Sistema de gestão de riscos de projetos como parte da infraestrutura digital

A integração de sistemas de gestão de riscos na infraestrutura digital da empresa está se tornando um fator crítico para a implementação bem-sucedida de grandes projetos industriais. Em condições de incerteza global e restrições de sanções, as abordagens tradicionais para avaliação de ameaças demonstram sua ineficiência. Durante o webinar, a diretora de desenvolvimento de infraestrutura digital da Gazprom-Media Holding, Yana Krukhmaleva, analisa a evolução da gestão de riscos na Rússia usando o exemplo dos maiores projetos de infraestrutura e explica por que o setor está inevitavelmente se movendo em direção ao trabalho com Big Data.

Vieses cognitivos e subjetividade das avaliações de especialistas

A análise qualitativa clássica de riscos frequentemente se baseia em opiniões de especialistas, que estão inevitavelmente sujeitas a vieses cognitivos. Com base em pesquisas em economia comportamental, a palestrante mostra que as pessoas tendem a pensar irracionalmente em condições de incerteza. Na prática, isso leva a uma abordagem formal: os especialistas não se aprofundam na análise de ameaças ou caem em armadilhas mentais, como o efeito Dunning-Kruger ou a apofenia (busca de padrões onde objetivamente não existem).

Além disso, na avaliação coletiva de riscos, surge o paradoxo de Condorcet — uma situação em que as opiniões dos especialistas divergem tanto que é matematicamente impossível derivar uma avaliação média objetiva. Para identificar o grau de concordância das opiniões, propõe-se o uso do coeficiente de concordância de Kendall. Se a concordância for baixa, a responsabilidade pela decisão final deve ser assumida pelo gerente do projeto, com base em suas competências, e não em pontuações médias.

Limitações do método de Monte Carlo

Tentando fugir da subjetividade da análise qualitativa, muitas empresas estão migrando para métodos quantitativos, em particular, a modelagem pelo método de Monte Carlo. No entanto, a apresentação examina detalhadamente a principal falha dessa abordagem: os dados de entrada para o modelo matemático ainda são avaliações subjetivas de especialistas.

• Falta de cronogramas integrados: Para que o método funcione corretamente, é necessário um cronograma de rede detalhado e multinível com uma forte vinculação de recursos e finanças. Em grandes projetos, esses cronogramas raramente são mantidos em um sistema único sem quebras de links.
• Ignorar a correlação de riscos: O método de Monte Carlo não lida bem com situações em que vários riscos estão interconectados. O sistema não é capaz de levar em conta automaticamente as leis complexas da teoria das probabilidades ao somar eventos dependentes.

Como resultado, modelos quantitativos complexos frequentemente se transformam em uma ferramenta para tranquilizar a gestão, desenhando uma imagem ideal de cumprimento de prazos e orçamentos, que não tem relação com a situação real no canteiro de obras.

Big Data e análise preditiva como o futuro da gestão de riscos

A única maneira de aumentar drasticamente a objetividade da avaliação da probabilidade de eventos é o uso de Big Data. A criação de lagos de dados corporativos (Data Lakes) permite acumular estatísticas em larga escala sobre incidentes, falhas de equipamentos, interrupções no fornecimento e ameaças externas.

A principal tarefa nesta fase é garantir a relevância e a pureza dos dados, eliminando ao máximo o fator humano ao inseri-los. A coleta de informações deve ocorrer automaticamente, diretamente das instalações de produção e sistemas de informação adjacentes. Somente com base em conjuntos de dados confiáveis é possível aplicar efetivamente a análise preditiva e algoritmos de aprendizado de máquina para a previsão real de riscos.

Avaliação da eficácia de especialistas e escolha de ferramentas de TI

Um problema importante da governança corporativa continua sendo a comprovação da eficiência econômica dos próprios departamentos de gestão de riscos. A palestrante propõe o uso do coeficiente de correlação bisserial de Pearson para comparar as previsões iniciais dos especialistas com a ocorrência real dos eventos. Se o coeficiente for próximo a zero, as previsões do grupo de especialistas não têm valor prático e o processo precisa ser revisado.

A questão da escolha do software também é levantada. A experiência do uso de sistemas ocidentais pesados mostrou sua vulnerabilidade a sanções e inflexibilidade em relação às solicitações dos usuários. Hoje, o foco está mudando para soluções de TI russas (por exemplo, a plataforma RisGap), que oferecem uma interface mais intuitiva, facilidade de implementação e independência de restrições externas.

O que você aprenderá neste webinar:

• Por que os métodos clássicos de avaliação de riscos falham em grandes projetos industriais?
• Como identificar inconsistências nas avaliações de especialistas usando coeficientes matemáticos?
• Quais são as limitações ocultas do método de Monte Carlo na análise de riscos de projetos?
• Como eliminar o fator humano na coleta de dados para análise preditiva?
• Como avaliar matematicamente a eficácia dos gestores de risco internos?