項目管理系統(tǒng)有哪些功能？項目管理系統(tǒng)有哪些不同的技術方案實現(xiàn)？

隨著項目管理業(yè)務的持續(xù)增加、多種管理工具的持續(xù)開發(fā)、內(nèi)部項目數(shù)量的不斷增長，面對大量數(shù)據(jù)，傳統(tǒng)人工項目經(jīng)理越來越力不從心。針對機械型項目管理策略與優(yōu)化機會搜索搜尋，基于項目管理云平臺的商業(yè)智能BI具有很多人工項目經(jīng)理沒有的優(yōu)勢，比如：(1).克服項目經(jīng)理人的心理因素干擾而偏離原先設計的管理策略；(2).多項目多周期多策略的同時并行交互運行；(3).工作時間可以不間斷運行；(4).把機械管理經(jīng)驗積累自動化，把人的大腦和眼睛解放出來做更多創(chuàng)造性的工作；(5).采用大數(shù)據(jù)技術搜尋數(shù)據(jù)海洋里的項目投資機會。雖然商業(yè)智能BI具有很多人工項目經(jīng)理所沒有的獨特優(yōu)勢，但這并不意味著機器可以完全取代人，很多復雜的決策與影響項目生存的小概率事件仍然還要依靠人來決定和執(zhí)行，機器只是起到一個輔助的手段和工具，就像交通工具一樣，有了汽車，人可以日行萬里，但汽車仍然需要人去駕駛，同時相比較于人類步行和使用馬車，專門為汽車設計的高速公路可以讓汽車開得更開、駕乘人員更舒服、汽車運維成本更低。同樣，只有公司管理基礎設施在建設的時候充分考慮了機器自動化系統(tǒng)運維的實際情況，才能讓基于機器自動化的項目管理與商業(yè)智能BI平臺最大發(fā)揮其作用。雖然基于人工智能的無人駕駛技術已經(jīng)投入商用測試階段，但是大部分場景還是面向路況簡單的場景，比如高速公路無人駕駛，而面對大量雜亂無章的行人路面，無人駕駛仍然還無能為力。因此最佳的項目管理平臺設計思路不是完全取代人，而是為人機交互設計最佳的體驗，增強平臺駕乘人員的超控性與舒適性，實現(xiàn)最佳的人機結合，最大化發(fā)揮機器的強力運算能力與項目經(jīng)理及團隊成員的智慧與創(chuàng)新能力，把項目經(jīng)理與項目團隊從海量的人工數(shù)據(jù)搜集和分析工作中解放出來，集中精力到創(chuàng)造性的決策中去。

傳統(tǒng)的人工項目管理與投資分析通常會分為技術分析與基本面分析兩個部分，其中技術分析部分數(shù)據(jù)標準化程度高、不同項目之間指標通用性比較強、量化數(shù)據(jù)比較能反映項目的真實狀況，因此以此做技術創(chuàng)新具有性價比，適合作為項目投資分析平臺的初始切入點。而對于項目獨特性或者沒有類似參考的創(chuàng)新型項目只能采用模型定價投資分析，這些項目管理方法只能依靠項目經(jīng)理的人工基本面分析，比如項目領域、技術集合、復雜程度、風險等級、質量等級、項目運行、財務報表、產(chǎn)業(yè)鏈分析、行業(yè)分析、新聞分析、輿情分析等，這類量化的項目管理商業(yè)智能BI分析通常需要基于自然語言處理的人工智能機器學習、分類決策等技術，這種場景大部分都是非結構化數(shù)據(jù)，通常需要耗費大量投資在數(shù)據(jù)獲取、采集、提取、加工、清洗、人工標注、訓練等方面，投資收益具有很大的不確定性，風險很大，因此在項目管理平臺建設初期最好規(guī)避在這方面的投入，如果實在需要，還是主要靠人工處理后輸入項目管理平臺一些運行參數(shù)比較具有性價比。

程序化項目管理決策代替了傳統(tǒng)項目經(jīng)理80%的機械型工作和決策，比如數(shù)據(jù)收集、簡單計算處理、曲線圖表條件觸發(fā)信號、輔助圖表編制等。但是還有20%更具創(chuàng)新性的分析工作仍然需要人類項目分析員去做，這對人類項目分析員提出了更高的要求。初級項目分析員的工作已經(jīng)被機器代替，但是高級項目分析員與資深項目分析員的工作機器無法代替，高級項目分析員與資深項目分析員可以不在依賴于初級項目分析員的輔助工作，而直接通過人機交互由量化項目管理商業(yè)智能BI平臺幫助其完成原來由初級項目分析員完成的工作。這個時候項目經(jīng)理的培養(yǎng)方式可能和原來也不一樣了，原來“入門項目分析員->初級項目分析員->中級項目分析員->高級項目分析員->資深項目分析員”的職業(yè)發(fā)展路徑直接被砍掉為“高級項目分析員->資深項目分析員”，但是人才成長仍然是需要一級一級的成長起來的，被省掉的職業(yè)發(fā)展路徑只能由其它方法去代替，比如使用電腦游戲與網(wǎng)絡游戲的方式來模擬傳統(tǒng)項目經(jīng)理進階的經(jīng)驗積累過程，電腦游戲與網(wǎng)絡游戲同樣可以使用項目管理平臺作為核心并設計大量的人工智能AI分析員、AI團隊成員、AI項目事件，作為學徒項目分析員的訓練案例。

項目管理平臺前期運營的時候，機器的人工智能應用主要以線性機械計算的程序化邏輯智能為主，通過常見的分析圖表指標組合來做出機械判斷進行程序化管理，比如項目創(chuàng)值曲線、NPV現(xiàn)金流表、項目趨勢分析、資源波動分析、風險波動指標、質量波動指標、變更質量沖擊響應分析、自動化測試后質量等級變更統(tǒng)計分析等。這些基于指標的簡單程序流程化基本上可以完成80%的自動化問題，剩下的20%由人決策并通過參數(shù)與操控開關來駕駛項目管理平臺的實際運行。這種實施方法可以讓項目管理平臺在建設初期具有很大的性價比，可以短期看到他發(fā)揮的巨大作用，就像汽車，相對于人的步行，只是使用機械的物理原理，已經(jīng)幫助人的遠行，起到了相當大的幫助作用。而進一步的基于人工智能神經(jīng)網(wǎng)絡深度學習的無人駕駛技術，則是后續(xù)可以考慮的進一步發(fā)展計劃，相比較于前一步的進步，不確定性更大、要求更高、風險更大。同時，如果沒有前面一步，而直接跳到第二部，基本上是不可能的。

復雜系統(tǒng)可區(qū)分為可分解的復雜Complicated和不可分解的復雜Complex。世界上實際的事物之間的關系錯綜復雜、相互關聯(lián)和相互依賴，無法簡單的把他們分解并簡單對待。人們在面對大量高度復雜的事物時，就像盲人摸象一樣，很難獲得整體上的認識，只能根據(jù)摸到的腳或者摸到的腿來對其認知。高度復雜的事物通常也是需要從高度維度分別對其進行認知和觀察的，而人們只能簡單地識別3維及以下空間的維度，更高地維度只能靠人們在3維空間的經(jīng)驗及想象里去推理想象，不同的人之間必然會存在不同的認知和誤差，面對越來越復雜的事務，人們之間越來越難以精確溝通，或者精確溝通的成本越來越高以至于無法在可接受的范圍內(nèi)完成，只能采用一系列近似簡單的事物組合起來近似逼近表達和溝通復雜事物，這樣必然會存在誤差。面對不同的誤差容忍、逼近成本及認知范圍，人們可能會在多種逼近組合的方案中選擇出相對最優(yōu)的一種組合方案，但有可能不是絕對最優(yōu)的。

理想當中的事物都是簡單系統(tǒng)或者是可分解的復雜系統(tǒng)，這個時候可通過多級分解將系統(tǒng)或者復雜系統(tǒng)分解成多層結構，每層數(shù)量都是在人內(nèi)心里認知可管理范圍內(nèi)的（比如7個），通過多層分解的方式將復雜問題簡單化以達到可以在預期心理、工期、預算內(nèi)解決問題的目的。因此構建出的管理方法和管理組織對應的是層級化、結構化與樹狀的。傳統(tǒng)的項目管理理論基礎也是基于WBS工作任務分解這樣的層級分解結構的。人們通過層級分解復雜事物的方法解決了很多重大問題，比如最常見的省、市、區(qū)、縣將復雜的國家行政管理分解成了相對簡單的地區(qū)管理問題。傳統(tǒng)軟件開發(fā)的瀑布模型與CMMI/CMM等流程化的管理方法也是需要對復雜軟件領域問題進行分解后才能劃分到不同的流程的不同階段，去使用專業(yè)化的工具方法去解決問題。