Pouvez-vous prouver que votre PMO a amélioré la réussite de vos projets ?

17 Jan

Certains bureaux de conduite de projet (Project Management Office / PMO) n’attirent aucun respect.

Can you prove that your PMO has improved project delivery?

https://kbondale.wordpress.com/2015/12/21/can-you-prove-that-your-pmo-has-improved-project-delivery/ Par Kiron Bondale

Même s’il y a beaucoup de causes pour qu’un PMO soit fermé, l’incapacité à démontrer sa proposition de valeur est l’une des raisons plus communes.

Alors, comment un PMO peut-il prouver qu’il y a eu une amélioration dans la livraison des projets ?

Time to Market, le temps c'est de l'argent

Time to Market: le temps c’est de l’argent

Pour répondre à cette question, nous devons identifier une ou plusieurs métriques qui seront utilisées pour représenter la capacité à livrer un projet. Une métrique généralement utilisé de nos jours est le délai de mise sur le marché (Time to Market / TTM) qui pourrait être calculé comme la durée entre le début des investissements dans le projet et la première livraison de valeur au client.

Vous pourriez penser qu’il s’agit simplement de calculer le TTM moyen basé sur un échantillon de projets pré-PMO et post-PMO, mais ceci n’est pas statistiquement défendable. La taille de l’échantillon pour déterminer des valeurs moyennes pourrait ne pas être suffisante pour prouver que la différence est statistiquement significative. Si la variation est restée stable ou a peu augmenté, et même si le TTM moyen a baissé, les résultats au niveau du portefeuille de projets ne se seront pas améliorés significativement.

Il est temps d’appeler un ami statisticien !

Cela pourrait ne pas avoir de sens que de regrouper tous les projets ensemble pour ces calculs. Par exemple, on pourrait raisonnablement s’attendre qu’un projet de 10,000 euros nécessite habituellement moins de temps pour délivrer de la valeur qu’un projet à 1 million. La taille et la complexité de projet influencent les délais, donc vous pourriez vouloir répartir votre population de projets entre plusieurs groupes distincts.

Essayez la version d'essai gratuit

Essayez la version d’essai gratuite

L’étape suivante est de déterminer la taille d’échantillon minimale pour prouver qu’une différence est statistiquement significative. Des outils d’analyse statistiques comme Minitab vous permettent de calculer la taille de l’échantillon en fonction du test statistique que vous exécuterez, la différence que vous voudriez voir et une estimation de l’écart-type de la population. Par exemple, disons que nous voulions prouver une réduction d’un mois du TTM et que l’estimation de l’écart-type est aussi un mois. Minitab calculera une taille minimale pour notre échantillon de 18 projets. À moins que nous n’ayons au moins 18 projets tant avant la mise en place du PMO que après et ce pour chaque groupe de projets, la différence dans les moyennes ne pourra pas être considérée comme statistiquement significative.

Si vous avez les données suffisantes pour supporter le test statistique, les deux tests statistiques vous pouvez faire tourner pour chaque groupe de projets sont le test à 2 variances et le test t à 2 échantillons. Le premier vous aidera à décider si la différence entre les moyennes avant et après est statistiquement significative ou pas et le deuxième détermine s’il y a une différence statistiquement significative dans la variation entre deux échantillons. Idéalement, après ces tests vous verrez une réduction tant dans le délai moyen de mise sur le marché que dans la variation dans l’échantillon post-PMO. Ceci ne prouvera pas de causalité… Il pourrait y avoir eu d’autres facteurs qui ont plus directement causé l’amélioration, mais vous pourrez déclarer avec confiance que les choses se sont améliorées depuis que votre PMO a été établi.

Une supposition de base de ces tests est qu’avant et après la mise en place du PMO les données de TTM soient normalement distribuées. Ceci peut être confirmé utilisant la Statistique d’Anderson-Darling. S’il s’avère que l’échantillon est significativement non-normal, d’autres tests devraient être utilisés pour prouver une amélioration.

bienfonde-statistiques

Disraeli voyait juste quand il a dit : « Il y a trois types de mensonges – des mensonges, des satanés mensonges et la statistique « 

Mais, utilisé convenablement, le test statistique peut supporter le bienfondé et la survie d’un PMO.

SMPP est Partenaire d DantotsuPM

SMPP est Partenaire d DantotsuPM

Enregistrer

Enregistrer

Enregistrer

Enregistrer

déposer un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s

%d blogueurs aiment cette page :