項目管理軟件定制開發與建設迭代路線圖
項目管理軟件平臺用于公司內部多個部門之間的業務流程協同管理。基于簡單列表工作流引擎或2維圖形流程工作流引擎的多級審批與工作流流程,連接起預算管理、收支管理、采購管理、項目管理、資產管理與合同管理等多個職能部門之間的業務。并可因此,集中各部門的業務數據,做更多全局統計與數據管理,量化后的業務數據可以更好地輔助高層管理做好戰略決策。

細化的崗位配置、權限管理、資金限額、多級審批,最大化降低業務操作風險。根據客戶實際業務流程,分析整理,按需定制并固化下來的基于信息管理系統的業務流程,最大化降低業務流程操作成本、提高業務流程周轉率和降低整體平均業務處理周期,整體提升公司運營效率。
預算收支的集中管控,即可及早地發現財務風險并做出相應處置,也積累了一定歷史已發生業務的數據,方便后面更好地做出預算規劃、限額分配和收支預測。
集中的采購和資產管理,將物資資產從采購申請、供應商、執行、發票、物流到入庫、租借、使用、調撥、處置等整個生命周期鏈條管理了起來,可以更好地從資產整個生命周期角度觀察、度量、統計、管理、預測、分析資產資源流動與使用狀況。
同時,針對特定的項目和合同,也有不同的維度可以深入觀察和控制具體業務,更好地為公司企業創造價值。
短信和手機端支持,方便了公司外勤人員、出差在外人員和公司領導隨時隨地的參與公司相關業務,最大化無縫鏈接公司人力資本和人力資源。

項目管理軟件建設包括6大方面,需求分析、基礎采購、系統集成、軟件開發、上線運營、培訓支持。
(1)需求分析:觀察現有公司業務運轉,與相關人員溝通,收集常用的Excel表單、表格案例,理清業務部門之間的關系和組織結構。整理并文檔化關鍵業務流程和需求用例,設計主要關鍵業務的數據庫結構,對關鍵業務數據的存儲數據量在不同時間尺度和業務角度有個定量分析,方便后續設計合適的部署實施方案、軟件開發、支持培訓和應急方案。
(2)基礎采購:包括服務器、基礎軟件授權、機房運營(或托管、或整體采購云基礎服務)、軟件開發項目、后續服務等。
(3)系統集成:物理服務器配置、網絡配置、基礎軟件安裝調試、基礎運維監控、數據庫安裝配置、Web服務器安裝配置、網絡防火墻配置等。
(4)軟件開發:開發實際需要的協同管理系統,中途可能會提交測試版本(或屏幕截圖)和客戶溝通,確認細節理解一致和提早獲取反饋。
(5)上線運營:安裝配置系統,包括測試版和生產環境版。
(6)培訓支持:包括編寫說明書,培訓,實際使用過程中遇到的問題咨詢與解決。

復雜系統可區分為可分解的復雜Complicated和不可分解的復雜Complex。世界上實際的事物之間的關系錯綜復雜、相互關聯和相互依賴,無法簡單的把他們分解并簡單對待。人們在面對大量高度復雜的事物時,就像盲人摸象一樣,很難獲得整體上的認識,只能根據摸到的腳或者摸到的腿來對其認知。高度復雜的事物通常也是需要從高度維度分別對其進行認知和觀察的,而人們只能簡單地識別3維及以下空間的維度,更高地維度只能靠人們在3維空間的經驗及想象里去推理想象,不同的人之間必然會存在不同的認知和誤差,面對越來越復雜的事務,人們之間越來越難以精確溝通,或者精確溝通的成本越來越高以至于無法在可接受的范圍內完成,只能采用一系列近似簡單的事物組合起來近似逼近表達和溝通復雜事物,這樣必然會存在誤差。面對不同的誤差容忍、逼近成本及認知范圍,人們可能會在多種逼近組合的方案中選擇出相對最優的一種組合方案,但有可能不是絕對最優的。
理想當中的事物都是簡單系統或者是可分解的復雜系統,這個時候可通過多級分解將系統或者復雜系統分解成多層結構,每層數量都是在人內心里認知可管理范圍內的(比如7個),通過多層分解的方式將復雜問題簡單化以達到可以在預期心理、工期、預算內解決問題的目的。因此構建出的管理方法和管理組織對應的是層級化、結構化與樹狀的。傳統的項目管理理論基礎也是基于WBS工作任務分解這樣的層級分解結構的。人們通過層級分解復雜事物的方法解決了很多重大問題,比如最常見的省、市、區、縣將復雜的國家行政管理分解成了相對簡單的地區管理問題。傳統軟件開發的瀑布模型與CMMI/CMM等流程化的管理方法也是需要對復雜軟件領域問題進行分解后才能劃分到不同的流程的不同階段,去使用專業化的工具方法去解決問題。
實際當中的事物可能還有大量不可分解的復雜,或者是還未完成合適分解的可分解復雜,這時只能采用迭代認知、迭代開發、迭代管理、迭代驗收的方法去分階段分解、認知、調整誤差、驗收分解。面對大量不穩定分解結構與組織關系,顯然直接使用層級化、結構化與樹狀的管理方法和管理組織不太合適了,多次頻繁的調整層級化樹狀結構的關系本身會消耗大量的成本,這個時候選擇扁平化的結構水平存儲和管理事物則是最佳選擇。但是選擇扁平化的水平存儲與管理方法,管理者直接面對的事物數量很快會超過7個、49個、100個、1000個乃至更多,當超出人類認知和管理極限的時候,這些碎片化的事物分解即可失控而無法管理,又回到了盲人摸象,摸著石頭過河的階段。
計算機技術的出現和發展,極大地拓展了人們對數據獲取、處理和掌控的能力與維度。在強大計算力的幫助下,人們可以大規模地利用數值逼近算法使用線段和三角形這樣簡單的幾何基本圖形元素去迭代擬合復雜的曲線和曲面,這些曲線和曲面原本可能沒法使用任何一個方程式去準確的表達、描述、溝通和計算它們,而現在卻可以被大量的線段和三角形近似表達,從實用的角度來說,人們的眼睛已經分辨不出這些近似的誤差。因此這些技術被大量適用于計算機圖形合成、汽車燈自由曲面光源設計、3D游戲等等。

相比較于傳統的項目管理過程、流程、組織結構和方法,敏捷迭代的項目管理方法采用了類似的原理,在相關項目管理云平臺的算力支持下,可以使用尺度更小的流程、分解、組織等結構去大規模迭代逼近復雜得不可分解的曲面事物、分數維度事物或者高維度事物,或者可以分解但還沒完成分解的曲面事物或者折線段事物。
任何一個已經在世界成熟運營多年的系統、成熟產品、組織結構體系除了顯性表現出來的可以被分解的結構、已經被分解的結構外,內在還隱含了大量未被文字、數據明確描述、表達出來的復雜關系與結構信息,對于這些系統可將其分解為兩大部分,一部分是明確文字記載表達出來的已經分解的線性結構,另一部分是仍然未被明確線性分解的非線性結構。就和實數軸一樣,任何兩個明確表達寫出的來有理數,哪怕它們離得再近,它們之間仍然有無窮多個無理數。再多的已有文字、分解、結構、理論、線性認知在復雜事物面前,隨著逼近精度與認知尺度的無限縮小,它們所占用的有限空間尺寸與對事物影響的權重也在無限縮小以至于逼近于0,大量原先隱藏在后面的未被表達的事實以非線性的方式逐漸呈現在人們眼前,占據著實際的空間尺寸與對事物發展影響的權重。
人們實際與復雜世界交互的時候,并不需要無限放大認知精度而陷入信息海洋,到了適當精度能保證人們持續的生存下去即可達成了目標。對一個復雜系統的項目運作也是一樣,管理精度和尺度只要保證項目能生存下去即可,而不需要無限逼近地去掌控項目細節,否則成本會暴漲得將項目殺死。
在逐步迭代細化逼近復雜系統的過程中,也需要計算機強大的算力輔助記錄下所有詳細的迭代路徑、項目數據,作為后一步加大迭代精度與擴展迭代的基礎基石。同時項目管理系統也是用戶的一個活的地圖,幫助用戶實時掌控當前已經掌控的復雜事務情況,為后續行動計劃給出依據。

世界成熟運營多年的系統、成熟產品、組織結構體系通常需要上千人團隊和在全球成熟市場幾十年時間的研發積累,已經積累了大量現成的系統體系結構、產品結構分解、組織運營結構,與其產業鏈對應的市場微結構通常是經過幾百年的歲月洗禮、市場競爭、行業沖突、技術革命、多個經濟周期和經濟危機逐漸演化而發展起來的一整套市場運行規則、協作協議、合規規范、技術標準、數據結構、協作流程、計算估值、危機事故處理辦法、風險控制、決策、分工等社會生產關系與要素,針對這些系統、產品和組織結構的項目管理沒有必要也不可能一下子顛覆和推翻現成的系統體系結構、產品結構分解、組織運營結構,而是在吸收和繼承以上關系結構的基礎上針對新出現部分進行創新、變革、調整、迭代和開發,這個時候的項目管理需要花費大量成本和時間在分析任何一個改變對已有系統體系結構、產品結構分解、組織運營結構的沖擊響應,來確保驗證這個改變在整體上是對系統、產品和組織有利的。
當一個系統、產品、組織結構從出現到成長壯大的一開始的幾年乃至幾十年里,結構相對簡單,信息數據量有限,通過一到幾個人的老板來做重大決策改變,再逐層分解給下面做更細節決策改變,可以節省大量的溝通與合作成本,短期內提高組織運營效率。但是在逐漸成長變得越來越復雜之后,系統不同部分的關聯也越來越呈現出網狀結構,網絡里的細節結點由于持續的創新而爆炸式增長,傳統上級管理人員無法管理爆炸式增長的產品內部網絡狀細節,這個網絡也變得越來越難以分解。產品的研發、設計、生產和分發無法簡單地使用逐層分解和項目計劃的方法去逐層審批、分解、分配任務和分配配額去完成,只能通過由內部微市場的微小個體通過價值創造鏈中內部交易價格的動態變化來反應的供求價值關系、對網絡價值創造的沖擊響應、創意、技術創新、實現細節、工藝細節等相互作用反應自底而上的自組織自發地演化、迭代和協作發展,將爆炸式增長的產品細節與關系交給內部微市場管理,然后使用量化投資平臺來運維微市場結構和做上層決策。
作為公司管理系統金子塔頂端的項目投資流動性運營系統,從頭開始構建,可能需要大量人力好多年的工作才能勉強搭建出一個大概可以工作的系統,投資資本也至少需要上百萬元人民幣以上。
和其它信息管理系統一樣,單純引進購買一套成熟的技術方案可以在短時間里以更低的成本上線一個面向未來和創新的動態的項目管理與項目投資運營系統,比如單純引進一套邑泊項目管理系統的軟件成本通常在幾十萬元人民幣,加上硬件、初始咨詢服務及其它配套人力資源等,通常總體擁有成本也在一百萬元人民幣以內。
這樣可以先有一個可以上線運營的系統來創造價值,由此創造了價值與節省了成本之后,可提取小部分比例創值作為后續持續演化、定制的預算,進入良性發展循環。
項目管理系統技術不同于其它技術產品,實際運行還需要考慮到系統、產品和組織的歷史發展和特有需求,單純引進的現成產品系統可能無法全面覆蓋業務,同時基于不同公司當前實際業務發展的情況,可能全套產品的一大半功能無法直接運用,但它可能仍然后續會占用大量系統運維資源,同時可能還需要大量定制開發具有自己企業特色的業務和技術實現。
在后續演化定制的過程中,可以直接采用的基礎成熟技術或平臺包括:Windows Server系列操作系統、SQL Server系列數據庫、C++/C#編程語言、ZeroMQ/NetMQ、已有產品基礎數據庫結構與業務邏輯、現成的技術框架、前端界面框架、通訊消息隊列等。這些技術在全球范圍內已經有大量企業和公司在使用,同時它們的供應鏈和產業鏈也已經完全全球化,產品的使用和運維比較成熟,一般很難因為某個政治事件或者人物而改變它們的商業和產業合作行為,因此可以通過直接使用而降低總體擁有成本和投產時間,這些基礎設施,如果完全自主開發,可能隨便一個都需要上億資金、上千人力和幾十年的時間開發穩定。
中層的基礎算法、管理計算、數據模型等,可以通過購買或引進現成的論文、源代碼、產品、數據庫、開源技術來搭建降低成本,公用的基礎計算區別不大。
高層應用的管理工具、業務規則、估值計算、審批流程、風險控制等采用獨立自主開發或者定制開發則最具有性價比。
隨著項目管理業務的持續增加、多種管理工具的持續開發、內部項目數量的不斷增長,面對大量數據,傳統人工項目經理越來越力不從心。針對機械型項目管理策略與優化機會搜索搜尋,基于項目管理云平臺的商業智能BI具有很多人工項目經理沒有的優勢,比如:(1).克服項目經理人的心理因素干擾而偏離原先設計的管理策略;(2).多項目多周期多策略的同時并行交互運行;(3).工作時間可以不間斷運行;(4).把機械管理經驗積累自動化,把人的大腦和眼睛解放出來做更多創造性的工作;(5).采用大數據技術搜尋數據海洋里的項目投資機會。雖然商業智能BI具有很多人工項目經理所沒有的獨特優勢,但這并不意味著機器可以完全取代人,很多復雜的決策與影響項目生存的小概率事件仍然還要依靠人來決定和執行,機器只是起到一個輔助的手段和工具,就像交通工具一樣,有了汽車,人可以日行萬里,但汽車仍然需要人去駕駛,同時相比較于人類步行和使用馬車,專門為汽車設計的高速公路可以讓汽車開得更開、駕乘人員更舒服、汽車運維成本更低。同樣,只有公司管理基礎設施在建設的時候充分考慮了機器自動化系統運維的實際情況,才能讓基于機器自動化的項目管理與商業智能BI平臺最大發揮其作用。雖然基于人工智能的無人駕駛技術已經投入商用測試階段,但是大部分場景還是面向路況簡單的場景,比如高速公路無人駕駛,而面對大量雜亂無章的行人路面,無人駕駛仍然還無能為力。因此最佳的項目管理平臺設計思路不是完全取代人,而是為人機交互設計最佳的體驗,增強平臺駕乘人員的超控性與舒適性,實現最佳的人機結合,最大化發揮機器的強力運算能力與項目經理及團隊成員的智慧與創新能力,把項目經理與項目團隊從海量的人工數據搜集和分析工作中解放出來,集中精力到創造性的決策中去。
傳統的人工項目管理與投資分析通常會分為技術分析與基本面分析兩個部分,其中技術分析部分數據標準化程度高、不同項目之間指標通用性比較強、量化數據比較能反映項目的真實狀況,因此以此做技術創新具有性價比,適合作為項目投資分析平臺的初始切入點。而對于項目獨特性或者沒有類似參考的創新型項目只能采用模型定價投資分析,這些項目管理方法只能依靠項目經理的人工基本面分析,比如項目領域、技術集合、復雜程度、風險等級、質量等級、項目運行、財務報表、產業鏈分析、行業分析、新聞分析、輿情分析等,這類量化的項目管理商業智能BI分析通常需要基于自然語言處理的人工智能機器學習、分類決策等技術,這種場景大部分都是非結構化數據,通常需要耗費大量投資在數據獲取、采集、提取、加工、清洗、人工標注、訓練等方面,投資收益具有很大的不確定性,風險很大,因此在項目管理平臺建設初期最好規避在這方面的投入,如果實在需要,還是主要靠人工處理后輸入項目管理平臺一些運行參數比較具有性價比。
程序化項目管理決策代替了傳統項目經理80%的機械型工作和決策,比如數據收集、簡單計算處理、曲線圖表條件觸發信號、輔助圖表編制等。但是還有20%更具創新性的分析工作仍然需要人類項目分析員去做,這對人類項目分析員提出了更高的要求。初級項目分析員的工作已經被機器代替,但是高級項目分析員與資深項目分析員的工作機器無法代替,高級項目分析員與資深項目分析員可以不在依賴于初級項目分析員的輔助工作,而直接通過人機交互由量化項目管理商業智能BI平臺幫助其完成原來由初級項目分析員完成的工作。這個時候項目經理的培養方式可能和原來也不一樣了,原來“入門項目分析員->初級項目分析員->中級項目分析員->高級項目分析員->資深項目分析員”的職業發展路徑直接被砍掉為“高級項目分析員->資深項目分析員”,但是人才成長仍然是需要一級一級的成長起來的,被省掉的職業發展路徑只能由其它方法去代替,比如使用電腦游戲與網絡游戲的方式來模擬傳統項目經理進階的經驗積累過程,電腦游戲與網絡游戲同樣可以使用項目管理平臺作為核心并設計大量的人工智能AI分析員、AI團隊成員、AI項目事件,作為學徒項目分析員的訓練案例。
通過電腦游戲與網絡游戲的設計,一方面有了可實際落地的應用場景去開發人工智能AI分析員,智能算法逐漸迭代演化后可考慮逐步引入到實際自動項目管理中去,另一方面為學徒項目分析員提供了低成本的訓練成長與前期職業發展途徑,同時與實際項目管理數據相結合或半結合的電腦游戲與網絡游戲模擬中,由大量學徒項目分析員與團隊成員做出的項目運營決策數據可以被收集處理后作為實際項目運營的參考數據。
項目管理平臺前期運營的時候,機器的人工智能應用主要以線性機械計算的程序化邏輯智能為主,通過常見的分析圖表指標組合來做出機械判斷進行程序化管理,比如項目創值曲線、NPV現金流表、項目趨勢分析、資源波動分析、風險波動指標、質量波動指標、變更質量沖擊響應分析、自動化測試后質量等級變更統計分析等。這些基于指標的簡單程序流程化基本上可以完成80%的自動化問題,剩下的20%由人決策并通過參數與操控開關來駕駛項目管理平臺的實際運行。這種實施方法可以讓項目管理平臺在建設初期具有很大的性價比,可以短期看到他發揮的巨大作用,就像汽車,相對于人的步行,只是使用機械的物理原理,已經幫助人的遠行,起到了相當大的幫助作用。而進一步的基于人工智能神經網絡深度學習的無人駕駛技術,則是后續可以考慮的進一步發展計劃,相比較于前一步的進步,不確定性更大、要求更高、風險更大。同時,如果沒有前面一步,而直接跳到第二部,基本上是不可能的。