Sopiiko Bayes-verkkoteknologia rakennusteollisuuden pulmiin?

Aluksi voi tuntua siltä, että kehittynyt Bayes-verkkoteknologia on turhan monimutkaista rakennusteollisuuden maanläheisiin ongelmiin. Näin ei kuitenkaan käytännössä ole. Kun huipputeknologia on tuotteistettu oikein, käyttäjän ei tarvitse tietää ja ymmärtää teknologiaa, vaan käyttö on yksinkertaista.

Rakennusprojektien erityispiirteitä

Rakennusprojekti on aina ainutlaatuinen

Tunnusomaista rakennusprojekteille on se, että jokainen projekti on monessa suhteessa ainutlaatuinen. Syitä ovat mm.

• vaihtuvat resurssit
• osa tuotteesta on aina uusia
• osa mittareista on epärationaalisia
• ulko- (vaihtuvat) ja sisäprosessit (standardisoitu) edellyttävät erityyppisten organisaatioiden käyttöä.

Näistä erityispiirteistä seuraa muun muassa

• organisaation oppiminen on vaikea järjestää tehokkaasti
• hankkeiden "pilottimaisuus" aiheuttaa vaikean laatu- ja projektiorganisaation intressiristiriidan
• designin laatua selvittävien mittareiden sovittaminen muihin ohjausjärjestelmiin on vaikeata
• riskien hallinta tai kiinteät kustannukset kärsivät, jos käyttää samaa organisaatiota.

Bayes-verkot ovat tunnetusti paras teknologia epävarmuuden hallintaan. Suosittelemme, että kehitätte omalle organisaatiollenne räätälöidyn projektimallin käyttäen BayMiner-menetelmää. Sen edut tulevat nopeasti esille ja hyödyt lisääntyvät sitä mukaa, kun malli kasvaa eli dataa kertyy enemmän ja enemmän uusista projekteista. Heti alkuun tunnistatte syyt prosessin ja organisaation puutteelliseen suorituskykyyn. Kun malli kehittyy, voitte käyttää BayMineria tarjouksenteossa ennustamaan ja antamaan niin sanotun toisen näkemyksen esimerkiksi riskeistä ja kannattavuudesta.

Rakennusprojektin alkuvaiheen ongelmia

Rakennushankkeen sopiminen vie nykyään aikaa paljon kauemmin kuin aikaisemmin. Hankkeista on neuvoteltava yhä useamman tahon kanssa. Samalla on selvitettävä entistä tarkemmin teknisiä ratkaisuja. Kaikki tämä maksaa, joten säästöpaineiden alla selvitykset jäävät usein puutteellisiksi. Toinen ongelma hankkeen spesifikaatiovaiheessa on usein se, ettei asiakas hankkeen alkuvaiheessa syvenny asiaan kunnolla; johto ei ehdi ja keskijohto ei tiedä tavoitteista riittävästi. Tarkistuslistat eivät enää tahdo toimia, ja aikapula ja kurin puute johtavat riskien ottoon.

Luomalla oman projektimallinsa yritys voi ajan mittaan saavuttaa merkittävää kilpailuetua, koska organisaation yhteinen kokemus saadaan toimivassa muodossa käyttöön. BayMiner-analyysin kustannukset ovat vain murto-osan siitä, mitä maksaisi, jos järjestelmä rakennettaisiin haastattelemalla asiantuntijoita ja ohjelmoimalla perinteelliseen tapaan, sillä BayMiner-analyysin voi aloittaa hyödyntämällä jo olemassa olevaa dataa.

Projektin todellinen tilanne jää raportoinnissa aina jälkeen

Kun ei ole todisteita, viedään asioita eteenpäin "mutu"-menetelmällä -- hyviä selityksiä löytyy aina. Jälkeenpäin sitten siirretään vastuuta toteamalla: "Kyllä ne tiedot olivat siellä luvuissa". Kun kyseessä on miljoonaprojekti, valvontapisteitä on yleensä kymmeniä ja taloushallinnon seurannassa on satoja rivejä, joista ei kovin helpolla selviä, missä mennään. Vaihtoehtoisesti usein käy niin, että projektin alkupään mittarit osoittavat, että projekti sujuu huonosti, mutta silti projektissa uskotaan, että tulos lopussa kääntyy paremmaksi -- ja raportit muotoillaan sen mukaan. Epäselvyydestä ja/tai vaikeasti viestitettävästä informaatiosta johtuen johtoryhmästä tulee pelkkä kumileimasin. Näihin tyypillisiin projektijohtamisen ongelmiin BayMiner tuo ratkaisun.

BayMiner-menetelmällä analyysivaiheesta jää selvät todisteet esimerkiksi asiantuntijoiden arvioista. Kun analyysin tulokset on sidottu aikaan ja paikkaan ja laskettu kiistattomasti, ei jälkiselittelyille jää mahdollisuuksia. Näitä "mustaa valkoisella" -tietoja voidaan käyttää ohjaamaan organisaation "optimisteja", jotka varsinkin markkinoiden mennessä alaspäin usein toimivat melko sinisilmäisesti ja asioita unohtaen, tahallaan tai tahattomasti.