🎲 Representations of Uncertainty (Biểu diễn sự bất định)

Representations of Uncertainty (Biểu diễn sự bất định) là một Tool and Technique thuộc nhóm Ungrouped Tools and Techniques trong PMBOK® Guide – Sixth Edition.

Kỹ thuật này được sử dụng chủ yếu trong quy trình Perform Quantitative Risk Analysis (Thực hiện phân tích định lượng rủi ro) nhằm mô hình hóa mức độ không chắc chắn của các biến số trong dự án như chi phí, thời gian, hoặc hiệu suất.

Thông qua Representations of Uncertainty, Project Manager có thể hiểu rõ phạm vi biến động của các kết quả dự án, từ đó đưa ra ước lượng xác suất, biện pháp kiểm soát và kế hoạch ứng phó rủi ro hợp lý.

🎯 Mục đích của Representations of Uncertainty

Mục tiêu chính của Representations of Uncertainty là:

  • Thể hiện mức độ không chắc chắn của các biến đầu vào trong mô hình phân tích rủi ro.
  • Cung cấp phạm vi ước lượng thực tế hơn thay vì chỉ dựa vào giá trị đơn lẻ.
  • Làm cơ sở cho mô phỏng Monte Carlo hoặc các phương pháp định lượng khác.
  • Giúp ra quyết định dựa trên xác suất, thay vì giả định chắc chắn.

🔢 Các dạng biểu diễn sự bất định phổ biến

PMBOK đề xuất ba phương pháp biểu diễn sự bất định chính:

1. Three-Point Estimate (Ước lượng ba điểm)

Gồm ba giá trị đại diện cho phạm vi biến động của một biến:

- Optimistic (O): Kịch bản tốt nhất.
- Most Likely (M): Kịch bản khả thi nhất.
- Pessimistic (P): Kịch bản xấu nhất.

Áp dụng công thức trung bình có trọng số (PERT):

Expected Value (E) = (O + 4M + P) / 6

2. Probability Distribution (Phân phối xác suất)

Sử dụng đường cong xác suất để mô tả sự biến động của biến số.
Các dạng phổ biến gồm:

  • Triangular Distribution – xác định bởi ba điểm (O, M, P), đơn giản, dễ áp dụng.
  • Beta Distribution (PERT) – phản ánh xác suất thực tế hơn, thường dùng trong quản lý tiến độ.
  • Normal Distribution – áp dụng khi biến động phân bố đối xứng quanh giá trị trung bình.
  • Lognormal Distribution – dùng khi rủi ro nghiêng về một phía (ví dụ: chi phí vượt dự kiến).

3. Uniform Distribution (Phân phối đều)

Tất cả giá trị trong phạm vi đều có xác suất xảy ra bằng nhau.
Thường được dùng khi thiếu dữ liệu lịch sử hoặc khi mọi kết quả đều khả thi như nhau.

⚙️ Quy trình áp dụng Representations of Uncertainty

  1. Xác định biến cần phân tích:
    • Thường là thời gian, chi phí, tài nguyên hoặc khối lượng công việc.
  2. Thu thập dữ liệu:
    • Dựa trên dữ liệu lịch sử, ý kiến chuyên gia (Expert Judgment) hoặc ước lượng của nhóm dự án.
  3. Chọn mô hình biểu diễn phù hợp:
    • Sử dụng Three-Point Estimate khi có ít dữ liệu.
    • Dùng Probability Distribution khi có số liệu đủ lớn và cần phân tích sâu hơn.
  4. Thiết lập mô hình toán học:
    • Gán giá trị xác suất hoặc phạm vi cho từng biến.
    • Nhập dữ liệu vào phần mềm phân tích như @RISK, Oracle Primavera Risk Analysis, hay Excel Add-ins.
  5. Phân tích và mô phỏng:
    • Kết hợp với Monte Carlo Simulation để xác định xác suất hoàn thành mục tiêu.
  6. Diễn giải kết quả:
    • Xác định độ tin cậy (confidence level) của các mục tiêu chi phí và tiến độ.
    • Ví dụ: “Có 85% xác suất hoàn thành dự án trong 180 ngày.”

💡 Ví dụ minh họa thực tế

Một dự án triển khai hạ tầng CNTT có hoạt động “Cài đặt máy chủ”. Nhóm kỹ thuật ước lượng:

O = 4 ngày  (nếu mọi thứ suôn sẻ)
M = 6 ngày  (trường hợp bình thường)
P = 10 ngày (nếu xảy ra lỗi phần cứng)

Áp dụng công thức PERT:

E = (4 + 4×6 + 10) / 6 = 6.33 ngày

Dữ liệu này được nhập vào mô phỏng Monte Carlo để xác định tổng thời gian hoàn thành dự án với xác suất 90%.

✅ Lợi ích của Representations of Uncertainty

  • Phản ánh thực tế hơn so với ước lượng đơn giá trị.
  • Giúp quản lý kỳ vọng của stakeholders bằng xác suất rõ ràng.
  • Là cơ sở cho phân tích định lượng rủi ro nâng cao (Monte Carlo, Tornado Chart).
  • Cải thiện tính chính xác trong dự báo chi phí và tiến độ.

⚠️ Mặt hạn chế

  • Cần dữ liệu lịch sử đáng tin cậy hoặc chuyên gia có kinh nghiệm.
  • Phức tạp về mặt thống kê, khó áp dụng nếu thiếu công cụ hỗ trợ.
  • Nếu chọn sai mô hình phân phối, kết quả phân tích có thể sai lệch.
  • Tốn thời gian xử lý dữ liệu nếu dự án có nhiều biến đầu vào.

🧭 Lưu ý khi sử dụng

  • Luôn kiểm tra tính hợp lý của dữ liệu đầu vào trước khi chạy mô phỏng.
  • Kết hợp Representations of Uncertainty với Sensitivity Analysis (Phân tích nhạy cảm) để xác định biến ảnh hưởng lớn nhất.
  • Ghi rõ giả định và phương pháp sử dụng trong Risk Report để đảm bảo minh bạch.
  • Nên dùng phần mềm chuyên dụng để đảm bảo độ chính xác thống kê.

📎 Tải Template

👉 Bạn có thể tải Uncertainty Analysis Template (Biểu mẫu phân tích và biểu diễn sự bất định trong rủi ro dự án) tại:
🔗 https://nguyenhainam.info/pm-toolbox/