大數據環境下的項目管理方法改進之探索

董嘉煒

(中國寰球工程公司，北京 100012)

0 引言

項目管理如同其他管理類學科一樣，包含了復雜的方法、理論和知識。美國的項目管理協會(PMI)認為，項目是為創造獨特產品、服務或成果而進行的臨時性工作［1］。但是，每個人做的任何一項工作都是獨特的產品、服務或者成果，那么，在做這些工作的時候，也都可以運用項目管理的方法制訂計劃和進行運作。在如今這個信息爆炸的時代，能否根據對人們在項目執行過程中產生的大數據進行的分析，從而得到對項目管理有用的信息呢?本文試圖針對這個問題展開分析。

1 大數據和項目管理的交集

什么是“大數據”?對此，研究機構Gartner給出了這樣的定義:它是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。大數據不僅是指數據體量大，數據類型繁多，處理速度快，價值回報較高，而且也指無法使用傳統的流程和工具處理信息，進行大數據分析需要多個并行的工作負載。大數據與云計算的關系密不可分，其原因就是因為無法對大數據采用獨立的計算機進行處理。伴隨著云計算的發展，大數據也受到了越來越多的關注，在以云計算為代表的技術創建并發展后，那些原本很難處理和使用的數據開始變得容易利用起來。大數據的意義在于對龐大的數據信息進行“定制版”的加工處理，分析發現其中某些特定事物的關系或比例，從而指導人們對事務進行決斷。

什么是“項目管理”?它是管理學的一個分支學科，就是將知識、技能、工具與技術應用于項目活動，使項目能夠在有限資源限定條件下，實現或超過設定的需求和期望的過程。

圖1 平衡矩陣型組織結構

目前國內外比較通用的項目管理方式多為平衡式矩陣(見圖1)，即項目人員由公司和項目組雙重管理，公司層面側重于進行個人培養、考核薪酬，項目層面側重于對工作的安排指導、對個人的技能培養。

這種組織結構的優點可以概括為:①實施項目工作要有一個基本固定的團隊，每項工作都有人負責;②部門可以對每名員工進行職業培養，讓員工對部門有“家”的感覺;③便于公司進行資源調配，同時工作的要求和質量也基本一致。但在實際執行的過程中，組織往往無法建構這樣的扁式平結構，項目還是按照部門或者專業進行分工，在部門或者專業上又有一名或多名負責人，這樣的組織結構對于專業技術上的指導或者工作負荷的平衡是比較有利的，但是由于信息在項目經理和員工中經過多層的傳遞，難免會出現缺失或者誤解，因此會對工作的進展產生不利的影響。同時，在信息化時代中，每個人在任何時間都會產生大量的數據，這些數據在8h 工作內很大一部分是關乎自身工作的，如果將這部分數據進行收集、整理、分析、利用，那么針對某項工作的決策就會有明確的方向，有風險范圍的界定。對于工作的安排、工作負荷的調配、工作的考核，經過特定的分析后就會變得一目了然了。例如，計算的焊接當量、統計的焊接質量;又如，HSE 監管的隱患數量、完成整改的數量;再如，設計的出圖計劃、圖樣版次等信息。以上信息都可以構成項目管理的大數據，而且可以依據大的數據庫進行分析。例如，判斷目前的人力負荷是否滿足焊接進度要求，可以根據計算的焊接總量減去已經完成的焊接當量后再除以每個工人每天完成的焊接當量平均值，這樣就可以知道完成全部工作所需的所有焊工數量，再以按計劃的剩余工期分出來每天或者每周所需的焊工數量，這就構成了人力動遷計劃，其他的工種亦然。再如，根據HSE 錄入的隱患數量、特點、區塊，可以分析隱患出現的原因，進而有的放矢地解決問題，最大程度上地做好現場安全的保障，或者對其他新開項目策劃起到借鑒作用。

之前，很多時候，都采用的頭腦風暴法來進行風險的分析、辨識并提出處理意見，有了數據的積累后，就可以根據以往類似項目的經驗教訓來進行更為行之有效的策劃和安排。例如，設計的出圖時間和所需要的輸入條件往往都是根據經驗決定的，而一旦有了數據的積累，我們就可以輕松地計算出出圖的平均時間和以往類似項目的所需要輸入條件，這樣就可以根據少數的外部條件自動計算出所需要出圖的時間和必需的前置條件，并可以精確到每類圖上，方便做好計劃、計算進度，也便于進行階段性的考核。

2 數據的產生和收集

如何在信息化時代的大數據背景下開展上述工作呢?如何來達到既定目標呢?

項目人員應該從數據信息的收集開始。數據是通過觀察、實驗或計算得出的結果，它產生于活動。只要有活動或者任務，那么就會有數據的產生，這樣，只需要將產生的數據傳送到特定的存儲系統中，就可以起到收集的作用了。

但是，如何將活動和產生的數據相綁定呢?本文認為，可以借鑒一下編程類項目管理的軟件，如Redmine、Jira 或Trac 等。可以將工作分解成任務，按照前期排好的計劃由項目經理發給各個設計人，并由項目經理關注啟動初期每個任務的前置條件是否滿足要求。這是因為在項目初期，往往只有少數內容是需要項目組或者外部單位(如業主、專利商)提供的;到項目后期，每個任務的前置要求基本都是由制造廠或者上游專業所制約的，這時則需要有前置任務的責任人進行督促。每個任務的前置條件可能是一個或者多個，當每個條件都得到滿足時，就由系統自動修正任務的實際進度，并且在所有與此條任務有關的人員中實現共享，使信息透明化，以便于后置任務的安排和必要調整。這種信息流通的手段促使員工按時、按質量要求完成任務，并且對項目經理掌控全局、解決具體問題提供了有力的支撐，同時也為項目的全過程留下了豐富的數據。

這種管理的手段并不僅限于設計階段，在采購階段，根據每個采購包的澄清進度或者招標進度，也可以安排后續工作;根據產品生產的進度和檢驗結果，可以調整現場施工的順序和步驟，以滿足合同的控制節點;根據產品的有限級別或者貨值，可以安排監檢的人員，以確保產品在符合合同要求和規定允許的標準下被生產出來。甚至當一個項目的全部任務都進行自我發展、自我管理的時候，所有的進度都可以體現在一個巨大的數據庫或者進度表中，每項任務都處于被監控狀態，一旦有超出資源限制的情況，就根據任務優先級的不同分類解決。

項目實施的過程中會積累超大體量的數據，數據收集的問題解決后，接下來就要進行分析。

3 數據的分析

數據分析方法有很多種，包括數據的描述性分析、線性回歸分析、方差分析、主成分分析和典型相關分析、判別分析、聚類分析、Bayes 統計分析等。數據分析處理工具有Mathlab、SPSS、DIMENSION、QUANTUM、SAS、Surveycraft、Hadoop、MapReduce、Apache Spark 等。可以根據每個部門或者企業不同的需求，運用上述方法或工具對前期收集積累的數據進行有目標的分析。

例如:可以根據設計人員間的任務傳遞節點完成率對工作效率、工作負荷進行分析，進而可以分析執行不同地域、不同業主的項目所需要耗費的人工時系數;可以分析每個人對實際進度的影響和貢獻并找出其中的關聯性;可以通過找出工作效率高的員工的工作節點與任務傳遞關系，繼續分析他們的工作方法和思路，找出可供提高學習的案例。

又如:我們可以對供貨商的任務節點進行數據收集和分析，通過統計供貨商在各個不同任務中的節點按時完成率分析供貨商的生產負荷、交貨按點率;通過對供貨商的評閱頻率和關鍵部位的意見頻次分析廠商的設計正確率，進而也可以分析大致的原因;通過對廠商生產過程中和出廠時的檢驗統計分析廠商的產品合格率、產品工序中的不合格多發部分。

再如:可以通過對現場施工完成任務的節點時間分析工作效率、人力負荷、材料供應情況等;可以通過對多現場安全隱患排查整改的統計分析判定某個安全隱患的風險范圍或者級別;通過對現場任務完成情況分析工作任務分解和計劃安排的合理性，進而分析項目管理的薄弱環節。

除了針對特定項目的分析外，還可以根據多項目的任務數據分析整個企業或相關部門的人力資源狀況、任務飽和率、資源需求狀況、管理薄弱環節及可能的因素等。如果再通企業其他的管理系統(如ERP)融合起來，那么分析的目標和區域是否會呈現幾何級數的增長，分析的諸如財務狀況、運營風險、生產效能等就將是言之有“據”的，這個“據”就是實實在在的數據，也就是依據。

4 對分析結果的應用

數據分析的目的不僅要得到參數和指標，而且要彌補項目管理的不足之處，提升服務的質量，進而使企業的服務或者產品得到增值，數據分析就是做出判斷的基礎和依據。那么，如何利用好數據分析的結果呢?

首先，對目前正在執行的項目，根據針對工作效率的分析可以輕松地對項目的每個成員進行考核，這種考核是實時的，是可以跟項目或個人的效益和成果掛鉤的，進也可以根據工作效率和工作標準對項目或部門的管理進行分析考核。

其次，根據對供貨商的交貨速度和質量的分析，可以針對不同需求的項目調整不同的應對策略和側重點。可以結合對供貨商生產負荷的分析，恰當地選擇合適的供貨商，避免由于制造問題造成項目的拖期。當然，在施工管理的過程中，數據分析的用武之地就更多了。例如，施工單位的人力策劃、機具動遷都可以按照任務節點完成的按時率、人力負荷進行調整，現場的安全重點可以按照分析的風險程度進行區別對待，具體細部的工作量化分解也可以根據工作效率、綜合分析的實際進度及預測、人力負荷等進行合理的劃分和判斷。

再次，對于潛在的項目，可以根據之前積累下來的各類參數和分析結果判斷不同地域或者業主的潛在投入和收益，再以企業的實際負荷和平均工作效率相疊加就能得出一個粗略的公式，即:約定工期× (人員投入×工作效率+風險管控)≈成本價格，計算出的成本價格可以作為投標報價的基礎，此處提到的風險管控是根據對以往類似項目的實際計算出的，相較以往經驗確定的數值更有實際的參考意義。當然，這只是簡單地計算出了設計方面的費用，同理參照不同制造廠可能提供的交貨期和價格，結合以往執行類似項目的經驗，可以分析出針設備采購和運輸的費用和周期，并將其作為設備費的計算依據。根據施工單位的投入、經驗及在類似地區的工作經驗等信息，可以分析出基本的施工費用作為依據。這三類費用的綜合就能作為一個項目的EPC 報價基礎，通過少量的人力和準確的分析，就能夠有效地完成一項報價任務。當然，多層次的分析對于報價項目優化的可能性也會產生指導作用。

最后，對于公司或者部門的管理與發展，通過對收集數據的分析，不但能對企業或者部門內部的人力負荷、配置結構、考核結果等信息有一個明確的了解，也能夠對相對薄弱的環節進行分析解剖，直至解決問題，并使該部分得以加強。還可以根據任務間的關系分析，提出對任務劃分和計劃的優化方案，從企業管理中節省出的人力既有助于企業擴大化的橫向發展，也有助于企業科技化的縱向發展，對提升企業的整體實力和核心競爭力產生有利作用。對于參與合作的供貨方和施工方來說，在收集分析他們的數據并為企業所用時，也可以針對他們在生產過程中的薄弱環節加以提示反饋，有計劃地促進各方逐步提高，實現一個行業的共同發展和進步。

5 結語

伴隨著時代的不斷發展和科技的進步，諸如“液態金屬機器人在工程上的應用”等研究已不再遙遠，“3D 打印技術在工程上的應用”已經在生產上成為現實。同樣，越來越多的新技術和方法能夠經過適當加工融合后用于工程項目管理或者生產，輔之以“PDCA” “六西格瑪”等傳統的管理理念和方法，探索的腳步不會沒有根基，也不會停滯。

［1］ 美國項目管理協會. 項目管理知識體系指南［M］. 5 版.北京:電子工業出版社. 2013.

［2］ 梅長林，范金城. 數據分析方法［M］. 北京:高等教育出版社. 2006.

［3］ 宋偉. 《項目管理概論》［M］. 2 版. 北京:機械工業出版社. 2012

［4］ 孫軍. 《項目管理》 ［M］. 2 版. 北京:機械工業出版社.2015.