adanya pemutusan hubungan.
• Mengabaikan korelasi risiko: Metode Monte Carlo tidak menangani situasi dengan baik ketika beberapa risiko saling terkait. Sistem tidak mampu secara otomatis memperhitungkan hukum teori probabilitas yang kompleks saat menjumlahkan peristiwa dependen.

Akibatnya, model kuantitatif yang kompleks sering kali berubah menjadi alat untuk menenangkan manajemen, melukiskan gambaran ideal tentang pemenuhan tenggat waktu dan anggaran, yang tidak ada hubungannya dengan situasi sebenarnya di lokasi konstruksi.

Big Data dan Analitik Prediktif sebagai Masa Depan Manajemen Risiko

Satu-satunya cara untuk secara radikal meningkatkan objektivitas dalam menilai probabilitas peristiwa adalah dengan menggunakan Big Data. Pembuatan danau data perusahaan (Data Lakes) memungkinkan pengumpulan statistik berskala besar tentang insiden, kegagalan peralatan, gangguan pasokan, dan ancaman eksternal.

Tugas utama pada tahap ini adalah memastikan relevansi dan kebersihan data, dengan meminimalkan faktor manusia saat memasukkannya. Pengumpulan informasi harus dilakukan secara otomatis langsung dari fasilitas produksi dan sistem informasi terkait. Hanya berdasarkan kumpulan data yang andal, penerapan analitik prediktif dan algoritma pembelajaran mesin yang efektif dimungkinkan untuk perkiraan risiko yang nyata.

Mengevaluasi Kinerja Ahli dan Memilih Alat TI

Masalah penting dalam tata kelola perusahaan tetaplah membuktikan efisiensi ekonomi dari departemen manajemen risiko itu sendiri. Pembicara mengusulkan penggunaan koefisien korelasi biserial Pearson untuk membandingkan perkiraan awal para ahli dengan kejadian aktual. Jika koefisiennya mendekati nol, perkiraan kelompok ahli tidak memiliki nilai praktis, dan proses tersebut perlu ditinjau ulang.

Masalah pemilihan perangkat lunak juga diangkat. Pengalaman menggunakan sistem Barat yang berat telah menunjukkan kerentanannya terhadap sanksi dan ketidakfleksibelannya terhadap permintaan pengguna. Saat ini, fokus beralih ke solusi TI Rusia (misalnya, platform RisGap), yang menawarkan antarmuka yang lebih intuitif, kemudahan implementasi, dan kemandirian dari batasan eksternal.

Apa yang akan Anda pelajari dari webinar ini:

• Mengapa metode penilaian risiko klasik gagal pada proyek industri besar?
• Bagaimana cara mengidentifikasi ketidakkonsistenan dalam penilaian ahli menggunakan koefisien matematika?
• Apa saja batasan tersembunyi dari metode Monte Carlo saat menganalisis risiko proyek?
• Bagaimana cara menghilangkan faktor manusia saat mengumpulkan data untuk analitik prediktif?
• Bagaimana cara mengevaluasi kinerja manajer risiko internal secara matematis?