45
Упаковка. В бизнесе производственной компании, продающей
свои продукты, крайне важна корректно подготовленная упаковка. Любой
проект требует работы специалистов по разработке упаковки.
Технология. Промышленные инженеры обеспечивают
техническую часть проекта, оценивают применимость существующего
производственного оборудования для целей проекта и отвечают за
максимально эффективное производство.
Поставка. Отгрузка продукта и доставка до покупателя являются
важной частью проекта. Специалисты по цепочке поставок организуют
функционирование проекта в системе по планированию и осуществлению
поставок.
Бизнес модель. Любой проект в сфере запуска нового продукта
или усовершенствования производственных процессов должен быть
обоснован финансовой эффективностью. Представитель финансового анализа
производит расчёты бизнес-модели проекта и даёт рекомендации по
изменению скоупа в случае необходимости.
Рыночная активация. Целью продуктовых проектов является
повышение продаж и представленности бренда на рынке. Чтобы
стимулировать спрос, специалисты по рыночной активации планируют
мероприятия, направленные на продвижение проекта.
Таким образом, проектная команда состоит не менее, чем из 8 человек.
Зачастую в комплексных инновационных проектах, предполагающих
разработку концептуально новых рецептур, серьёзные изменения в
производственном процессе и/или выход на большое количество рынков,
каждая функция представлена не одним, а несколькими дополняющими
специалистами.
Из 34 активностей, информация по которым собрана в исследовании,
минимальный размер проектной команды составил 8 человек, максимальный
– 17 человек. Стоит также отметить, что в силу ротации персонала и
отсутствия связи с сотрудниками, сменившими место работы, в 16 проектных
46
командах были опрошены не все заявленные участники. При этом в долевом
выражении количество опрошенных участников не было ниже 75%, что
позволяет не исключать данные проекты из общей выборки, на которой будет
тестироваться модель.
Общее количество опрошенных сотрудников, задействованных хотя
бы в одной проектной команде из 34, составило 76 человек. В среднем один
сотрудник принял участие в 8 проектах, при этом число команд, в которые был
включён сотрудник, менялось от 1 до 21.
Каждый из 76 человек прошёл тест на определение своих
поведенческих компетенций, а также оценил работу всех проектных команд, в
которые был включён. Сводная описательная статистика собранных данных
представлена в Таблице 6.
В рамках исследования стоит так же учесть, что часть проектов,
запущенных недавно, ещё не прошла процедуру Post Project Review, в рамках
которой проектная команда обсуждает итоги проекта и оценивает все
достоинства и неудачи работы. Эту процедуру не прошли 15 из 34 проектов,
поэтому оценки успешности команд этих проектов основаны полностью на
субъективном восприятии и самооценке. В таблице 6 представлена сводная
статистика собранных данных.
Таблица 6
Сводная описательная статистика собранных данных
Показатель
Общее
количество
Min
значение
Max
значение
Среднее
значение
Количество опрошенных
сотрудников
76
Количество проектов
34
Количество проектов, в
которых принимал
участие один сотрудник
1
21
8,12
Оценки, данные
участниками
результативности
команды
4
7
6,12
47
Оценки, данные
участниками
эффективности команды
3
7
5,01
Оценки, данные
участниками
инновационности
команды
2
7
4,63
Уровень компетенции
«Эффективность»
5
7
6,28
Уровень компетенции
«Лидерство»
1
7
3,97
Уровень компетенции
«Обучение и развитие»
3
7
4,10
Уровень компетенции
«Переговоры»
3
7
4,86
Уровень компетенции
«Профессионализм»
5
7
6,63
Уровень компетенции
«Управление
конфликтами»
2
7
3,79
Уровень компетенции
«Этика»
4
7
5,84
Собранные данные были внесены в пакет Excel и оформлены в
соответствии с методикой исследования. Данные были использованы для
тестирования регрессий.
В изначальную модель были включены как средние индикаторы уровня
развития компетенций по команде, так и средние отклонения по уровням
развитиям. Однако модель в таком виде оказалась не способной объяснить
различия в успешности проектных команд: все переменные оказались
незначимы. Сокращение количества факторов и исключение из них средних
отклонений по компетенциям сильно улучшило картину: показатель R-
квадрат увеличился, а многие переменные стали значимы на уровне
значимости 5%. Однако дамми-переменные по-прежнему остались незначимы
даже на 10%.
В итоговой модели для эффективности и результативности в качестве
объясняющих факторов остались лишь средние уровни развития компетенций
внутри команд. Из них 5 компетенций оказались значимы на уровне
значимости 5%, а 2 компетенции незначимы даже на 10%. При этом в обеих
48
моделях коэффициент объяснённой дисперсии R
2
оказался очень высок. В
связи с этим была проведена проверка факторов модели на
мультиколлинеарность. В первую очередь был вычислен показатель «вздутия
дисперсии» VIF, рассчитываемый по формуле
. Этот показатель
отражает, насколько дисперсия больше, чем в случае, если бы регрессия была
однофакторной. Если этот коэффициент велик (больше 3), значит факторы
взаимосвязаны и увеличивают дисперсии друг друга – присутствует
мультиколлинеарность.
В модели для оценки результативности показатель VIF составил 4,08,
что явно указывает на наличие мультиколлинеарности. В модели оценки
эфффективности показатель оказался чуть меньше (3,67). Сводные
результаты регрессионного анализа и коэффициенты VIF представлены на
рисунках 8 и 9.
Рисунок 8. Регрессионная статистика и показатель вздутия
дисперсии для модели результативности
49
Рисунок 9. Регрессионная статистика и показатель вздутия
дисперсии для модели эффективности
Таким образом было выявлено наличие взаимосвязанности факторов
регрессионной модели. Для получения более точных результатов
исследования требуется избавить модель от мультиколлинеарности. Чтобы
понять, какие из факторов взаимосвязаны, была рассчитана корреляционная
матрица. В качестве признака мультиколлинеарности было принято значение
парной корреляции факторов больше или равное 0,7.
Рисунок 10. Корреляционная матрица факторов исследования
50
Корреляционная матрица демонстрирует, что чрезмерно высокая
корреляция присутствует между факторами «Эффективность» и
«Профессионализм». Так как фактор «Профессионализм» оказался
незначимым в моделях оценки результативности и эффективности,
принимается решение об исключении этого фактора из моделей исследования.
Таким образом, сразу была опровергнута гипотеза 5 о положительном
влиянии развития компетенции «Профессионализм» на эффективность
проектной команды. Данный факт можно объяснить тем, что дисперсия
показателей уровня развития компетенции «Профессионализм» относительна
низка из-за строгих требований к кандидатам на позиции компании и
большому вниманию, уделяемому развитию профессионализма сотрудника.
Другими словами, все члены проектной команды демонстрируют примерно
одинаково высокий уровень профессионального поведения, и объяснить
различия в успешности проектов этим фактором невозможно.
После исключения из модели фактора «Профессионализм»,
мультиколлинеарность удалось устранить: показатель VIF снизился до 2,43 в
модели для результативности и 2,17 в модели для эффективности. В итоговых
моделях к значимым факторам как результативности, так и эффективности
проектных команд относятся: эффективность, лидерство, переговоры, этика и
управление конфликтами. Статистически незначимым как для
результативности, так и для эффективности проектных команд является
фактор, отвечающий за компетенцию «Обучение и развитие».
Это означает, что гипотеза 3 об отсутствии влияния уровня развития
компетенция «Обучение и развитие» на успешность команды не отвергается.
Отсутствие влияния может быть связано с тем, что данная компетенция носит
долгосрочный характер и ориентирована на долговременный результат. В
одном конкретном проекте готовность участников команды к развитию и их
способность обучать других не играют ни положительной, ни отрицательной
роли. Более того, эта компетенция соотносится главным образом с линейными
51
менеджерами функций, которые не являются членами проектных команд.
Участники же проектных команд демонстрируют примерно одинаковый
невысокий уровень владения данной компетенцией, поэтому объяснить ей
различия в успешности проектов также невозможно.
Для проверки остальных гипотез требуется детальнее изучить
результаты регрессионного анализа. Регрессионная статистика модели для
результативности проектной команды представлена на рисунке 5.
Регрессионная статистика модели для эффективности проектной команды
представлена на рисунке 11.
Рисунок 11. Регрессионная статистика итоговой модели для
результативности
52
Рисунок 12. Регрессионная статистика итоговой модели для
эффективности
Как мы видим из регрессионной статистики, несмотря на сокращение
факторов при избавлении от мультиколлинеарности, модель по-прежнему
имеет высокую предсказательную силу: коэффициент объяснённой дисперсии
R
2
составил 63-65%, что меньше, чем в начальной модели, но тем не менее
является хорошим результатом. Стандартная ошибка модели не превышает
15%. Для выводов по гипотезам рассмотрим бета-коэффициенты при
конкретных факторах.
Коэффициент при факторе, отвечающем за компетенцию
«Эффективность» положителен. Таким образом, гипотеза о положительном
влиянии данной компетенции на успешность проектной команды не
отвергается. Личная эффективность участников команды действительно
оказывает позитивное влияние на качество их взаимодействия и способность
достигать поставленных результатов.
Коэффициент при факторе, отвечающем за компетенцию «Лидерство»
оказался отрицательным в моделях как для результативности, так и для
эффективности. Это отвергает гипотезу о положительном влиянии лидерства
53
на эффективность команды. Такой результат кажется контр-интуитивным: на
практике развитию лидерских компетенций уделяется огромное значение.
Однако во многих исследованиях было выявлено отсутствие статистического
влияния лидерства на успешность проектной команды. Результаты данного
исследования продемонстрировали даже отрицательное влияние лидерства на
показатели успешности. Такая взаимосвязь может быть связана с тем, что чем
выше лидерство развито у участников проектных команд, тем ожесточённее
происходит борьба за власть внутри команды, тем больше времени и ресурсов
уходит на так называемое «перетягивание одеяла» и попытки отдельных
участников доказать свой авторитет и установить свою власть.
Однако если использовать в качестве фактора модели уровень
компетенции менеджера проекта (представителя спицы «готовность»,
сотрудника отдела Activity Management), то этот фактор становится не только
значимым, но и положительным. Это подтверждает, что в проектной команде
должен быть один лидер, координирующий и направляющий работу команды.
Чем больше развито лидерство у других участников команды, тем менее
успешно работает команда в целом. При этом в модели, использующей в
качестве фактора уровень лидерства проектного менеджера, оказывается
незначим фактор «переговоры». Таким образом, сильный лидер в качестве
проектного менеджера нивелирует значение переговорного навыка у других
участников команды. Результаты регрессий, в которых используется уровень
развития лидерства только проектного менеджера, представлены на
рисунках 13 и 14.
54
Рисунок 13. Регрессионная статистика модели для
результативности с использованием уровня лидерства только
менеджера проекта
Рисунок 14. Регрессионная статистика модели для
эффективности с использованием уровня лидерства только
менеджера проекта
Множественный R 0,780637
R-квадрат 0,62183
Нормированный R-квадрат
0,5294
Стандартная ошибка
0,156744
Наблюдения 34
Дисперсионный анализ
df SS MS F
Значимость F
Регрессия 13 190,4136 27,20195 702,6670708 2,2E-08
Остаток 20 0,256083 0,036583
Итого 33 190,6697
Коэффициенты
Стандартная ошибка
t-статистика
P-Значение
Нижние 95%
Верхние 95%
Нижние 95,0%
Верхние 95,0%
Y-пересечение 0 #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д
Эффективность 0,638586 0,171646 2,736997 0,011959157 0,195096 1,209793 0,195096 1,209793
Лидерство 0,208358 0,053505 -2,49209 0,018006021 -0,35752 -0,04122 -0,35752 -0,04122
Обучение 0,108964 0,098161 1,105706 0,202763385 -0,12786 0,45243 -0,12786 0,45243
Переговоры 0,903711 0,168649 5,276557 0,302232671 0,832083 1,829063 0,832083 1,829063
Конфликты -0,93627 0,103921 -4,18747 0,002150441 -0,95783 -0,3435 -0,95783 -0,3435
Этика 0,317969 0,086427 0,955052 0,004939308 -0,13204 0,378878 -0,13204 0,378878
Регрессионная статистика
Регрессионная статистика
Множественный R 0,828328
R-квадрат 0,642264
Нормированный R-квадрат
0,576903
Стандартная ошибка
0,16342
Наблюдения 34
Дисперсионный анализ
df SS MS F
Значимость F
Регрессия 13 179,3314 25,61877 661,7711037 2,2E-08
Остаток 20 0,241178 0,034454
Итого 33 179,5725
Коэффициенты
Стандартная ошибка
t-статистика
P-Значение
Нижние 95%
Верхние 95%
Нижние 95,0%
Верхние 95,0%
Y-пересечение 0 #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д
Эффективность 0,518154 0,182733 2,913789 0,012104521 0,166159 1,03035 0,166159 1,03035
Лидерство 0,156782 0,056962 -2,65306 0,018233168 -0,30449 -0,03511 -0,30449 -0,03511
Обучение 0,138216 0,104502 1,177127 0,202506276 -0,10889 0,385323 -0,10889 0,385323
Переговоры 1,133215 0,179543 5,617387 0,137048619 0,875877 1,925329 0,875877 1,925329
Конфликты 0,554155 0,110633 -4,45795 0,001379163 -0,81576 -0,29255 -0,81576 -0,29255
Этика 0,105112 0,09201 1,016742 0,003637672 -0,11246 0,322681 -0,11246 0,322681