A Gestão de Projetos de Big Data – Parte II

No último artigo comentei sobre as possíveis abordagens aplicáveis na gestão de projetos de Big Data. Também abordei algumas características de um projeto gerenciado por meio de técnicas tradicionais, como o PMI, e de técnicas ágeis, como o Scrum. Ainda enfatizei que, pelo menos por enquanto, as metodologias ágeis parecem mais adequadas para gerenciar este tipo de projeto.

A partir deste post, vamos tratar de outras questões igualmente importantes: riscos, pessoas, patrocínio para o projeto, adequação de valor ao negócio, retorno sobre o investimento (ROI) e a gestão do entusiasmo.

A minha percepção é que, mesmo com uma abordagem ágil na gestão de projetos de Big Data, os riscos devem ser muito bem identificados e gerenciados.

Sempre gerenciei os riscos em projetos utilizando toda base de conhecimento sobre o assunto.  Tenho como meta manter um “dicionário” de potenciais riscos por tipo de projeto para facilitar a discussão sobre o assunto sempre que um novo projeto começa. Falar sobre riscos, ao invés de parecer que estamos jogando contra o projeto, demonstra uma maturidade em saber lidar com situações perigosas que podem acontecer. Desta forma, dificilmente é necessário começar do zero na identificação de riscos, pois, mesmo quando o projeto tem alguma característica especial, a experiência em gestão de projetos ou mesmo a experiência em lidar com situações características dentro da empresa são conhecidas pelo gestor do projeto ou pela equipe da empresa.

Este processo envolve a identificação de potenciais riscos internos e externos ao projeto. Isso quer dizer que dentro das empresas, quando iniciamos um projeto, é muito comum termos algum nível de experiência para indicar quais são os riscos inerentes àquele projeto particular. Mesmo quando o projeto está sendo executado pela primeira vez dentro da empresa, é comum conseguirmos identificar outros projetos semelhantes e iniciarmos uma discussão positiva quanto ao que pode acontecer para prejudicar o bom andamento dos trabalhos.

As boas práticas de Gestão de Projetos indicam que em todo projeto sempre há vários tópicos e oportunidades que precisam ser gerenciados. Identificá-los, analisá-los e preparar-se para eles, sabendo exatamente o que deve ser feito para contorná-lo ou endereçá-lo é fundamental para o sucesso do projeto. Com projetos de Big Data não é diferente.

O Plano de Gestão de Riscos pode ser resumido nos seguintes passos:

• Identificar os Riscos
• Fazer uma Análise Quantitativa (probabilidade de ocorrer)
• Fazer uma Análise Qualitativa (gravidade ou severidade se ocorrer)
• Planejar as Respostas aos Riscos
• Gerir, Monitorar e Controlar os Riscos
• Aprender com os problemas

Mas isto é o que diz a abordagem tradicional. Como em projetos de Big Data as metodologias ágeis parecem mais adequadas, será que podemos abrir mão da gestão de riscos?

Não, aliás, tenho visto que a falta de gerenciamento de riscos em projetos ágeis causa muitos problemas. Naturalmente, devido à característica da gestão deste tipo de projeto, as várias e frequentes interações tornam muito mais fácil resolver um problema quando ele aparece. Mas tenho notado que muitas pessoas não sabem o que fazer e acabam diminuindo o desempenho de toda equipe quando algo não previsto acontece. Sprints são prejudicados, o burndown não segue o padrão esperado e muito retrabalho ou ajustes são colocados no backlog.

Com projetos de Big Data isso também acontece. Aliado aos problemas gerais de gestão da metodologia ágil, o que normalmente acontece neste tipo de projeto é a dificuldade de encontrar outros projetos semelhantes para comparar e ter alguns riscos básicos para iniciar a discussão.

Minha sugestão, tanto em projetos ágeis, especialmente em projetos de Big Data, é que o gestor do projeto tenha uma especial atenção para:

• Pesquisar o que deu errado em outros “cases” de Big Data (mesmo que não tenham relação direta com o projeto que está sob sua responsabilidade)
• Criar e manter uma matriz de Riscos específica para projetos de Big Data
• Discutir com a equipe a cada Sprint e nas reuniões de planning a importância de identificar, comunicar e enfrentar os riscos de maneira adequada.

Desta forma será possível criar uma cultura organizacional que não tenha medo dos riscos, mas também não os subvalorizem. Há várias situações que podem levar um projeto ao fracasso. Identificar os Riscos para evitar que isso aconteça é tarefa do Gestor do Projeto.

E, um aspecto que aumenta os Riscos de um projeto de Big Data está associado a um problema muito comum: Gerenciar a grande expectativa que sempre existe neste tipo de projeto. Muitos “vendem” projetos de Big Data como sendo a salvação para todos os problemas das organizações. E isso por si só já é um enorme risco.

Mas este é o assunto do nosso próximo post.

Até lá!

Celso Poderoso é mestre em Tecnologia, especialista em Sistemas de Informação e economista. É coordenador de pós-graduação da FIAP nos MBAs em Big Data, BI, Oracle, Cloud e Infraestrutura de TI. É Gerente de Serviços da MicroStrategy. Atua desde 1984 na área de TI, especialmente em desenvolvimento de sistemas, banco de dados e Business Intelligence. Possui cinco livros publicados na área de banco de dados, como SQL Curso Prático e Oracle PL/SQL 10g. Todos editados pela Novatec Editora.