Soluzioni rapide per stimare il ritardo di un progetto

Nei contesti reali di project control capita spesso di dover stimare il ritardo di un progetto disponendo di pochi dati elementari di SAL, senza poter (o voler) ricorrere a modelli complessi.

Per modelli complessi intendo procedure che mettano in campo distribuzioni di probabilità e strumenti che richiedano tempi di costruzione e tuning non indifferenti. A titolo di esempio, tra quelli che ho usato negli ultimi anni:

• modelli basati su distribuzioni di probabilità della variabile ritardo, con stime bayesiane e non,
• Program Evaluation and Review Technique (PERT-Beta)
• reti bayesiane articolate, mediante uso di software specialistico.

Bene, in questa breve riflessione non mi occuperò di queste tecniche più complesse bensì di alcune soluzioni quick&dirty da utilizzare al volo quando si vuole stimare il ritardo a valle dell’acquisizione di nuovi dati di andamento e quando i dati accumulati sono ancora pochi (il progetto non è ancora entrato in fase avanzata).

Supponiamo inoltre che i dati di SAL siano sufficientemente regolari e che essi siano espressi in valore, quantità o direttamente in termini di percentuale di avanzamento dei lavori.

In tutti questi casi possiamo ipotizzare tre scenari alternativi:

1. Scenario tendenziale, ovvero quello in base al quale attribuisco un peso molto elevato all’andamento osservato fino ad ora. E’ uno scenario inerziale che aderisce strettamente a quanto osservato fino dall’avvio del progetto alla data corrente. Potremmo descriverlo con il motto “Ciò che è successo finora continuerà a succedere”
2. Scenario conservativo, ossia quello in base al quale nutro una fiducia molto elevata verso la pianificazione delle attività di progetto, tanto da ritenere che lo scostamento (in negativo) maturato sia dovuto a eventi eccezionali che difficilmente si ripeteranno. L’ipotesi sottostante è che la data di consegna subirà una traslazione in avanti limitata al solo smaltimento del lavoro pregresso accumulato, senza ulteriori degradazioni. Potremmo descriverlo con il motto “Ciò che è successo costituisce un’anomalia ”
3. Scenario ottimistico. In questo scenario si attribuisce al Fornitore la capacità di recuperare i ritardi assorbiti grazie a sforzi aggiuntivi (grazie all’incremento di risorse utilizzate, in generale, oppure mediante aumento di produttività). Il recupero può essere totale o parziale, eventualmente espresso in termini di percentuale di recupero.

Va detto che a volte non utilizzo a priori lo scenario ottimistico, sia sulla base di evidenze empiriche (p.e. portafogli-progetto sovradimensionati, andamento osservato di altri progetti portati avanti dallo stesso team, elementi contrattuali che non incoraggiano il rispetto delle scadenze, ecc.).
In ogni caso ciò che faccio nella pratica NON è aderire acriticamente a uno degli scenari elencati, ognuno dei quali associato a un determinato algoritmo di calcolo della stima del ritardo corrente, bensì utilizzare una media ponderata del livello di plausibilità dei tre scenari (quindi dei tre algoritmi), o dei primi due (tendenziale e conservativo).

Il metodo di scelta dei pesi può a sua volta essere fisso o dinamico (intendo per dinamico che varia nel tempo). Spoiler: preferisco l’approccio dinamico. O può essere predeterminato/asettico rispetto ai dati fin qui acquisiti, oppure aderire alle tendenze in atto, con una analisi della magnitudo e delle sequenze di vari indicatori, quali la produzione mensile, le differenze prime della serie della produzione mensile, i tassi di incremento/decremento congiunturale, persino la concavità/convessità delle curve che interpolano i dati dell’ultimo periodo (p.e. ultimi tre mesi, ecc.). Tutto implementabile in un foglio excel di facile gestione!

A posteriori la bontà del metodo si potrà valutare calcolando gli errori di previsione dei mesi precedenti, affinando progressivamente la qualità e l’efficacia del metodo.