Zastosowanie klasyfikacji obiektów w ocenie ryzyka projektów informatycznych

• Autorzy: Dżega D.
• Języki publikacji: PL

Abstrakty

PL

Zadanie klasyfikacji danych zaprezentowane w artykule może znaleźć praktyczne zastosowanie w pracach nad projektami informatycznymi, a w szczególności we wspomaganiu działań zespołów projektowych. Z uwagi na fakt, że podejście to nie wymaga znacznych wydatków inwestycyjnych, a jej funkcjonalność umożliwia przewidywanie zachowań projektu, narzędzie to może zostać wykorzystane przez instytucje finansujące projekty informatyczne oraz przez docelowych użytkowników systemów informatycznych. Dysponowanie informacjami pochodzącymi z oceny ryzyka umożliwia zespołom projektowym lepsze przygotowanie się do zmian podczas planowania oraz realizacji przedsięwzięć. Natomiast, ocena ryzyka pozwala zespołom projektowym na wybór odpowiednich kierunków postępowania, poprzez zidentyfikowanie różnych alternatyw realizacji projektu oraz związanego z nimi ryzyka. Tym samym, zespół projektowy posiada możliwość lepszego przygotowania się do drugiego etapu zarządzania ryzykiem, do kontroli ryzyka, obejmującej opracowanie działań zapobiegania zagrożeniom oraz sposobów postępowania w przypadku ich wystąpienia.

EN

Estimating costs, time and scope for software projects is a necessary part of projects planning and realization. Prognosis of these values usually is a knotty process, because software projects, especially in their initial phase, of the development, are strongly undefined. Moreover, the project's vagueness results from the uncertainty concurrent to their realization. The appropriate selection of prediction methods for basic projects' parameters that will use information internal and external information plays a great importance in this situation. This article, presents multiclass objects' classification applied to the task of software projects risk assessment, demonstrating the main advantages of machine learning methods incorporated therein.

Słowa kluczowe

PL

projekt IT; ryzyko; obsługa procesu decyzyjnego; pozyskiwanie danych

EN

IT projects; decision process support; data mining

• Wydawca: Komisja Informatyki Polskiej Akademii Nauk, Oddział w Gdańsku
• Czasopismo: Metody Informatyki Stosowanej
• Rocznik: 2008
• Tom: nr spec. (Tom 14)
• Strony: 27--41
• Opis fizyczny: Bibliogr. 20 poz., rys., tab.

Twórcy

autor

Dżega D.

• Politechnika Szczecińska, Wydział Informatyki

Bibliografia

• [1] Cichosz P. Systemy uczące się. Wydawnictwa Naukowo-Techniczne, 2007
• [2] Dżega D. Software Project Activity. Polish Journal of Environmental Studies, Vol. 16, No 5B, 2007
• [3| Dżega D. Metoda oceny ryzyka projektów informatycznych. Rozprawa doktorska, Wydział Informatyki Politechniki Szczecińskiej. 2008 (w recenzji)
• [4] Flasiński M. Zarządzanie projektami informatycznymi. Wydawnictwo Naukowe PWN, 2006
• [5] Hand D., Manilla II., Smyth P. Eksploracja danych. Wydawnictwa Naukowo-Techniczne, 2006
• [6] Kendrick T. Identifying and Managing Project Risk: Essential Tools for Failure-Proofing Your Project. AMACOM, 2003.
• [7] Kerzner H. Project Management A Systems Approach to Planning, Scheduling, and Contwlling. John Wiley & Sons, 2001.
• [8] Marchewka J. Information Technology Project Management. Providing Measurable, Organizational Value. John Wiley & Sons. 2003.
• [9] Meli R. Risks, requirements and estimation of a software project Proceedings of the 10th European Software Control and Metrics Conference, 1999.
• [10] Mendes E., Watson I.. Triggs Ch., Mosler N., Counsell S. A Comparative Study of Cost Estimation Models for Web Hypermedia Applications. Empirical Software Engineering. Volume 8, Issue 2, 2003.
• [ll] Moczulski W. Knowledge Engineering and Diagnostics - Today and Tomorrow. Diagnostyka 30 tom 2. 2004.
• [12] PMBOK Guide, 200Ą Edition. Project Management Institute, 2004
• [13] Pritchard C. Zarządzanie ryzykiem w projektach. Teoria i praktyka. WIG-Press, 2001
• [14| Szyjewski Z. Metodyki zarządzania projektami informatycznymi. Wydawnictwo Placet , 2004
• [15] Larose D. Discovering knowledge in data. An Introduction to Data Mining. Wiley & Sons, 2005
• [16] Patterson-Hine A., Aaseng G., Pattipati K. A Review of Diagnostic Techniques for ISHM Applications. NASA, 2005
• [17] Radkowski S. Wykorzystanie informacji diagnostycznej w zorientowanej na bezpieczeństwo eksploatacji maszyn. Diagnostyka 2 (38), 2006.
• [18] Raport Computerworld TOP 200 - 2006. Dostępny w dniu 15 lutego 2008 r. pod adresem: http://www.computerworld.pl/numery/ numer__ 1643.html
• [19] Wallace L., Keil M., Rai A. Understanding software project risk: a cluster analysis. Information & Management (42), 2004
• [20] Witten I. H., Frank E. Data Mining. Practical Machine Learning Tools and Technigues, Second Edition. Morgan Kaufmann Publishers, 2005.