پیش‌بینی براساس دسته مرجع (RCF)

زهرا شاهنوش

در طول دهه های اخیر باوجود استفاده از روش های پیشرفته تر برای پیش بینی هزینه و زمان پروژه ها، همچنان اختلاف میان برآوردها و نتایج واقعی پابرجاست. «پیش بینی بر اساس کلاس مرجع (RCF[1])» به عنوان یک رویکرد نوین، به منظور افزایش دقت پیش بینی ها و کاهش خطاها و سوگیری های شناختی در ارزیابی پروژه ها شناخته شده است. این روش با استفاده از اطلاعات پروژه های مشابه گذشته، سعی دارد پیش بینی دقیق تری از هزینه ها، زمان و عواید پروژه ها ارائه دهد. علاوه براین و با استفاده از مثال هایی از پروژه های مختلف، نشان داده می شود که چگونه دیدگاه بیرونی و استفاده از تجربیات گذشته می تواند دقت پیش بینی ها را به طرز چشمگیری افزایش دهد.

در طی بیش از نیم‌قرن گذشته ایده غالب این بوده است که برای فهم درست از منافع و هزینه‌های مگاپروژه ها باید به روش‌های دقیق‌تر و پیچیده‌تری جهت تخمین و پیش بینی روی آوریم و طی سال‌های اخیر با پیشرفت‌های فنی قابل‌توجهی در این حوزه مواجه بوده‌ایم. با این ‌وجود، نظریه پردازان معتقدند در سال‌های اخیر بهبودی در وضعیت افزایش هزینه و زمان و همچنین اختلاف عواید پیش‌بینی‌شده و محقق‌شده مگاپروژه ها مشاهده نمی‌شود؛ در چنین وضعیتی برخی از پژوهشگران بیان می‌کنند که اگر برنامه‌ریزان به‌راستی انجام پیش‌بینی‌های درست را مهم می‌دانند، توصیه می‌شود از روش پیش‌بینی جدیدی به نام «پیش‌بینی براساس دسته مرجع» برای کاهش عدم ‌دقت و سوگیری در پیش‌بینی‌ها استفاده کنند.

این روش در ابتدا برای جبران سوگیری های شناختی در پیش بینی های انسانی توسط دنیل کاهنمن، روانشناس و برنده جایزه  نوبل اقتصادی (2002) معرفی شد. همچنین این روش به‌عنوان روشی که دقیق‌تر از پیش‌بینی‌های معمولی است، به ثبت رسیده است. انجمن برنامه‌ریزی آمریکا[2] نیز برنامه‌ریزان را تشویق می‌کند تا از این روش علاوه‌بر روش‌های سنتی، به‌عنوان راهی برای افزایش دقت استفاده کنند.

در این روش اتخاذ یک نگاه خارجی و از بیرون به پروژه‌ای که قصد پیش‌بینی مولفه های آن وجود دارد، در دستور کار قرار می گیرد. این روش سعی در پیش‌بینی رویداد‌های نامشخص خاصی که در پروژه تاثیر می‌گذارد، ندارد و در عوض برمبنای اطلاعات پروژه‌های مشابه، پروژه مد نظر را در توزیع آماری نتایج پروژه‌های دسته مرجع قرار می‌دهد.

برای استفاده از این روش در هر پروژه سه گام زیر باید طی شود:

• شناسایی یک دسته مرجع مرتبط از پروژه‌های گذشته؛ این دسته باید به اندازه کافی گسترده باشد تا از نظر آماری معنادار شود.
• ایجاد یک توزیع احتمال برای دسته مرجع انتخاب شده. این امر مستلزم دسترسی به تعداد کافی داده‌های مشاهدتی و معتبر از پروژه‌ها در دسته مرجع است.
• مقایسه پروژه مد نظر با توزیع دسته مرجع برای دستیابی به محتمل‌ترین برآورد.

این روش در ابتدا برای جبران سوگیری‌های شناختی در پیش­‌بینی‌های انسانی معرفی شد. همچنین این روش به‌عنوان روشی که دقیق‌تر از پیش‌بینی­‌های معمولی است، به ثبت رسیده است.

نخستین کاربست RCF

کاهنمن سال‌ها پیش در پروژه‌ای برای تالیف یک برنامه درسی با موضوعی جدید مشارکت داشت. تیمی از معلمان و دانشگاهیان رهبری این پروژه را در دست داشتند. پس از مدتی تیم مذکور شروع به بحث درباره مدت زمان تکمیل پروژه کرد. از همه اعضای تیم خواسته شد تعداد ماه‌های مورد نیاز برای اتمام پروژه و گزارش آن را روی یک برگه بنویسند؛ برآورد‌ها بین 18 تا 30 ماه متغیر بود. در جریان این تخمین از یکی از اعضای تیم که متبحر و دارای تجربه بیشتری بود خواسته شد تا در حد امکان پروژه‌های مشابه قبلی خود را به یاد آورده و بگوید مدت زمان تکمیل چنین پروژه‌هایی چقدر بوده است. وی پس از مدتی با کمی ناراحتی پاسخ داد که تمام تیم‌های قابل‌مقایسه‌ای که می‌توانست به خاطر آورد هرگز وظیفه خود را کامل نکردند؛ حدود 40 درصد کنار کشیدند و از بین کسانی که باقی مانده بودند کسی نبود که وظیفه خود را کمتر از هفت سال به پایان رساند. سپس از او پرسیده شد آیا دلیلی بر این باور دارد که تیم حاضر دارای مهارت بیشتری نسبت به تیم‌های قبلی است؟ وی در جواب گفت هیچ عامل مرتبطی را مشاهده نمی‌کند که این تیم را از تیم‌های قبلی متمایز کند و تصور او این بود که تیم حاضر از نظر منابع و پتانسیل مقداری کمتر از حد متوسط است، اما اعضای تیم این اطلاعات را بدبینانه تلقی کردند. درنهایت اتفاقی که افتاد این بود که آن‌ها بعد از هشت سال پروژه را به پایان رساندند و تلاش‌های آنان تا حد زیادی به هدر رفت و برنامه درسی حاصل به‌ندرت مورد استفاده قرار گرفت.

در این مثال دو پیش‌بینی برای اتمام پروژه صورت گرفت؛ یکی برآمده از نگاه درونی و دیگری برآمده از نگاه بیرونی و بر مبنای دسته مرجع.

• دیدگاه درونی همان دیدگاهی است اعضای تیم اتخاذ کردند. آن‌ها با تمرکز روی پروژه‌ای که در دست داشتند، با توجه به هدف، منابع و موانع تکمیل کار، پیش‌بینی‌هایی انجام دادند. آنان در ذهن خود سناریوهایی از پیشرفت ساختند و روند فعلی را به آینده تعمیم دادند. سناریوهای حاصل، حتی محافظه‌کارترین آن‌ها، بیش از حد خوش‌بینانه بود.
• دیدگاه بیرونی در اینجا همان سوالی بود که از یکی از اعضا باسابقه تیم پرسیده شد؛ این دیدگاه جزئیات پروژه در جریان را کاملاً نادیده گرفت و هیچ تلاشی برای پیش‌بینی رویدادهایی که در آینده روی پروژه تاثیر می‌گذارد، نداشت؛ در عوض، تجربیات گروهی از پروژه‌های مشابه را بررسی کرد، توزیع تقریبی از نتایج را برای این طبقه مرجع ارائه کرد و سپس پروژه فعلی را در آن توزیع قرار داد. همان‌طورکه معلوم شد، پیش‌بینی حاصل بسیار دقیق‌تر بود.

جدول 1- نگاه درونی و نگاه بیرونی

تحقیقات بسیاری تضاد و مغایرت بین نتایج دو دیدگاه درونی و بیرونی را تایید کرده‌اند. این تحقیقات نشان می‌دهند وقتی از افراد سؤالات ساده‌ای پرسیده و از آن‌ها خواسته می‌شود دیدگاهی بیرونی داشته باشند، پیش‌بینی‌های آن‌ها به‌طور قابل‌توجهی دقیق‌تر می‌شود. بااین‌حال، اکثر افراد و سازمان‌ها تمایل دارند دیدگاه درونی را اتخاذ کنند. رویکرد سنتی دررابطه با یک پروژه پیچیده، شامل تمرکز روی خود پروژه و جزئیات آن، توجه ویژه به ویژگی‌های خاص و غیرمعمول آن و همچنین تلاش برای پیش‌بینی رویدادهایی می‌شود که بر آینده آن تاثیر می‌گذارند.

 این ایده که از دید خارجی به پروژه نگاه شود و آمار و اطلاعات مرتبط ساده‌ای دررابطه با پروژه جمع‌آوری شود، به‌‎ندرت به ذهن یک برنامه‌ریز می‌رسد و تامل برانگیز است که برنامه‌ریزان استفاده از دیدگاه درونی را به دیدگاه بیرونی ترجیح می‌دهند. هنگامی که این دو روش با مهارت یکسانی به کار گرفته می‌شوند، برای دیدگاه بیرونی احتمال بیشتری وجود دارد که تخمین واقعی‌تری به دست دهد، زیرا دیدگاه بیرونی سوگیری‌های شناختی و سیاسی مانند تعصب خوش‌بینی [3]یا ارائه نادرست راهبردی [4]را دور می‌زند و مستقیما به نتایج می‌رسد. در دیدگاه بیرونی برنامه‌ریزان و پیش‌بینی‌کنندگان ملزم به ساخت سناریو، حدس زدن رویداد‌ها یا سنجش سطح توانایی و کنترل خود و دیگران نیستند بنابراین نمی‌توانند در این موارد خطا داشته باشند. مطمئناً دیدگاه بیرونی ازآنجا که مبتنی بر سابقه تاریخی است، ممکن است در پیش‌بینی نتایج پروژه‌هایی که خارج از نمونه‌ها واقع شده، شکست بخورد، اما برای اکثر پروژه‌ها نتایج دقیق‌تری را پیش‌بینی می‌کند؛ درمقابل تمرکز روی جزئیات درونی راهی به‌سوی عدم دقت و درستی در پیش‌بینی‌هاست.

رواج کاربست روش RCF

در طی سال های اخیر این روش با اقبال برنامه ریزان مواجه و به سرعت در پروژه های بزرگ مقیاس زیرساختی مورد استفاده قرار گرفت. از جمله این روش در پروژه احداث خط جدید مترو در انگلیس به کار گرفته شد. بدین‌منظور ابتدا لیستی از اطلاعات پروژه‌های مشابه تهیه شده است، سپس مقوله یا مقولاتی که تخمین آن برای برنامه‌ریزان مهم بوده و در مورد آن نگرانی دارند، مد نظر قرار می گیرد برای مثال اگر برنامه‌ریزان نگران این هستند که هزینه‌های ساخت به‌‎درستی تخمین زده شود، توزیع نتایج در دسته مرجع با توجه به دقت تخمین هزینه‌های ساخت در نظر گرفته می‌شود و درنهایت پروژه مد نظر (در اینجا مترو) با توزیع دسته مرجع مقایسه می‌شود. 

نمودار 1- طبیق برآورد هزینه پروژه‌های ریلی (بریتانیا) با سطح قابل‌قبول ریسک افزایش هزینه

طبق این نمودار اگر سرمایه‌گذاران بخواهند ریسک افزایش هزینه 50 درصد را قبول کنند، مقدار پیش‌بینی هزینه ساخت را باید تا 40 درصد افزایش دهند. همچنین اگر بخواهند ریسک افزایش هزینه 10 درصد باشد، باید پیش‌بینی هزینه ساخت را تا 68 درصد افزایش دهند. مثلاً اگر برای یک پروژه ریلی که در ابتدا هزینه آن چهار میلیارد پوند تخمین زده شده، ریسک 50 درصد افزایش هزینه را در نظر بگیرند، 6/1میلیارد پوند و اگر ریسک 10 درصد افزایش هزینه را در نظر بگیرند، 7/2 میلیارد پوند افزایش هزینه را باید لحاظ کنند. به‌عبارتی ابتدا برآوردی از روش‌های دیگر صورت می‌گیرد و سپس برای صحت‌سنجی برآوردهای انجام‌شده و نزدیکی آن به واقعیت، طبق چنین نموداری ریسک تخمین را کاهش می‌دهند.

پاینویس

[1] Reference Class Forecasting

[2] APA

[3] به این معنا که برنامه‌ریزان و مدیران تصمیماتشان را بیشتر براساس نوعی خوش‌بینی و خوش‌خیالی می‌گیرند تا تحلیل سازمند سود و زیان و احتمالات.

[4] Strategic misrepresentation: