Rough Order of Magnitude (ROM) Estimate vs Definitive Estimate (Norsk)
Hvis du likte å lese dette innlegget, kan du sjekke ut hele innlegget vårt på PMP Concepts Learning Series.
Designet for å hjelpe de som forbereder seg på å ta PMP- eller CAPM-sertifiseringseksamen, presenterer hvert innlegg i denne serien en sammenligning av vanlige konsepter som vises på PMP- og CAPM-eksamenene.
Rough Order of Magnitude (ROM) Estimate vs Definitive Estimate
Avhengig av organisasjonsstrukturen du administrerer prosjekter i og hvilken type prosjekt du jobber med, kan du bruke forskjellige tilnærminger for å estimere. To vanlige estimeringstyper er ROM-estimater og endelige estimater.
Rough Magnitude of Magnitude (ROM) Estimate
En grov størrelsesorden (ROM) estimat er det minst nøyaktige estimatet. PMBOK Guide 4th Edition gir retningslinjene om at ROM-er er -50% til + 50% nøyaktige, PMBOK Guide 5th Edition gir retningslinjene om at ROM-er er -25% til + 75% nøyaktige, eller potensielt enda større. Det skal bemerkes at oppgitte prosentandeler ikke er den viktigste takeawayen, sannsynligvis ikke blir testet spesielt; det er mer konseptet og ideen om at ROM-er er et grovt estimat, blir brukt tidlig i prosjektet når info er begrenset, og er derved minst nøyaktig.
Definitive Estimate
I prosjektet ledelse, et definitivt estimat er så bra som det blir! Det er alltid mulighet for noe avvik fra estimatet, men endelige estimater er -5% til + 10% nøyaktige.
Et endelig estimat er basert på detaljert informasjon fra hver arbeidspakke i WBS eller estimater fullført på aktivitetsnivå.
Eksempel
Før noen betydelig analyse, utviklet vi en ROM om at prosjektet ville koste $ 1,5 millioner. Da vi utviklet WBS og var i stand til å legge kostnadsoverslag til hver arbeidspakke, var det endelige anslaget $ 1.375 millioner.
Sammendrag
ROM-estimater ble brukt veldig tidlig i prosjektet. når det mangler detaljert informasjon. Definitive estimater oppstår når det er nøyaktige estimater på arbeidspakken eller aktivitetsnivået.
Se alle innleggene i PMP Concepts Learning Series