软件工程IT项目管理复习之 十一:项目风险管理

简介: 软件工程IT项目管理复习之 十一:项目风险管理

需要PPT请点赞关注收藏后评论区留言私信~~~

学习目标

了解风险和良好项目风险管理的重要性

讨论规划风险管理的要素和风险管理计划的内容

列出信息技术(IT)项目的常见风险源

描述识别风险的过程并创建风险登记簿

讨论定性风险分析,解释如何计算风险因素,创建概率/影响矩阵,并应用十大风险项跟踪技术对风险进行排序

解释量化风险分析以及如何应用决策树、模拟和敏感性分析来量化风险

提供使用不同风险应对计划策略来应对消极和积极风险的示例

讨论如何控制风险

描述软件如何帮助项目风险管理

一、项目风险管理的重要性

项目风险管理是在项目的整个生命周期内识别、分析和应对风险的艺术和科学,以达到项目目标的最佳利益

风险管理在项目中经常被忽视,但它可以通过帮助选择好的项目、确定项目范围和制定现实的评估来帮助提高项目成功率

Ibbs和Kwak的研究表明,风险在所有知识领域中的成熟度评级最低

2003年,对南非毛里求斯的软件开发公司进行了类似的调查,风险管理的成熟度也最低

KLCI研究显示了遵循良好软件风险管理实践的好处

负面风险

字典对风险的定义是“损失或伤害的可能性”

负风险涉及了解项目中可能出现的潜在问题,以及这些问题如何阻碍项目成功

负风险管理就像一种保险形式;这是一项投资

积极风险

积极风险是导致好事发生的风险;有时被称为机会

项目风险的一般定义是对实现项目目标有负面或正面影响的不确定性

项目风险管理的目标是最小化潜在的负面风险,同时最大化潜在的正面风险

风险效用

风险效用或风险容忍度是从潜在回报中获得的满足或愉悦程度

对于厌恶风险的人来说,公用事业的增长率在下降

那些追求风险的人对风险的容忍度更高,当面临更多回报时,他们的满意度会提高

风险中性方法实现了风险和收益之间的平衡

项目风险管理

规划风险管理:决定如何接近和规划项目的风险管理活动

识别风险:确定哪些风险可能影响项目,并记录每个风险的特征

进行定性风险分析:根据风险发生的概率和影响确定风险的优先级

进行定量风险分析:用数字估算风险对项目目标的影响

规划风险应对措施:采取措施增加机会并减少对实现项目目标的威胁

控制风险:监控已识别的和剩余的风险,识别新的风险,执行风险应对计划,并在整个项目生命周期内评估风险策略的有效性

二、计划风险管理

该过程的主要输出是风险管理计划,即记录整个项目风险管理程序的计划

项目团队应审查项目文件,并了解组织和赞助商的风险处理方法

详细程度将根据项目的需要而变化

风险管理计划中包括的主要内容:

方法论

角色和职责

预算和时间表

风险类别

风险概率和影响

修订利益相关者的公差

跟踪

风险文件

应急和后备计划、应急准备金

应急计划是项目团队在确定的风险事件发生时将采取的预定义行动

针对对实现项目目标有重大影响的风险制定后备计划,如果降低风险的尝试无效,则将实施后备计划

应急准备金或津贴是项目发起人或组织为将成本或进度超支风险降至可接受水平而持有的准备金;管理准备金是为未知风险而持有的资金

三、IT项目风险的一般来源

几项研究表明,IT项目有一些共同的风险来源

Standish Group根据潜在风险制定了IT成功潜力评分表

其他广泛的风险类别有助于识别潜在风险

Market risk Financial risk Technology risk People risk Structure/process risk

风险分解结构

风险分解结构是项目潜在风险类别的层次结构

类似于工作分解结构,但用于识别和分类风险

四、识别风险

识别风险是了解哪些潜在事件可能损害或增强特定项目的过程

另一个考虑因素是高级发现的可能性

风险识别工具和技术包括:

头脑风暴

头脑风暴是一种技巧,通过这种技巧,一个团队可以通过自发地、不加判断地收集想法来产生想法或为特定问题找到解决方案

经验丰富的主持人应主持头脑风暴会议

注意不要过度使用或误用头脑风暴。

心理学文献表明,与在面对面的小组中进行头脑风暴相比,个人单独工作产生的想法数量更多

群体效应通常会抑制想法的产生

德尔菲法技巧

Delphi技术用于在对未来发展做出预测的专家小组中得出共识

提供有关未来事件的独立匿名输入

使用反复的提问和书面回答,避免口头方法(如头脑风暴)可能产生的偏见

访谈

访谈是一种在面对面、电话、电子邮件或即时消息讨论中收集信息的事实调查技术

采访具有类似项目经验的人员是识别潜在风险的重要工具

SWOT分析

SWOT分析(优势、劣势、机会和威胁)也可用于风险识别

帮助确定适用于项目的广泛负面和正面风险

风险登记表

风险识别过程的主要输出是已识别风险和开始创建风险登记所需的其他信息的列表

风险登记簿是:

包含各种风险管理流程结果的文档,通常以表格或电子表格格式显示

记录潜在风险事件和相关信息的工具

风险事件是指可能对项目造成损害或增强的特定的、不确定的事件

风险登记表中主要内容如下:

每个风险事件的识别号

每个风险事件的等级

每个风险事件的名称

每个风险事件的描述

每个风险事件所属的类别

每种风险的根本原因

每种风险的触发因素;触发因素是实际风险事件的指标或症状

对每种风险的潜在反应

风险所有人或对每项风险负责的人

每种风险发生的概率和影响。

每个风险的状态

五、风险定性分析

评估已识别风险的可能性和影响,以确定其大小和优先级

风险量化工具和技术包括:

概率/影响矩阵

概率/影响矩阵或图表列出了在图表上矩阵或轴的一侧发生风险的相对概率,以及在另一侧发生的风险的相对影响

列出风险,然后根据风险发生的概率及其影响(如果确实发生)将每个风险标记为高、中或低

还可以计算风险因素:

根据特定事件发生的概率和发生后对项目的影响,表示特定事件总体风险的数字

十大风险项目跟踪

十大风险项目跟踪是一种定性风险分析工具,有助于识别风险并在整个项目生命周期内保持风险意识

对十大项目风险项目进行定期审查

列出当前排名、以前的排名、一段时间内风险出现在列表上的次数,以及解决风险项目的进度摘要

观察列表是一个低优先级但仍被识别为潜在风险的风险列表

定性分析还可以确定应在定量基础上评估的风险

六、风险定量分析

通常遵循定性风险分析,但两者可以一起完成

涉及前沿技术的大型复杂项目通常需要广泛的定量风险分析

主要技术包括:

决策树分析

决策树是一种图解分析技术,用于帮助在未来结果不确定的情况下选择最佳行动方案

估计货币价值(EMV)是风险事件概率和风险事件货币价值的乘积

您可以绘制决策树来帮助查找EMV

模拟

仿真使用系统的表示或模型来分析系统的预期行为或性能

蒙特卡洛分析多次模拟模型的结果,以提供计算结果的统计分布

要使用蒙特卡洛模拟,必须有三个估计值(最有可能、最悲观和最乐观),加上估计值介于最有可能和最乐观值之间的可能性的估计值

蒙特卡洛方法步骤:

评估所考虑变量的范围

确定每个变量的概率分布

对于每个变量,根据概率分布选择一个随机值

运行确定性分析或一次通过模型

多次重复步骤3和4,以获得模型结果的概率分布

敏感性分析

敏感性分析是一种技术,用于显示改变一个或多个变量对结果的影响

例如,许多人使用它来确定贷款的月付款将被给予不同的利率或贷款期限,或者根据不同的假设来确定盈亏平衡点

Excel等电子表格软件是进行敏感性分析的常用工具

七、风险响应计划

识别并量化风险后,您必须决定如何应对风险

消极风险的四种主要应对策略:

风险规避

风险接受程度

风险转移

风险缓解措施

对积极风险的应对措施:

风险利用

风险分担

风险增强

风险接受程度

剩余风险和次要风险

识别残余风险和次要风险也很重要

剩余风险是指在实施所有应对策略后仍然存在的风险

二级风险是实施风险应对的直接结果

八、控制风险

涉及执行风险管理流程以应对风险事件,并确保整个项目团队在整个项目中持续开展风险意识活动

变通办法是对风险事件的非计划响应,在没有应急计划的情况下必须进行

风险控制的主要输出包括:

工作绩效信息

更改请求

项目管理计划、其他项目文件和组织过程资产的更新

好的风险管理结果

与危机管理不同,良好的项目风险管理常常被忽视

运行良好的项目似乎几乎不费吹灰之力,但要运行好一个项目,需要做很多工作

项目经理应努力使他们的工作看起来容易反映良好项目的结果

总结

项目风险管理是在项目的整个生命周期内识别、分析和应对风险的艺术和科学,以达到项目目标的最佳利益

主要流程包括:

计划风险管理

识别风险

进行定性风险分析

进行定量风险分析

计划风险应对

控制风险

创作不易 觉得有帮助请点赞关注收藏~~~

相关文章
|
机器学习/深度学习 存储 算法
【强化学习】常用算法之一 “DQN”
DQN算法是深度学习领域首次广泛应用于强化学习的算法模型之一。它于2013年由DeepMind公司的研究团队提出,通过将深度神经网络与经典的强化学习算法Q-learning结合,实现了对高维、连续状态空间的处理,具备了学习与规划的能力。本文对DQN算法进行了详细的讲解,包括发展史、算法公式和原理、功能、示例代码以及如何使用。DQN算法通过结合深度学习和Q-learning算法,实现了对高维、连续状态空间的处理,具备了学习和规划的能力。
3698 0
【强化学习】常用算法之一 “DQN”
|
Ubuntu Linux
【Ubuntu系统内核更新与卸载】
【Ubuntu系统内核更新与卸载】
1339 0
el-input el-select调整字体及内边距
1. 背景 el-input输入框默认提供的字体较小,且内边距较大。 这是为了提供统一的样式和好看的外观。 在某些情况下,我们希望使用较大的字体,且让输入框的内边距小一些以便容纳更多东西。
3206 0
|
JSON Java 数据格式
springboot后台下载文件报错: Could not find acceptable representation
使用springboot实现从服务器下载文件功能时,报错:Could not find acceptable representation
1866 0
|
10月前
|
安全 物联网 数据安全/隐私保护
RFID技术让物业管理电动车更智能
随着短途出行对电动车需求的增长,物业管理中的电动车管理难题亟待解决。RFID技术的引入为这一问题带来了智能化变革。通过为每辆电动车配备“身份证”(RFID标签),系统可实现快速身份识别、权限管理和全程追踪,大幅提升通行效率与安全性。在停车管理方面,RFID能实时监测车辆位置,引导车主快速找到空闲车位,同时防止乱停乱放和占用禁停区域。此外,该技术还能有效追踪被盗车辆、禁止电动车或电池入户,降低安全隐患。目前,RFID电动车管理已在多个园区物业广泛应用,成为智能化管控的新趋势。
|
5月前
|
JavaScript Java 关系型数据库
基于springboot的非遗传承宣传平台
本项目基于SpringBoot、Vue、MySQL等技术,构建非遗传承宣传平台,实现非遗资源的数字化存储与传播。通过图文、视频、互动社区等形式,打破时空限制,提升公众参与度,助力传统文化保护与传承。
|
JavaScript
jQuery仿方块人物头像消除游戏源码
jQuery人物头像迷阵消除游戏代码是一款类似《宝石迷阵》类的方块消除类型的小游戏源码。
1466 13
|
人工智能 安全 程序员
一文彻底搞清楚HarmonyOS NEXT的元服务
简介:本文详细介绍Harmony OS中的“元服务”,一种轻量级应用程序形态,支持免安装、秒开直达、多设备运行等特性,大幅提升服务获取效率。文中对比了元服务与传统App应用的区别,阐述其六大特征:秒开直达、服务相伴、用完即走、一体两面、原生智能、高效开发。同时,文章还提供了元服务的开发流程,包括开发前准备、开发中具体步骤、打包、测试及上架发布,帮助开发者快速掌握元服务的开发与应用。
3168 13
一文彻底搞清楚HarmonyOS NEXT的元服务
|
人工智能 自然语言处理
FBI-LLM低比特基础大语言模型来了,首个完全从头训练的二值化语言模型
【8月更文挑战第22天】《FBI-LLM:通过自回归蒸馏从头开始扩展全二值化大语言模型》由Ma等学者发布于arXiv。该研究呈现了首个完全从头训练的全二值化大语言模型FBI-LLM,在不牺牲性能的前提下大幅降低计算资源需求。通过自回归蒸馏技术,FBI-LLM在多种任务上展现出与高精度模型相当的表现,为二值化模型的发展开辟新路径,并有望推动专用硬件的进步。研究者公开了所有相关资源以促进领域内的进一步探索。
299 10
提升个人工作技能
提升个人工作技能
1427 6