Prognose der Arbeitsbelastung: Geben Sie der Führungsebene eine Spanne an, kein einzelnes Datum15 Minute gelesen

Ein Lenkungsausschuss stellt eine berechtigte Frage. Wenn wird Werden die sechs Projekte, zu denen wir uns in diesem Jahr verpflichtet haben, umgesetzt?

Der Portfolio-Leiter handelt verantwortungsbewusst:

• Die Arbeit in einzelne Aufgaben unterteilen
• Erstellen Sie für jede Aufgabe einen Kostenvoranschlag gemeinsam mit den Personen, die sie ausführen werden.
• Fasse die Zahlen in einem Zeitplan zusammen
• Ein einzelnes Datum auf eine Folie setzen

Dann verschiebt sich der Termin jedenfalls, selbst bei sorgfältigen Schätzungen und einem Team, das alle versprochenen Ziele erreicht hat.

Die Schätzung prognostiziert die Projekt und das System, in dem es läuft, außer Acht gelassen. Zwei Variablen legen das tatsächliche Datum fest, und keine von beiden bleibt bei einem Roll-up erhalten.

Führung braucht eine Bereich, ein Konfidenzniveau, sobald der Datensatz dies zulässt, und eine Methode, die beides gewährleistet.

Warum Bottom-up-Schätzungen bei Innovationsportfolios versagen

„Estimate-and-Roll-Up“ ist eine sinnvolle Methode. Sie basiert lediglich auf der Annahme, dass Innovationsarbeit still verstößt gegen:

• Das Werk ist gut genug verstanden, um es genau zu zerlegen
• Die zugewiesene Kapazität ist tatsächlich reserviert
• Die Reihenfolge bleibt nach Abschluss der Planung unverändert
• Eine Verzögerung bei einem Projekt hat keine Auswirkungen auf die anderen

Selbst wenn man eine dieser Regeln bricht, liefert die Berechnung immer noch ein Datum. Sie bricht lediglich ab. Bedeutung irgendetwas.

Der Unsicherheitskegel beschreibt die ehrliche Variante. In der frühesten Phase eines Projekts weisen Schätzungen in der Regel eine Bandbreite von etwa viermal in beide Richtungen.

Dieser Kegel verengt sich im Laufe der Arbeiten, allerdings nur, wenn der Umfang bleibt still stehen. In Innovationsportfolios Das Zielfernrohr bewegt sich, und ein sich bewegendes Zielfernrohr erweitert den Strahlengang wieder.

Woher der Schätzfehler tatsächlich stammt

Der Klassiker Forschung zum Planungsirrtum die Lücke in konkreten Zahlen ausdrücken:

• Studierende im Honours-Studiengang schätzten, dass sie für ihre Abschlussarbeiten 33,9 Tage benötigen würden
• Die Arbeiten dauerten tatsächlich 55,5 Tage.
• Nur 29,71 TP5T wurden bis zu ihrem eigenen Prognosetermin fertiggestellt
• In einer separaten Studie im Rahmen derselben Veröffentlichung richteten sich 74% der von den Teilnehmern berichteten Gedanken auf die Zukunft des Plans, während nur 7% rückblickend betrachteten, wie ähnliche Arbeiten eigentlich weg

Erfahrung schützt niemanden davor, denn der Mechanismus ist richtungsabhängig. Die Projektdatenbank von Bent Flyvbjerg zeigt dasselbe Muster in größerem Maßstab.

Neun von zehn Megaprojekten Kostenüberschreitungen sind an der Tagesordnung, und real sind Überschreitungen von bis zu 50% keine Seltenheit.

Das ist die Kostenbilanz im Milliardenbereich. Ein Innovationsportfolio, das auf Teilkapazität hat kein Grund dass man termingerecht Besseres erwarten kann.

Eine Anmerkung zur Quellenhygiene, da dieses Thema häufig zu nachlässigen Zitaten führt. Die vielfach wiederholte Behauptung, dass etwa jedes dritte Projekt erfolgreich ist, geht auf eine unveröffentlichte Methodik zurück.

Wissenschaftler haben hat dies direkt in Frage gestellt, bei der 193 erfahrene IT-Projektmanager befragt wurden und sich herausstellte, dass mehr als 90% der Projekte über dem mittleren Erfolgsniveau lagen. Prognosen auf der Grundlage von Belegen, die Sie prüfen.

Die beiden Faktoren, die Ihren Liefertermin tatsächlich bestimmen

Beides fällt nicht unter den Projektplan, weshalb die Schätzung schwieriger behebt sie nie. Fang mit dem an, den niemand nachbildet.

Auslastung – und warum „90% ausgelastet“ nicht gleichbedeutend mit „90% produktiv“ ist

Die Warteschlangentheorie liefert ein Ergebnis, das für jeden, der Kapazitäten in einer Tabellenkalkulation plant, unangenehm ist.

Kingmans Formel beschreibt die durchschnittliche Wartezeit als Funktion von drei Faktoren: Auslastung, Schwankungsbreite und Bearbeitungszeit. Der Auslastungsfaktor ist derjenige, der Bisse.

Die folgende Tabelle ist eine anschaulicher Indikator für die Wartezeit, und die Form ist wichtiger als die genauen Vielfachen.

Die Wartezeit ist proportional zum Verhältnis von Auslastung zu verbleibend Leistung, sodass sie sich zwischen Halblast und 80% vervierfacht und dann bei Annäherung an die Volllast sprunghaft ansteigt.

Don Reinertsens Vergleich verdeutlicht den praktischen Aspekt. Fertigungsunternehmen typischerweise liegt die Auslastung bei etwa 85%, während technische Arbeiten, wie er anmerkt, häufig an 95% weitergeleitet werden.

Dieser zweite Wert liegt weit jenseits des Punktes, an dem die Kurve steil ansteigt. Und Innovationsportfolios verfügen selten über so viel Spielraum.

Viele davon werden von Leuten betrieben, die nebenbei noch einem Hauptberuf nachgehen. Eine “20%-Zuteilung” ist eine bruchteilig Anspruch auf jemanden, der bereits dort sitzt oder in der Nähe sitzt vollständige Auslastung woanders.

Daher kauft das Unternehmen selten 20% eines kostenlosen Kalenders. In Tabellenkalkulationen werden Prozentsätze addiert; in Warteschlangen werden Wartezeit.

„Work in Progress“ – der Hebel, den man tatsächlich betätigen kann

Das Little’sche Gesetz beschreibt diesen Zusammenhang ganz klar: Die durchschnittliche Zykluszeit entspricht dem durchschnittlichen Arbeitsbestand geteilt durch den durchschnittlichen Durchsatz. Drei Variablen, eine Gleichung, kein Spielraum für Interpretationen.

Der Durchsatz lässt sich nur schwer schnell steigern. Die Einstellung neuer Mitarbeiter dauert Monate, und qualifizierte Fachkräfte im Bereich Innovation sind selten austauschbar.

Also die nur Ein Hebel, der die Zykluszeit kurzfristig beeinflusst, ist in Arbeit befindliche Maßnahmen. Wenn man die Anzahl der laufenden Projekte reduziert, sind die Aufgaben schneller erledigt, ohne dass jemand schneller arbeiten muss.

Die Kosten, die entstehen, wenn man diesen Hebel außer Acht lässt, zeigen sich darin, wie fragmentiert die Arbeit wird. Gloria Marks Feldstudie aus dem Jahr 2005 über Informationsarbeiter hat dies anhand von drei Zahlen verdeutlicht:

• Ungefähr 11 Minuten auf einer Arbeitskugel bevor man zu etwas anderem wechselt
• 57% unterbrochene Arbeitsabschnitte
• Im Durchschnitt lagen 2,26 Arbeitsbereiche dazwischen, bevor die unterbrochene Arbeit noch am selben Tag wieder aufgenommen wurde

Diese Studie misst die individuelle Aufmerksamkeit und nicht die Portfoliobelastung. Dennoch beziffert sie die Kosten für den Wechsel, der ein Portfolio mit zu vielen offenen Positionen kauft weiter ein.

In demselben Vortrag von Reinertsen wird auch die Governance-Seite des Problems beleuchtet. Bitten Sie zehn Interessengruppen, die gleiche Arbeit gleichwertig einschätzen ohne ein gemeinsames Modell für die Verzögerungskosten.

Ihre Zahlen zu den Verzögerungskosten variieren in einer Größenordnung von etwa 50 zu 1. Diese Spanne zeigt, wie sich der Ansatz “Alles hat hohe Priorität” in der Praxis auswirkt, wenn man ihn einmal quantifiziert.

Das ist eine Prognose Mangel. Ein Portfolio ohne vereinbarte Prioritätsreihenfolge verfügt über keine stabile Zeitreihe, anhand derer eine Prognose erstellt werden könnte.

Vier Prognosemethoden, die auch in unsicheren Zeiten Bestand haben

Vier Methoden bewähren sich, wenn die Arbeit wirklich ungewiss ist. Was sie voneinander unterscheidet, ist, was sie Nachfrage aus Ihren Daten.

Keine dieser Methoden beseitigt die Unsicherheit. Jede führt in gewisser Weise in die Irre. spezifisch So ist es nun einmal: wenn die Datenlage lückenhaft ist, wenn sie falsch dargestellt wird oder wenn die Arbeit nie zur Ruhe kommt.

Entscheide dich danach, was du kannst eigentlich Beweise heute. A Vorlagepaket belohnt die am raffiniertesten wirkende Darstellung, und Ihre bisherigen Ergebnisse sprechen selten dafür.

Durchsatzbasierte Prognose

Der empirische Ansatz leitet Prognosen daraus ab, wie schnell Sie vergleichbare Arbeiten tatsächlich fertiggestellt haben. Dabei werden der Plan und das Team außer Acht gelassen. vermuten darüber, was der nächste Punkt beinhalten sollte.

Daniel Vacantis Regel ist hier das Maß aller Dinge: Prognosen sollten niemals auf der Grundlage eines Durchschnitts erstellt werden. Ein Durchschnittswert sagt nichts aus, wenn man nicht die Verteilung dahinter.

Wenn man einen Durchschnittswert mit einem Datum versieht, hat man sich auf ein Konfidenzniveau festgelegt, das niemand angegeben hat.

Bei einem einzelnen Artikel funktioniert das Prinzip wie folgt:

1. Stellen Sie die Zykluszeiten der fertiggestellten Artikel in einem Streudiagramm dar
2. Zeichne die 50.- und 85.-Perzentil-Linien quer über das Diagramm.
3. Lesen Sie die beiden Zeiträume aus diesen Zeilen ab, denen jeweils eine Wahrscheinlichkeit zugeordnet ist

Die Durchsatzprognose weist von den vier Methoden die geringste Einstiegshürde auf. Dazu benötigt man Ihre bisherige Erledigungshistorie, eine einheitliche Arbeitseinheit sowie eine Anzahl oder einen Bereich der noch ausstehenden Aufgaben.

Diese Einheit ist zugleich auch der Fehlermodus. Ein Backlog, in dem eine zweitägige Optimierung mit einem zweimonatigen Build vermischt wird, führt zu einer Verteilung, die nichts Bestimmtes ergibt.

Teilen Sie für einen Durchlauf die verbleibende Arbeit durch die wöchentliche Fertigstellungsrate. Führen Sie die Berechnung für eine durchschnittliche Woche und für eine ruhige Woche durch, um einen unbeschrifteten Bereich zu erhalten.

„Unbeschriftet“ ist die treffende Bezeichnung. Bei einer Aufteilung durch eine ruhige Woche wird davon ausgegangen, dass jede verbleibende Woche ebenfalls ruhig ist, sodass das Ergebnis am anderen Ende umso stärker abweicht, je länger der Durchlauf dauert.

Für die Ermittlung der tatsächlichen Perzentile einer Charge ist die Simulation im nächsten Abschnitt erforderlich.

Monte-Carlo-Simulation

Die Vorgehensweise ist einfach. Man ordnet den unsicheren Eingabewerten auf der Grundlage historischer Daten Wahrscheinlichkeitsverteilungen zu und lässt das Modell anschließend wiederholt mit Zufallsauswahlen laufen.

Monte-Carlo-Verfahren In der Regel werden Tausende von Simulationen durchgeführt, oft 10.000 oder mehr. Das Ergebnis ist eine Wahrscheinlichkeitskurve.

Ein Beispiel mit Lösung aus Die Entwicklerteams der Expedia Group zeigt die Form der Ausgabe, wenn es sich nicht um einen Modelldatensatz handelt. Ihre Eingaben waren bescheiden:

• Daten zum abgeschlossenen Durchsatz der letzten sieben Sprints
• Ein Unter- und Obergrenzenbereich für den verbleibenden Umfang
• Ein Faktor zur Aufteilung der Geschichte, um die Unsicherheit hinsichtlich des Umfangs zu berücksichtigen

Fünfhundert Durchläufe reichten zwar aus, doch sieben Sprints sind gemessen an den unten festgelegten Maßstäben eher wenig. Die Beteiligten wählten einen Termin entsprechend ihrer Risikobereitschaft: 7% (früh), 50% (mittler), 85% (spät).

Die Belege für die Genauigkeit gelten dort, wo die Daten dies stützen. Eine begutachtete Studie bezifferte die Monte-Carlo-Prognosen für den Entbindungstermin auf 32% – mittlere Größe des relativen Fehlers.

Die Prognosen des Unternehmens lagen bei 20%, während die Entwickler selbst von 134% ausgegangen waren.

Die gleiche Studie ergab, dass sich die Genauigkeit stabilisierte, sobald etwa 20 historische Datenpunkte vorlagen. Dieser Schwellenwert ist der ehrlich Einschränkung bei dieser Methode.

Darunter läuft Monte Carlo weiterhin und liefert überzeugend aussehende Ergebnisse aus fast keine Signal. Das ist schlimmer, als zu sagen, man wisse es nicht.

Prognosen der Referenzklasse

Bei der Prognose anhand von Referenzklassen wird der Plan Ihres Projekts durch die Daten ähnlicher Projekte ersetzt. Drei Schritte:

1. Erstellen Sie eine Gruppe von wirklich vergleichbaren abgeschlossenen Projekten
2. Einrichten die Verteilung ihrer tatsächlichen Ergebnisse
3. Suchen Sie das neue Projekt in dieser Distribution

Das ist die Sichtweise von außen, bei der das Projekt anhand seiner Klasse beurteilt wird und nicht anhand des Plans, den es für sich selbst aufgestellt hat. Es ist absichtlich unpersönlich, und genau darum geht es.

Das ist die beste Wahl für die Arbeit, die du je niemals das bereits zuvor umgesetzt wurde, was einen großen Teil jedes echten Innovationsportfolios ausmacht.

Es entlehnt die Geschichte, die man nicht hat, aus einer Klasse, die man definieren kann. Außerdem vermittelt es einem skeptischen Publikum Glaubwürdigkeit. Lenkungsausschuss.

Großbritannien war die erste europäische Regierung, die die Methode als obligatorisch festlegen für die Kostenschätzung bei staatlich geförderten Verkehrsprojekten, und Dänemark folgte kurz darauf.

Der Fehler liegt ausschließlich in der Klassendefinition. Eine Klasse, die nur dazu dient, dem Projekt zu schmeicheln, ist wie ein Blick ins Innere, der sich hinter einer Maske verbirgt.

Rolling-Wave-Neuprognose bei Gates

“Ein bisschen planen, ein bisschen tun.” In der Praxis bedeutet das drei Dinge:

• Detaillierte Planung für die nahe Zukunft
• Platzhalter-Detail für das entfernte Element
• Eine echte Neuprognose an jedem Gate

Ein vom PMI veröffentlichtes Fachartikel greift diesen Gedanken auf und entwickelt ihn weiter zu einem Sechs-Schritte-Prozess für Innovationsprogramme und entspricht der Art und Weise, wie die meisten Portfolios bereits verwaltet werden.

Portfolios mit Phasenkontrolle Das bekommt man fast umsonst. Jedes Tor ist bereits ein Entscheidungspunkt, daher ist die Änderung rein verfahrensrechtlich: Die Erstellung einer neuen Prognose als obligatorisches Gate-Ergebnis festlegen.

Der Fehlermodus ist kaum wahrnehmbar. Eine erneute Prognose verengt den Kegel nur dann, wenn sich der Umfang zwischen den Gates tatsächlich stabilisiert.

Wenn man das bei einem Projekt anwendet, dessen Umfang sich ständig ändert, dokumentiert man einfach immer wieder dieselbe Ungewissheit in Bezug auf einen neuer Datum. Das Ritual findet statt, die Informationen werden dadurch nicht besser.

Anpassung der Methode an den Reifegrad der Daten in Ihrem Portfolio

Ihre Erfolgsbilanz, der Innovationsgrad Ihrer Arbeit und Ihre Führungsstruktur entscheiden darüber, welche Methode Ihnen zusteht. Ordnen Sie diese ehrlich zu:

• Weniger als etwa 20 Messwerte, ganz gleich, was Sie erfassen möchten – sei es die Durchlaufzeiten der einzelnen Artikel oder der Durchsatz pro Sprint. Verwenden Sie Zykluszeit-Perzentile für Einzelstücke und eine unbeschriftete Klammer für Chargen. Legen Sie ein WIP-Limit fest und überspringen Sie die Simulation vollständig.
• Eine stabile Reihe von 20 oder mehr solcher Beobachtungen. Monte-Carlo-Verfahren bewährt sich hier, und der Genauigkeitsunterschied gegenüber Punktenschätzungen ist tatsächlich vorhanden.
• Eine Arbeit, die für Ihr Unternehmen neu ist, für die Welt jedoch nicht. Prognose anhand einer Referenzklasse, selbst wenn Ihnen Durchsatzdaten vorliegen, wobei die Durchsatz-Perzentile für die umliegenden Routinepositionen beibehalten werden. Wenn keine vergleichbare Klasse zusammengestellt werden kann, steht Ihnen diese Methode nicht zur Verfügung.
• Ein stufenweise strukturiertes Portfolio mit einem Rhythmus der Unternehmensführung läuft bereits. Führen Sie eine „Layer Rolling Wave“-Neuprognose auf der Grundlage der oben genannten Methode durch, die am besten zur zugrunde liegenden Arbeit passt.

Ein Kompromiss, den man offen ansprechen sollte, ist die Anwendung der Monte-Carlo-Methode bei einem kleinen Datensatz. Dabei geht es um die Genauigkeit Theater, und die Ergebnisse einer Simulation neigen dazu, Ende das Gespräch.

Ein Bereich mit erkennbaren Annahmen lädt hingegen dazu ein, hinterfragt zu werden. In einer Governance-Sitzung ist das genau das Ergebnis, das man anstrebt, wenn nur wenige Daten vorliegen.

Die meisten Innovationsportfolios sollten zunächst mit Durchsatz-Perzentilen und einer WIP-Obergrenze beginnen und sich dann, sobald sich die Erfolgsbilanz füllt, schrittweise zur Simulation hocharbeiten.

Diese Sequenz kostet nichts. Und sie erstellt die Daten, die die ausgefeiltere Methode später benötigen wird.

So teilst du Leuten, die sich verabreden möchten, einen Zeitrahmen mit

Der eigentliche Einwand gegen probabilistische Prognosen lautet: politisch. Die Unternehmensleitung hat nach einem Termin gefragt, und ein Ausschuss, der stattdessen eine Wahrscheinlichkeitsverteilung erhält, kann dies durchaus als Ausflucht werten.

Eine Frage zur Unternehmensführung mit einem Diagramm zu beantworten, wirkt wie eine Ausflucht, und manchmal ist es ist Erstens: Der Ansatz, der wirklich zündet, ist die Risikobereitschaft.

“50% bis Juni, 85% bis August” – das ist Führungsstärke Auswahl Wie hoch das Terminrisiko sein soll. Je früher der Termin, desto größer das Risiko; je später der Termin, desto größer die Sicherheit.

Eine aussagekräftige Prognose umfasst vier Elemente:

• Der Datumsbereich selbst
• Das mit jedem Datum verbundene Konfidenzniveau oder eine einfache Angabe, dass es kein solches gibt
• Die Annahmen bleiben unverändert: Umfang, Zuordnung und WIP-Grenzen
• Der Auslöser, der eine Neuprognose vor der nächsten planmäßigen Prognose erzwingt

Dieser letzte Punkt ist es, der eine Prognose von einer Wunsch. Wenn man den Auslöser im Voraus festlegt, lässt sich die Diskussion darüber eingrenzen, ob sich die Lage so weit geändert hat, dass die Zahl neu bewertet werden muss.

Im Bereich der Governance werden zudem häufig zwei Dinge miteinander vermischt, die man besser getrennt betrachten sollte:

Wenn man diese beiden Begriffe verwechselt, führt dies dazu, dass Teams sich zu einer 50% Datum. Die Erfahrungen der Ärzte mit der Umstellung sind vielversprechend.

Bei John Lewis & Partners verbrachte ein Team bis zu 10% seiner Jahreskapazität allein auf der Grundlage von Schätzungen.

Das Team stellte auf die Monte-Carlo-Methode um, die mit den bereits vorliegenden Durchsatzdaten gespeist wurde, woraufhin drei Dinge geschahen:

• Die Schätzsitzungen wurden vollständig eingestellt
• Zwei große Aufträge mit festem Liefertermin wurden in derselben Woche pünktlich ausgeliefert
• Die Nachbeobachtungsdaten aus zwei Jahren zeigten eine hohe Genauigkeit bei deutlich geringerem Aufwand

Um fair zu sein, gibt es eine Lücke in der Evidenz, die es zu erwähnen gilt.

Es gibt keine kontrollierte Studie, die belegt, dass Führungskräfte probabilistische Berichterstattung besser akzeptieren als feste Termine. Die vorliegenden Erkenntnisse weisen zwar in die richtige Richtung, stellen jedoch keinen Beweis dar.

Wer Ihnen in dieser Frage Gewissheit verspricht, übertreibt den aktuellen Wissensstand.

Was dies von Ihren Portfoliodaten erfordert

Durchsatz, Monte-Carlo und alle darauf aufbauenden Rolling-Wave-Verfahren haben eine gemeinsame Voraussetzung. Man benötigt eine einwandfreie, lückenlose Bilanz wann die Arbeit in die einzelnen Phasen einging und diese wieder verließ.

Ein Portfolio, das nicht Maßnahme kann anhand seiner eigenen Daten keine Prognosen erstellen. Die Wahl der Methode ergibt sich aus einem Datenproblem, das bisher von niemandem als solches erkannt wurde.

Der „Minimum Viable Datensatz“ ist kurz:

• Zeitstempel für den Ein- und Austritt jedes Elements auf die Bühne
• Eine einheitliche Arbeitseinheit, nach Typ gekennzeichnet, damit Sie Gleiches mit Gleichem vergleichen können
• Ein expliziter Definition von „fertig“ für jede Stufe
• Ein namentlich genannter Eigentümer pro Artikel
• Verbleibender Umfang als Low-High-Bereich für jeden festgelegten Posten, unabhängig davon, ob mit dessen Bearbeitung begonnen wurde oder nicht

Das ist zwar nichts Außergewöhnliches, muss aber genauso erfasst werden jede Zeit, von allen. Die Werkzeugkonstruktion erfasst lediglich das, was die Fachbereiche bereits produzieren.

Fast überall hat der Ehrgeiz die operative Reife überholt. Ein Jahr 2024 BCG-Studie Eine Umfrage unter mehr als 1.000 Führungskräften aus dem Innovationsbereich ergab, dass 83% Innovation zu ihren drei wichtigsten Prioritäten zählen.

Nur 3% Unternehmen gelten nach dem BCG-eigenen Reifegrad-Bewertungssystem als innovationsbereit – ein Rückgang gegenüber 20% zwei Jahre zuvor. Die Absicht ist vorhanden; der operative Aufzeichnung ist es nicht.

Die Prognose fällt genau in diese Lücke, und deren Schließung ist in erster Linie ein Problem der Daten, bevor es ein methodisches Problem ist.

Das lässt sich nicht vorhersagen ein Portfolio, das man nicht sehen kann, und die Struktur des Datensatzes sorgt dafür, dass sichtbar.

Prognostizieren Sie das System, nicht das Projekt

Die meisten Portfolios können ihre Prognosen in diesem Quartal verbessern, ohne neue Anlagen zu tätigen. Was sich ändern muss, ist, was berichtet, und wie viel kostet das bei einmal.

Drei Züge, in dieser Reihenfolge:

• Legen Sie für das Portfolio ein WIP-Limit fest, bevor Sie komplexere Prognosemodelle anschaffen.
• Ersetzen Sie einzelne Datumsangaben durch Perzentile, sofern diese vorhanden sind, und geben Sie die zugrunde liegenden Annahmen daneben an.
• Die Erstellung einer neuen Prognose als obligatorisches Ergebnis festlegen unter jedes Tor, und nicht nur als gelegentlicher Gefallen

Das WIP-Limit steht an erster Stelle, weil es die Durchlaufzeit verkürzt – und das ist der einzige Hebel, der zur Verfügung steht, bevor Daten vorliegen. Nichts anderes hier wirkt so schnell.

Ohne eine klare Struktur in den Aufzeichnungen hat das alles keine Gültigkeit. Geben Sie der Führungsebene den Spielraum und das Maß an Vertrauen, das die Daten jeweils rechtfertigen.

Sobald das System vorhersehbar ist, ist das Datum kein Problem mehr. vermuten.

Laden Sie unser kostenloses ebook herunter Projektportfolio: Von Chancen zu Wert um zu erfahren, wie Sie die Portfolio-Steuerung strukturieren und den Fortschritt sowie den Zustand Ihrer Initiativen verfolgen können.

Eine Demo anfordern Erfahren Sie, wie Accept Mission Ihnen über alle Innovationsprojekte hinweg aus einer Hand einen Überblick über den Lieferverlauf auf Projektphasenebene, Echtzeit-Transparenz über das Portfolio sowie Berichtsmöglichkeiten bietet.