ระบบการจัดการความเสี่ยงของโครงการในฐานะส่วนหนึ่งของโครงสร้างพื้นฐานดิจิทัล

การบูรณาการระบบการจัดการความเสี่ยงเข้ากับโครงสร้างพื้นฐานดิจิทัลขององค์กรกลายเป็นปัจจัยสำคัญสำหรับความสำเร็จในการดำเนินโครงการอุตสาหกรรมขนาดใหญ่ ในสภาวะความไม่แน่นอนระดับโลกและข้อจำกัดจากการคว่ำบาตร แนวทางดั้งเดิมในการประเมินภัยคุกคามแสดงให้เห็นถึงความไม่มีประสิทธิภาพ ในการสัมมนาผ่านเว็บ Yana Krukhmaleva ผู้อำนวยการฝ่ายพัฒนาโครงสร้างพื้นฐานดิจิทัลของ Gazprom-Media Holding ได้วิเคราะห์วิวัฒนาการของการจัดการความเสี่ยงในรัสเซียโดยใช้ตัวอย่างจากโครงการโครงสร้างพื้นฐานที่ใหญ่ที่สุด และอธิบายว่าทำไมอุตสาหกรรมจึงมุ่งหน้าไปสู่การทำงานกับ Big Data อย่างหลีกเลี่ยงไม่ได้

ความลำเอียงทางปัญญาและความเป็นอัตวิสัยของการประเมินโดยผู้เชี่ยวชาญ

การวิเคราะห์ความเสี่ยงเชิงคุณภาพแบบคลาสสิกมักอาศัยความคิดเห็นของผู้เชี่ยวชาญ ซึ่งหลีกเลี่ยงไม่ได้ที่จะได้รับผลกระทบจากความลำเอียงทางปัญญา จากการวิจัยด้านเศรษฐศาสตร์พฤติกรรม วิทยากรแสดงให้เห็นว่ามนุษย์มีแนวโน้มที่จะคิดอย่างไม่มีเหตุผลในสภาวะที่มีความไม่แน่นอน ในทางปฏิบัติ สิ่งนี้นำไปสู่แนวทางที่เป็นทางการ: ผู้เชี่ยวชาญอาจไม่เจาะลึกในการวิเคราะห์ภัยคุกคาม หรือตกหลุมพรางทางความคิด เช่น ปรากฏการณ์ Dunning-Kruger หรือ Apophenia (การค้นหารูปแบบในสิ่งที่ไม่มีอยู่จริง)

นอกจากนี้ ในการประเมินความเสี่ยงร่วมกัน มักเกิดความขัดแย้งของ Condorcet ซึ่งเป็นสถานการณ์ที่ความคิดเห็นของผู้เชี่ยวชาญแตกต่างกันมากจนไม่สามารถหาค่าเฉลี่ยที่เป็นกลางทางคณิตศาสตร์ได้ เพื่อระบุระดับความสอดคล้องของความคิดเห็น จึงเสนอให้ใช้ค่าสัมประสิทธิ์ความสอดคล้องของ Kendall หากความสอดคล้องต่ำ ผู้จัดการโครงการจะต้องรับผิดชอบต่อการตัดสินใจขั้นสุดท้ายโดยพิจารณาจากความสามารถของตนเอง แทนที่จะพึ่งพาคะแนนเฉลี่ย

ข้อจำกัดของวิธี Monte Carlo

ด้วยความพยายามที่จะหลีกเลี่ยงความเป็นอัตวิสัยของการวิเคราะห์เชิงคุณภาพ หลายบริษัทจึงหันมาใช้วิธีการเชิงปริมาณ โดยเฉพาะการสร้างแบบจำลองด้วยวิธี Monte Carlo อย่างไรก็ตาม ในการนำเสนอได้พิจารณาข้อบกพร่องที่สำคัญของแนวทางนี้อย่างละเอียด: ข้อมูลนำเข้าสำหรับแบบจำลองทางคณิตศาสตร์ยังคงเป็นการประเมินเชิงอัตวิสัยของผู้เชี่ยวชาญ

• ขาดตารางเวลาที่บูรณาการ: เพื่อให้วิธีการทำงานได้อย่างถูกต้อง จำเป็นต้องมีตารางเวลาเครือข่ายที่ละเอียดและมีหลายระดับ พร้อมการเชื่อมโยงทรัพยากรและการเงินอย่างเข้มงวด ในโครงการขนาดใหญ่ ตารางเวลาดังกล่าวมักไม่ได้รับการจัดการในระบบเดียวโดยไม่มีการเชื่อมโยงที่ขาดหาย
• การเพิกเฉยต่อความสัมพันธ์ของความเสี่ยง: วิธี Monte Carlo ไม่สามารถจัดการกับสถานการณ์ที่ความเสี่ยงหลายอย่างมีความเกี่ยวข้องกันได้ดีนัก ระบบไม่สามารถพิจารณากฎที่ซับซ้อนของทฤษฎีความน่าจะเป็นโดยอัตโนมัติเมื่อรวมเหตุการณ์ที่เกี่ยวข้องกัน

ส่งผลให้แบบจำลองเชิงปริมาณที่ซับซ้อนมักกลายเป็นเครื่องมือในการสร้างความสบายใจให้กับผู้บริหาร โดยวาดภาพที่สมบูรณ์แบบของการทำตามกำหนดเวลาและงบประมาณ ซึ่งไม่เกี่ยวข้องกับสถานการณ์จริงในสถานที่ก่อสร้าง

Big Data และการวิเคราะห์เชิงคาดการณ์ในฐานะอนาคตของการจัดการความเสี่ยง

วิธีเดียวที่จะเพิ่มความเป็นกลางในการประเมินความน่าจะเป็นของเหตุการณ์ได้อย่างมากคือการใช้ Big Data การสร้าง Data Lakes ขององค์กรช่วยให้สามารถรวบรวมสถิติขนาดใหญ่เกี่ยวกับเหตุการณ์ ความล้มเหลวของอุปกรณ์ การหยุดชะงักของอุปทาน และภัยคุกคามภายนอก

งานหลักในขั้นตอนนี้คือการรับรองความเกี่ยวข้องและความสะอาดของข้อมูล โดยขจัดปัจจัยของมนุษย์ให้มากที่สุดเมื่อป้อนข้อมูล การรวบรวมข้อมูลควรเกิดขึ้นโดยอัตโนมัติโดยตรงจากโรงงานผลิตและระบบข้อมูลที่เกี่ยวข้อง การประยุกต์ใช้การวิเคราะห์เชิงคาดการณ์และอัลกอริทึมการเรียนรู้ของเครื่องอย่างมีประสิทธิภาพเพื่อการพยากรณ์ความเสี่ยงที่แท้จริงจะเกิดขึ้นได้ก็ต่อเมื่ออาศัยชุดข้อมูลที่เชื่อถือได้เท่านั้น

การประเมินประสิทธิภาพของผู้เชี่ยวชาญและการเลือกเครื่องมือไอที

ปัญหาสำคัญของการกำกับดูแลกิจการยังคงเป็นการพิสูจน์ความคุ้มค่าทางเศรษฐกิจของแผนกการจัดการความเสี่ยงเอง วิทยากรเสนอให้ใช้ค่าสัมประสิทธิ์สหสัมพันธ์แบบไบซีเรียลของ Pearson เพื่อเปรียบเทียบการคาดการณ์เบื้องต้นของผู้เชี่ยวชาญกับการเกิดเหตุการณ์จริง หากค่าสัมประสิทธิ์ใกล้ศูนย์ การคาดการณ์ของกลุ่มผู้เชี่ยวชาญจะไม่มีคุณค่าในทางปฏิบัติ และกระบวนการนี้จำเป็นต้องได้รับการทบทวน

นอกจากนี้ยังมีการหยิบยกประเด็นการเลือกซอฟต์แวร์ขึ้นมา ประสบการณ์ในการใช้ระบบตะวันตกที่หนักหน่วงแสดงให้เห็นถึงความเปราะบางต่อการคว่ำบาตรและความไม่ยืดหยุ่นต่อคำขอของผู้ใช้ ปัจจุบันจุดสนใจเปลี่ยนไปที่โซลูชันไอทีของรัสเซีย (เช่น แพลตฟอร์ม RisGap) ซึ่งมีอินเทอร์เฟซที่ใช้งานง่ายกว่า นำไปใช้งานได้ง่าย และเป็นอิสระจากข้อจำกัดภายนอก

สิ่งที่คุณจะได้เรียนรู้จากการสัมมนาผ่านเว็บนี้:

• ทำไมวิธีการประเมินความเสี่ยงแบบคลาสสิกจึงล้มเหลวในโครงการอุตสาหกรรมขนาดใหญ่?
• จะระบุความไม่สอดคล้องกันในการประเมินของผู้เชี่ยวชาญโดยใช้ค่าสัมประสิทธิ์ทางคณิตศาสตร์ได้อย่างไร?
• ข้อจำกัดที่ซ่อนอยู่ของวิธี Monte Carlo ในการวิเคราะห์ความเสี่ยงของโครงการคืออะไร?
• จะขจัดปัจจัยของมนุษย์ในการรวบรวมข้อมูลสำหรับการวิเคราะห์เชิงคาดการณ์ได้อย่างไร?
• จะประเมินประสิทธิภาพของผู้จัดการความเสี่ยงภายในองค์กรทางคณิตศาสตร์ได้อย่างไร?