Project Analytics AI

25 โครงการ ÷ 9 ตัวแปร = 2.8 ตัวอย่างต่อตัวแปร · เกณฑ์ที่ยอมรับกันทั่วไปสำหรับแบบจำลองถดถอยคืออย่างน้อย 10 ตัวอย่างต่อตัวแปร ซึ่งต้องมีโครงการปิดแล้ว 90 โครงการ · ที่อัตราปิดปีละ 25 โครงการ ต้องใช้อีกประมาณ 3 ปี

ระบบสร้างแบบจำลองทำนายจากข้อมูล 25 โครงการได้ทันที และตัวเลขที่ออกมาจะดูน่าเชื่อถือ มีค่าความแม่นยำสูงด้วยซ้ำ — แต่ความแม่นยำนั้นจะมาจากการที่แบบจำลองจำข้อมูลชุดเดิมได้ ไม่ใช่จากการทำนายได้จริง · เมื่อนำไปใช้กับโครงการใหม่ ผลจะไม่ตรงและไม่มีทางรู้ล่วงหน้าว่าไม่ตรงตรงไหน · ปัญหาที่หนักกว่าคือแบบจำลองที่อธิบายไม่ได้จะถูกใช้ตัดสินใจเรื่องเงินและคน โดยไม่มีใครโต้แย้งได้ เพราะไม่มีใครรู้ว่ามันคิดจากอะไร · สิ่งที่ระบบทำแทนคือกฎง่าย ๆ สี่ข้อจากตัวแปรสี่ตัวที่มีเหตุผลรองรับชัด ซึ่งความแม่นยำต่ำกว่าแบบจำลองที่จะสร้างได้ แต่ทุกข้อมีคนโต้แย้งได้ · เมื่อข้อมูลถึง 90 โครงการในราวปี 2572 จึงค่อยพิจารณาสร้างแบบจำลอง และต้องทดสอบกับข้อมูลที่ไม่เคยเห็นก่อนใช้จริง · ระหว่างนี้ระบบจะไม่แสดงตัวเลขทำนายความล่าช้าเป็นวัน เพราะเป็นตัวเลขที่ดูแม่นยำกว่าที่ข้อมูลรองรับได้

ช่วงความเชื่อมั่นคำนวณจาก 25 ตัวอย่าง · สำหรับค่า 0.62 ช่วงคือ 0.30 ถึง 0.82 ซึ่งกว้าง 0.52 · ถ้ามี 90 ตัวอย่าง ช่วงจะแคบลงเหลือประมาณ 0.47 ถึง 0.73 หรือกว้าง 0.26

ค่า 0.62 ถูกอ่านว่าความสัมพันธ์ค่อนข้างแรง ซึ่งจริงถ้าเป็นค่าที่วัดจากตัวอย่างมาก ๆ — แต่จาก 25 ตัวอย่าง ค่าจริงอาจอยู่ที่ 0.30 ซึ่งอ่อน หรือ 0.82 ซึ่งแรงมาก · ความกว้าง 0.52 หมายความว่าข้อมูลบอกได้แค่ว่าโครงการใหญ่มีแนวโน้มช้ากว่า ไม่ได้บอกว่ามากแค่ไหน · การนำ 0.62 ไปคำนวณต่อ เช่นทำนายว่าโครงการมูลค่า ฿200M จะช้ากี่วัน จะได้ตัวเลขที่ดูแม่นยำแต่ไม่มีข้อมูลรองรับ · จำนวนงานย่อยมีความสัมพันธ์ 0.58 ซึ่งใกล้เคียงกับมูลค่าโครงการ แต่ไม่ใช่ข้อมูลใหม่ เพราะโครงการใหญ่ย่อมมีงานย่อยมากกว่าอยู่แล้ว การใส่ทั้งสองตัวแปรลงในแบบจำลองเดียวกันจะทำให้ผลบิดเบือน · ระบบจึงแสดงช่วงความเชื่อมั่นคู่กับทุกค่าความสัมพันธ์เสมอ และไม่แสดงค่ากลางเดี่ยว ๆ ซึ่งเป็นหลักการเดียวกับที่โมดูล 18 ใช้กับตัวเลขที่เป็นสมมติฐาน

ตัวชี้วัดสี่ตัวที่พึ่งการรายงานตนเองไม่ได้แปลว่าใช้ไม่ได้ แต่แปลว่าต้องอ่านคู่กับตัวที่มีเอกสารรองรับเสมอ — และเมื่อสองกลุ่มขัดกัน ให้เชื่อกลุ่มที่มีเอกสาร · ปัจจุบันสองกลุ่มขัดกันชัดเจน คือความคืบหน้าบอก 68.0% แต่เงินผูกพันบอก 85.1% ซึ่งเป็นสัญญาณว่าความคืบหน้าน่าจะสูงเกินจริงหรือมีการใช้เงินเกินสัดส่วน หรือทั้งสองอย่าง · ความน่าจะเป็นของความเสี่ยงที่ทีมประเมินไว้เฉลี่ย 24.9% เทียบกับอัตราที่เกิดจริง 9.7% ก็เป็นการขัดกันแบบเดียวกัน · ทางออกไม่ใช่การเลิกใช้ตัวเลขที่รายงานเอง ซึ่งเป็นข้อมูลเดียวที่มีสำหรับ 12 โครงการ แต่คือทยอยเปลี่ยนให้วัดจากงานที่ตรวจรับแล้วเหมือนอีก 6 โครงการ · ระบบติดป้ายกำกับทุกตัวเลขว่ามาจากแหล่งไหน และไม่แสดงตัวเลขที่พึ่งการรายงานตนเองโดยไม่มีป้าย ซึ่งเป็นข้อบังคับที่ใช้ทั้งโมดูล

โครงการที่เข้าข่ายตั้งแต่ 3 กฎขึ้นไปมี 3 โครงการ และล่าช้าทั้งหมด 3 จาก 3 · แต่ 3 ตัวอย่างน้อยเกินกว่าจะสรุปว่าเป็นกฎที่แม่นยำ 100% · กฎแต่ละข้อเดี่ยว ๆ ตรงกับความจริงในช่วง 55.6% ถึง 71.4%

ตัวเลข 100.0% ของกฎข้อสุดท้ายมาจาก 3 ตัวอย่าง ซึ่งไม่ควรอ่านว่าแม่นยำ 100% — ถ้าโครงการที่สี่เข้าข่ายแล้วไม่ล่าช้า ตัวเลขจะกลายเป็น 75% ทันที · ระบบจึงแสดงจำนวนตัวอย่างคู่กับอัตราเสมอ ไม่แสดงเปอร์เซ็นต์เดี่ยว ๆ ซึ่งเป็นหลักการเดียวกับที่ใช้กับความสัมพันธ์ · ประโยชน์ของกฎเหล่านี้ไม่ได้อยู่ที่ความแม่นยำ แต่อยู่ที่ทำให้การสนทนาเปลี่ยนไป เมื่อโครงการใหม่เข้าข่ายสามข้อ คำถามในที่ประชุมจะเป็น "เผื่อเวลาไว้เท่าไร" แทนที่จะเป็น "จะเสร็จตามแผนใช่ไหม" · กฎทั้งสี่ข้อไม่มีข้อไหนที่ทีมโครงการไม่รู้อยู่แล้ว สิ่งที่ระบบเพิ่มคือการนับให้เห็นว่าเข้าข่ายกี่ข้อและเทียบกับสิ่งที่เกิดขึ้นจริง · เมื่อข้อมูลมากพอในราวปี 2572 กฎเหล่านี้จะถูกทดสอบใหม่และอาจถูกแทนที่ แต่จนกว่าจะถึงตอนนั้น กฎที่อธิบายได้ดีกว่าแบบจำลองที่อธิบายไม่ได้

การไม่จัดอันดับผู้จัดการโครงการเป็นการตัดสินใจที่ต้องอธิบาย เพราะเป็นสิ่งที่ระบบทำได้ง่ายและมักถูกขอ — เหตุผลข้อแรกคือโครงการต่างประเภทกันมาก โครงการก่อสร้างกับโครงการซอฟต์แวร์มีอัตราความล่าช้าตามธรรมชาติต่างกัน · เหตุผลข้อที่สองหนักกว่า คือ 12 จาก 18 คนรายงานความคืบหน้าของตัวเอง การจัดอันดับด้วยตัวเลขนั้นคือการให้คนที่ถูกวัดกรอกคะแนนเอง · และเมื่อรู้ว่าถูกจัดอันดับ ความแตกต่าง 0.085 ระหว่างสองกลุ่มจะกว้างขึ้น ไม่ใช่แคบลง เพราะแรงจูงใจให้รายงานสูงจะแรงขึ้น · สิ่งที่ระบบทำแทนคือแสดงตัวเลขที่มีเอกสารรองรับให้ครบ แล้วให้หัวหน้าสายงานใช้ประกอบการพิจารณาร่วมกับสิ่งที่เห็นเอง · ข้อบังคับสองข้อสุดท้ายคือการแสดงจำนวนตัวอย่างและช่วงความเชื่อมั่น ซึ่งใช้กับทุกตัวเลขในหน้านี้โดยไม่มีข้อยกเว้น เพราะตัวเลขที่ดูแม่นกว่าที่ข้อมูลรองรับได้คือสิ่งที่ทำให้เกิดการตัดสินใจผิดมากที่สุด