Hệ thống quản lý rủi ro dự án như một phần của cơ sở hạ tầng kỹ thuật số

Việc tích hợp các hệ thống quản lý rủi ro vào cơ sở hạ tầng kỹ thuật số của doanh nghiệp đang trở thành yếu tố then chốt để thực hiện thành công các dự án công nghiệp lớn. Trong bối cảnh bất ổn toàn cầu và các lệnh trừng phạt, các phương pháp đánh giá mối đe dọa truyền thống đang cho thấy sự kém hiệu quả. Trong hội thảo trực tuyến này, Giám đốc Phát triển Cơ sở hạ tầng Kỹ thuật số của "Gazprom-Media Holding", Yana Krukhmaleva, phân tích sự phát triển của quản lý rủi ro ở Nga thông qua ví dụ về các dự án cơ sở hạ tầng lớn nhất và giải thích lý do tại sao ngành này chắc chắn đang hướng tới việc làm việc với dữ liệu lớn (Big Data).

Sai lệch nhận thức và tính chủ quan của các đánh giá chuyên gia

Phân tích rủi ro định tính cổ điển thường dựa trên ý kiến chuyên gia, điều này không thể tránh khỏi những sai lệch nhận thức. Dựa trên nghiên cứu về kinh tế học hành vi, diễn giả chỉ ra rằng con người có xu hướng suy nghĩ phi lý trí trong điều kiện không chắc chắn. Trên thực tế, điều này dẫn đến một cách tiếp cận hình thức: các chuyên gia hoặc không đi sâu vào phân tích các mối đe dọa, hoặc rơi vào các cạm bẫy tâm lý, chẳng hạn như hiệu ứng Dunning-Kruger hoặc apophenia (tìm kiếm các quy luật ở những nơi mà khách quan là không có).

Ngoài ra, khi đánh giá rủi ro tập thể, nghịch lý Condorcet xuất hiện — một tình huống mà ý kiến của các chuyên gia khác biệt đến mức không thể đưa ra một đánh giá trung bình khách quan về mặt toán học. Để xác định mức độ nhất trí của các ý kiến, người ta đề xuất sử dụng hệ số tương hợp Kendall. Nếu sự nhất trí thấp, người quản lý dự án phải chịu trách nhiệm về quyết định cuối cùng, dựa trên năng lực của mình chứ không phải dựa trên điểm số trung bình.

Những hạn chế của phương pháp Monte Carlo

Cố gắng thoát khỏi tính chủ quan của phân tích định tính, nhiều công ty đang chuyển sang các phương pháp định lượng, đặc biệt là mô phỏng Monte Carlo. Tuy nhiên, bài thuyết trình đã xem xét chi tiết một nhược điểm chính của phương pháp này: dữ liệu đầu vào cho mô hình toán học vẫn là các đánh giá chủ quan của chuyên gia.

• Thiếu các biểu đồ tích hợp: Để phương pháp hoạt động chính xác, cần có một biểu đồ mạng lưới lịch trình chi tiết, đa cấp độ với sự gắn kết chặt chẽ về nguồn lực và tài chính. Trong các dự án lớn, các biểu đồ như vậy hiếm khi được duy trì trong một hệ thống duy nhất mà không bị đứt gãy các liên kết.
• Bỏ qua sự tương quan của các rủi ro: Phương pháp Monte Carlo xử lý kém trong các tình huống mà nhiều rủi ro có liên quan với nhau. Hệ thống không thể tự động tính đến các định luật phức tạp của lý thuyết xác suất khi tổng hợp các sự kiện phụ thuộc.

Kết quả là, các mô hình định lượng phức tạp thường biến thành một công cụ để trấn an ban lãnh đạo, vẽ ra một bức tranh hoàn hảo về việc đáp ứng đúng thời hạn và ngân sách, điều mà không liên quan gì đến tình hình thực tế trên công trường.

Big Data và phân tích dự đoán là tương lai của quản lý rủi ro

Cách duy nhất để tăng cường triệt để tính khách quan trong việc đánh giá xác suất của các sự kiện là sử dụng Big Data. Việc tạo ra các hồ dữ liệu doanh nghiệp (Data Lakes) cho phép tích lũy số liệu thống kê quy mô lớn về các sự cố, hỏng hóc thiết bị, gián đoạn nguồn cung và các mối đe dọa bên ngoài.

Nhiệm vụ then chốt ở giai đoạn này là đảm bảo tính liên quan và độ sạch của dữ liệu, loại trừ tối đa yếu tố con người khi nhập liệu. Việc thu thập thông tin phải diễn ra tự động trực tiếp từ các cơ sở sản xuất và các hệ thống thông tin liên quan. Chỉ dựa trên các mảng dữ liệu đáng tin cậy mới có thể áp dụng hiệu quả phân tích dự đoán và các thuật toán học máy để dự báo rủi ro thực tế.

Đánh giá hiệu quả của chuyên gia và lựa chọn công cụ CNTT

Một vấn đề quan trọng trong quản trị doanh nghiệp vẫn là chứng minh hiệu quả kinh tế của chính các bộ phận quản lý rủi ro. Diễn giả đề xuất sử dụng hệ số tương quan biserial Pearson để so sánh các dự báo ban đầu của chuyên gia với sự xuất hiện thực tế của các sự kiện. Nếu hệ số gần bằng 0, các dự báo của nhóm chuyên gia không có giá trị thực tiễn và quy trình cần được xem xét lại.

Vấn đề lựa chọn phần mềm cũng được đặt ra. Kinh nghiệm sử dụng các hệ thống nặng nề của phương Tây đã cho thấy sự dễ bị tổn thương của chúng trước các lệnh trừng phạt và sự thiếu linh hoạt đối với các yêu cầu của người dùng. Ngày nay, trọng tâm đang chuyển sang các giải pháp CNTT của Nga (ví dụ: nền tảng RisGap), cung cấp giao diện trực quan hơn, dễ triển khai và độc lập với các hạn chế bên ngoài.

Bạn sẽ học được gì từ hội thảo trực tuyến này:

• Tại sao các phương pháp đánh giá rủi ro cổ điển lại thất bại trong các dự án công nghiệp lớn?
• Làm thế nào để xác định sự không nhất quán trong các đánh giá của chuyên gia bằng cách sử dụng các hệ số toán học?
• Những hạn chế tiềm ẩn của phương pháp Monte Carlo khi phân tích rủi ro dự án là gì?
• Làm thế nào để loại bỏ yếu tố con người khi thu thập dữ liệu cho phân tích dự đoán?
• Làm thế nào để đánh giá bằng toán học hiệu quả công việc của các nhà quản lý rủi ro nội bộ?