How Big Things Get Done

Это распространенная проблема. Старые данные по проекту редко рассматриваются как ценный ресурс и собираются. Отчасти это происходит потому, что планировщики и менеджеры проектов ориентированы на будущее, а не на прошлое. Как только проект завершен, их внимание сосредоточено на следующем новом проекте, и никто не думает о том, чтобы оглянуться назад и собрать данные по старому проекту. Но дело еще и в том, что те, кто видит ценность в данных, часто заинтересованы в том, чтобы держать их в секрете. Например, многие ли крупные строительные компании хотят, чтобы домовладельцы имели достоверные данные о стоимости ремонта дома? Это объясняет, почему на создание моей базы данных по крупным проектам, охватывающей множество различных типов проектов, ушли десятилетия, и она является единственной в своем роде в мире.

Но эти препятствия не являются непреодолимыми. Правительства и корпорации могут пересмотреть свои старые проекты и создать собственные базы данных. Более того, я помог нескольким из них сделать это. Это могут сделать и малые предприятия, и торговые ассоциации, если им удастся убедить своих членов принять в них участие. Профессионалы с большим опытом работы, естественно, учатся на опыте прошлых проектов - подрядчик, сделавший десятки ремонтов кухонь, хорошо представляет себе, сколько в среднем стоит ремонт кухни, - но они могут уточнить и улучшить свое понимание, просто собрав цифры из своих старых проектов и добавляя их каждый раз, когда проект завершается.

Что касается тех, кто не имеет доступа к такой базе данных, как моя, или не может создать свою собственную, то прогнозирование по эталонным классам все равно полезно; просто нужно использовать грубый и готовый подход к нему.

Вспомните молодого Роберта Каро, задумавшего написать свою первую книгу. Он мог бы легко использовать RCF, чтобы предсказать, сколько времени займет его проект: Составить список книг, которые, по его мнению, в целом похожи на ту, что он планирует написать, позвонить их авторам и спросить, сколько времени у них ушло на написание этих книг. Если он получит двадцать ответов, он сложит их, разделит на двадцать и получит свой якорь. Даже опираясь на выборку из двадцати человек, он обнаружит, что в это число вложена тонна реального опыта. Затем он спросит себя, есть ли веские причины, по которым он должен ожидать, что будет намного быстрее или медленнее, чем в среднем. Если да, то он может внести соответствующие коррективы. Если нет, то у него есть своя оценка. Она не будет идеальной, но она будет намного лучше, чем реальная оценка Каро, потому что она будет привязана к прошлым проектам, таким как тот, который он действительно делал - писал книгу, а не то, что он делал раньше - писал набор длинных газетных статей.

На самом деле Каро сделал нечто подобное позже, случайно встретившись с коллегами-авторами в писательском зале Нью-Йоркской публичной библиотеки и с облегчением узнав, что каждый из них потратил на написание своих книг по семь и более лет. Но это случилось уже после того, как он начал свой проект - после того, как он поставил свою семью на грань финансового краха и провел годы, терзая себя тем, что не смог закончить книгу за год, как планировал.

То же самое касается и ремонта кухни. Поищите среди знакомых тех, кто делал ремонт кухни, скажем, за последние пять-десять лет. Спросите друзей, родственников, коллег по работе. Ремонт кухни - дело обычное, так что, допустим, у вас наберется пятнадцать таких проектов. Узнайте общую стоимость каждого, сложите их и разделите на пятнадцать. Это и есть ваш якорь.

Еще проще и еще точнее - получить процентное превышение затрат на каждый ремонт и вычислить их среднее значение. Проценты легче запомнить, и они лучше сравниваются, чем общие суммы. Затем вы можете взять смету, составленную обычным способом - путем тщательного измерения вашего конкретного проекта, - и увеличить ее на этот процент. Таким образом, вы объедините ценность внутреннего взгляда (детализация) с ценностью внешнего взгляда (точность), в чем и заключается вся игра.

Конечно, когда речь идет о взгляде со стороны, лучше больше, поэтому данные из тридцати проектов превосходят данные из пятнадцати, а данные из ста превосходят данные из тридцати. Но важно понимать, что RCF может принести много пользы, даже если данных гораздо меньше, чем нам нужно. Если приложить немного логики, воображения и понять, почему RCF работает, можно извлечь из него хотя бы какую-то пользу, даже если у вас мало данных.

Даже данные только одного завершенного проекта представляют ценность. Конечно, было бы неправильно называть это "эталонным классом". Но это опыт реального мира. Назовите его "точкой отсчета". Затем сравните его с планируемым проектом и спросите: "Наш проект, вероятно, будет работать лучше или хуже, чем эта точка отсчета?" По своему опыту я знаю, что такое обсуждение может быть удивительно полезным.

 

ДЕЙСТВИТЕЛЬНО УНИКАЛЬНЫЙ ПРОЕКТ?