RISICOMANAGEMENT BIJ GROTE PROJECTEN STIJNVAN DEVONDER, PHD IPMA SIG Risicomanagement Amersfoort, 10 januari 2011 1
WAAROM RISICOMANAGEMENT? Elke projectuitvoering is onzeker (= truïsme) Mede door deze onzekerheid slagen de meeste projecten er niet in om de projectdoelen te halen Toch worden veel plannen gemaakt, alsof er zekerheid is. Terwijl bewezen alternatieve werkwijzen voorhanden zijn 100% 75% 50% 25% 0% Percentage of successful IT projects (Standish Group) 1990 2000 2010 2
PRESTIGEPROJECTEN Sidney Opera House The Big Dig (Boston) Budget X 15 Budget X 3,5 Dodelijk ongeval, fraude, 7 miljard interestbetalingen 3
RISICO S? 4
WAARDE RISICOMANAGEMENT Zeer moeilijk te bewijzen (project = uniek) Empirische waarde enkel aan te tonen op macroniveau: Positieve correlatie (R=0.25) tussen investering in kwantitatieve risicoanalyse en return on equity (Lamb, 2000) in de olie-en gasindustrie Een studie van de NASA (100 projecten) toont dat de fout op schattingen met gebruik van Monte Carlo simulatie minder dan de helft zijn dan zonder het gebruik van deze techniek. Een studie (187 respondenten) van de RM Special Interest Group van PMI (Voetsch, 2004) toont een significant verband tussen het gebruik van een formele vorm van RM en het slagen van het project. 5
WAAROM RISICOMANAGEMENT? RM onderbouwt het inzicht in het risicoprofiel RM geeft inzicht in de onzekerheden RM helpt om creatief na te denken over risico s RM helpt om vroeger (en goedkoper) in te grijpen RM stimuleert proactief nadenken over bestrijdingsacties Waardevol communicatietool in contractuele omgeving 6
GOED RISICOMANAGEMENT VEREIST! De ultieme faaloorzaak van een project, is het falen van de risicomanagementprocedure zelf Douglas W. Hubbard PMI definieert: 1. Plan risicomanagement 2. Risico-identificatie 3. Kwalitatieve risicoanalyse 4. Kwantitatieve risicoanalyse 5. Risicobestrijding 6. Risicocontrole 7
GOED RISICOMANAGEMENT Ondersteund door topmanagement Gebaseerd op empirische observaties Focus op de bronoorzaken van de onzekerheid Focus op de bedrijfsresultaten (bottom line) Focus op actieve risicobestrijding Leer uit schattingsfouten Kwalitatief EN kwantitatief 8
RISICO-IDENTIFICATIE Gestructureerde workshops rond risico-identificatie Invullen van risicoregister door experts Belangrijk: focus op bronoorzaken. Waarom? Waarom? Waarom? Project Omgeving Mens Materiaal Natuur Fysiek 9
RISICOANALYSE: KWALITATIEF Rough Order risicomanagement: 10% provisie voor risico s Voeg 2% risicopremie toe aan de verdisconteringsvoet Heilige getallen Risicomatrices Het zijn placebo s! (Hubbard) Een noodzakelijkeeerste stap (onze mening) Risicoregister Impact Kans Prioriteren risico s (20/80 regel) 10
FLAW OF AVERAGES Sam Savage A statistician drowns in a river withanaverage depthof 3 Ft Sam Savage(Stanford)
RISICOANALYSE: KWANTITATIEF Kwantitatieve risico-inschatting Kwantitatieve risico-evaluatie Inschatten van risico s per definitie onderhevig aan fouten Verschil tussen systematische en toevallige fout belangrijk Waarom bestaan systematische schattingsfouten? Redeneerfouten (Tversky& Kahneman) Motivatievertekening Systematische fouten kunnen bestreden worden 12
VEELVOORKOMENDE SYSTAMTISCHE FOUTEN Overconfidence effect Optimism bias Anchoring Availability heuristic Conjunction fallacy Confirmation bias Typisch gezien vallen 30% der realisaties binnen een 90% betrouwbaarheidsinterval Slechts 20% van de chauffeurs denken dat ze slechter dan gemiddeld rijden Hoe veris de markt? 30 minuten? Wat is de kans op een double dip? Het Linda Probleem Black swans
HET LINDA PROBLEEM Linda is 31. Ze is vrijgezel, welbespraakt en zeer verstandig. Ze heeft een masterin filosofie. Als studente was ze sterk begaan met de problematiek rond discriminatie en sociale gelijkheid. Ze nam ook deel aan betogingen tegen kernenergie. Groep A: Groep B: Schat de kans dat Linda in een bank werkt? Schat de kans dat Linda in een bank werkt enactief is in de feministische beweging.
RICHTLIJNEN RISICO-INSCHATTINGEN Vraag naar herkenbare situaties NIET: Wat is de standaarddeviatie van de duurtijd van deze activiteit? MAAR: Indien de leverancier te laat is, wat zal dan in het slechtste geval de vertraging zijn? Gebruik data, indien mogelijk: Risicomanagementdatabank Empirische waarnemingen Beurs (options, futures, wagers, ) DISTs: bibliotheek met goedgekeurde shapes Bestrijd de systematische fouten.
RISICO-EVALUATIE: MONTE CARLO SIMULATIE Impact van (geschatte) risico op projectobjectieven berekenen! Hele complexiteit van project (schedule) meenemen (kritische activiteiten, buffers, boeteclaims, overhead, ) Te complex voor het menselijk brein! MonteCarlo simulatie: Uitstekende techniek om inzicht te krijgen in het project Uitstekende techniek om risico s te evalueren I have two ways of learning from history: from the past, and from the future, thanks to my Monte Carlo engine Nicholas Taleb. 16
HOE WERKT HET? 1. Stel deterministisch model op (project schedule) 2. Definieer KPI s 3. Modeleer en kwantificeer de risico s 4. Genereer meerdere (b.v. 10.000) alternatieve scenario s 5. Aggregeer KPI s in shapes Think! Decide! Communicate! in shapes 17
OUTPUT: HAALBAARHEID DEADLINE 18
OUTPUT: TOPRISICO S& KRITISCHE ACTIVITEITEN Focus! Wat is het echte kritische pad?
RISICOBESTRIJDING Analyse zonder actie is tijdsverlies Creatief nadenken over risicobestrijding van toprisico s PMI definieert drie subprocessen: Identificatie van acties voor risicobestrijding Selectie van de meest effectieve acties Plannen van de uitvoering van acties Pre-mitigated Post-mitigated 20
HULPMIDDEL: RISICO-ACTIE MATRIX 5 strategieën om risico s te bestrijden 8 W's Reduceer Transfer Anticipeer Behandel Accepteer Waarom? Doel 8 risicofactoren Wat? Taak beïnvloedende Welke wijze? Techniek risico s Waar? Locatie Waarmee? Middelen Wie? Leveranciers Wanneer? Planning Welkekosten? Budget Actieplan 21
OUTPUT RISICOBESTRIJDING Waarde RM Verwachte winst voor RM Verwachte wint na RM 22
OPMERKING: BEREKENEN WAARDE RM Boekhoudkundige waarde: Gebaseerd op foutieve assumptie van risiconeutraliteit Men moet rekenen in nutswaarde (cf. risicotolerantie) Risicoaversie wil zeggen: Nut winst 2X < 2 Nut winst X Nut verlies 2Y > 2 Nut verlies Y Verwachte winst is 3,5 miljoen lager Na RM Voor RM Verwachte nut is 3,8 miljoen hoger 23
INTEGRALE WERKING RM SAMENGEVAT Opstellen risicoregister Inzicht in haalbaarheid KPI s Inzicht in welke risico s grootste zijn What-if analyse bestrijdingsacties Opstellen robuust plan Plannen bestrijdingsacties Opvolgen risico s en voortgang Inzicht in KPI s Inzicht in risico s Betere beslissingen Strategische resultaten 24
BESLUIT& SLOTBEMERKINGEN Informatie / inzicht is zeer belangrijk in contractueel werk Monte Carlo simulatie geeft zeer veel nieuwe inzichten Belangrijk om inzichten constructief te gebruiken Probabilistisch plannen vereist een goede planning Probabilistisch plannen vereist kennis Probabilistisch plannen vereist een goede tool Contactinformatie: Stijn Van de Vonder s.vandevonder@primavera.nl 25