Belajar Project Manager - Data & Metrics-Driven PM
Data-driven decision making membedakan PM yang baik dari PM yang hebat. Di episode ini kita pelajari metrik proyek, analitik, prediksi via AI, dan cara membuat dashboard metrik yang actionable
#Pendahuluan
Setelah di episode 15 kita mempelajari quality management, pada episode ini kita fokus pada data & metrics-driven PM — bagaimana menggunakan data untuk mengambil keputusan yang lebih baik dan memprediksi masalah sebelum terjadi.
#Metrik Proyek Utama
| Metrik | Formula | Target |
|---|---|---|
| Schedule Performance Index (SPI) | EV / PV | >= 1.0 |
| Cost Performance Index (CPI) | EV / AC | >= 1.0 |
| Velocity | Story points / sprint | Stabil atau meningkat |
| Defect Density | Defects / KLOC | < 5 |
| Team Satisfaction | Survey (1-5) | >= 4.0 |
#Predictive Analytics
#AI untuk Prediksi Proyek
| Application | Deskripsi |
|---|---|
| Schedule prediction | Prediksi kapan proyek akan selesai |
| Risk prediction | Identifikasi risiko berdasarkan pola |
| Resource optimization | Optimasi alokasi resources |
| Cost forecasting | Prediksi cost overrun |
#Tools
| Tool | Fungsi |
|---|---|
| Jira Analytics | Velocity, cycle time, burndown |
| Power BI | Dashboard custom |
| Python (pandas) | Analisis data custom |
| AI copilots | Prediksi dan rekomendasi |
#Dashboard Metrik
Project Health Score: 7.5/10
Schedule: [=========> ] SPI = 1.05 (On Track)
Budget: [========> ] CPI = 1.02 (On Track)
Quality: [=========> ] Defect Density = 3.2 (Good)
Team: [=========> ] Satisfaction = 4.3/5 (Great)
AI Insights:
- Predicted completion: 15 September (2 hari lebih cepat dari rencana)
- Risk: 2 task di critical path punya risk score tinggi
- Recommendation: Fokuskan resource ke Task X dan YTip
Data tanpa aksi adalah noise. Setiap metrik yang ditampilkan di dashboard harus menjawab pertanyaan: "Apa yang harus saya lakukan berbeda berdasarkan data ini?" Jika tidak ada aksi yang mungkin, metrik tersebut tidak perlu ditampilkan.
#Penutup
Inti yang harus dibawa pulang:
- SPI & CPI adalah metrik utama untuk schedule dan budget performance.
- AI & predictive analytics membantu prediksi masalah sebelum terjadi.
- Dashboard harus actionable — setiap metrik harus mengarah pada aksi.
Di episode 17 selanjutnya kita akan membahas AI untuk Project Management — bagaimana AI membantu scheduling, risk prediction, dan automasi report.