Voiko projektien onnistumista ennustaa tarkasti? Kyllä voi, mikäli Silverbucketin Scrum Masterilta Aleksi Lattuselta kysytään. Lattunen on juuri saanut valmiiksi diplomityönsä.
Diplomityö nimeltään ”Projektin läpiviennin ennustaminen resurssisuunnitelman pohjalta koneoppimisen keinoin” on hyväksytty toukokuussa informaatioteknologian ja viestinnän tiedekunnassa Tampereen yliopistolla. Miksi ennustaminen sitten on niin tärkeää?
Aikainen lintu madon nappaa
Silverbucketin kannalta diplomityön tärkeimmät löydökset liittyvät nimenomaan datan kertymiseen ja erilaisiin tunnuslukuihin. Resursointityökaluun kertyvä data voisi kuitenkin olla vieläkin laajempaa. Diplomityössä Lattunen pohtii erityisesti sitä, miten projektinhallinnassa nähtäisi paremmin taaksepäin.
– Meillä ei ole sellaista dataa, jolla saisimme projektin tilan näkyviin täsmälleen projektin historian eri aikakohdissa. Päättyneessä projektissa tiedetään, onnistuiko se vai eikö se onnistunut. Lisäksi tiedämme sen, miltä projekti näyttää juuri tällä hetkellä tunnuslukujensa valossa. Mutta miltä onnistunut projekti näytti vaikka kolme kuukautta sitten, kun se oli puolivälissä? Lattunen miettii.
On siis tärkeää tietää, miltä onnistunut projekti näytti silloin, kun se oli esimerkiksi puolivälissä kulkuansa. Tai vielä parempi, jos tietää miltä onnistunut projekti näytti aivan alussa. Projekteja vetäville on selvää, miksi asioita on tärkeä tietää mieluummin ennemmin kuin myöhemmin.
– Syy on hyvin yksinkertainen. Projektin alussa tilanne on helpommin korjattavissa kuin projektin loppupäässä. Jos jo alkupäässä huomataan että projekti on pulassa, ehditään vielä reagoida järkevästi, Lattunen muistuttaa.
Vaaran merkit helposti havaittavissa
Vaaravyöhykkeellä olevat projektit on helppo tunnistaa, kun tunnuslukuja osaa tulkita oikein. Mitkä ovat sitten tyypillisimmät vaaran merkit?
– Selvä merkki projektin mahdollisesta pieleenmenosta on se, kun toteumatunteja ei yksinkertaisesti kerry. Tällöin kukaan ei tee projektia – edellinen projekti on saattanut venyä ja asiantuntijat ovatkin vielä kiinni.
Luonnollisesti myös liiallinen tuntimäärä on vaaran merkki – projekti ei välttämättä pysy budjetissaan. Saattaa myös olla, että toteumaa kertyy kyllä, mutta projektia tekevät useat sellaiset henkilöt, joita ei alun perin ole suunniteltu projektiin. On saatettu esimerkiksi ottaa tuuraajia tai sijaisia. Jos alun perin projektiin kiinnitetyt osaajat eivät ole saatavilla, saattaa siitäkin seurata ongelmia, Lattunen luettelee esimerkkejä.
Seuraavat askeleet Silverbucketilla – kohti onnistuneita projekteja
Lattusen oma pääaine on tietotekniikka, ja myös diplomityö piti tehdä alun perin hypermedian näkökulmasta. Toisin kuitenkin kävi. Lopputulos menee enemmän koneoppimisen ja projektinhallinnan puolelle. Valmistunut diplomityö onkin mainio esimerkki siitä, miten tärkeää on poikkitieteellinen teoria
tutkimuksessa.
Seuraavaksi Silverbucketilla aletaan kerätä dataa toden teolla. Data kerätään todellisista projekteista, mutta asiakkaiden tiedot anonymisoidaan luonnollisesti täysin. Käytännössä Silverbucketilla perustetaan
tietokanta, jonne kerätään koneoppimisen analyysin tarpeisiin täsmällisiä tunnuslukuja.
– Dataa ei pysty jälkikäteen muodostamaan, vaan sitä on alettava kerätä nyt. Puolen vuoden kertymisen jälkeen siitä alkaa tulla oikeasti hyödyllistä. Mukana täytyy olla valmistuneiden projektien koko elinkaari. Vasta tällöin nähdään, mitkä projektit lopulta oikeasti onnistuivat ja mitkä eivät, Lattunen pohtii.
Aineiston keräämisen ohella Silverbucketilla aletaan työstää analyysityökalua. Tähän valjastetaan mukaan koneoppiminen. Kun analyysityökalu on lopulta olemassa ja dataa kertynyt, voidaan tuloksia näyttää Silverbucketin käyttöliittymässä kaiken muun resursointitiedon ohessa.
– Tällöin asiakkaalle näkyy, että koneälymme on sitä mieltä, että hänen projektinsa onnistuu esimerkiksi 78 % todennäköisyydellä. Käyttö paranee ajan myötä, kun dataa kertyy yhä enemmän ja enemmän, Lattunen selittää.
– Koneoppimisesta voi siis tulevaisuudessa olla mullistava hyöty projekteille. Yhdellä silmäyksellä asiakas näkee, kuinka todennäköisesti hänen projektinsa onnistuu. Jos projekteja on useampi käynnissä, projektipäällikkö näkee yhdellä silmäyksellä ne, jotka tarvitsevat vähän lisää rakkautta ja huomiota, Lattunen hymyilee.
– Aleksin diplomityö käsittelee Silverbucketille tärkeää asiaa – kuinka saada projektitoiminta onnistumaan. Haasteeksi erityisesti muodostuu tapa saada kerättyä kaikki tarvittava oikea tieto. Mutta kun tässä onnistutaan, on erittäin mielenkiintoista havainnoida, mistä tekijöistä tietyn tyyppisten projektien
onnistuminen – ja epäonnistuminen – muodostuukaan. Näin koneoppiminen antaa asiakkaillemme mahdollisuuden oppia projekteistaan ja toiminnastaan kenties jotain aivan uutta, kehuu yksi Silverbucketin perustajista, Toni Uimonen.
