Система управления проектными рисками как часть цифровой инфраструктуры

Интеграция систем управления рисками в цифровую инфраструктуру предприятия становится критическим фактором для успешной реализации крупных промышленных проектов. В условиях глобальной неопределенности и санкционных ограничений традиционные подходы к оценке угроз демонстрируют свою неэффективность. В рамках вебинара директор по развитию цифровой инфраструктуры «Газпром-медиа Холдинг» Яна Крухмалева разбирает эволюцию риск-менеджмента в России на примере крупнейших инфраструктурных проектов и объясняет, почему отрасль неизбежно движется в сторону работы с большими данными.

Когнитивные искажения и субъективность экспертных оценок

Классический качественный анализ рисков часто опирается на экспертные мнения, которые неизбежно подвержены когнитивным искажениям. Опираясь на исследования в области поведенческой экономики, спикер показывает, что человек склонен мыслить иррационально в условиях неопределенности. На практике это приводит к формальному подходу: эксперты либо не погружаются в глубокий анализ угроз, либо попадают в ментальные ловушки, такие как эффект Даннинга-Крюгера или апофения (поиск закономерностей там, где их объективно нет).

Кроме того, при коллективной оценке рисков возникает парадокс Кондорсе — ситуация, когда мнения специалистов расходятся настолько, что вывести объективную среднюю оценку математически невозможно. Для выявления степени согласованности мнений предлагается использовать коэффициент конкордации Кендалла. Если согласованность низкая, ответственность за итоговое решение должен брать на себя руководитель проекта, опираясь на свои компетенции, а не на усредненные баллы.

Ограничения метода Монте-Карло

Пытаясь уйти от субъективности качественного анализа, многие компании переходят к количественным методам, в частности, к моделированию методом Монте-Карло. Однако в выступлении детально рассмотрен ключевой недостаток этого подхода: входными данными для математической модели все равно служат субъективные экспертные оценки.

• Отсутствие интегрированных графиков: Для корректной работы метода требуется детализированный, многоуровневый календарно-сетевой график с жесткой привязкой ресурсов и финансов. На крупных проектах такие графики редко ведутся в единой системе без разрывов связей.
• Игнорирование корреляции рисков: Метод Монте-Карло плохо справляется с ситуациями, когда несколько рисков взаимосвязаны. Система не способна автоматически учитывать сложные законы теории вероятностей при суммировании зависимых событий.

В результате сложные количественные модели часто превращаются в инструмент успокоения руководства, рисуя идеальную картину укладывания в сроки и бюджет, которая не имеет отношения к реальному положению дел на строительной площадке.

Big Data и предиктивная аналитика как будущее риск-менеджмента

Единственный способ кардинально повысить объективность оценки вероятности событий — использование Big Data. Создание корпоративных озер данных (Data Lakes) позволяет накапливать масштабную статистику по инцидентам, отказам оборудования, срывам поставок и внешним угрозам.

Ключевая задача на этом этапе — обеспечить релевантность и чистоту данных, максимально исключив человеческий фактор при их вводе. Сбор информации должен происходить автоматически напрямую с производственных объектов и смежных информационных систем. Только на базе достоверных массивов данных возможно эффективное применение предиктивной аналитики и алгоритмов машинного обучения для реального прогнозирования рисков.

Оценка эффективности экспертов и выбор IT-инструментов

Важной проблемой корпоративного управления остается доказательство экономической эффективности самих подразделений риск-менеджмента. Спикер предлагает использовать бисериальный коэффициент корреляции Пирсона для сравнения первоначальных прогнозов экспертов с фактическим наступлением событий. Если коэффициент близок к нулю, прогнозы экспертной группы не имеют практической ценности, и процесс требует пересмотра.

Также поднимается вопрос выбора программного обеспечения. Опыт использования тяжеловесных западных систем показал их уязвимость перед санкциями и негибкость по отношению к запросам пользователей. Сегодня фокус смещается на российские IT-решения (например, платформу RisGap), которые предлагают более интуитивный интерфейс, простоту внедрения и независимость от внешних ограничений.

Что вы узнаете из этого вебинара:

• Почему классические методы оценки рисков дают сбой на крупных промышленных проектах?
• Как выявить несогласованность в оценках экспертов с помощью математических коэффициентов?
• В чем заключаются скрытые ограничения метода Монте-Карло при анализе проектных рисков?
• Как исключить человеческий фактор при сборе данных для предиктивной аналитики?
• Каким образом можно математически оценить эффективность работы штатных риск-менеджеров?