Источник
100 мерный арбуз или пару слов про определение успеха
Пост о том, почему слишком жесткая модель project success искажает картину в многомерной задаче.
Источник
100 мерный арбуз или пару слов про определение успеха
Пост о том, почему слишком жесткая модель project success искажает картину в многомерной задаче.
Рубрика #Management
Классическая формула успеха проекта из ранних подходов Standish Group звучит так: проект успешен, если выполнен в срок, в бюджет и с полным исходным набором фич. Проблема в том, что при росте числа критериев такая бинарная модель почти неизбежно превращает нормальные проекты в «неуспешные».
Мысленный эксперимент: 100-мерный арбуз
Если «корочка» занимает последние 10% радиуса в каждом измерении, то доля «мякоти-успеха» считается по формуле (1 - t)^d, где t - доля корочки, d - число критериев.
1D: отрезок
Мякоть = 90%, если крайние 10% радиуса считаем «корочкой».
Формула: 0.9^1 = 0.9
Доля «мякоти»: 90.0%
2D: круг
Площадь зависит от квадрата радиуса.
Формула: 0.9^2 = 0.81
Доля «мякоти»: 81.0%
3D: шар
Объем зависит от куба радиуса.
Формула: 0.9^3 = 0.729
Доля «мякоти»: 72.9%
100D: гипершар
При 100 критериях «строгое попадание» почти исчезает.
Формула: 0.9^100 ~= 0.00002656
Доля «мякоти»: ~0.0027%
100D с допуском 1%
Если считать нормой отклонение до 1% по каждому критерию.
Формула: 0.99^100 ~= 0.366
Доля «мякоти»: ~36.6%
Где ломается старая модель успеха
Слишком бинарная оценка: небольшое отклонение по одному параметру обнуляет успех целиком.
Чем больше критериев, тем выше математическая вероятность «провала» даже у рабочего проекта.
Фокус смещается на формальное попадание в треугольник, а не на реальную ценность результата.
Такой подход удобен для страха и отчетности, но плохо подходит для обучения и улучшения практик.
Что делать на практике
Разделяйте «глобальный успех» и вклад отдельных критериев, а не смешивайте всё в один бинарный вердикт.
Используйте шкалы (например, Лайкерта), чтобы видеть силу сигнала, а не только да/нет.
Фиксируйте допуски по каждому критерию заранее: без tolerance zone метрика становится ловушкой.
Проверяйте корреляции между локальными оценками и итоговым outcome, а не полагайтесь на интуицию.
Почему в новом исследовании подход лучше
В статье Assessing IT Project Success: Perception vs. Reality успех раскладывается на 7 отдельных критериев по шкале Лайкерта и отдельно оценивается «глобальный успех». Это позволяет видеть корреляции и не сводить все к грубому yes/no.
Типичные антипаттерны в чтении исследований
Оценивать проект только по сроку, бюджету и исходному scope без учета фактической бизнес-ценности.
Считать любое отклонение по критерию провалом независимо от масштаба отклонения.
Переносить выводы модели на другой контекст, не проверив, как именно были определены критерии успеха.
Источники
Связанные главы
Ключевой вывод
При чтении любой статьи о «успехе» сначала проверяйте модель размышлений автора: какие критерии он выбрал, какие допуски задал и как связал локальные оценки с итоговым outcome. Без этого цифры легко выглядят убедительно, но вводят в заблуждение.