Jednym z najważniejszych wyzwań stojących przed zarządzaniem projektami jest różnorodność sposobów zarządzania projektem i jego obsługi. W przypadku różnych zespołów może być konieczne przyjęcie kilku różnych metodologii, aby uzyskać najbardziej efektywny wynik dla zespołu.
Kiedy współczesne przedsiębiorstwa w coraz większym stopniu opierają się na danych, menedżerowie projektów muszą zrozumieć, w jaki sposób elementy łączące członków zespołu, dane i strategie mogą się ze sobą łączyć. Czasami zakłada się, że rola analityki danych i zarządzania projektami jest prawie taka sama – chociaż dane mogą pomóc w podejmowaniu decyzji, zazwyczaj nie jest to dziedzina, w której prowadzi się wyłącznie projekty.
Niezależnie od tego, czy jesteś doświadczonym analitykiem danych, czy studentem kończącym Magister zarządzania projektamiprzed rozpoczęciem jakiegokolwiek dużego projektu należy dobrze zrozumieć różnice między nauką o danych a zarządzaniem projektami. Poświęćmy chwilę na zbadanie, w jaki sposób dane mogą uzupełniać współczesne metodologie projektów, aby uzyskać najlepszy praktyczny wynik projektu przy użyciu dostępnych danych.
Podejmowanie decyzji w oparciu o dane – przekształcanie projektów
Wprowadzenie nowoczesnego gromadzenia danych za pośrednictwem systemów cyfrowych w coraz większym stopniu zmienia sposób, w jaki dane mogą być wykorzystywane do podejmowania decyzji. Weźmy na przykład Spis Ludności, ogólnokrajowe badanie demograficzne przeprowadzane co pięć lat przez Australijskie Biuro Statystyczne. Początkowo tabelaryczne przy użyciu mechanicznych urządzeń maszynowych, ewoluowały wraz z wprowadzeniem technologii komputerowej w 1966 r do coraz większego udziału w spisie powszechnym online w obecnej epoce.
Sposób gromadzenia, przechowywania i analizowania danych może pomóc w zmianie sposobu planowania i wdrażania projektów. Zamiast czekać wiele lat na realizację planu, doświadczone zespoły analityki danych wykorzystują swoją wiedzę, aby zapewnić kierownikom projektów szybkie, znaczące i przydatne spostrzeżenia, pomagając w dostosowaniu priorytetów do dostępnych i znanych danych.
Kluczowe etapy cyklu życia nauki o danych
Istnieje wiele etapów, które są niezbędne w cyklu życia każdego projektu związanego z analizą danych. W końcu chociaż dane są przydatne, ważne jest, aby wydobyć ich znaczenie z surowych danych wejściowych. Z szacunkową 120 miliardów terabajtów danych generowane co roku, jak wynika z najnowszych raportów, należy pamiętać, że surowe dane same w sobie nie są szczególnie przydatne bez jakiejś formy analizy.
Trzy kluczowe etapy cyklu życia analizy danych obejmują eksplorację, czyszczenie i eksplorację danych. Procesy te są niezbędne w każdym projekcie związanym z analizą danych, a pominięcie któregokolwiek z tych kroków może być potencjalnie niebezpieczne podczas realizacji projektów związanych z danymi.
Po pierwsze, eksploracja danych wymaga zrozumienia wymagań operacyjnych w celu przeszukania potencjalnych źródeł danych. Na przykład projekt, który ma na celu zrozumienie względnej wydajności programu wysyłkowego, może mieć na celu zebranie informacji na temat zwróconej poczty, płatności od klientów, z którymi się skontaktowano, a także informacji finansowych, takich jak koszt wysłania poczty lub zwrotu ulotki.
Czyszczenie danych to kolejny kluczowy etap cyklu życia analityki danych. Dane same w sobie mogą być surowe i niechlujne – na przykład źródło danych z adresami może zawierać dane ustrukturyzowane w różnych formatach lub w formacie historycznym, co oznacza, że jakakolwiek eksploracja przeprowadzona bez uprzedniego oczyszczenia struktury danych może potencjalnie wprowadzić w błąd lub być błędna.
Po przeprowadzeniu eksploracji i czyszczenia danych należy przeprowadzić kompleksową eksplorację danych. Wyniki oparte na danych nie pojawiają się od razu – czasami zagłębianie się w dane, aby zrozumieć, w jaki sposób dane są ze sobą powiązane, może zająć kilka dni, a nawet tygodni. Wyniki znalezione na tym etapie odkrywania można następnie wykorzystać do dalszego badania i uzupełnienia fazy projektowania realizacji projektu.
Wspólne metodyki zarządzania projektami
Istnieje wiele różnych metodologii zarządzania projektami. Tradycyjne metody, takie jak metoda wodospadowa, są dobrze znane. Jednakże nowsze metodologie, takie jak metoda zwinna, zyskały w ostatnich latach na znaczeniu jako sposób na ewolucję sposobu zarządzania projektami w zgodzie z lepszą dostępnością danych.
Metodologia rozwoju powszechna w projektach znana jest jako metodologia wodospadu. Ta ortodoksyjna strategia, powszechna w tworzeniu oprogramowania, obejmuje pięcioetapowy proces (wymagania, projektowanie, wdrożenie, testowanie, wdrożenie), w którym kroki są wykonywane sekwencyjnie. Chociaż może to być przydatne w przypadku niektórych projektów, czasami wydaje się trudne w zarządzaniu podczas pracy z projektami opartymi na danych.
Współczesna metodologia, która powszechnie pojawia się podczas pracy z szybko zmieniającymi się danymi, znana jest jako zwinna metodologia. Ta metoda pozwala na szybką zmianę pozycji w miarę zmiany wymagań korporacyjnych i jest zazwyczaj uważana za najlepszą praktykę podczas pracy nad projektami, które wymagają ciągłego przemieszczania się lub dostosowywania w celu zarządzania potrzebami biznesowymi.
Skrzyżowanie zarządzania projektami i nauki o danych
Zarządzanie projektami i nauka o danych mogą się krzyżować w interesujący sposób – podobnie jak w przypadku Ouroborosa, coraz bardziej symbiotyczna relacja między zarządzaniem projektami a nauką o danych może skłonić do zastanowienia się, co było pierwsze.
Dla doświadczonego lidera projektu umiejętność zrozumienia, która kombinacja metodologii projektu i strategii analizy danych jest najlepsza, może w dużym stopniu pomóc w podejmowaniu strategicznych decyzji. To z kolei może pomóc w dostosowaniu obecnych lub przyszłych celów projektu – przekształcając zarządzanie projektami z opierania się wyłącznie na wymaganiach biznesowych w coś, co jest znacznie bardziej płynne i wszechstronne. Ponieważ zarządzanie danymi i projektami jest tak ściśle ze sobą powiązane, ekscytujące jest wyobrażenie sobie, co te dwie role połączą w nadchodzących latach.
Autor wyróżnionego obrazu: kjpargeter/Freepik.
