Como analisar os riscos do projeto de modo quantitativo?

A Análise Quantitativa dos Riscos é um processo avançado que utiliza técnicas de probabilidade e estatísticas para medir os impactos potenciais dos riscos em termos numéricos. Diferente da análise qualitativa, que prioriza os riscos de maneira descritiva, a análise quantitativa fornece dados objetivos, permitindo decisões mais precisas e baseadas em dados.

Quando evoluímos para a analisar o projeto considerando os riscos envolvidos, passamos a apresentar o resultado do projeto como uma faixa de probabilidade, e não apenas como um resultado pontual determinístico. A figura seguinte mostra a diferença de uma previsão determinística e uma previsão probabilística.

O Que é Análise Quantitativa dos Riscos?

A análise quantitativa dos riscos mede o impacto dos riscos priorizados no cronograma e no orçamento do projeto. Esse processo é particularmente útil em projetos complexos, onde a combinação de riscos pode gerar impactos significativos. As principais etapas incluem:

1. Coletar Dados: Identificar os riscos que requerem análise e coletar informações detalhadas sobre probabilidade e impacto.
2. Simular Cenários: Aplicar métodos quantitativos, como a Simulação de Monte Carlo, para prever possíveis resultados.
3. Interpretar Resultados: Analisar dados gerados e usá-los para embasar decisões sobre o projeto.

Benefícios da Análise Quantitativa dos Riscos

Analisar os riscos de modo quantitativo, utilizando ferramentas probabilísticas e estatísticas tem como vantagens:

• Tomada de Decisão Baseada em Dados: Fornece uma visão objetiva sobre os riscos e suas consequências.
• Melhor Planejamento: Permite identificar as reservas financeiras e de tempo necessárias para lidar com incertezas.
• Maior Controle: Ajuda a antecipar cenários e criar planos de resposta mais eficientes.

Embora a Análise Quantitativa dos riscos tenha esses benefícios valiosos, ela NÃO é indicada para todos os projetos. O nível de conhecimento, tempo, custo com softwares e levantamento de dados torna esse processo custoso, de modo que deve ser realizado para os projetos de maior valor financeiro e importância para a organização.

Análise numérica de riscos é o seguro de vida dos projetos que custam a partir de 1 milhão de reais: ninguém quer pagar por esse processo, mas todos desejam que esse processo tenha sido feito quando um risco grave acontece!

Simulação de Monte Carlo

A Simulação de Monte Carlo é uma das ferramentas mais poderosas da análise quantitativa de riscos. Ela utiliza um grande número de iterações para modelar diferentes cenários possíveis, permitindo uma visão mais realista dos impactos cumulativos dos riscos no projeto.

Em geral, usamos a Simulação de Monte Carlo para duas variáveis do projeto: custo e prazo.

Passo a Passo para Realizar a Análise de Monte Carlo

Podemos definir os seguintes passos para realizar uma análise de riscos por meio da Simulação de Monte Carlo.

1. Defina as Variáveis de Entrada: Identifique os riscos que deseja analisar e colete dados de probabilidade e impacto para cada um.
2. Crie Distribuições de Probabilidade: Para cada variável, defina uma distribuição (ex.: triangular, uniforme ou normal) que represente a incerteza. Exemplo: “O atraso esperado é de 5 dias (mais provável), mas pode variar entre 3 (otimista) e 10 dias (pessimista).”
3. Configure o Modelo: Utilize um software especializado (como Primavera, @Risk ou Excel com plug-ins) para simular milhares de cenários possíveis.
4. Execute as Simulações: O software gera resultados probabilísticos, mostrando como os riscos combinados impactam o custo ou o cronograma do projeto.
5. Análise dos Resultados: De posse dos resultados, é necessário analisar P50, P90, Média, Desvio Padrão e demais itens importantes para que se tome as melhores decisões para o projeto.

Como Analisar o Resultado da Análise de Monte Carlo

Após rodar a Simulação de Monte Carlo, os resultados são apresentados na forma de gráficos e estatísticas que ajudam a tomar decisões. Aqui estão os elementos principais a serem interpretados:

Curva de Distribuição Gaussiana (Curva Normal): A curva normal é uma representação gráfica que mostra a probabilidade dos resultados. No contexto do projeto, ela revela os valores mais prováveis para custos ou cronogramas, com menor probabilidade para valores extremos (muito baixos ou muito altos).

Percentis (P50, P90 …): Usar percentis ajuda a planejar com base em níveis de risco aceitáveis. O Percentil 50 (P50) representa o ponto em que há 50% de probabilidade de ocorrência. É usado para estimativas equilibradas. O percentil 90 (P90) representa uma estimativa conservadora, com 90% de confiança de que o valor não será excedido.

Desvio Padrão: Medida que indica a dispersão dos resultados em relação à média. Um desvio padrão alto significa maior incerteza nos resultados; um desvio baixo indica maior previsibilidade.

A figura seguinte é uma curva normal didática para explicar esses conceitos.

Exemplos de Aplicação

Exemplo 1: Análise de Custos

Um projeto com orçamento de R$ 1 milhão realiza uma Simulação de Monte Carlo. O P50 indica que o custo final esperado é de R$ 1,1 milhão, enquanto o P90 sugere que o custo pode chegar a R$ 1,3 milhão. Com base nesses dados, a equipe decide provisionar uma reserva de contingência para mitigar riscos no valor de 200 mil reais.

Exemplo 2: Análise de Cronograma

Em um cronograma de 12 meses, a Simulação de Monte Carlo mostra que há 50% de chance de concluir o projeto em 13 meses (P50) e 90% de chance de concluir em 15 meses (P90). Com isso, o gerente ajusta as expectativas com as partes interessadas para o prazo do projeto em 13 meses com uma tolerância de até 15 meses caso riscos identificados aconteçam.

A figura seguinte apresente a curva normal para a análise do prazo de uma atividade por meio da Simulação de Monte Carlo.

Não é de nosso escopo aqui ensinar como operar um software para isso, mas você pode fazer um curso dos seguintes softwares que possuem a Análise de Monte Carlo: Primavera P3; RiskyProject, NetProject, MatLab, entre outros.

O vídeo seguinte resume o processo de inserção de dados para análise numérica dos riscos no software RiskProject. Assista ao vídeo e analise o resultado do minuto 04:10.

A figura seguinte é o resultado da simulação apresentada no vídeo.

Conclusão

A Análise Quantitativa dos Riscos, especialmente usando a técnica de Simulação de Monte Carlo, é um processo importante para projetos complexos ou que envolvem muito dinheiro. Ao dominar técnicas como configuração de variáveis, interpretação de curvas normais e percentis como P50 e P90, gestores de projeto podem transformar incertezas em insights estratégicos.

Quanto mais embasada em dados numéricos for sua gestão de riscos, maior será a probabilidade de alcançar os objetivos do projeto.

---

Quiz de Fixação

Teste o seu aprendizado. Escolha uma alternativa para as perguntas a seguir: