D`Angelo - Slide lezione 2

L’uso della Statistica nelle
aziende internazionali
Massimo D’Angelo
Il nostro viaggio…
• Come si utilizzano le informazioni (17 Marzo 2016)
• Case study 1: la gestione del Backlog
aziendale (31 marzo 2016)
• Case study 2: la valorizzazione
dei profili professionali
Case study 1
La gestione del Backlog aziendale
AGENDA: la gestione del backlog aziendale
• La raccolta delle informazioni progettuali
• L’interpretazione dei dati aziendali
• Gli strumenti
•
•
•
La raccolta delle informazioni progettuali
La raccolta delle informazioni progettuali
L’interpretazione dei dati aziendali
Gli strumenti
Dove eravamo rimasti…
Offerta
approvata
da un
cliente
Importo
3M$
Marginalità
28%
Durata del
progetto:
3 anni
Il progetto riceve un GO dallo steering committee
Finance
Solution architect
Legale
Resource Mngr
BID Mngr
6
Apertura commessa
Progetto
Prodotto
Canoni
Pay x use
7
Discipline
Sono coinvolte varie discipline che lavorano in sinergia…
Project
Management
8
Accounting
(contabilità)
Controllo di
gestione
ICT
… la BI e gli Analytics sono trasversali per capire ognuna di esse
Ad ogni stakeholder il proprio dato
Vendite
Budget per UO
Indice di rotazione Magazzino
Executive ManagerS
Human resources
Planning &
Control
Sales managerS
Delivery
managerS
Knowledge management
Raccolta capillare dei dati
Ogni commessa dovrà essere pianificata con un Report Mensile
Budget per UO
Data ultimo di aggiornamento
(gg/mmm/aa)
SEZ. 1 - PIANIFICAZIONE/CONSUNTIVO GIORNATE della COMMESSA
Nome risorsa
SCARLETT
RUSSEL
PIERFRANCESCO
ATTIVITA'
Codice
Commessa
(ID
Responsabile PROGETTO)
WBS
JOHANSONN 090401
07 - Attività a consumo
CROWE
090401
07 - Attività a consumo
05 - Manut.: adeg.
FAVINO
090401
Normativi
apr
gg/p
9,0
0,0
mag
gg/p
9,0
1,0
giu
gg/p
11,0
5,0
0,0
0,0
1,0
lug
gg/p
0,0
ago
gg/p
0,0
set
gg/p
0,0
ott
gg/p
0,0
nov
gg/p
0,0
GG previsti da
contratto
100
TOT
29
6
1
0
0
0
0
Esterni
0
0
0
0
0
0
Garanzia
Totale gg/p per
mese
Cumulata gg/p per mese
0
Residuo giorni
Bottom Line gg/p
Totale gg/p
100
9
9
10
19
17
36
36
36
36
36
36
91
81
64
64
64
64
64
64
36
100
Alimentazione dei sistemi informativi
Tutte le pianificazioni (quelle di ogni commessa saranno raccolte nell’ODS)
Budget per UO
Progetto 1
Progetto 2
Progetto n
…
SEZ, 1 - PIANIFICAZIONE/CONSUNTIVO GIORNATE delle COMMESSE
Codice
Commessa
Nome risorsa
AREA
nome
SCARLETT
RUSSEL
PIERFRANCESCO
CONSULTANT1
CONSULTANT2
CONSULTANT3
CONSULTANT4
CONSULTANT5
CONSULTANT6
CONSULTANT7
CONSULTANT8
CONSULTANT8
CONSULTANT8
CONSULTANT8
CONSULTANT9
CONSULTANT9
CONSULTANT10
CONSULTANT11
CONSULTANT12
codice
Area
commessa
JOHANSONN 090401
CROWE
090401
FAVINO
090401
080401
080401
100501
100501
100501
100501
100501
100501
100501
100502
100502
100502
010157
010157
010157
091202
CONSULTANT12
CONSULTANT12
CONSULTANT12
0979110503
0737111103
0832111202
ATTIVITA'
apr
mag
giu
lug
Ago
TOTale
attivita
07 - Attività a consumo
07 - Attività a consumo
05 - Manut.: adeg. Normativi
007 Project Management (Gestione Progetto) NON fatturabile - IN sede
008 Project Management (Gestione Progetto) NON fatturabile - FUORI sede
003 Attività ATA-ASA a canone o non fatturabile - IN sede
003 Attività ATA-ASA a canone o non fatturabile - IN sede
004 Attività ATA-ASA a canone o non fatturabile - FUORI sede
004 Attività ATA-ASA a canone o non fatturabile - FUORI sede
003 Attività ATA-ASA a canone o non fatturabile - IN sede
003 Attività ATA-ASA a canone o non fatturabile - IN sede
004 Attività ATA-ASA a canone o non fatturabile - FUORI sede
007 Project Management (Gestione Progetto) NON fatturabile - IN sede
007 Project Management (Gestione Progetto) NON fatturabile - IN sede
008 Project Management (Gestione Progetto) NON fatturabile - FUORI sede
015 Manutenzione SW (adeguamenti normativi) - IN sede
001 Attività ATA-ASA fatturabili a consumo - IN sede
013 Manutenzione SW (bug fixing) - IN sede
007 Project Management (Gestione Progetto) NON fatturabile - IN sede
Gg/p
9,0
0,0
0,0
Gg/p
9,0
1,0
0,0
Gg/p
11,0
5,0
1,0
Gg/p
0,0
Gg/p
0,0
TOT1
17,50
5,50
4,50
2,50
37,50
1,75
4,00
1,00
10,00
1,50
3,50
8,00
2,00
13,50
36,50
5,00
3,00
5,00
7,00
021 Attività a progetto (dall'analisi al collaudo) - IN sede
022 Attività a progetto (dall'analisi al collaudo) - FUORI sede
002 Attività ATA-ASA fatturabili a consumo - FUORI sede
1,00
7,00
5,00
•
•
•
L’interpretazione dei dati aziendali
La raccolta delle informazioni progettuali
L’interpretazione dei dati aziendali
Gli strumenti
Project/Program Manager
Budget per UO
Consuntivo
Forecast
% avanzamento progetto
% costi
Quanto ho
speso fino al
«to date»
Quanto
spenderò per
finire il progetto
Quanto ho
«prodotto» fino
ad ora
Quanto devo
ancora produrre
per finire il
progetto
KPI
Earned value
Analisi di rischio
Nessun progetto è ripetibile, ma categorizzando i
progetti si può fare un’analisi discriminante (analisi
delle distanze) tra un nuovo progetto e uno esistente
per valutare i rischi. Inoltre, per i rischi si può usare il
calcolo delle probabilità per valutare l’impatto del
rischio:
Rischio Prob. Metodo (*) Costo
Stima
30%
Accept
60k€
30%
x
60k€ = 18k€
i-es im o
Delivery Manager
• Resp. di dipartimento (Telco Manager)
• Direttore tecnico (CTO)
Budget per UO
• Program Manager (Resp. di progetti di un programma)
Etichette di riga
Risorsa 1
Risorsa 2
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
Risorsa n
Totale complessivo
Somma di mag-14 Somma di giu-14 Somma di lug-14 Somma di ago-14 Somma di set-14 Somma di ott-14 Somma di nov-14 Somma di dic-14
27
21
20
6
22
0
0
0
39
25
14
20
22
7
5
5
8
8
0
0
0
0
0
0
21
16
18
9
15
0
0
0
34
19
16
13
16
0
0
1
20
21
10
9
10
10
10
10
23
21
13
9
10
10
5
7
16
16
10
10
10
10
10
11
22
20
19
15
15
6
4
5
27
26
10
7
11
8
8
8
22
21
14
5
11
0
0
0
24
18
17
16
18
10
11
12
20
19
15
8
6
7
7
2
21
21
22
10
23
12
11
11
17
17
22
7
20
20
20
15
24
21
8
6
5
5
5
5
23
22
7
7
13
2
2
2
26
21
11
10
7
7
8
6
0
0
0
1
0
0
1
0
17
20
13
10
10
8
10
8
24
26
14
10
18
6
6
6
24
23
28
13
21
21
21
16
21
21
20
6
21
21
21
16
38
38
17
10
9
10
10
9
18
20
16
12
17
1
4
1
23
25
22
15
18
6
6
6
17
18
9
10
9
10
9
10
11
605
13
556
26
410
11
263
21
378
21
217
21
213
16
187
Delivery manager
Chargeability
Allocazione
Type
Bilanciamento
Ore
Core
Budget per UO
maggio
giugno
luglio
agosto
settembre
ottobre
novembre
dicembre
605
556
410
263
378
217
213
187
176
170
125
50
125
170
170
140
69
124
225
537
347
463
467
523
TOTALE
850
850
850
850
850
850
850
850
% core
71%
65%
59%
31%
44%
25%
25%
22%
Obiettivo
70%
70%
70%
40%
70%
70%
70%
60%
BID
Training, Assenza, Idle
80%
70%
60%
50%
40%
30%
20%
10%
0%
% core
Obiettivo
Delivery manager
Chargeability
Allocazione
Budget per UO
Marginalità
Dalla BI su questi item si prendono decisioni su:
Allocazione risorse
Obiettivo è la massima efficienza
Ricorso alle 3P
Non sempre le competenze interne soddisfino il fabbisogno progettuale
Bilanciamento Bid e Core
Se si dedica tutto il tempo alla delivery, anche per la linea tecnica, allora sarà difficile trovare
nuovi progetti
Operation Manager
Budget per UO
Cluster Analysis
• Individuazione di tipologie di progetti (innovativi, a basso rischio, ad alta intensità di capitale,
ecc)
Regressione lineare multipla
• Identificazione di fattori che impattano sul successo
Operation Manager
Regressione lineare multipla
Innovativi
Ad alta
profittabilità
A basso
rischio
Ad alta
intensità di
capitale
𝒀 = 𝒇 (𝑿𝟏, 𝑿𝟐, … , 𝑿𝒏)
Y
• Marginalità
• Innovatività
• Apertura nuovi mercati
X
•
•
•
•
•
•
Team skill
Area tecnica/prodotto
Durata progetti
Customer satisfation
Prob. di Cross selling e upselling
..
Delivery manager
Chargeability
Allocazione
Budget per UO
Marginalità
𝐺𝑟𝑜𝑠𝑠 𝑀𝑎𝑟𝑔𝑖𝑛 =
Profittabilità delle
commesse
𝑅𝑖𝑐𝑎𝑣𝑖 𝑡𝑜𝑡𝑎𝑙𝑖 −𝐶𝑜𝑠𝑡𝑖 𝑡𝑜𝑡𝑎𝑙𝑖
𝑅𝑖𝑐𝑎𝑣𝑖 𝑡𝑜𝑡𝑎𝑙𝑖
x 100
35%
Dal SI aziendale (ERP) arrivano:
Strategicità di progetti
e prodotti
- i dati dei costi (personale,
strutture, consumi, ecc)
Investimenti, nuovi
mercati, ecc
- i rate (*) delle risorse, il target
aziendale, le quote (obiettivi annuali
e trimestrali)
Executive manager
Decision making
Marginalità
Cliente
Tutti pazzi per la pizza
Microsoft
Wall Mart
Bank of America
Facebook
Google
Gasprom
Commercial bank of China
Jp Morgan
Shell
Toyota
HSBC
FCA
Samsung
Apple
Somma di RICAVI 2015
(in k$)
236.910
227.570
195.701
Budget per UO
193.100
149.155
136.813
130.300
86.668
61.920
56.521
21.873
15.937
4.000
2.700
1.063
Colonna1
N. progetti
% ricavi
Target Ricavi Ricavi
Marginalità target Marginalità media
Dipartimento 1
20
15%
200.000
228.034
36%
25%
Dipartimento 2
5
45%
700.000
684.103
25%
22%
Dipartimento 3
21
17%
300.000
258.439
36%
36%
Dipartimento 4
11
23%
350.000
349.653
30%
31%
Totale
1.550.000 1.520.230
32%
29%
Un controller (data Analyst, data Scientist), utilizzerà OLAP (all’inzio) e poi via via tecniche
più raffinate come what-if analysis, Data Mining per dare Supporto alle decisioni (*)
Executive manager
Decision making
Backlog
Budget per UO
Consuntivo
Forecast
Grazie a questi indicatori aziendali si è in grado di valutare il backlog al «to
date» ovvero quanto l’azienda sarà in grado di coprire i costi con le attività (se
dall’istante non ce ne saranno di nuove)
Executive manager
Decision making
Parto da un
dato
aggregato
Budget per UO
• Scopro che un
dipartimento è
particolarmente
sofferente
Drill down su
quel
dipartimento
• Proseguo nella
navigazione verticale dei
dati fino ad individuare
quale progetto o
gruppo di progetti sono
sofferenti
Problema
generalizzato?
Problema
circoscritto?
• Faccio Analytics per
capire il filo conduttore
del problema:
• Regressioni, analisi della
varianza, analisi
discriminante
• Individuo delle azioni
correttive su quel
progetto
Per riassumere
Budget per UO
- I PM valorizzano i
dati delle commesse, in
termini di previsioni
- La contabilità
formalizza i consuntivi
Il dato di dettaglio
serve agli operativi
(PM, Operation
Manager, delivery mngr,
sales forces) per
vedere quali sono le
commesse profittevoli
e quelle sulle quali
intervenire
Il dato aggregato arriva
ai board (executiv
mngr, ecc) che
decidono
strategicamente dove è
meglio investire e dove
non proseguire
Le decisioni sono
diramate alle apposite
funzioni
•A livello centrale allo HR
•A livello operativo a
Delivery mngr, operation
mngr, sales forces
•Questi diramano le scelte
coniugandole per singolo
progetto (strategico o no)
Decision making
Planning & Control
Budget per UO
Human resources
Sales
managerS
Assumere
Licenziare
Riqualificare
Programmi (neograduate,
training on the job, ecc)
NB: la richiesta di mobilità ha
tempistiche tecniche
• Una nuova soluzione: un nuovo
prodotto, dismissione di un
prodotto vecchio e sostituito
dagli altri, ecc
R&D
Executive
ManagerS
•
•
•
•
Delivery
managerS
Knowledge management
•
•
•
•
Premiazioni
Riorganizzazione
Turn-over
Cambio incarichi
• Informativa ai dipendenti sulle
azioni, sulle strategie, sugli
investimenti,
•
•
•
La raccolta delle informazioni progettuali
L’interpretazione dei dati aziendali
Gli strumenti
Gli strumenti per il supporto alle decisioni
Strumenti
Perché Napoleone ha perso la campagna di Russia?
Perché i bottoni delle uniformi
dell'armata napoleonica, fatti di
stagno, si sbriciolavano alle
basse temperature, mettendo in
notevoli difficoltà i soldati
impegnati sul fronte russo,
ipotecando così l'esito della
campagna…
27
Strumenti
In estrema sintesi la
raccolta dei dati è
fondamentale:
Tutti gli stakeholder
coinvolti nel processo
devono avere strumenti a
supporto a partire dagli
archivi
Lato consuntivo
(Ricavi, Costi, Scarico
delle risorse, Acquisti di
beni e servizi, ecc.)
Un transazionale per
registrare i dati di
consuntivo e di forecast
Lato preventivo: i PM o
il Delivery mngr devono
fare un forecast perfetto
dal «to date» alla fine
del progetto
Un sistema di BI &
Analytics per studiare i
dati
Workflow e Processi
Strumenti
Perché non sognare
Decision Support System evoluti
Fornire ad ogni
stakeholder uno
strumento per fare
query veloci
Oppurtunità di farle in
linguaggio naturale
Costruire un sistema informativo aziendale
Indispensabile per le aziende medio grandi ma per le PMI?
Con riconoscimento
vocale (speach
recognition)
30
PMI
Motori di ricerca
ontologici
Enterprise Company
Perché non sognare
Decision Support System evoluti
Strumenti per fare
what-if analysis e
simulazioni
- Addestrare con reti
neurali,
- Machine learning
- Algoritmi di
intelligenza artificiale
Tempismo
Disponibilità dei dati
Le Soluzioni sono esse
stesse input per
elaborazioni
successive (se prendo
una decisione ne devo
valutare gli effetti)
31
Definizione di «use
case» per i quali dare
a priori la migliore
risposta possibile
considerando più
informazioni possibile
nell’analisi (meglio di
un essere umano?)
Sintesi /approfondimento
Esperienza cognitiva
Bibliografia
Il problema del p-value: http://www.wired.it/scienza/lab/2016/03/18/scienza-problemastatistica/
https://it.wikipedia.org/wiki/Metriche_di_progetto
DR WATSON:
https://www.youtube.com/watch?v=_Xcmh1LQB9I
https://www.youtube.com/watch?v=WFR3lOm_xhE