问如何实现结构填充与压缩？

为什么大数据用于项目管理？

我的项目经理朋友正在为一家小企业工作，鉴于其重点，过去相对困难。这就是为什么它仍然是一个小企业，不得不搬到一个较便宜的办公室。任务管理是她唯一需要的，所有决策都是被动的。

反应姿态的一个问题是范围蔓延，当您认为项目符合某些参数时会发生这种情况，然后您根据这些参数计费，但项目的范围会不断扩大，直到您完成头。不会使用数据进行准确的项目范围预测的业务不会扩展。

大数据可帮助您回顾过去的项目，并在项目预测中转发，以提高效率和准确性。这究竟是如何工作的？让我们从定义我们的术语开始。

分析与智能

项目经理没有太多时间来分析分析和商业智能之间的差异。当您忙于对客户和广告素材做出反应并与之合作时，您最不想要的就是大数据命名法。然而，知道不同类型的软件带来什么会帮助您确定您真正需要的是什么。

该业务的Pepperdine大学Graziadio学校有一个信息图表来帮助阐明业务分析和商业智能的区别：

如您所见，分析软件具有预测性，而智能软件主要关注过去和现在的性能。

商业智能使项目经理能够查看过去项目的指标，并获得所发生事件的图片。平均而言，一定规模的项目需要多长时间？谈到劳动力，典型的花费是多少？如果有任何额外费用，他们是什么，以及他们通常在一定规模的项目中弹出多少次？

读

薪资AI和机器学习如何改变企业

另一方面，分析又向前迈进了一步。根据某些参数，分析解决方案可以告诉您在小时数和支出方面的预期。换句话说，分析可以帮助结束范围蔓延。

分析可以帮助您回答问题并创造机会。鉴于您所在机构设计的电子商务网站的关键绩效指标（KPI），您对未来类似网站的期望有多好？哪些功能添加了相似的网站，真正帮助他们获得了良好的投资回报率（ROI）？鉴于客户的目标受众，如果他们要向其网站添加某些功能和内容，他们可以期待什么？

大数据不仅可以让您最大限度地减少范围蔓延并优化计费，还可以帮助您积极主动地为自己和公司创造机会。

通过大数据进行项目管理

与我对朋友的项目管理软件所说的一致 - 她使用Asana来跟踪任务和依赖关系- GetApp的Rachel Burger指出，“大多数项目管理软件都不能覆盖大数据.A€？对大数据的无知或缺乏响应不仅会导致范围蔓延，还会导致彻底失败。汉堡引用项目管理协会（PMI）的研究，包括下图，该图表显示2000年至2010年的项目失败：

PMI的研究人员发现，2004年高水平的项目失败是由于无知。公司及其项目经理并不知道如何使用新的大数据工具，最终导致经济损失数万亿美元。

基于数据的建议书

在一项关于大数据如何减轻项目复杂性的研究中，PMI提供了许多项目经理可以转换为建议的示例。最终，这些建议要求您采取积极主动的立场。这不仅仅是看到一个项目，它是关于提前获取数据以确定项目如何更成功。

读

4种方式大数据和客户端通信技术帮助公司

• 确定最佳通信器：查看信息网络中的节点（通信器）并确定哪些通信器与其他节点实现最多接触点。使用此信息为社交媒体活动，品牌大使和中层管理人员选择有影响力的人。
• 确定最佳通信时间：分析电子邮件和社交媒体消息的响应和参与率，然后相应地调整其交付时间。
• 识别最佳图像：人们被吸引并共享包含图像的内容，因为更容易理解图像的意义比文本更快。查找或创建与社交媒体帖子的情感内容相对应的图像，并考虑对电子邮件执行相同操作。
• 优化您的沟通：数据显示，与积极情绪相关的词语有助于内容比负面词语更具病毒性，而且当文本更易于阅读时，人们的行动速度更快。如果情况需要，可以使用一种简单的会话风格，并且不要害怕偶尔包含讽刺和亵渎（根据PMI的研究，粗俗的语言“不一定会带来负面反应”和“古老而简单的语言可以带来共识”。

大数据在商业中至关重要

无论您的项目目标是什么，您都可以找到影响其结果的数据。通过商业智能，您可以分析过去和实时数据，并使用它们来得出您自己的结论。通过分析，您可以使用过去的数据来模拟项目某个结果的概率。

无论哪种方式，您都在使用数据来思考项目成功的最佳途径，而不仅仅是做出反应。哦，还有一件事：使用数据来支持他们的决策的项目经理具有更高的可信度和客观性。将客观性与良好的直觉相结合，您一定会看到您的项目取得积极成果。

大数据如何帮助塑造项目管理的未来？

数据的数量，价值，多样性，准确性和速度（通常称为大数据的5 V）正在不断收集有关业务和人类生活不同方面的多层数据，为利用数据提供了重要机会企业和社会的利益。项目在一个环境中生活和呼吸，无论是商业还是非商业，因此作为背景的一部分，大量有关项目和项目管理的数据也在不断收集。首先，关于项目管理收集的数据的性质有两种：（1）涉及更广泛的项目生态系统，涉及政策，监管环境，业务背景，项目效益实现程序，项目融资和组织项目成熟度， （2）关于活动，事件，

这意味着如上所述的大数据集合可以至少以两种方式使用。首先，数据可用于开发新的科学和协议，以改进项目的规划，控制和交付。其次，可以分析数据以塑造整个项目生态系统的未来。为了开始关于这个关键问题的对话，我们讨论了大数据分析可以影响未来或项目管理交付的一些方式。

1. 使用大数据分析来塑造项目规划，控制和交付的未来

大数据分析的使用可以通过多种方式塑造项目管理交付的未来，其中一些将在下面进行讨论。

一个。规划和交付

规划和交付活动通常都有大量文件记录，为合并和分析与这些活动相关的信息提供了机会。项目中技术使用的增加使得收集和分析与规划和交付相关的大数据变得更加容易。对于大型组织或项目组织而言，数据量和多样性有助于分析和开发有关如何重新定义内部规划流程和参数的见解，从而以创新和创造性的方式开展工作。

整体划分规划和交付相关的大数据跨业务部门（如IT，人力资源，制造，物流，库存等），行业（如建筑，IT，国防，教育等），经济部门（如采矿业，农业） ，运输等），地区（亚太地区，美洲，欧洲等）可以提供更广泛的见解，从而制定新的规划和交付框架和方法。因此，大数据分析可以在塑造项目和交付活动的未来方面发挥重要作用。

湾 项目团队环境

关于项目团队成员的大量数据是持续收集的。这包括在当前和过去的组织中开展项目的经验，技能，教育，项目团队成员可能参加的培训计划，绩效评估以及他们合作的团队的规模和配置。此外，还记录了一些关于团队工作环境的数据，包括冲突，解决方案，团队成员流失，领导力和团队绩效。使用大数据技术整合和分析这些数据集可以提供有关如何更有效地组建团队，如何开发团队的最佳规模和配置，团队管理未来项目所需的技能，可扩展领导力的发展，在组织内部建立能力，以管理未来的复杂项目。我们相信，大数据分析和相关技术可以在塑造团队发展和提供团队形成过程的新思路方面发挥关键作用，技能团队成员需要处理未来项目的复杂性。

C。知识管理

在无处不在的互联网和相关技术的使用时代，大量信息被收集作为知识管理工作的一部分，无论是在项目组织还是商业组织中。这些信息将以知识的形式不断处理和转换。这些知识可以是日志，经验教训，最佳实践，故障排除和有关问题的消防信息。但是，通常情况是这种知识不会被用于最终存档的最大价值。鉴于项目管理的动态性，人们转向新项目，档案信息仍然埋藏在数据存储中。大数据分析和相关技术可以处理这些重要信息，以表明未来的发展和学科的发展。通过使用大数据技术，我们可以找到处理问题的新方法，开发新的最佳实践，以及更有效地工作的新技术。这一点尤为重要，因为未来的项目将涉及复杂的人工智能和物联网（IoT）的发展，因此需要从现在开始学习以塑造未来。

d。风险与问题管理

项目管理非常活跃，受到各种内部和外部强加的事件的影响。成为“问题”时的风险需要加以处理，以尽量减少对项目交付结果的负面影响。谨慎建议项目团队应积极识别风险并持续管理风险。这意味着需要记录所有风险事件。同样，当风险实际发生并成为问题时，处理新出现问题的消防和故障排除活动也会得到彻底记录。这种方法导致创建大量数据，可以对其进行分析以增强风险和问题管理。大数据分析可以成为分析风险和问题相关数据的关键工具，以开发用于识别，分析的新技术和程序，优先监控并制定风险应对策略。鉴于研究表明风险管理没有被赋予优先权和合法的重要性，因此确实需要开发新的方法，程序和技术，这些方法，程序和技术可以得到项目工作人员更广泛的接受，以应用新开发的程序来应对风险并且更有效地发布。大数据分析可以帮助实现这些目标。

即 质量管理

质量管理涉及项目管理的规划，设计，施工和测试阶段的大量工作。因此，在项目交付期间准备，处理，捕获和分析了大量数据。这些数据与质量计划有关，包括制定政策，使用质量标准和标准阈值的决定，ISO质量标准等质量标准的使用等等。在质量保证部分，收集了大量数据，以确保实施质量流程，满足标准和要求。同样，还收集了关于质量控制工具和参数使用的数据，这些程序的结果以及质量控制程序引起的问题的处理。为多个项目整合上述数据可能会成为可以分析的大量数据，以开发更高质量的流程和解决方案。大数据分析可用于分析质量管理数据，以开发新的质量标准和框架，新的质量控制技术和程序，用于监控项目执行期间质量的新仪表板技术，以及用于根据基线测量质量的新阈值，标准和参数标准

F。资源管理

项目环境中的资源包括人力资源清单，基础设施，技术，财务，隐性和显性知识，程序和组织过程资产。与其他方面类似，收集了大量数据，包括资源使用，资源类型，计量单位，所需金额，使用量，未使用资源和资源利用控制机制。资源通常可转换为现金，因此资源数据分析可以提供更好的管理方法，从而节省成本。大数据分析可以在开发资源采购，分配和管理的新程序方面发挥至关重要的作用。大数据分析可以帮助创建用于资源管理的新软件应用程序。

结论是：

快节奏的技术进步需要跟上这些发展的速度。项目管理是一个充满活力的行业，几乎没有选择，只能利用技术进步保持相关性和新鲜感。大数据分析就是这样一种技术，似乎有可能为业务和项目管理创造价值。本文中讨论的初步想法清楚地指出了大数据分析在塑造项目管理未来方面的作用。项目管理作为一种职业，现在已经成熟，需要停止大数据分析机会，迎来21世纪的生活。

如今，许多公司都处于采用大数据分析的早期阶段。他们很可能走在前面充满实验和发现的道路上。从数十年的IT历史来看，众所周知，大量的大型项目或新举措最终都以失败告终，或者无法兑现他们承诺的所有结果。当然，业务分析与IT不同，但在分析中有一个重要的IT工作要素。此外，分析通常涉及多学科团队，他们的工作存在很大的不确定性。

适当的管理方法。过去几十年的IT经验可以从更好地管理分析工作中学到什么？一种方法是吸收CMMI和敏捷方法的观点。在 CMMI（或能力成熟度模型集成）是所有成熟的开发软件，所以，它的成果的一个组织的系统变得更加可重复，可预测的，并且在保证质量输出方面不断提高。在敏捷方法解决了项目执行水平，旨在减少由打破项目成积压的需求蚕食整个项目交付风险，同时允许以更可控的方式引进新的或不断变化的需求。此外，敏捷方法提倡在各种项目生命周期角色中赋予权力的个人之间的高度协作和协调工作，这适合涉及大量不确定性的项目的情况。

过去指标不可用。IT项目失败的常见原因与不明确的要求，基于不良假设的估计工作和成本或太多未知因素，利益相关者期望的管理不善，不切实际的目标等等有关。很少是因为缺乏对技术和工作流程的理解。然而，大数据分析项目可能首先没有内部优先权来提供关于工作量，生产力和资源配置困难的参考指标。虽然有很多关于各种工具和技术的高级信息，但是细节中有魔鬼，并且在起跑线上可能没有足够的专家帮助在合适的时间发现它们。

PoC的价值。大数据项目通常需要花费大量精力来进行数据提取，清理和集成。同时，根据定义，所涉及的数据量本身就很大，因此，就IT而言，最好将概念证明项目定义为第一步，明确地将其传达给所有利益相关者。从最佳猜测时间，成本和成功概率开始。通过一些敏捷迭代执行的概念验证项目将有助于发现许多未知因素，不仅在项目结果方面，而且在更清楚地了解哪些流程更好地工作，需要多少努力等方面。

实现可重复性。一旦PoC项目完成，就值得花一些时间反思项目的进程并记录第一组学习，这些学习将构成未来可重复性的基础。要问的一些问题是：

• 在工作流程，环境准备和技术使用方面应该制定什么标准？
• 什么是数据采购和清理的最佳方法？
• 每项工作任务的时间表和工作量是多少？
• 这些可能会在未来的项目中减少吗？
• 是否可以在任何领域制定新指南？
• 可以准备培训材料吗？
• 什么是QA策略有效？
• 是否有任何自动化任务的余地？

敏捷分析。一旦数据可用，并且可用于统计分析和建模，涉及成熟数据科学家的敏捷方法，或由IT开发人员支持的统计分析师和业务领域专家的多学科团队将再次有用，连续迭代工作导致发现见解和精致的模型。一旦模型得到验证，就可以通过适当的培训将其引入业务，以便他们可以继续在自己的前进中使用它。

管理沟通。在整个周期中，通过及时和实际的沟通来管理期望是很重要的。当企业投资开始涉及不确定性的计划时，主动并定期向他们提供状态和进度更新，以提高他们在稍后阶段购买概念和结果的机会。此外，如果估计的时间表超支，或者预算没有按预期返回业务收益，它有助于管理他们的期望。早期的失败和早期的成功传达都可以带来一定程度的理解，从而获得持续的资金，最终获得更大的成功。