Để xây dựng Kế hoạch ứng phó rủi ro, bạn cần định lượng tác động của nó đối với dự án. Quá trình này được gọi là phân tích rủi ro định lượng, trong đó rủi ro sẽ được phân loại là rủi ro với mức độ ưu tiên cao hay thấp phụ thuộc vào lượng tử ảnh hưởng của chúng đến dự án. Ban Quản lý Dự án Kiến thức (PMBOK) ủng hộ việc sử dụng phân tích Monte Carlo để thực hiện phân tích rủi ro định lượng.

PHÂN TÍCH MONTE CARLO LÀ GÌ?

Phân tích Monte Carlo bao gồm việc định trước tác động của các phỏng đoán rủi ro bằng cách chạy các mô phỏng để xác định phạm vi của các kết quả có thể cho một số kịch bản. Việc lấy mẫu ngẫu nhiên được thực hiện bằng cách sử dụng đầu vào biến đổi rủi ro không chắc chắn để tạo ra phạm vi kết quả với một biện pháp tin cậy cho từng kết cục. Điều này thường được thực hiện bằng cách thiết lập một mô hình toán học và sau đó chạy các mô phỏng sử dụng mô hình này để ước tính tác động của rủi ro dự án. Kỹ thuật này giúp dự báo kết quả khả năng của một sự kiện và do đó sẽ giúp đưa ra các quyết định của dự án.

Trong khi quản lý một dự án, bạn sẽ phải đối mặt với nhiều tình huống mà có thể gây nên các rủi ro tiềm ẩn cho dự án, nhưng bạn lại không có đầu mối về các tác động có thể có của chúng đối với dự án. Để giải quyết vấn đề này, bạn có thể cân nhắc tình huống xấu nhất bằng cách tổng hợp các giá trị dự kiến ​​tối đa cho tất cả các biến. Tương tự, bạn có thể tính toán kịch bản tốt nhất. Bây giờ bạn có thể sử dụng phân tích Monte Carlo và chạy các mô phỏng để tạo ra kết quả có khả năng xảy ra nhất cho sự kiện này. Trong hầu hết các tình huống, bạn sẽ gặp mô hình phân bố bình thường hình chuông cho các kết quả có thể có.

Ở đây chúng tôi sẽ đưa ra một ví dụ để giúp bạn dễ hiểu hơn. Giả sử bạn đang quản lý dự án liên quan đến việc tạo ra mô-đun eLearning. Việc tạo ra mô đun eLearning bao gồm ba nhiệm vụ: viết nội dung, tạo đồ hoạ, và tích hợp các yếu tố đa phương tiện. Dựa trên kinh nghiệm trước đây hoặc kiến ​​thức chuyên môn khác, bạn xác định các trường hợp tốt nhất, ước tính nhiều trường hợp và ước lượng trường hợp xấu nhất cho mỗi hoạt động này:

Mô phỏng Monte Carlo ngẫu nhiên chọn các giá trị đầu vào cho các nhiệm vụ khác nhau để tạo ra các kết quả có thể. Hãy giả sử rằng mô phỏng được chạy 500 lần. Từ bảng trên, chúng ta có thể thấy rằng dự án có thể được hoàn thành bất cứ nơi nào trong khoảng từ 11 đến 23 ngày. Khi mô phỏng Monte Carlo được thực hiện, chúng ta có thể phân tích tỷ lệ phần trăm của mỗi thời gian và thu được kết quả giữa 11 và 23. Bảng dưới đây miêu tả kết quả của mô phỏng Monte Carlo:

Điều này có thể được hiển thị bằng đồ họa theo cách sau:

Ví dụ như bảng và biểu đồ ở trên gợi ý rằng khả năng hoàn thành dự án trong 17 hoặc ít hơn vậy là ngày trở xuống là 33%. Tương tự như vậy, khả năng hoàn thành dự án trong 19 ngày hoặc ít hơn là 88%, vv. Lưu ý tầm quan trọng của việc xác minh khả năng hoàn thành dự án trong 17 ngày, vì đó là thời gian mà bạn mong đợi dự án kéo dài, theo ước tính Lớn nhất,. Với các phân tích trên, nhiều khả năng dự án sẽ kết thúc bất kỳ lúc nào trong khoảng từ 19 đến 20 ngày.

LỢI ÍCH CỦA VIỆC SỬ DỤNG PHÂN TÍCH MONTE CARLO

Bất cứ khi nào bạn phải đối mặt với một dự báo phức tạp hoặc 1 tình huống dự báo có mức độ phức tạp cao và mơ hồ, bạn nên sử dụng mô phỏng Monte Carlo để phân tích khả năng đáp ứng các mục tiêu của bạn, dựa trên các yếu tố rủi ro của dự án, dựa trên mô tả sơ lược  hồ sơ tiến độ rủi ro của bạn. Nó rất hiệu quả vì nó dựa trên đánh giá dữ liệu về số lượng mà không bao gồm phỏng đoán đơn thuần. Những lợi ích chính của việc sử dụng phân tích Monte Carlo được liệt kê dưới đây:

• Đây là một phương pháp mà bạn có thể dễ dàng đạt được kết quả khả quan cho một tình huống mơ hồ và giới hạn độ tin cậy liên quan đến kết quả. Các điều kiện tiên quyết chỉ là bạn nên xác định giới hạn phạm vi và tương quan với các biến số khác.
• Đây là một kỹ thuật hữu ích để đưa ra quyết định dựa trên số liệu để bảo vệ quyết định của mình.
• Mô phỏng Monte Carlo rất hữu ích trong việc phân tích chi phí và tiến độ. Với sự giúp đỡ của phân tích Monte Carlo, bạn có thể thêm chi phí và lên lịch tình huống rủi ro cho mô hình dự báo với mức độ tự tin cao hơn.
• Bạn cũng có thể sử dụng phân tích Monte Carlo để tìm ra khả năng đáp ứng các mốc thời gian của dự án và các mục tiêu trung gian.

Bây giờ sau khi bạn đã nhận thức được phân tích Monte Carlo và những lợi ích của nó, chúng ta hãy nhìn vào các bước cần thực hiện trong khi phân tích dữ liệu bằng cách sử dụng mô phỏng Monte Carlo.

PHÂN TÍCH MONTE CARLO: CÁC BƯỚC

Trong phân tích Monte Carlo có một chuỗi  hàng loạt các bước sau sẽ được liệt kê dưới đây:

1. Xác định các biến dự án rủi ro chính.
2. Xác định giới hạn phạm vi cho các biến dự án.
3. Xác định trọng lượng xác suất cho các phạm vi giá trị này.
4. Thiết lập các mối quan hệ cho các biến tương quan.
5. Thực hiện mô phỏng chạy dựa trên các biến đã được xác định và tương quan.
6. Thống kê phân tích các kết quả của mô phỏng hiện hành.

Mỗi bước được liệt kê ở trên của mô phỏng Monte Carlo sẽ được mô tả chi tiết dưới đây:

1. Xác định các biến rủi ro dự án chính: Một biến rủi ro là một tham số rất quan trọng cho sự thành công của dự án và chỉ một sự khác biệt nhỏ trong kết quả của nó có thể tác động tiêu cực đến dự án. Các biến số rủi ro của dự án thường được cô lập bằng cách sử dụng độ nhạy và phân tích độ mơ hồ. Phân tích độ nhạy được sử dụng để xác định các biến số quan trọng nhất trong một dự án. Để xác định các biến số quan trọng nhất trong 1 dự án, tất cả các biến đều phải chịu 1 độ lệch cố định và phải phân tích được kết quả. Các biến số có tác động lớn nhất đến kết quả của dự án được phân lập như những biến số rủi ro dự án chính. Tuy nhiên, việc phân tích độ nhạy có thể dẫn đến một số kết quả sai lầm vì nó không tính đến tính thực tế của sự thay đổi dự kiến ​​đối với một biến cụ thể. Do đó điều quan trọng là phải thực hiện phân tích độ mơ hồ song song với phân tích độ nhạy.
   Sự phân tích độ mơ hồ bao gồm việc xác định tính phù hợp của một kết quả và giúp xác minh tính thích hợp hoặc tính hợp lệ của một biến cụ thể. Một biến dự án dù có khả năng gây ảnh hưởng lớn đến toàn bộ dự án vẫn có thể là không đáng kể nếu xác suất xuất hiện của nó cực kỳ thấp. Vì vậy điều quan trọng là phải thực hiện phân tích độ mơ hồ.
2. Xác định giới hạn phạm vi cho các biến dự án: Quá trình này bao gồm việc xác định các giá trị tối đa và tối thiểu cho mỗi biến rủi ro của dự án. Nếu bạn có sẵn dữ liệu lịch sử thì công việc này sẽ dễ dàng hơn. Bạn chỉ cần sắp xếp các dữ liệu sẵn có dưới dạng phân phối tần số bằng cách nhóm số lần xuất hiện trong các khoảng giá trị liên tiếp. Trong tình huống mà bạn không có đủ dữ liệu lịch sử, bạn cần dựa vào sự đánh giá của chuyên gia để định trước các giá trị có thể xảy ra nhất.
3. Xác định trọng số xác suất cho phạm vi giá trị được xác định: Bước tiếp theo là phân bổ xác suất xảy ra cho biến rủi ro của dự án. Để làm như vậy, bạn phải triển khai phân phối xác suất giá trị. Một số cách phân bổ xác suất được sử dụng phổ biến để phân tích rủi ro là phân bổ thông thường, phân bổ thống nhất, phân bổ sơ đồ tam giác và phân bổ theo các bước. Các phân bổ thông thường, phân bổ thống nhất và theo sơ đồ tam giác thì vừa là phân bổ vừa là thiết lập xác suất đối xứng trong phạm vi xác định với nồng độ khác nhau tính từ tâm. Các loại phân bổ xác suất được sử dụng phổ biến được mô tả trong các sơ đồ dưới đây:
   
4. Thiết lập các mối quan hệ cho các biến tương quan: Bước tiếp theo liên quan đến việc xác định mối tương quan giữa các biến số rủi ro của dự án. Tương quan là mối quan hệ giữa hai biến hoặc nhiều hơn hai biến, trong đó sự thay đổi trong một biến gây ra sự thay đổi đồng thời trong biến còn lại. Trong mô phỏng Monte Carlo, các giá trị đầu vào cho các biến rủi ro của dự án được lựa chọn ngẫu nhiên để thực hiện chạy mô phỏng. Do đó, nếu một số đầu vào biến rủi ro nhất định được tạo ra vi phạm mối tương quan giữa các biến, giá trị mong đợi của đầu ra có thể sẽ bị giảm. Do đó, việc thiết lập mối tương quan giữa các biến và sau đó áp dụng các ràng buộc để chạy mô phỏng là rất quan trọng trong việc đảm bảo việc lựa chọn ngẫu nhiên các đầu vào không vi phạm tương quan đã được xác định. Điều này được thực hiện bằng cách định nghĩa một hệ số tương quan dùng để xác định mối quan hệ giữa hai hay nhiều biến. Khi các vòng mô phỏng được thực hiện bởi máy tính, việc xác định một hệ số tương quan sẽ đảm bảo rằng mối quan hệ chỉ định được tuân thủ mà không bị vi phạm.
5. Bước tiếp theo bao gồm việc thực hiện chạy mô phỏng, bằng cách sử dụng một phần mềm mô phỏng và 500-1000 mô phỏng chạy lý tưởng tạo thành một kích thước mẫu tốt. Trong khi thực hiện chạy mô phỏng, các giá trị ngẫu nhiên của các biến rủi ro được lựa chọn với sự phân bố xác suất xác định và tương quan.
6. Phân tích thống kê các kết quả mô phỏng: Mỗi mô phỏng biểu thị cho xác suất xảy ra 1 tình huống rủi ro. Một phân bổ xác suất tích lũy của tất cả các mô phỏng chạy được phác họa và nó có thể được sử dụng để giải thích xác suất cho kết quả của dự án trên hoặc dưới một giá trị cụ thể. Việc phân phối xác suất tích lũy này có thể được sử dụng để đánh giá rủi ro dự án tổng thể.

KẾT LUẬN

Mô phỏng Monte Carlo là một kỹ thuật chuyên môn có giá trị cao dùng để phân tích các rủi ro, cụ thể là những vấn đề liên quan đến chi phí và tiến độ. Thực tế là nó dựa trên số liệu thu thập được bằng cách chạy nhiều mô phỏng thêm vào những giá trị thậm chí lớn hơn nhiều vào kỹ thuật chuyên môn này. Nó cũng giúp loại bỏ bất kỳ loại thiên hướng dự án nào liên quan đến việc lựa chọn các phương án thay thế trong khi lập kế hoạch cho các rủi ro. Trong khi chạy mô phỏng Monte Carlo, bạn nên thúc đẩy sự tham gia tích cực từ các nhà hoạch định chính sách và các bên liên quan, đặc biệt khi thỏa thuận về các giá trị phạm vi của các biến rủi ro của dự án và các mẫu phân bố xác suất được sử dụng. Bạn có thể sẽ phải đi 1 chặng đường dài để lấy được lòng tin từ các bên liên quan vào khả năng xử lý rủi ro tổng thể của dự án. Hơn nữa, đây là cơ hội tốt để làm cho họ biết về toàn bộ kế hoạch quản lý rủi ro được thực hiện cho dự án.

Mặc dù mô phỏng Monte Carlo có rất nhiều lợi ích, nhưng độ tin cậy của các đầu ra vẫn phụ thuộc vào độ chính xác của các giá trị phạm vi và các mô hình tương quan, nếu có, mà bạn đã xác định trong quá trình mô phỏng. Vì vậy, bạn nên thực hiện 1 cách thận trọng trong khi xác định các tương quan và các giá trị phạm vi. Nếu không thì toàn bộ nỗ lực của bạn sẽ trở nên lãng phí và bạn sẽ không nhận được kết quả chính xác nào cả.