قدرت اندازه گیری و تجسم ریسک سرمایه گذاری فناوری اطلاعات: مدیریت نمونه کارها IT

آیا ارزش تلاش افزایشی برای تعیین ریسک سرمایه گذاری مالی فناوری اطلاعات به عنوان بخشی از پرونده تجارت سرمایه گذاری فناوری اطلاعات را دارد؟مدتها پیش (حداقل ، از نظر IT) ، یک مدل مدیریت نمونه کارها IT توسط یک شرکت بزرگ فناوری اطلاعات به مشتریان شرکت ها معرفی و معرفی شد. 1 که در آگوست 2003 توسعه یافته است ، هدف از این مدل کمک به مشتریان در تصمیم گیری های بهتر در مورد سرمایه گذاری در پرتفوی IT خود در زمینه میراث میراث در حال رشد و نیاز آنها به نوآوری IT بود.

الگوی مدیریت نمونه کارها IT بر اساس اصول مدیریت نمونه کارها مالی ، به طور خاص ، رابطه بین ریسک سرمایه گذاری و بازده سرمایه گذاری مطابق با به اصطلاح تجارت بازپرداخت ریسک بود. تجارت این است که بازده سرمایه گذاری بالاتر فقط با در نظر گرفتن ریسک سرمایه گذاری بالاتر می تواند داشته باشد. 2

این مدل همچنین از یک شکل اصلاح شده از مفهوم ماتریس گروه مشاوره بوستون (BCG) از ستاره ها ، گاوهای نقدی ، سگ ها و علائم سؤال استفاده کرده است تا به شناسایی سرمایه گذاری های فناوری اطلاعات کمک کند که به احتمال زیاد می تواند سهم مالی صحیحی در سازمان داشته باشد. ابزار BCG 40 ساله امروز هنوز در حال استفاده است. 3

در این مقاله به بررسی مدل مدیریت نمونه کارها 15 ساله IT می پردازیم و آن را با الگوی مدیریت نمونه کارها سرمایه گذاری ISACA در تضاد ISACA در تضاد قرار می دهد. 4 جایی که مدل مدیریت نمونه کارها IT صریحاً ریسک سرمایه گذاری مالی را در نظر گرفته و بازده در نظر گرفته است ، پارادایم مدیریت نمونه کارها ISACA صریحاً آن را باز می گرداند و ترکیب سرمایه گذاری IT را باز می گرداند ، جایی که "مخلوط" نشان دهنده نسبت نمونه کارها IT است که در آن سرمایه گذاری می شود ، به عنوان مثال ، به عنوان مثال ،فناوری اطلاعات معاملاتی ، اطلاع رسانی ، تحول گرا (استراتژیک) و زیرساختی. 5

خطر عدم موفقیت و تغییرپذیری مورد انتظار بازده سرمایه گذاری IT

با فرض تراز صحیح بین تجارت و فناوری اطلاعات ، دانستن اینکه خطر عدم موفقیت و تغییرپذیری مورد انتظار بازده مالی یک سرمایه گذاری فناوری اطلاعات می تواند به طور امکان پذیر باشد که ذینفعان در مورد چگونگی استقرار ، چگونگی تأمین آن و ماهیت توسعه فرآیند مورد نیاز ، دوباره فکر کننداز تکرارپذیری و قوام اطمینان حاصل کنید.

این امر به این دلیل است که تعهداتی به مدیر ارشد اجرایی (مدیرعامل) و/یا هیئت مدیره (BOD) در مورد توانایی های سرمایه گذاری جدید برای کمک به تحقق اهداف استراتژیک و مالی سازمان ، با مدیر ارشد اطلاعات (CIO انجام می شود.) با توجه به اینكه عدم موفقیت پروژه IT این اهداف را به خطر می اندازد ، احتمالاً با خطر شهرت قابل توجهی برای سازمان.

تکنیک های شبیه سازی مونت کارلو به کاربران کمک می کند تا تنوع سرمایه گذاری IT و خطر خرابی را تجسم کنند. به عنوان مثال ، شکل 1 یک سرمایه گذاری آینده نگر IT را با میانگین بازپرداخت مورد انتظار حدود 290،000 دلار ، انحراف استاندارد در حدود 200،000 دلار آمریکا و احتمال 30 درصد پوند نشان می دهد که این پروژه بازده مالی منفی (شکست مالی) را تولید می کند. معیارهایی از این دست مفید هستند زیرا آنها به تعریف اشتهای ریسک سرمایه گذاری IT سازمان کمک می کنند ، که تصمیماتی را در مورد تأیید سرمایه گذاری جدید IT راهنمایی می کند.

شکل 1 تمام بازده مورد انتظار از یک پروژه IT را نشان می دهد ، که احتمال بالایی از بازده منفی (منطقه سایه دار) و تنوع قابل توجهی از بازده ها (عرض توزیع) را نشان می دهد.

با برخی گزارش ها مبنی بر عدم موفقیت بیشتر پروژه های فناوری اطلاعات ، 6 ، 7 چه احتمال عدم موفقیت یک سازمان مایل به پذیرش آن است؟آیا ارجح است که با فرض اینکه موفقیت آمیز باشد یا باید برنامه ریزی پیشرو بیشتر اجباری باشد ، به استقرار IT مراجعه کنید؟تجزیه و تحلیل ریسک سرمایه گذاری IT کمک می کند تا زمینه ای برای پاسخ به این سؤالات فراهم شود.

موارد تجاری وجود دارد و موارد تجاری وجود دارد

حاکمیت خوب فناوری اطلاعات یک مورد دقیق تجاری 8 را می طلبد و در هر دو مدل نمونه کارها ، مزایای سرمایه گذاری IT در واقع توسط پرونده تجاری ضبط می شود. بدون یک پرونده تجاری تأیید شده ، وظیفه حاکمیت پیگیری مزایا تقریباً غیرممکن می شود.

با این حال ، این مدل مدیریت نمونه کارها IT ، با کمیت ریسک مالی سرمایه گذاری ، یک گام به گام جلوتر می برد تا بینش های جالبی را در مورد آرایش نمونه کارها IT ارائه دهد. به طور کلی ، در حالی که موارد تجاری ممکن است با ارزیابی کیفی ریسک پشتیبانی شود ، آنها به طور کلی با ارزیابی ریسک مالی سرمایه گذاری پشتیبانی نمی شوند.

ساده ترین راه برای تعیین ریسک سرمایه گذاری استفاده از تجزیه و تحلیل حساسیت است که درصد تغییر در مزایا را در نتیجه تغییر 1 درصدی در یک متغیر ورودی ، مانند هزینه های کارکنان تعیین می کند. تأثیر کلیه متغیرهای ورودی کلیدی از این طریق تعیین می شود و تأثیر آنها بر مزایای مورد انتظار برای یافتن ورودی هایی که بیشترین تأثیر را در مورد تجارت دارند ، و برای آنها به پاسخ های ریسک نیاز است. نکته منفی تجزیه و تحلیل حساسیت این است که فقط یک متغیر در یک زمان در نظر گرفته می شود.

روشهای پیشرفته تر برای تعیین ریسک سرمایه گذاری - تغییرپذیری تنوع همه متغیرها به طور همزمان - روشهای احتمالی را از بین می برد ، که محبوب ترین آنها شبیه سازی مونت کارلو است. 9 این تکنیک در کتابچه راهنمای بررسی CGEIT در حوزه بهینه سازی ریسک ذکر شده است.

در اصل ، شبیه سازی مونت کارلو متغیرهایی را در مورد تجارت با توزیع احتمال مربوط به عدم اطمینان مدل جایگزین می کند. در فرآیندی که شامل هزاران تکرار است ، مجموعه ای از مقادیر تصادفی را از هر توزیع برای استفاده در پرونده تجاری ، برای هر تکرار ، که در آن نتیجه هر تکرار یک نتیجه احتمالی تجاری را تعریف می کند ، انتخاب می کند. پس از اتمام ، تمام نتایج در توزیع برای تجزیه و تحلیل ، مانند شکل 1 ترسیم می شوند.

روشهای مونت کارلو به فرد این امکان را می دهد که با اطمینان از درجه اطمینان ، مزایای سرمایه گذاری IT را در یک محدوده مشخص قرار دهد ، نه اینکه به عنوان یک ارزش واحد بیان شود ، همانطور که توسط یک مورد تجاری سنتی ارائه می شود. شانس سرمایه گذاری IT در بازگشت به رقم دقیق ارائه شده توسط یک پرونده تجاری سنتی ، در بهترین حالت از راه دور است.

ترسیم پرونده های تجاری IT

در سازمانی که به اصول حاکمیت خوب فناوری اطلاعات مشترک است ، موارد تجاری برای مهمترین پروژه های فناوری اطلاعات موجود در نمونه کارها وجود خواهد داشت و در مورد نشان داده شده در شکل 1 ، ریسک پذیری بازده مورد انتظار نیز تعیین می شود. هنگام ترسیم ، طرح ممکن است شبیه به شکل 2 باشد.

بر اساس تجارت ریسک-پاداش ، انتظار می رود یک خط روند شیب دار به سمت بالا با نقاط داده کافی ، همانطور که در شکل 2 نشان داده شده است. هرچه سرمایه گذاری های فناوری اطلاعات به خط روند نزدیک تر باشند ، همانطور که انتظار می رفت عمل می کنند. هرچه سرمایه گذاری های IT از این خط دورتر باشد (سرمایه گذاری های برجسته توسط یک طرح تاریک تر) ، احتمالاً پروفایل های بازده ریسک می توانند به طور غیر ارادی اصلاح شوند (توسط بازار در مورد منطقه B) یا به طور داوطلبانه (با پاسخ به ریسک یا یک پاسخ ریسکتمرکز بر تحقق مزایا).

محور عمودی بازده مورد انتظار از سرمایه گذاری IT را ترسیم می کند ، در حالی که محور افقی خطرناک بودن آن بازده ها را ترسیم می کند ، که با انحراف استاندارد بازده تقسیم شده توسط میانگین بازده اندازه گیری می شود (اطلاعات حاصل از خروجی شبیه سازی در شکل 1). اشتها ریسک سرمایه گذاری IT سازمان نشان داده شده است ، به عنوان تغییرپذیری قابل قبول بازده.

تفسیر نمودار

تقاطع بین خط روند و خط اشتها خطر از نظر مفهومی نمودار را در شکل 2 به چهار حوزه تقسیم می کند:

1. منطقه A ، علائم سؤال - بیشترین سرمایه گذاری های طبقه بندی شده به عنوان نوآورانه در این زمینه یافت می شود. نوآورانه یا تحول گرایانه نوید بازده بالایی را می دهد ، اما ریسک مرتبط با آن به ندرت بیان می شود ، حداقل از همه فروشندگان فناوری. نکته این است که نیمی از این سرمایه گذاری ها با شکست روبرو می شوند ، 10 که باعث می شود آنها با احتمال زیاد شکست در معرض خطر باشند. تمرکز استراتژیک باید روی کاهش خطر باشد.
2. منطقه B ، ستارگان - این سرمایه گذاری های جالب است زیرا بازده بالاتری را برای خطر تحمل آنها فراهم می کنند. با فرض ارزیابی ریسک و بازده معتبر است (به عنوان مثال ، تمام هزینه های سرمایه گذاری به طور مناسب به حساب می آیند ، و بیانیه های سود توسط یک برنامه عملی پشتیبانی می شود که به طور قابل توجهی مزایای مطالبات را هدایت می کند) ، چنین مواردی می تواند در صورت استفاده از موقعیت رقابتی رخ دهد. با این حال ، این موقعیت پایدار نیست ، زیرا رقبا در نهایت راه هایی برای رقابت در این منطقه بسیار سودآور پیدا می کنند. یک سیستم جدید هوش تجاری (BI) یا مدیریت روابط مشتری (CRM) (اطلاعاتی) در صنعتی که BI یا CRM ناآشنا است می تواند منجر به این وضعیت شود.
3. منطقه C ، گاوهای نقدی - از آنجا که این سرمایه گذاری های فناوری اطلاعات بازده کمتری از آنچه انتظار می رود برای ریسکی که تحمل می کنند ، ارائه می دهند ، آیا آنها سگ های نمونه کارها سرمایه گذاری IT هستند؟لازم نیست؛IT و زیرساخت های معامله ای ، ستون فقرات هر موفقیت در تجارت است و مواردی را نشان می دهد که حاشیه ها می توانند کم باشند (معاملات) یا جایی که بیشتر مزایای یک سرمایه گذاری فناوری اطلاعات برای تعیین کمیت (زیرساخت) دشوار است. توان در این سرمایه گذاری ها می تواند قابل توجه باشد و به دلیل ملاحظاتی مانند IT در دسترس بالا ، تنوع در عملکرد آنها کم است. مدیریت هزینه برای مدیریت این منطقه ضروری است ، زیرا هرگونه کاهش افزایشی در هزینه ها باعث افزایش بازده آن سرمایه گذاری ها می شود.
4. منطقه D، سگ ها - این احتمالاً کمترین منطقه مطلوب در نمودار است، زیرا سرمایه گذاری های فناوری اطلاعات در اینجا بازده کمی دارند اما ریسک بالایی دارند. علاوه بر تمرکز بر ریسک، این سرمایه گذاری ها باید از طریق یک لنز همسویی استراتژیک و یک لنز کاهش هزینه بررسی شوند.

محدودیت ها

مدل مدیریت پورتفولیو فناوری اطلاعات دارای محدودیت هایی است. برای مثال، استفاده از آن مستلزم سطح خاصی از حکمرانی بلوغ فناوری اطلاعات سازمانی (GEIT) است. برخی دیگر از محدودیت ها عبارتند از:

• همه سرمایه گذاری های فناوری اطلاعات دارای مزایای قابل اندازه گیری نیستند. سرمایه گذاری های نوآورانه (منطقه A) باید توسط یک مورد تجاری مناسب اداره شود.
• محاسبه ریسک سرمایه گذاری برای برخی می تواند پیچیده باشد.
• مدل فقط یک انتزاع از واقعیت است. دیگران هستند.
• مرز ریسک-بازده تخمینی و ریسک پذیری برای شرکت های مختلف متفاوت است، زیرا متوجه می شود که برخی از موارد تجاری سرمایه گذاری فناوری اطلاعات برای سازمان لازم است تا ارزیابی های معقولی از هر دو انجام دهد.

لازم به ذکر است که مزایا و ریسک بیان شده در پرونده تجاری مبتنی بر مفروضاتی است که باید واجد شرایط باشند. مفروضات واجد شرایط دیدگاهی از شرایطی را ارائه می دهند که تحت آن پرونده تجاری بازتاب معقولی از واقعیت خواهد بود.

بدون مفروضات واجد شرایط، فرآیند پیگیری مزایا می تواند برای تیم پرونده های تجاری شرم آور باشد، به ویژه اگر شکاف بین واقعیت و مورد تجاری قابل توجه باشد. بدون اجتماعی کردن این مفروضات، اهرم کمی برای توضیح اینکه چرا این فناوری مزایای ادعا شده را ارائه نکرده است، وجود دارد.

Comparison With ISACA’s IT Investment Portfolio Management Paradigm

یک بخش از تعیین اینکه آیا تلاش افزایشی مورد نیاز برای تولید این مدل مدیریت پورتفولیو فناوری اطلاعات ارزش آن را دارد یا خیر، بستگی به این دارد که عملکرد GEIT در مورد تجاری تا چه حد بالغ است و در حوزه های تحقق منافع مفید است. هر دو مدل به موارد تجاری معتبر بستگی دارد. شکل 3 تفاوت های بین پارادایم مدیریت پورتفولیوی سرمایه گذاری فناوری اطلاعات ISACA و مدل مدیریت پورتفولیو فناوری اطلاعات را خلاصه می کند.

در عمل

دفتر حسابرسی کل کانادا (OAG) به یک مصنوع به نام نمایه ریسک پورتفولیو فناوری اطلاعات اشاره می کند و دریافت که:

(IT) مدیریت ریسک در مواردی که اجزای پرتفوی با اولویت بالا به یکدیگر وابسته هستند، جایی که هزینه خرابی اجزای پرتفوی قابل توجه است، یا زمانی که ریسک های یک جزء پرتفوی، ریسک ها را به جزء دیگر پرتفوی افزایش می دهد، حیاتی است. 11

هزینه عدم موفقیت مؤلفه نمونه کارها (به جای عدم موفقیت نمونه کارها) مربوط به پیامدهای یک سرمایه گذاری IT در فناوری اطلاعات است که نتوانسته است تحویل دهد. از آنجا که گزارش OAG همچنین در مورد آن صحبت می کند که "یک بخش اساسی در توانایی آژانس در دستیابی به اهداف استراتژیک خود" ، 12 نشان می دهد که تراز استراتژیک یک ساختار مهم برای آژانس است و عدم موفقیت اجزای با اولویت بالا برای عملکرد دارای پیامدهای منفی خواهد بودبشر

نتیجه

ریسک مالی بخش مهمی از مدیریت نمونه کارها در سطح سرمایه گذاری های فناوری اطلاعات است. این مقاله ابزاری برای افزایش دید ریسک مالی مؤلفه فناوری اطلاعات به نفع کاهش پیامدهای منفی عدم موفقیت IT بر عملکرد استراتژیک ارائه می دهد.

به طور بالقوه تقویت پارادایم مدیریت نمونه کارها ITACA ITACA ، تجسم ریسک مالی و درک انواع پاسخ ها برای افزایش موفقیت آن در مناطق مختلف ، مانند شکل 2 ، در زمینه کمک به اطمینان از اهداف استراتژیک مفید است. از سازمان حاصل می شود.

از نظر استراتژیک ، تعیین ریسک سرمایه گذاری مالی IT ، بینش های بصری ارزشمندی را در زمینه مدیریت نمونه کارها IT فراهم می کند ، حتی اگر ممکن است کمی بیشتر برای تولید تلاش کند.

نهادهای پایان

1 به عنوان مشاور مدیریت این شرکت بزرگ فناوری اطلاعات در آن زمان ، نویسنده مدل مورد نظر را توسعه داد. یک مطالعه جدید در مورد کتابچه راهنمای بررسی CGEIT ISACA ، دلیل این نویسنده را برای تجدید نظر در الگوی مدیریت نمونه کارها 15 ساله خود و حتی در تضاد آن با الگوی مدیریت نمونه کارها سرمایه گذاری ISACA در نظر گرفته است. 2 Nasdaq ، "TradeOff Risk-Retu" ، تعریف ، www. nasdaq. com/investing/glossary/r/risk-retu-trade-for 3 Reeves ، م. ؛S. Moose ؛T. Venema ؛"BCG Classics Revisited: The Growth Share Matrix ،" گروه مشاوره بوستون ، 4 ژوئن 2014 ، www. bcg. com/publications/2014/growth-share-matrix-bcg-classics-revited. aspx 4 isaca ، cgeit بررسی دستی ، 7نسخه TH ، ایالات متحده ، 2015 ، ص. 95 5 موسسه فناوری ماساچوست (MIT) مرکز تحقیقات سیستم های اطلاعاتی ، مدیریت نمونه کارها IT ، دانشکده مدیریت MIT Sloan ، کمبریج ، ایالات متحده ، https://cisr. mit. edu/research/research-overview/classic-topics/itit-مدیریت پرتفویو/ 6 کریگسمن ، م. ؛"مطالعه: 68 درصد از پروژه های فناوری اطلاعات شکست می خورند ،" Zdnet ، 14 ژانویه 2009 ، www. zdnet. com/article/study-68-percent-of-it-projects-fail/ 7 Ezer ، J. ؛"چرا بسیاری از I. T. پروژه ها شکست می خورند؟ "هافپوست ، 10 سپتامبر 2010 ، https://www. huffingtonpost. com/jonathan-ezer/why-do-so-many-project_b_712060. html 8 op cit isaca 9 sharcnet ، "1. 5 تکنیک طراحی احتمالی ،" دانشگاه واترلو، انتاریو ، کانادا ، https://www. sharcnet. ca/software/ansys/16. 2. 3/en-us/help/hlp_adv/hlp_advpds5. html 10 موسسه فناوری ماساچوست (MIT) مرکز تحقیقات سیستم های اطلاعاتی ، خطر- خطرپروفایل های بازگشت در نمونه کارها IT ، دانشکده مدیریت MIT Sloan ، کمبریج ، ایالات متحده ، 2009 دفتر حسابرس کل کانادا ، "گزارش 5-سرمایه گذاری های فناوری اطلاعات-آژانس خدمات مرزی کانادایی ،" 2015 ، www. oag-bvg. gc. ca/اینترنت/انگلیسی/parl_oag_201504_05_e_40351. html#p17 12 همانجا.

گای پیرس ، CGEIT طی یک دهه گذشته در هیئت های بانکی ، خدمات مالی ، خرده فروشی و غیر سودآور خدمت کرده است. وی همچنین به عنوان مدیر ارشد اجرایی یک تجارت اعتباری خرده فروشی چند ملیتی خدمت کرد ، جایی که پس از بحران مالی جهانی 2008 ، این سازمان را به سودآوری هدایت کرد. وی مقالات متعددی در مورد داده ها و فناوری اطلاعات منتشر کرده است ، و امروز در مورد مدیریت شرکت ها ، مدیریت فناوری اطلاعات و مدیریت داده ها مشاوره می کند.