بازگشت به کتابخانه

پرسش کلیدی

پردازش‌شده با هوش مصنوعی · تأییدشده توسط نویسنده

چگونه تحلیل جریان‌های کاری دیجیتال پروژه می‌تواند به مدیران در پیش‌بینی خطرات و بهبود موفقیت پروژه کمک کند؟

Process Mining for IS Project Success Factors Management: A proposal
Joana Pedrosa, João Varajão, Luís Magalhães, و همکاران · Australasian Conference on Information Systems (ACIS) · 2021

۱۸ بازدید

تصویر برای: چگونه تحلیل جریان‌های کاری دیجیتال پروژه می‌تواند به مدیران در پیش‌بینی خطرات و بهبود موفقیت پروژه کمک کند؟

پخش‌کننده Spotify بارگذاری می‌شود؛ ممکن است Spotify کوکی‌هایی تنظیم کند. این دستگاه انتخاب شما را به خاطر می‌سپارد.

یافته‌های کلیدی

  • پیشنهاد یک معماری دومرحله‌ای متشکل از یک فاز تشخیصی که جریان‌های کاری واقعی را از لاگ‌های رویداد پروژه استخراج می‌کند و یک فاز پیش‌آگاهی که نتایج پروژه را پیش‌بینی می‌نماید.
  • یکپارچه‌سازی داده‌های لاگ رویداد از ابزارهایی مانند Jira، Trello و Git در قالب‌های استاندارد جهت سنجش معیارهای واقعی عملکرد، از جمله زمان انجام، زمان خدمت، زمان انتظار و زمان همگام‌سازی.
  • ترسیم یک موتور منطق کسب‌وکار با استفاده از تصمیم‌کاوی برای نگاشت عدم‌انطباق جریان کار و رد کردن وظایف در برابر عوامل شناخته‌شده موفقیت پروژه.
  • طراحی یک سیستم هشدار و داشبورد برای ارائه هشدارهای پیش‌بینانه و راهنمایی‌های تجویزی به مدیران هنگام تهدید تحویل پروژه ناشی از انحرافات فرآیندی.

معنای آن برای شما

مدیر ارشد فناوری اطلاعات

Initiate a pilot project to integrate event logs from Jira and Git into a process mining dashboard to track actual workflow deviations against IT project success factors.

مدیر فناوری اطلاعات

Export the event logs from your team's project management tool to measure baseline metrics like lead time and task-skipping behavior.

استراتژیست کسب‌وکار

Define and map critical project success factors (such as delivery speed and resource utilization) into key performance indicators that can be dynamically linked to workflow analytics.

پژوهشگر

Design a prototype two-phase architecture combining a diagnostic workflow discovery phase with a prognostic decision-mining engine to test predictive alerts on historical IT project data.

سیاست‌گذار

Draft guidelines requiring digital event log auditing for public IT projects to ensure objective measurement of operational performance and adherence to success standards.

خلاصه

این پژوهشِ در حال انجام، یک چارچوب پشتیبان تصمیم‌گیری را پیشنهاد می‌کند که فرآیندکاوی را در مدیریت پروژه‌های سیستم‌های اطلاعاتی به کار می‌گیرد. این رویکرد با تحلیل لاگ‌های رویدادهای دیجیتال برگرفته از ابزارهای مدیریت پروژه و مخازن کد، جریان‌های کاری واقعی را ردیابی می‌کند تا انحرافات را شناسایی و عملکرد عملیاتی را ارزیابی کند. این مطالعه یک روش تحقیق علوم طراحی (DSR) را برای ساخت و ارزیابی سیستمی ترسیم می‌کند که تحلیلات جریان کار را با عوامل حیاتی موفقیت پروژه پیوند می‌دهد.

مسئله

اگرچه ادبیات گسترده موضوع، عوامل عمومی موفقیت را برای پروژه‌های فناوری اطلاعات فهرست می‌کند، اما با این عوامل معمولاً به جای کاربرد پویا در طول اجرا، به صورت ایستا و غیررسمی برخورد می‌شود. در نتیجه، مدیران پروژه اغلب فاقد سازوکارهای داده‌محور و عملیاتی برای تشخیص انحرافات اجرایی، ارزیابی تأثیر آن‌ها بر عوامل موفقیت و مداخله پیش از شکست پروژه هستند.

متن گفتار
Host: سلام و به یکی دیگر از قسمت‌های پادکست «ای‌آی‌اس اینسایتس» با حمایت «لیوینگ نالج» خوش آمدید. من آنا آیوی سامرز هستم و امروز قصد داریم به بررسی یک مطالعه بسیار جذاب و کاربردی در تقاطع فناوری اطلاعات و مدیریت بپردازیم. عنوان این مطالعه «فرآیندکاوی برای مدیریت عوامل موفقیت پروژه‌های سیستم‌های اطلاعاتی: یک پروپوزال» است. در این قسمت، همکار و تحلیل‌گر همیشگی ما، الکس ایان ساترلند همراه ماست. الکس، اگر بخواهی در یک تصویر کلی به ما بگویی، این مطالعه دقیقاً به چه موضوعی پرداخته است؟
Expert: درود بر تو آنا و درود به همه شنوندگان پادکست ما. به بیان خیلی ساده، این مطالعه در حال انجام، روی یک سیستم هوشمند پشتیبان تصمیم‌گیری کار می‌کند که با به‌کارگیری تکنیک پیشرفته «فرآیندکاوی»، به مدیران پروژه‌های فناوری اطلاعات کمک می‌کند جریان واقعی کارها را مشاهده و ردیابی کنند. این سیستم ردپای دیجیتال تیم‌ها را از درون ابزارهای روزمره‌ای مثل گیت یا سامانه‌های مدیریت وظایف استخراج می‌کند تا انحرافات اجرایی را تشخیص دهد و عملکرد پروژه را ارزیابی کند.
Host: این ایده بسیار جالب به نظر می‌رسد، اما بیایید از نقطه آغاز شروع کنیم. چه چالش یا بحرانی در دنیای واقعی کسب‌وکارها باعث شد پژوهشگران به دنبال این راه‌حل بروند؟
Expert: واقعیت تلخ این است که بیشتر پروژه‌های سیستم‌های اطلاعاتی و نرم‌افزاری در دنیای کسب‌وکار با تأخیر شدید، هزینه‌های سرسام‌آور یا حتی شکست کامل مواجه می‌شوند. سال‌هاست که در ادبیات مدیریت، فهرستی از «عوامل حیاتی موفقیت» مثل ارتباط مؤثر یا برنامه‌ریزی دقیق تعریف شده است. اما مشکل کجاست؟ این عوامل معمولاً به شکل کاملاً ایستا و سنتی استفاده می‌شوند؛ یعنی در قالب چک‌لیست‌های دوره‌ای یا گزارش‌های ذهنی که مدیران در پایان ماه بررسی می‌کنند. در نتیجه، وقتی مدیر متوجه بروز مشکل یا انحراف می‌شود، پروژه عملاً ضربه خورده و کار از کار گذشته است. مدیران ابزار داده‌محوری نداشتند که وضعیت زنده پروژه را بر اساس این عوامل موفقیت رصد کند.
Host: به عبارت دیگر، مدیران پروژه در یک اتاق تاریک هدایت کار را به دست دارند و تا زمانی که با مانع برخورد نکنند، متوجه خطا نمی‌شوند! پژوهشگران در این مطالعه چطور این مشکل را حل کرده‌اند؟
Expert: دقیقاً همین‌طور است. این مطالعه رویکردی مبتنی بر «تحقیق علوم طراحی» را به کار می‌گیرد. مبنای رویکرد این است که کارشناسان فنی در طول روز کارهای زیادی انجام می‌دهند؛ وظایف را در جیرا یا ترلو تغییر وضعیت می‌دهند و کدهای جدید را در مخازنی مثل گیت ثبت می‌کنند. تمام این فعالیت‌ها لاگ‌ها و رکوردهای زمانی دیجیتال از خود باقی می‌گذارند. مطالعه پیشنهاد می‌کند به جای پرسشنامه‌ها و جلسات طولانی وضعیت، مستقیماً به سراغ این داده‌های خام برویم و با الگوریتم‌های فرآیندکاوی، جریان عینی و واقعی گردش کارها را همان‌طور که اتفاق افتاده بازسازی کنیم.
Host: بسیار منطقی است. حالا اگر به خروجی‌ها و نتایج کلیدی این مطالعه نگاه کنیم، چه نوآوری‌هایی در این چارچوب پیشنهاد شده است؟
Expert: این مطالعه یک معماری دومرحله‌ای بسیار هوشمندانه را ترسیم کرده است. مرحله اول، فاز تشخیصی نام دارد. در این مرحله، لاگ‌های رویداد از ابزارهایی مانند جیرا، ترلو و گیت جمع‌آوری و استانداردسازی می‌شوند تا معیارهای ملموس عملکرد مثل کل زمان انجام کار، زمان ماندن تسک‌ها در صف انتظار، و زمان لازم برای هماهنگی بین افراد تیم سنجیده شود.
Host: و مرحله دوم این معماری به چه صورت عمل می‌کند؟
Expert: مرحله دوم، فاز پیش‌آگاهی یا پیش‌بینی نتایج است. در این بخش، یک موتور منطق کسب‌وکار طراحی شده که از مفهومی به نام «تصمیم‌کاوی» استفاده می‌کند. این موتور، انحرافات عملیاتی مانند رد شدن مکرر یک وظیفه یا رفت‌وبرگشت‌های غیرعادی بین برنامه‌نویس و تیم تضمین کیفیت را مستقیماً به عوامل شناخته‌شده موفقیت پروژه متصل می‌کند. در نهایت، سیستم این تحلیل‌ها را به یک داشبورد تعاملی و سیستم هشدار زودهنگام متصل می‌کند تا پیش از وقوع فاجعه، توصیه‌های مشخصی به مدیر ارائه دهد.
Host: یعنی سیستم نه‌تنها هشدار می‌دهد، بلکه راهکار مداخله زودهنگام را هم پیشنهاد می‌کند. الکس، این یافته‌ها چرا برای رهبران کسب‌وکار و شرکت‌هایی که درگیر پروژه‌های فناوری هستند این‌قدر حیاتی است؟
Expert: اهمیت اصلی در تغییر پارادایم مدیریت از حالت «منفعل و واکنشی» به حالت «فعال و پیشگیرانه» است. پروژه‌های تحول دیجیتال و سامانه‌های نرم‌افزاری سرمایه‌گذاری‌های سنگینی هستند. وقتی مدیری بتواند گلوگاه‌ها، معطلی‌های پنهان و ناهماهنگی وظایف را در همان لحظه وقوع ببیند، می‌تواند تیم‌ها را بازآرایی کند و اجازه ندهد بودجه و زمان سازمان بسوزد. این ابزار حدس و گمان را از مدیریت پروژه حذف می‌کند و تصمیم‌گیری داده‌محور را جانشین گزارش‌های سلیقه‌ای می‌سازد. در یک کلام، نتیجه نهایی کاهش مستقیم هزینه‌ها و تضمین بازگشت سرمایه‌گذاری‌های فناوری است.
Host: دقیقاً؛ پیوندی بی‌نظیر میان تحلیل داده‌های عملیاتی و اهداف استراتژیک کسب‌وکار. این مطالعه چشم‌انداز نوینی را پیش روی مدیریت پروژه‌های مدرن قرار می‌دهد. الکس، از اینکه با زبانی ساده و غنی این موضوع پیچیده را برای ما باز کردی، بسیار سپاسگزارم.
Expert: خواهش می‌کنم آنا، گفتگو با تو همیشه لذت‌بخش است و امیدوارم این ایده‌ها هرچه سریع‌تر راه خود را به ابزارهای واقعی صنعت باز کنند.
Host: همراهان عزیز پادکست «ای‌آی‌اس اینسایتس»، از اینکه تا پایان این قسمت در کنار ما بودید بسیار متشکریم. لطفاً نظرات و تجربیات خود را درباره مدیریت پروژه‌های فناوری با ما به اشتراک بگذارید. تا اپیزود بعدی، موفق، پویا و پیگیر دانش باشید.
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

Process Mining, Project Management, Success Factors, Decision Support Systems, Information Systems, Process Discovery