Wassermelonenprojekte und maschinelles Lernen


Share to:

Im kürzlich erschienenen Digital Pacemaker-Podcast zwischen Mark van der Pas, CEO von Uffective, und Uli Irnich und Markus Kuckertz von Vodafone (Sie können ihn hier auf Deutsch anhören), war eines der Themen, über die sie sprachen, Wassermelonenprojekte.

Bei der Bewertung des Projektfortschritts durch die Führungsebene ist es wichtig, auch die kleineren Details zu analysieren. Dies wird zu einer Herausforderung, wenn Dutzende oder Hunderte von Projekten zu bearbeiten sind. Um dieses Problem zu lösen, werden einfache Berichterstattungsinstrumente eingesetzt.

Mark van der Pas | CEO von Uffective

„Mein Spezialgebiet ist das Portfoliomanagement. Gemeinsam mit meinem Team entwickeln und implementieren wir Lösungen für das Portfoliomanagement und helfen Unternehmen dabei, ihre Investitionen an ihrer Strategie auszurichten, die finanziellen Auswirkungen ihres IT-Portfolios zu verbessern, die Markteinführung zu beschleunigen und Prozesse zu vereinfachen, indem wir z. B. Doppelarbeit reduzieren und eine einzige Version der Wahrheit schaffen.“

Eine beliebte Methode, um den Erfolg eines Projekts zu bewerten, ist das Ampelsystem

Wenn Sie jedoch komplexe Projekte auf so einfache und manuell ausgewählte Optionen reduzieren, können Sie den Überblick darüber verlieren, wie gut Ihr Projekt funktioniert.

Ein wesentliches Problem ist, dass Projektmanager und Produktverantwortliche möglicherweise auch zögern, die Geschäftsleitung auf Probleme hinzuweisen, was Aufmerksamkeit erregen würde.

Und was hat das alles mit Wassermelonen zu tun?

Ein Wassermelonenprojekt ist ein Projekt, das von außen grün und einsatzbereit aussieht, aber innen rot ist und scheitert. Mit anderen Worten: Ein Wassermelonenprojekt scheint erfolgreich und gut verwaltet zu sein, aber in Wirklichkeit ist es das nicht. Es kann sich auch um Projekte handeln, die zwar im Zeit- und Kostenrahmen liegen, aber nicht mehr die ursprünglichen Geschäftsziele erfüllen, für die sie eingerichtet wurden.

Wie können wir erkennen, dass ein Projekt das Potenzial hat, ein Wassermelonenprojekt zu werden?

Mit Hilfe des maschinellen Lernens können wir bereits in einem frühen Stadium vorhersagen, ob ein Projekt zu einem Wassermelonenprojekt wird. Dabei achten wir nicht darauf, ob der Projektleiter schon einmal ein gescheitertes Projekt geleitet hat, sondern auf den bisherigen Erfolg anderer Projekte. Durch die Analyse dieser Daten können wir erkennen, dass das Projekt wahrscheinlich scheitern wird, auch wenn es nach außen hin so aussieht.

Mithilfe des maschinellen Lernens können wir bewerten, wie lange es dauert, bis ein Projekt mit einem roten Signal seine Probleme löst. Wenn es keine roten Signale gibt, sollte auch dies zur näheren Untersuchung markiert werden.

Durch den Einsatz von maschinellem Lernen können wir die Probleme mit dem Ampelsystem überwinden

Der enorme Vorteil des maschinellen Lernens besteht darin, dass es Ihnen die nötige Unterstützung bietet, um bessere Entscheidungen zu treffen. Es übernimmt nicht die Verantwortung oder trifft Entscheidungen für Sie, aber es kann Ihnen wichtige Informationen liefern und dazu beitragen, menschliche Fehler zu vermeiden. Durch den Einsatz von maschinellem Lernen kann Uffective Ihnen mehr Transparenz darüber verschaffen, welche Projekte erfolgreich sind und welche nicht, und Ihnen helfen, die Probleme zu überwinden, die mit dem typischen Ampelsystem verbunden sind.

Even More To Explore

Do You Want To Boost Your Business?

drop us a line and keep in touch

Want to know more?

Contact us, and one of our experts can help you learn how Uffective
can assist you when it comes to making important decisions.