Hoe bereid je jouw gegevens voor op AI-gestuurde projectmanagementtools? 

Digitaal projectmanagement is niet mogelijk zonder een grondige data-analyse. De hoeveelheid data kan zo groot zijn dat ons menselijk brein niet in staat is om dit te verwerken. Gelukkig bestaat er de nodige projectmanagement-software om ons hierbij helpen. Deze software kan echter alleen maar behoorlijk werken als de nodige gegevens worden voorbereid en in het systeem worden ingevoerd. Veel projectmanagers besteden hier echter te weinig tijd aan. Om een significante verbetering in de multi-project organisatie te bereiken is deze voorbereiding echter essentieel. Professor Paul Boudreau beschrijft het belang van data voor digitaal projectmanagement in zijn boek “Applying artificial intelligence to project management”.

Eénduidige en structurele ingave van data
AI-gebaseerde software is en blijft een machine en de resultaten die weergegeven worden na het implementeren van AI in projectmanagement-software zijn afhankelijk van de manier waarop data zijn ingevoerd. Het éénduidig en gestructureerd ingeven van data is een absolute noodzaak. Hierbij ontstaan dan ook verschillende vragen zoals: welke gegevens heb ik nodig, welke documenten moet ik voorbereiden voor mijn database, wat kan een invloed hebben op mijn resultaten, wat kan mijn software helpen om mijn gegevens efficiënt te verwerken.

Soorten gegevens
Elke beslissing die je neemt bij projecten – al dan niet gebruik makend van gegevensanalyse – is gebaseerd op gegevens uit het verleden, het heden en de toekomst.
Volgende gegevens uit het verleden dienen per project te worden verzameld : rapport met knelpunten van het project, capaciteit van resources versus output, output versus gespendeerde uren, budget versus werkelijk gespendeerde uren. De registratie van alle project-gerelateerde informatie in één enkel rapport is een zeer belangrijke stap bij het voorbereiden van uw gegevens voor AI-tools. Dit kan gefaseerd (telkens wanneer er projectinformatie beschikbaar is) of in één keer na afloop van het project.
Huidige gegevens over projectplanning, beschikbaarheid van middelen, wijziging van orders, beleid en afspraken binnen de organisatie dienen verzameld te worden. Elk project moet ingedeeld worden als een dataset dat gemakkelijk kan verwerkt worden door een software. Het opslaan van documenten in verschillende formaten maakt de verwerking soms moeilijk waardoor het resultaat niet altijd de juiste voorspelling toont.

Verschillende interne en externe factoren kunnen de resultaten van je multi-projectmanagement in de toekomst beïnvloeden en een effect hebben op jouw output. Het systeem dient hiermee rekening te houden om je resultaten te voorspellen.

Correctheid van gegevens
Bij het verwerken van grote hoeveelheden gegevens is de kwaliteit ervan een uitdaging en soms zelfs een probleem. Gekende problemen hierbij zijn : typefouten, gebruik van hoofdletters, cijfers gecombineerd met letters, onjuiste tekens, verschillende vormen van datavelden, niet ingevulde velden, en foutieve spelling. Hoewel machines slim genoeg zijn om verschillende functies uit te voeren, kunnen ze op basis van foutieve gegevens niet de correcte output weergeven.

Verwerken en structureren van gegevens
In een multi-project organisatie is het vaak beter om over een werknemer te beschikken die verantwoordelijk is voor het verzamelen, verwerken en structureren van gegevens zodat de AI-tools deze informatie gemakkelijk kunnen gebruiken. Zorg er voor dat de data input voor alle projecten gebeurt volgens bepaalde standaarden door bijvoorbeeld te werken met templates. Bij het samenstellen van een bepaald type document moet het ingeven van de data zo gebeuren dat de AI-tool het document kan herkennen en onderscheiden van andere type documenten. Zo maak je bijvoorbeeld bij de rapportage van problemen best categorieën van het type probleem.

Toekomstvoorspelling
Algoritmes zullen – ongeacht de complexiteit en omvang van het project en het aantal projecten – gegevens analyseren om patronen te vinden, sjablonen aan te maken en een model weer te geven dat in de toekomst kan gebruikt worden om fouten te vermijden en betere resultaten te bekomen. Op dit moment zijn instrumenten echter nog niet in staat om het verband tussen een risico en een bepaalde taak te identificeren als er geen handmatig gedefinieerde verbinding tussen hen bestaat.

Referentie
Boudreau, Paul (2019). Applying Artificial Intelligence to Project Management. Amazon Fulfillment.