Cómo establecer márgenes de coste y tiempo en Proyectos

Para garantizar el éxito de un proyecto, es de suma importancia para el Project Manager encontrar maneras de manejar las incertidumbres que pueden suponer problemas potenciales para su proyecto. Los riesgos se relacionan con cualquier aspecto del proyecto, ya sea el costo, el tiempo, la calidad, los RRHH, etc. La clave para la gestión de riesgos es desarrollar lo antes posible un plan de respuestas adecuado a la magnitud de los riesgos presentes.

Para desarrollar un Plan de Respuesta a los Riesgos (PRR), es necesario cuantificar el impacto de los riesgos en el proyecto. De esta forma sabremos también priorizar, y tomar decisiones en función de si una respuesta realmente es efectiva. Estamos invirtiendo recursos en prevenir, ¡y nos queremos asegurar que es mejor eso que no el posible problema futuro! Este proceso se conoce como análisis de riesgo cuantitativo, y en él los riesgos se clasifican en riesgo alto o de baja prioridad en función de la cuantía de su impacto en el proyecto. La A Guide to the Project Management Body of Knowledge, (PMBOK® Guide) del Project Management Institute aboga por el uso del análisis de Monte Carlo para realizar el análisis de riesgo cuantitativo.

   ¿Qué es el Análisis de Monte Carlo?

Un análisis de Monte Carlo consiste en determinar el impacto de los riesgos identificados mediante la realización de simulaciones que identifiquen el rango de posibles resultados, para una serie de escenarios.

En una simulación, primero se elabora un modelo del coste y tiempo del proyecto, que incluya una serie de aleatoriedades o incertidumbres. Es decir, si algunas variables tienen un posible rango de valores, necesitamos una herramienta que nos permita modelar eso. Pensemos en una partida de presupuesto de costes: si por ejemplo creemos que esa partida va a suponer un coste de entre 10.000€ y 20.000€, el modelo más sencillo consistiría en una variable aleatoria que uniformemente pueda tomar cualquier valor dentro de ese margen. Y así modelaríamos cualquier otro parámetro de coste (o tiempo) que sea incierto. Nos interesa incluir el coste de los elementos del proyecto, y/o la duración de las actividades del cronograma.

La herramienta para la simulación nos ha de permitir calcular muchas veces (iterando), utilizando valores de entrada seleccionados al azar a través de una función de distribución de probabilidad. Este proceso de asignar valores aleatorios a cada variable se realiza con la ayuda de algún software de simulación como @Risk, Crystal Ball, SimulAR, Predict!, que revisaremos en profundidad en siguientes posts. El ordenador asignará valores aleatorios a todas las variables de forma simultánea. De esta forma, se podrán correr miles de escenarios, donde en cada uno de ellos se obtiene un determinado resultado de coste total, y de tiempo total de proyecto. O de cualquier otra variable: beneficios, sobrecostes, retrasos, etc.

Una vez que se corren todos los escenarios se obtienen, por ejemplo, 10.000 resultados posibles. Si se grafican estos valores, encontraremos una distribución, un histograma, que nos indica la probabilidad de cumplimiento de cierto valor de coste, o de tiempo.

• Ejemplos de Análisis de Monte Carlo:

En el ejemplo de la Figura 1, se representa el resultado de la variable “beneficios” en un proyecto, calculada como ingresos menos gastos. En esta simulación de Monte Carlo, se obtuvo una media de 6.264€. La probabilidad de tener un resultado positivo asciende al 73,9% y existe un 26,1% de probabilidad de perder dinero. La conclusión de este análisis es que si bien en promedio el proyecto sería rentable, existe un 26,1% de probabilidad de que no lo sea.

Figura 1. Ejemplo de resultado de análisis de Monte Carlo, variable “beneficios”

Como vemos, la Simulación de Monte Carlo aporta información mucho más completa en comparación con utilizar sólo la información del valor medio esperado. Como Project Managers la debemos orientar a poder cuantificar los márgenes necesarios en nuestro presupuesto de costes, o en nuestro cronograma.

Figura 2. Ejemplo de resultado de análisis de Monte Carlo, variable “sobrecostes”

En la Figura 2 vemos otro ejemplo, en este caso se ha modelado la variable “sobrecostes” de un proyecto. Es decir, qué impacto monetario pueden tener las amenazas u oportunidades al finalizar el proyecto. Ante una gráfica así, ¿qué margen debo utilizar para establecer mi presupuesto? Depende del riesgo que quiera tomar. Si establezco que quiero tener un margen de confianza del 85% en el cumplimiento, debo fijar un valor de 104.000$, para poder cubrir la magnitud de las contingencias. La simulación de hecho me da toda la información necesaria para calibrar el riesgo de sobrecostes que puedo asumir frente a mi sponsor o cliente.

En posts siguientes trataremos las diferentes herramientas existentes en el mercado para este tipo de simulaciones de Monte Carlo. ¿Usas alguna de ellas? ¿Qué opinión tienes?

__________________________
* PMBOK is a registered mark of the Project Management Institute, Inc.