ПРАКТИКА ПРИМЕНЕНИЯ ПРОГНОЗНОЙ АНАЛИТИКИ В УПРАВЛЕНИИ ПРОЕКТАМИ РАЗРАБОТКИ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ В ООО «НЕВАТОМ ЦИФРА»

АННОТАЦИЯ

В статье рассмотрена сложившаяся практика применения прогнозной аналитики в управлении проектами разработки программного обеспечения на материалах ООО «Неватом Цифра» за 2025 год. Установлено, что оценка трудоемкости портфеля из 38 проектов формируется экспертным путем по аналогии и характеризуется систематическим смещением на 28 %, тогда как полнота фиксации фактических трудозатрат в системе управления задачами не превышает 71 % и различается между направлениями на 32 процентных пункта. Показана причинная связь между качеством проектных данных, точностью прогноза трудоемкости и снижением рентабельности продаж до 0,8 %. Определены условия перехода организации от экспертной оценки к калиброванным моделям с обратной связью по точности прогноза.

Ключевые слова: прогнозная аналитика, управление проектами, разработка программного обеспечения, оценка трудоемкости, качество данных, корпоративное управление.

Прогнозная аналитика в управлении проектами разработки программного обеспечения занимает промежуточное положение между описательной аналитикой, констатирующей состоявшиеся факты, и предписывающей аналитикой, формирующей готовые управленческие предписания, вследствие чего ее результативность определяется не вычислительной сложностью применяемых алгоритмов, а степенью встроенности прогнозных оценок в процедуры принятия решений органами управления организации [5, с. 122].

Проектная деятельность разработчика программного обеспечения обладает специфической чертой, отличающей ее от массового производства, поскольку каждый проект уникален по составу требований, а себестоимость определяется отработанным временем квалифицированного персонала, и потому именно трудоемкость выступает первичным объектом прогнозирования, от точности которого производны прогноз выручки, прогноз маржинальности и прогноз денежных потоков [1, с. 19].

Отсюда следует методологическая посылка настоящего исследования, согласно которой практику применения прогнозной аналитики в проектной организации надлежит оценивать последовательно от контура сбора фактических данных к контуру их обработки и далее к контуру преобразования данных в прогнозные оценки, поскольку дефект нижнего контура обесценивает любые построения верхних уровней [2, с. 143].

Объектом анализа выступает ООО «Неватом Цифра», аккредитованная организация сферы информационных технологий, зарегистрированная в 2024 году на базе двадцатилетних компетенций команды и специализирующаяся преимущественно на решениях платформы 1С при одновременном ведении направлений разработки сайтов и мобильных приложений, консалтинга, технической поддержки и информационной безопасности.

Численность персонала на 31 декабря 2025 года составляет 34 человека, из которых 26 сотрудников заняты в производственных подразделениях, при этом выделенная должность аналитика данных в организационной структуре отсутствует, а функция анализа фактических данных распределена между руководителями направлений, экономистом и генеральным директором без закрепления зон ответственности локальным нормативным актом.

В течение 2025 года организация обслуживала 38 проектов внедрения и разработки наряду с 54 договорами сопровождения, что при указанной численности означает высокую интенсивность проектной загрузки и повышает цену ошибки в оценке трудоемкости, поскольку резерв свободного производственного времени практически отсутствует.

Контур сбора проектных данных сформирован несколькими независимыми источниками, каждый из которых обслуживает отдельный процесс и администрируется отдельным должностным лицом. Автоматическая и полная фиксация обеспечена исключительно в системах технического характера, а именно в GitLab, где регистрируется история изменений исходного кода, ветвления, слияния и результаты сборок, и в Zabbix, фиксирующем доступность и нагрузку обслуживаемой инфраструктуры заказчиков с интервалом пять минут.

Управленческие данные о проектах поступают через ручной ввод исполнителями в модуль задач Битрикс24, где полнота записей о фактических трудозатратах достигает лишь 71 %, тогда как обращения по договорам сопровождения в 23 % случаев проходят вне модуля задач и остаются неструктурированными.

Наиболее показательным признаком организационной, а не технологической природы выявленного дефекта служит внутренняя дифференциация дисциплины учета, поскольку в направлении 1С, где отработанные часы служат основанием для актов заказчикам, полнота заполнения составляет 86 %, а в направлении разработки сайтов и мобильных приложений, работающем по фиксированной стоимости, она не превышает 54 % [7, с. 65].

Контур применения методов прогнозирования опирается на экспертную оценку по аналогии, выполняемую руководителем направления в часах непосредственно в модуле задач, и на экстраполяцию предыдущего периода при планировании стоимостных показателей, причем документирование логики расчета, фиксация допущений и построение доверительных интервалов не производятся. Результативность такой практики, сопоставленная с фактическими значениями 2025 года, а также характеристика информационной базы каждого прогнозируемого параметра приведены в таблице.

Данные таблицы позволяют утверждать, что отклонения носят однонаправленный характер и потому квалифицируются как систематическое смещение, а не как случайная погрешность оценки.

Таблица 1.

Результативность прогнозирования параметров проектной деятельности и качество информационной базы ООО «Неватом Цифра» в 2025 году

Все три количественно измеренных параметра недооценены, причем недооценка расходов на 75,2 % превышает недооценку выручки на 60,7 %, что означает опережающий рост ресурсного потребления относительно роста доходной базы и полностью объясняет зафиксированное в отчетности превышение темпа изменения расходов над темпом изменения выручки.

Превышение фактической трудоемкости над оценочной на 6 060 часов, или на 28,0 %, при полноте исходных записей 71 % свидетельствует о замкнутом контуре воспроизводства ошибки, поскольку экспертная оценка по аналогии требует достоверной статистики завершенных работ, а такая статистика неполна именно в том направлении, где смещение наиболее опасно.

Три последних параметра, не имеющие прогнозной оценки вовсе, обнаруживают вторую особенность сложившейся практики, состоящую в том, что дефицит прогнозов возникает не из недостатка данных, а из отсутствия процедур их преобразования в модели, ведь сведения о частоте обращений и о нагрузке клиентской инфраструктуры фиксируются автоматически и уже накоплены за полный год.

Экономическое содержание выявленного смещения раскрывается при переходе от натуральных измерителей к стоимостным. При внутренней стоимости часа разработчика 1 350 руб. с учетом страховых взносов и доле контрактов с фиксированной стоимостью в общем объеме превышения трудоемкости 45 % организация в 2025 году отработала 2 730 часов, не подлежащих оплате заказчиками, что эквивалентно потерям 3 686 тыс. руб. и составляет 66,8 % совокупных потерь от несовершенства прогнозной аналитики, оцененных в 5 516 тыс. руб.

Сопоставление этой величины с прибылью от продаж в 951 тыс. руб. показывает превышение в 3,88 раза, а рентабельность продаж, снизившаяся с 2,4 до 0,8 % при отраслевой норме не менее 11 %, получает исчерпывающее объяснение через механизм ценообразования, при котором заниженная оценка трудоемкости трансформируется в неоплачиваемые часы и растворяется в общей величине расходов по обычным видам деятельности без обособления в отчетности [6, с. 545].

Наиболее разрушительная для проектной организации ошибка тем самым остается невидимой для внешнего наблюдателя и не диагностируется стандартными процедурами бухгалтерского учета.

Контур обработки данных усиливает описанные искажения, поскольку 92 % операций при формировании управленческой отчетности выполняются вручную, совокупные трудозатраты составляют 46 часов ежемесячно, а готовность отчета наступает на двенадцатый рабочий день после окончания периода, когда следующий отчетный период уже прожит наполовину.

Использование 7 взаимосвязанных элементов табличного процессора без версионирования и без контроля целостности формул реализовало риск неконтролируемой ошибки в третьем квартале 2025 года, когда себестоимость одного проекта внедрения оказалась занижена на 412 тыс. руб. вследствие разрыва ссылки между книгами, а искажение обнаружилось лишь при годовом закрытии.

Сопоставление прогнозных и фактических значений по завершенным проектам не проводится ни в одной форме, средняя абсолютная процентная ошибка не рассчитывается, вследствие чего механизм самокоррекции оценок отсутствует, а интегральная оценка зрелости системы прогнозной аналитики составляет 1,9 балла из пяти возможных при минимальных значениях по критериям регламентации и обратной связи [4, с. 18].

Особую характеристику практике придает то обстоятельство, что организация, создающая для заказчиков систему расчета изделий вентиляционных систем, генерирующую свыше 100 млн вариантов в реальном времени, применяет для собственных проектных нужд стандартные отчеты учетных систем и табличный процессор, а встроенные прогнозные функции Битрикс24 отключены по причине неполноты вводимых данных [3, с. 37].

Логика преобразования сложившейся практики определяется установленной иерархией причин и потому начинается не с выбора алгоритмов, а с восстановления дисциплины фиксации проектных данных до уровня полноты не менее 95 % при обязательном учете отработанных часов независимо от типа контракта и включении показателя полноты в критерии премирования руководителей направлений. Только на такой основе приобретает смысл замена экспертной оценки по аналогии калиброванной регрессионной моделью, обученной на данных завершенных проектов с поправочными коэффициентами по направлениям и типам контрактов и выдающей результат с доверительным интервалом.

Обязательным элементом обновленной практики выступает ежемесячный расчет средней абсолютной процентной ошибки с целевым значением не более 10 % по трудоемкости против фактических 28 %, поскольку без сопоставления прогноза с фактом смещение воспроизводится из проекта в проект и ни разу за 2025 год не стало предметом управленческого разбора [7, с. 65].

Совокупные единовременные затраты программы преобразований оцениваются в 2 000 тыс. руб., что эквивалентно 1,7 % выручки и 36 % измеренных потерь, срок окупаемости составляет около 15 месяцев, а накопленный дисконтированный чистый эффект за период с 2026 по 2030 год достигает 9 751 тыс. руб. при повышении рентабельности продаж до 3,4 %, причем реализация опирается на собственный персонал и не требует привлечения внешних подрядчиков.

Таким образом, практика применения прогнозной аналитики в управлении проектами разработки программного обеспечения в ООО «Неватом Цифра» ограничена нерегламентированной экспертной оценкой трудоемкости по аналогии, систематическое смещение которой на 28 % при полноте проектных данных 71 % обусловило потери 3 686 тыс. руб. и снижение рентабельности продаж до 0,8 %.

Устранение выявленного дефекта достигается восстановлением достоверности данных, переходом к калиброванной модели трудоемкости с доверительным интервалом и введением обязательной обратной связи по точности прогноза как элемента внутреннего контроля организации.

Список литературы:

1. Акимова А.А., Дадыкин В.С. Прогнозная аналитика как метод повышения эффективности предприятия // Ресурсосбережение. Эффективность. Развитие: материалы VI Международной научно-практической конференции. – Донецк, 2021. – С. 18–22.
2. Бухарова К.А., Ермаков С.Г. Анализ основных методов прогнозной аналитики // Инженерный вестник Дона. – 2025. – № 4 (124). – С. 141–150.
3. Великанов В.С. Инструменты прогнозной аналитики в сокращении простоев строительных, дорожных и горных машин // Математическое и программное обеспечение систем в промышленной и социальной сферах. – 2021. – Т. 9, № 1. – С. 37–38.
4. Дедов Д.О. Разработка и тестирование гибридного модуля прогнозной аналитики на основе рекуррентной нейронной сети LSTM и метода машинного обучения «случайный лес» // Научные исследования 2025: сб. статей XV Международной научно-практической конференции. – Пенза, 2025. – С. 17–20.
5. Первун О.Е. Прогнозная аналитика: анализ современного состояния и ее применение для принятия решений // Ученые записки Крымского инженерно-педагогического университета. – 2024. – № 3 (85). – С. 120–126.
6. Сальников Е.А., Бартева В.А., Демидов Л.Н., Тюжина И.В., Артемова С.Е. Сравнительный анализ алгоритмов машинного обучения для задач прогнозной аналитики в экономике: методология выбора модели на основе структурированных данных // Экономика строительства. – 2026. – № 3. – С. 544–548.
7. Трохименко Ю.Н., Пунчик З.В. Интеграция алгоритмов Python с программным обеспечением прогнозной аналитики в целях снижения объема рисков в управлении продажами // Материалы докладов 56-й Международной научно-технической конференции преподавателей и студентов: в 2 т. – Витебск, 2023. – С. 64–66.