Анализ последовательности состояний риска при выполнении информационных проектов
DOI:
https://doi.org/10.22394/1726-1139-2021-4-159-173Ключевые слова:
информационный проект, риски выполнения проекта, методы менеджмента рисков, случайный процесс, дискретная марковская цепь, случайная последовательность событий, показатели случайных последовательностей, методы машинного обучения, кластерный анализАннотация
В статье рассмотрены вопросы менеджмента риска выполнения информационных проектов. Предложен не традиционно используемый при анализе рисков дедуктивный подход, основанный на знании основных положений и их конкретизации в реальной ситуации, а индуктивный подход, требующий накопления данных и построения обучающих наборов данных в результате ретроспективного анализа хода и выполнения отдельных проектов. Предложено использовать методы траекторного анализа последовательностей событий, каждое из которых характеризует состояние риска выполнения проекта. Для проверки данного подхода сгенерированы случайные последовательности событий риска и применены к данным последовательностям методы анализа данных.Скачивания
Библиографические ссылки
Бирюкова С. Анализ последовательностей в R: TraMineR. М.: НИУ ВШЭ, 2014. URL: https://www.hse.ru (дата обращения: 02.01.2021).
Горбач А. Н., Цейтлин Н. А. Покупательское поведение: анализ спонтанных последовательностей и регрессионных моделей в маркетинговых исследованиях. Киев: Освiта УкраЇны, 2011. 220 с.
Каталевский Д. Ю. Основы имитационного моделирования и системного анализа в управлении: учеб. пособие. М.: Изд-во Московского университета, 2011.
Кучеренко Д. В., Матвеев А. В. Анализ структуры проектных организаций государственных информационных систем органов исполнительной власти Санкт-Петербурга // Материалы II международной научно-практической конференции "Актуальные теоретические и прикладные вопросы управления социально-экономическими системами". Москва, 10-11 декабря 2020. М.: Институт развития дополнительного профессионального образования, 2020. С. 270-274.
Левенштейн В. И. Двоичные коды с исправлением выпадений, вставок и замещений символов // Доклады Академии наук СССР. 1965. № 4. С. 845-848.
Мастицкий С. Э., Шитиков В. К. Классификация, регрессия и другие алгоритмы Data Mining с использованием R. URL https://github.com/ranalytics/data-mining (дата обращения: 02.01.2021).
Наумов В. Н., Кучеренко Д. В. Планирование трудозатрат на создание и развитие государственных информационных систем и их функциональных программных комплексов // Управленческое консультирование. 2017. № 6. C. 140-154.
Наумов В. Н., Наумов П. В. Прогнозирования рисков проектирования информационных систем // Автоматизация процессов управления. 2019. № 4. С. 34-44.
Павлов А. Н. Эффективное управление проектами на основе стандарта PMI PMBOK 6 Edition. М.: Лаборатория знаний, 2019.
Форрестер Дж. Мировая динамика. СПб.: Terra Fantastica, 2003.
Форрестер Дж. Основы кибернетики предприятия (индустриальная динамика). М.: Прогресс, 1971.
PMBOK. Руководство к Своду знаний по управлению проектами. 6-е изд. М.: Олимпбизнес, 2016.
Buettner D. Dynamic COQUALMO: Defect profiling over development cycles// Conference: Proceedings of the International Conference on Software Process: Trustworthy Software Development Processes. URL: https://www.researchgate.net/publication/225240099_Dynamic_COQUALMO_Defect_profiling_over_development_cycles./ (дата обращения: 07.01.2021).
Chulani S., Boehm D. Modeling Software Defect Introduction and Removal: COQUALMO (COnstructive QUALity MOdel). URL: https://www.researchgate.net/publication/228778578_Modeling_software_defect_introduction_and_roval_COQUALMO_COnstructive_QUALity_MOdel/ (дата обращения: 06.01.2021).
Gabadinho A., Ritschard G., Studer M., Müller N. S. Mining Sequence Data in R with the TraMineR package: A user's guide. Department of Econometrics and Laboratory of Demography, University of Geneva. URL: https://www.researchgate.net/publication/342889620_Mining_sequence_data_in_R_with_the_TraMineR_package_A_user's_guide/ (дата обращения 5.01.2021).
Gabadinho A., Ritschard G., Müller N. S., Studer M. Analyzing and Visualizing State Sequences in R with TraMineR// Journal of Statistical Software 2011. № 40 (4). P. 1-37.
Mayer D. The Complexity of Some Problems on Subsequences and Super sequences // Journal of the ACM. Vol. 25, Iss. 2. April 1978. P. 322-336.
Sequence Analysis in Demographic Research Special Issue on Longitudinal Methodology// Canadian Studies in Population. 2001. Vol. 28(2). P. 439-458.
Software Project Risk Assessment and Efforts Contingency Model based on COCOMO Cost Factor COCOMO.. URL: https://www.researchgate.net/publication/236679817 (дата обращения: 28.09.2019).
Studer M., Ritschard G. A Comparative Review of Sequence Dissimilarity Measures// LIVES Working Papers, 33. NCCR LIVES, Switzerland, 2014. URL: https://www.livesnccr.ch/sites/default/files/pdf/publication/33_lives_wp_studer_sequencedissmeasures.pdf (дата обращения: 03.01.2020).
Studer M., Ritschard G. What matters in differences between life trajectories: A comparative review of sequence dissimilarity measures // Journal of the Royal Statistical Society, Series A. 2016. Vol. 179, Iss. 2. P. 481-511.
Valerdi R., Boehm Barry W. COSYSMO: A system engineering cost model. URL: http://csse.usc.edu/TECHRPTS/2010/usc-csse-2010-508/usc-csse-2010-508.pdf (дата обращения: 20.09.2019).
Valerdi R., John E. Gaffney Jr. Reducing Risk and Uncertainty in COSYSMO Size and Cost Drivers: Some Techniques for Enhancing Accuracy. 2007.. URL: https://www.researchgate.net/publication/229034929Reducing_Risk_and_Uncertainty_in_COSYSMO_Size_and_Cost_Drivers_Some_Techniques_for_Enhancing_Accuracy (дата обращения: 28.09.2019).
Wagner R. A., Fischer M. J. The string-to-string correction problem // Journal of the ACM. 1974. Vol. 21. Iss. 1. P. 168-173.
