Hodnocení a kvantifikace rizik v projektu si ve většině případů vystačí s bodovací škálou a se slovním vyjádřením, jak jsme viděli ve 3. díle seriálu o rizicích. Je to v souladu se standardem PMBoK od PMI a k němu navazujících Practice Guides i v souladu s obvyklou potřebou a zkušeností běžné praxe. Budou však projekty a organizace, zejména technicky a technologicky orientované, které budou mít potřebu kvantitativního rozkladu rizik. Riziko v projektu budou považovat za náhodný jev, který je možné a i vhodné vyjádřit v pravděpodobnostním rozdělení. V okamžiku, kdy riziko vnímáme v projektu jako náhodný jev, můžeme pro jeho dopad a výskyt hledat různá a vhodná pravděpodobnostní rozdělení (tj. rozložení náhodné veličiny) o různém průběhu a podobě. V praxi nejčastěji užívanou podobou pravděpodobnostního rozdělení je trojúhelníkové nebo rovnoměrné rozdělení (intervalové), jak jsme viděli ve 4. díle seriálu o rizicích. Sofistikovanějším přístupem, pokud má praktický a ekonomický význam pro projekt, jsou poté jako další krok v analýze a hodnocení rizik simulační modely.
Základní simulační model je možné sestavit a použít v rámci metody Monte Carlo. Klíčem k jejímu užití je obvykle kombinace s intervalovým, resp. trojúhelníkovým rozdělením, případně s jeho modifikací. Uveďme si ilustrační příklad a postup metody:
Ilustrativní příklad rizika pro simulaci
V projektu typu waterfall je plánován balík práce, u kterého pracnost nesmí překročit 25 MD (limit). Optimistická hodnota pracnosti souhrnného úkolu byla odhadnuta na 13 MD (O), pesimistická hodnota pracnosti na 36 MD (P). Vícenáklady za každý MD nad limit jsou Kč 8 000.
Lze uvažovat o užití trojúhelníkového rozdělení s modifikací pro výskyt rizika „překročení požadované pracnosti“:
Parametr a může být pro účely simulace náhodně (funkce random()) vybírán z intervalu hodnot (0;2). Cílem je odhadnout výskyt a poté dopad možného rizika.
Sestavení a výpočet modelu v podobě aplikace metody Monte Carlo můžeme provést např. v MS Excel. Na základě velkého množství hodnot z generátoru náhodných čísel, např. v počtu 10 000, simulujeme možnou pracnost daného úkolu. Co výpočet náhodného čísla, to dopočítaná pracnost úkolu dle uvedeného vzorce. Interval parametru a je možné nastavit libovolně – čím vyšší hodnota parametru je, tím jsme více a více pesimističtí. Interval (0;2) lze považovat za spíše optimistický. Pokud bychom pravou hodnotu intervalu nastavili na 5 nebo 10, výsledky simulace by již riziko posouvaly do kategorie „skoro jisté“. Pro účely vyhodnocení je vhodné vypočtené hodnoty pracnosti zaokrouhlit na celé číslo a tuto sadu hodnot vyjádřit pomocí histogramu (stanovení četností hodnot pracnosti). Dle histogramu již v souladu s metodikou PMBoK PMI pro řízení rizik a na základě zadaného limitu (25 MD) určíme hranici pro výpočet výskytu rizika (součet četností hodnot vyšší než limit). Výskyt rizika je tedy relativní četnost sledovaného jevu v dané populaci hodnot (červeně označené sloupce v grafu). Dopad rizika můžeme poté stanovit pomocí váženého součtu vícenákladů, tj. součtem součinů dílčích četností a vícenákladů. Pro uvedený příklad může být výsledkem tento histogram:
Z uvedeného histogramu je zřejmé, že riziko není vhodné ve zde uvedeném ilustrativním příkladu považovat za málo významné nebo nevýznamné. Výskyt rizika „překročení požadované pracnosti“ u balíku práce je 41,1 %. A to je parametr nastaven spíše optimisticky – pokud bychom jej zvýšili, výskyt rizika by byl ještě vyšší. Požadovaný limit pracnosti úkolu je tedy „nízko“ a u daného úkolu můžeme očekávat spíše vyšší pracnost, která může vést třeba i ke zpoždění úkolu nebo i projektu. Pokud bychom uvažovali o dopadu, vážený součet dle zobrazených četností při ceně Kč 8 000 za každý MD navíc je Kč 16 456. Obě uvedené hodnoty, výskyt i dopad, jsou poplatné užitému výrazu pro modifikované trojúhelníkové rozdělení, parametru a, a počtu realizovaných výpočtů v simulaci (hodnoty obou výsledků se budou s vyšším počtem výpočtů zpřesňovat).
Jak už bylo řečeno: Hodnocení rizik, tj. kvantifikace rizik s cílem jejich prioritizace, může mít různé podoby, resp. různou míru a složitost. Je možné sáhnout po jednoduché cestě a osvědčené praxi, nebo v případě nutnosti využít matematické modely a metody. V každém případě by však mělo platit „železné“ pravidlo pragmatičnosti – rizika je třeba prioritizovat z důvodu přerozdělování rozpočtu a provádění prevence bez zbytečné složitosti, abstrakce a byrokracie. Pokud nevede identifikace a hodnocení rizik k jednoznačné a věcné prevenci, a ke konkrétní obraně v projektu, je řízení rizik „bezzubé“.
