परियोजनाएं हर उद्योग की एक दीर्घकालिक विशेषता होती हैं। चाहे वे करोड़ों डॉलर के प्रयास हों या पड़ोस में नींबू पानी की दुकान, लागत तुरंत स्पष्ट नहीं हो सकती है। एक सटीक, व्यापक, अनुकरणीय और श्रव्य, पता लगाने योग्य, विश्वसनीय और समय पर लागत अनुमान बनाना है एक महत्वपूर्ण कार्य. ये अनुमान विकल्पों के विश्लेषण, डिज़ाइन ट्रेडऑफ़ और बनाने या खरीदने के निर्णयों के लिए आधार बनाते हैं। वे हमारे ग्राहकों को तेजी से बेहतर निर्णय लेने में मदद करते हैं।
हालाँकि, गुणवत्ता अनुमान तैयार करना कोई आसान काम नहीं है। लागत अनुमानकों और विश्लेषकों को कई चुनौतियों का सामना करना पड़ता है जो उनके अनुमानों की सटीकता और गुणवत्ता से समझौता करती हैं। अपना अगला अनुमान बनाते समय इन 5 चुनौतियों को ध्यान में रखें:
चुनौती #1: लागत प्रभावों की मात्रा निर्धारित करना
एक इंजीनियर को डिज़ाइन संशोधनों के माध्यम से एक घटक की लागत को 20% तक कम करने की आवश्यकता हो सकती है। हम आवश्यकता को पूरा करने के लिए प्रत्येक विकल्प के लिए प्रत्येक डिज़ाइन पैरामीटर के प्रभाव को कैसे मापते हैं?
मान लीजिए कि हमारे पास एक लागत आकलन संबंध (सीईआर) है जो घटक के वजन के प्रति संवेदनशील है, लेकिन हमें विभिन्न ताकत की विभिन्न सामग्रियों का उपयोग करने के लागत प्रभाव को मापने की आवश्यकता है। ताकत हमारा प्रमुख डिजाइन पैरामीटर है, इसलिए वजन सीईआर ताकत के आधार पर विकल्पों के प्रति संवेदनशील नहीं है। अनुमानकर्ताओं को यह निर्धारित करने की आवश्यकता है कि क्या लागत उस पैरामीटर के प्रति संवेदनशील है और यह निर्धारित करने की आवश्यकता है कि यह कैसे प्रतिक्रिया देती है।
आकलनकर्ताओं को नए उत्पादों या दृष्टिकोणों के लिए लागत प्रभावों का भी विश्लेषण करना चाहिए जो अज्ञात या अमूर्त हैं। नए नियमों, मानव जीवन या यहां तक कि समय के प्रभावों को डॉलर के मूल्य के रूप में मापना व्यक्तिपरक हो सकता है लेकिन विकल्पों की तुलना करने और व्यापार करने के लिए आवश्यक है। हो सकता है कि आप किसी ऐसे कदम पर विचार कर रहे हों जिससे आपको किराए में $300 की बचत होगी, लेकिन आपकी यात्रा में हर तरफ 30 मिनट अतिरिक्त लगेंगे। प्रत्येक दिन आपके समय का वह अतिरिक्त घंटा कितना मूल्यवान है?
चुनौती #2: संसाधन की कमी
लागत अनुमान समय पर होना चाहिए! समय अनुमान लगाने के कई पहलुओं को सीमित करता है, जिसमें डेटा संग्रह और सत्यापन, डेटा गुणवत्ता और स्थिरता शामिल है।
विश्लेषक हमेशा अधिक डेटा चाहते हैं, लेकिन अच्छे डेटा के लिए समय लगता है।
चुनौती #3: उपलब्ध डेटा की गुणवत्ता
संसाधन की कमी अनुमानकर्ताओं द्वारा प्राप्त किए जा सकने वाले डेटा की गुणवत्ता और मात्रा को चुनौती देती है। यदि पर्याप्त समय उपलब्ध नहीं है, तो अनुमानकर्ता मूल स्रोत से हेरफेर किए गए द्वितीयक डेटा स्रोतों का उपयोग कर सकते हैं। द्वितीयक डेटा, विशेष रूप से जिसमें संपूर्ण दस्तावेज़ीकरण की कमी होती है, उसकी सीमित उपयोगिता होती है।
इसके अतिरिक्त, डेटा अनुमानकर्ता एक विश्वसनीय, रक्षात्मक अनुमान चाहते हैं जो मौजूद नहीं हो सकता है। यदि डेटा मौजूद है, तो विश्लेषक इसे और अधिक चाहते हैं। क्या पर्याप्त डेटा है? यह "अच्छा" है डेटा? पर्याप्त गुणवत्ता और उपलब्धता का डेटा रक्षात्मकता को मजबूत करता है और अनुमानों के लिए सांख्यिकीय निष्ठा प्रदान करता है।
जब आप एक नई कार खरीदते हैं, तो आप केवल पहली कार ही नहीं देखते हैं। आप सर्वोत्तम सौदे के लिए खरीदारी करें। आप डेटा इकट्ठा करते हैं - डीलरशिप बिक्री, निर्माता प्रचार, उपभोक्ता रिपोर्ट, सुरक्षा रेटिंग। आप अपने निर्णय को विभिन्न प्रकार के डेटा के साथ सूचित करते हैं जो विभिन्न स्रोतों से संदर्भ प्रदान करते हैं।
इन स्रोतों से संपूर्ण शेड्यूल, तकनीकी, प्रदर्शन, परिचालन, बजट, वास्तविक लागत और किसी भी अन्य डेटा को प्राप्त करने का प्रयास करना जो एक अनुमानकर्ता सपना देख सकता है, चुनौती #4 है:
चुनौती #4: बड़ी संख्या में संगठन शामिल
डेटा एकत्र करने में कई अलग-अलग डेटा स्रोत और संगठन शामिल होते हैं जिनके बारे में अनुमानकर्ताओं को पता होना चाहिए। अनुमानकर्ताओं को इन सभी स्रोतों के साथ संवाद और समन्वय करने की आवश्यकता है। उपयोगी होने के लिए, डेटा पहुंच योग्य होना चाहिए, इसलिए अनुमानकर्ताओं और विश्लेषकों को उचित गैर-प्रकटीकरण समझौते (एनडीए) प्राप्त करने या प्रत्येक संगठन के लिए अन्य सुरक्षा आवश्यकताओं को पूरा करने की आवश्यकता हो सकती है। यह प्रक्रिया समय की बाधा उत्पन्न करती है (चुनौती #2)। यदि डेटा पहुंच योग्य नहीं है, तो अनुमान की गुणवत्ता प्रभावित होती है।
चुनौती #5: निरंतरता
एक बार जब विश्लेषक कई समय अवधि के माध्यम से विभिन्न स्रोतों से ये सभी डेटा एकत्र करते हैं, तो उन्हें इसे सुसंगत और तुलनीय बनाना होगा। सुनने में काफी सरल लगता है - हमने इसे चुनौती #4 से पार कर लिया, है न?
यहां चुनौती यह है कि ये संगठन स्वाभाविक रूप से भिन्न हैं और समय के साथ प्रक्रियाएं, प्रक्रियाएं और संरचनाएं बदल गई हैं, यहां तक कि डॉलर का मूल्य भी बदल गया है!
यदि आपको किसी नए फ़ोन मॉडल का अनुमान लगाना हो, तो आप ऐतिहासिक फ़ोन डेटा की एक विस्तृत श्रृंखला से शुरुआत करेंगे। एक अनुमानक के रूप में, आप मुद्रास्फीति के लिए लागतों को समायोजित करते हैं। आप सत्यापित करते हैं कि प्रत्येक फोन के निर्माण के लिए श्रम लागत में समान वस्तुएं शामिल हैं। क्या वे भारमुक्त हैं? क्या उनमें फ्रिंज शामिल है? क्या शुल्क शामिल है? समय के साथ फोन के तकनीकी पैरामीटर बदल गए हैं। एक फोन में 64 जीबी स्टोरेज है; जबकि, दूसरे में केवल 260 एमबी स्टोरेज है। तुलनीय होने के लिए इकाइयाँ सुसंगत होनी चाहिए - 64 जीबी बनाम 0.260 जीबी। प्रत्येक फ़ोन के घटक भी अलग-अलग होते हैं और आपके नए फ़ोन मॉडल के घटक भी अलग-अलग होते हैं। विश्लेषकों को डेटा को तुलनीय बनाने की आवश्यकता है - सभी फोन समान नहीं बनाए गए हैं। आप यह नहीं मान सकते कि 10 साल पहले के फ्लिप फोन का डेटा 2015 के स्मार्टफोन के डेटा के बराबर है।
संगठन इन चुनौतियों को कम करने के लिए रिलेशनल डेटाबेस बनाने में समय और पैसा लगा रहे हैं, जिसमें कई स्रोतों से विभिन्न प्रकार के डेटा और एक सुसंगत प्रारूप में ऐतिहासिक डेटा शामिल है। इस बोझ को कम करके, विश्लेषकों के पास उच्च-गुणवत्ता वाले डेटा के साथ काम करने और चुनौती #1 पर ध्यान केंद्रित करने के लिए अधिक समय है।