Mở đầu — vì sao bài này quan trọng
Ở bài trước, bạn đã học Qualitative Risk Analysis — cách xếp hạng rủi ro bằng ma trận Probability × Impact với các mức High/Medium/Low. Cách đó nhanh, rẻ và đủ dùng cho phần lớn dự án. Nhưng hãy tưởng tượng bạn ngồi trong phòng họp với ban giám đốc một dự án 8 triệu USD, và một sếp hỏi thẳng: "Vậy khả năng dự án này về đích đúng ngân sách là bao nhiêu phần trăm? Chúng ta cần dự phòng bao nhiêu tiền để yên tâm 80%?" Nếu bạn trả lời "rủi ro tài chính đang ở mức Cao", bạn sẽ bị nhìn như người chưa làm bài tập về nhà. Sếp cần một con số.
Đó chính là lúc Quantitative Risk Analysis (Phân tích rủi ro định lượng) lên sân khấu. Nếu Qualitative trả lời câu hỏi "rủi ro nào cần quan tâm trước", thì Quantitative trả lời câu hỏi "toàn bộ rủi ro cộng lại ảnh hưởng thế nào đến tiến độ và ngân sách của tôi, tính bằng số". Nó chuyển rủi ro từ tính từ (nghiêm trọng, đáng lo) sang con số (mất thêm 1,2 triệu USD, trễ 47 ngày, xác suất về đích đúng hạn 62%).
Đây là một trong những kỹ năng phân định giữa một PM biết chạy việc và một PM ngồi được ở bàn ra quyết định chiến lược. Trong bài này tôi sẽ giảng cho bạn khi nào nên dùng nó, ba kỹ thuật cốt lõi (EMV, Decision Tree, Monte Carlo), cách làm từng bước, và những cái bẫy khiến con số của bạn trở nên vô nghĩa.
Khái niệm cốt lõi
Quantitative Risk Analysis là gì và khác gì Qualitative
Quantitative Risk Analysis là quá trình phân tích bằng số học ảnh hưởng tổng hợp của các rủi ro đã được xác định lên mục tiêu dự án — chủ yếu là tiến độ và chi phí. Điểm khác biệt cốt lõi so với Qualitative:
- Qualitative đánh giá từng rủi ro riêng lẻ và xếp hạng ưu tiên. Nó dùng thang định tính (Cao/Trung bình/Thấp).
- Quantitative đánh giá tác động tổng hợp của toàn bộ danh mục rủi ro lên cả dự án, bằng đơn vị đo lường thực (tiền, ngày). Nó cho ra phân phối xác suất, không phải một con số duy nhất.
Khi nào nên dùng — và khi nào không
Quantitative Risk Analysis tốn thời gian, cần dữ liệu và thường cần công cụ. Không phải dự án nào cũng đáng làm. Bạn nên dùng khi:
- Dự án lớn, giá trị cao. PMI thường lấy mốc tham khảo khoảng trên 5 triệu USD, nhưng con số này chỉ mang tính minh họa — cái quan trọng là mức độ rủi ro tài chính đủ lớn để justify công sức phân tích.
- Stakeholder cần câu trả lời bằng số. Ví dụ ngân hàng cấp vốn, ban đầu tư, hội đồng quản trị yêu cầu mức tin cậy cụ thể.
- Quyết định có tính chiến lược, khó đảo ngược. Chọn nhà thầu, quyết định tự làm hay thuê ngoài, đầu tư hay không.
- Cần justify contingency reserve. Bạn phải bảo vệ con số dự phòng ngân sách/tiến độ trước ban lãnh đạo.
Ba công cụ nền tảng
1. EMV — Expected Monetary Value (Giá trị tiền tệ kỳ vọng)
Đây là công cụ căn bản nhất. Công thức đơn giản:
> EMV = Xác suất xảy ra × Tác động tiền tệ
Quy ước dấu: rủi ro tiêu cực (threat) mang giá trị âm (mất tiền), rủi ro tích cực (opportunity) mang giá trị dương (được tiền). Tổng EMV của tất cả rủi ro cho bạn một ước lượng về khoản dự phòng cần thiết.
Ví dụ: một rủi ro có 30% xác suất gây thiệt hại 200.000 USD thì EMV = 0,30 × (−200.000) = −60.000 USD.
2. Decision Tree Analysis (Cây quyết định)
Khi bạn phải chọn giữa nhiều phương án, mỗi phương án lại có các nhánh kết quả với xác suất khác nhau, cây quyết định giúp tính EMV cho từng phương án và chỉ ra lựa chọn tối ưu về mặt kỳ vọng. Rất hữu ích cho quyết định "make vs buy", chọn nhà thầu, hay đầu tư nâng cấp hạ tầng.
3. Monte Carlo Simulation (Mô phỏng Monte Carlo)
Đây là công cụ mạnh nhất và cũng tinh vi nhất. Thay vì mỗi biến (thời lượng công việc, chi phí) nhận một giá trị duy nhất, bạn khai báo mỗi biến là một phân phối xác suất (ví dụ tam giác: lạc quan – khả dĩ nhất – bi quan). Máy tính "chạy dự án" hàng nghìn đến hàng chục nghìn lần, mỗi lần rút ngẫu nhiên một giá trị từ mỗi phân phối, rồi tổng hợp kết quả. Đầu ra là một đường cong xác suất tích lũy (S-curve) cho bạn biết: xác suất hoàn thành trong X ngày là bao nhiêu %, cần bao nhiêu tiền để đạt mức tin cậy 80% (thường gọi là P80).
Contingency Reserve và mức tin cậy
Kết quả cuối của Quantitative thường được dùng để thiết lập contingency reserve — khoản dự phòng cho các rủi ro đã biết ("known unknowns"). Nếu Monte Carlo nói bạn cần 9,4 triệu USD để đạt độ tin cậy 80% trong khi ước tính cơ sở là 8 triệu, thì contingency reserve hợp lý là khoảng 1,4 triệu. Đây là con số bạn mang ra bảo vệ trước hội đồng — có cơ sở khoa học, không phải "cộng thêm 10% cho chắc".
Tình huống thực tế
Tình huống 1 — FPT Software và quyết định "tự phát triển hay mua license" (Decision Tree)
Một đơn vị thuộc FPT Software nhận dự án outsourcing cho khách hàng Nhật, trong đó cần một module xử lý thanh toán. PM đứng trước hai lựa chọn:
- Phương án A — Tự phát triển: Chi phí phát triển 400.000 USD. Có 60% khả năng chạy trơn tru (không phát sinh), 40% khả năng gặp lỗi tích hợp phức tạp gây thiệt hại thêm 300.000 USD.
- Phương án B — Mua license của bên thứ ba: Chi phí license 550.000 USD. Có 85% khả năng ổn, 15% khả năng vendor chậm hỗ trợ gây thiệt hại thêm 100.000 USD.
- Phương án A: −400.000 + [0,40 × (−300.000)] = −400.000 − 120.000 = −520.000 USD
- Phương án B: −550.000 + [0,15 × (−100.000)] = −550.000 − 15.000 = −565.000 USD
Bài học: EMV cho bạn con số kỳ vọng, nhưng quyết định cuối cùng vẫn phải cân nhắc khẩu vị rủi ro (risk appetite). Con số phục vụ quyết định, không thay thế quyết định.
Tình huống 2 — Dự án chuyển đổi số của một chuỗi bán lẻ (Monte Carlo)
Một chuỗi bán lẻ tại TP.HCM (giả định tên "Saigon Retail") triển khai hệ thống ERP mới, ước tính cơ sở 12 tỷ VND, tiến độ 10 tháng. Ban giám đốc chỉ duyệt ngân sách nếu PM chứng minh được mức tin cậy tài chính. PM cùng team lập danh sách 8 rủi ro trọng yếu đã qua sàng lọc Qualitative, gán cho mỗi hạng mục chi phí một phân phối tam giác (lạc quan / khả dĩ / bi quan), rồi chạy Monte Carlo 10.000 lần bằng công cụ mô phỏng.
Kết quả S-curve cho thấy:
- P50 (50% tin cậy): 13,1 tỷ VND
- P80 (80% tin cậy): 14,3 tỷ VND
- P95 (95% tin cậy): 15,6 tỷ VND
Bài học: Monte Carlo biến "xin thêm tiền" thành "đề xuất mức dự phòng dựa trên xác suất". Nó cũng vạch trần một sự thật khó chịu: ước tính cơ sở (single-point estimate) hầu như luôn quá lạc quan — trong ví dụ này chỉ có 30% cơ hội đúng.
Tình huống 3 — EMV để lập quỹ dự phòng cho dự án xây dựng nhà máy
Một nhà thầu EPC ở Bình Dương thi công nhà máy cho khách hàng FDI. PM tổng hợp bảng EMV cho 5 rủi ro chính:
| Rủi ro | Xác suất | Tác động (USD) | EMV (USD) |
|---|---|---|---|
| Chậm giao thiết bị nhập khẩu | 40% | −250.000 | −100.000 |
| Thời tiết mùa mưa kéo dài | 50% | −120.000 | −60.000 |
| Thiếu nhân công lành nghề | 30% | −150.000 | −45.000 |
| Thay đổi thiết kế từ khách | 25% | −200.000 | −50.000 |
| Đàm phán được giá thép tốt (cơ hội) | 35% | +80.000 | +28.000 |
Bài học: EMV tổng hợp cho một cách nhìn thẳng thắn về "cái giá kỳ vọng của rủi ro", và cho phép cả rủi ro tích cực (giá thép) bù trừ vào tổng. Đây là cách đơn giản nhất, không cần phần mềm, mà bất kỳ PM nào cũng làm được ngay bằng Excel.
Hướng dẫn từng bước
Đây là quy trình chuẩn để thực hiện một phân tích định lượng bài bản:
Bước 1 — Lọc rủi ro từ Qualitative. Đừng định lượng tất cả. Lấy nhóm rủi ro được xếp hạng cao nhất (thường 10–15 rủi ro trọng yếu). Đây là đầu vào bắt buộc.
Bước 2 — Thu thập dữ liệu và ước lượng. Với mỗi rủi ro, xác định xác suất và tác động (bằng tiền hoặc ngày). Dùng dữ liệu lịch sử từ dự án tương tự nếu có; nếu không, dùng đánh giá chuyên gia (expert judgment) và kỹ thuật ba điểm (lạc quan / khả dĩ nhất / bi quan). Ghi rõ giả định.
Bước 3 — Chọn kỹ thuật phù hợp.
- Cần con số dự phòng nhanh, không có phần mềm → dùng EMV tổng hợp.
- Phải chọn giữa các phương án loại trừ nhau → dùng Decision Tree.
- Cần phân phối xác suất cho toàn dự án và mức tin cậy → dùng Monte Carlo.
Bước 5 — Diễn giải kết quả thành ngôn ngữ quyết định. Đây là bước nhiều PM bỏ quên. Đừng đưa cho sếp một biểu đồ; hãy nói: "Để tự tin 80% về đích, ta cần X tiền và Y ngày dự phòng." Đọc số theo P50/P80/P90.
Bước 6 — Thiết lập contingency reserve và cập nhật kế hoạch. Dựa vào mức tin cậy tổ chức chấp nhận (thường P80), chốt khoản dự phòng và đưa vào baseline ngân sách/tiến độ.
Bước 7 — Lặp lại theo chu kỳ. Rủi ro thay đổi theo thời gian. Chạy lại phân tích ở các cột mốc lớn để cập nhật mức dự phòng còn cần.
Lỗi thường gặp & mẹo
Lỗi 1 — Nhầm Quantitative với Qualitative, hoặc bỏ qua bước Qualitative. Định lượng luôn đứng sau định tính. Nhảy thẳng vào Monte Carlo cho cả 60 rủi ro là lãng phí và cho ra "rác vào rác ra".
Lỗi 2 — Garbage in, garbage out. Con số Monte Carlo trông rất khoa học, nhưng nếu xác suất và tác động đầu vào chỉ là phỏng đoán tùy hứng thì kết quả đẹp mã mà vô nghĩa. Luôn ghi rõ nguồn của mỗi ước lượng và mức độ tin cậy.
Lỗi 3 — Bỏ quên tương quan giữa các rủi ro. Nhiều công cụ giả định các biến độc lập. Nhưng thực tế, "chậm giao thiết bị" và "chậm bàn giao mặt bằng" thường liên quan nhau. Bỏ qua tương quan khiến Monte Carlo đánh giá thấp rủi ro thực. Mẹo: khai báo correlation nếu công cụ hỗ trợ, hoặc ít nhất nêu rõ giả định độc lập.
Lỗi 4 — Trình bày một con số duy nhất mà không nói mức tin cậy. "Dự án cần 14,3 tỷ" là vô nghĩa nếu không kèm "ở mức tin cậy 80%". Con số luôn phải đi với xác suất.
Lỗi 5 — Quá tin vào chính xác giả tạo. Đừng báo cáo "cần 14.327.891.220 VND". Độ chính xác giả tạo đó không phản ánh bản chất bất định. Làm tròn hợp lý.
Mẹo vàng: Luôn dịch kết quả sang câu hỏi mà sếp thực sự quan tâm — "khả năng về đích đúng hạn là bao nhiêu %" và "cần dự phòng bao nhiêu để an toàn". Nếu bạn làm được điều này, bạn không còn là người báo cáo rủi ro, mà là người giúp ban lãnh đạo ra quyết định.
Mẹo về công cụ: Bạn không cần phần mềm đắt tiền để bắt đầu. EMV và cây quyết định làm được hoàn toàn bằng Excel. Monte Carlo có thể chạy bằng add-in như @RISK, Crystal Ball, hoặc thậm chí hàm ngẫu nhiên trong Excel/Python cho nhu cầu cơ bản.
Bài tập thực hành
Bài 1 — EMV cơ bản. Một dự án phần mềm có 3 rủi ro: (a) 40% × thiệt hại 100.000 USD; (b) 20% × thiệt hại 250.000 USD; (c) một cơ hội 30% × lợi 60.000 USD. Tính EMV từng rủi ro và tổng EMV. Bạn sẽ đề xuất contingency reserve khoảng bao nhiêu, và giải thích lý do?
Bài 2 — Decision Tree. Bạn phải chọn giữa: Thuê ngoài (chi phí 300k, 70% ổn, 30% phát sinh thêm 200k) và Tự làm (chi phí 350k, 90% ổn, 10% phát sinh thêm 400k). Tính EMV mỗi phương án. Phương án nào tối ưu về kỳ vọng? Nếu bạn là PM có khẩu vị rủi ro thấp (sợ kịch bản xấu nhất), bạn sẽ chọn gì và vì sao?
Bài 3 — Diễn giải Monte Carlo. Một S-curve cho biết P50 = 20 tỷ, P80 = 23 tỷ, P95 = 26 tỷ, trong khi ước tính cơ sở là 19 tỷ. Hãy viết 3–4 câu bạn sẽ nói trước hội đồng quản trị để (1) chỉ ra ước tính cơ sở lạc quan thế nào, và (2) đề xuất mức ngân sách kèm lý do.
Bài 4 — Phản biện. Đồng nghiệp đưa cho bạn kết quả Monte Carlo "cần 45,7 tỷ để tin cậy 90%". Hãy liệt kê 3 câu hỏi kiểm tra bạn sẽ đặt ra trước khi tin vào con số này.
Tóm tắt
Quantitative Risk Analysis chuyển rủi ro từ tính từ sang con số, trả lời câu hỏi mà ban lãnh đạo thực sự quan tâm: xác suất về đích và mức dự phòng cần thiết. Những điểm cốt lõi cần nhớ:
- Quantitative đứng sau Qualitative và chỉ áp dụng cho nhóm rủi ro trọng yếu, thường ở các dự án lớn, giá trị cao, cần câu trả lời bằng số.
- EMV = xác suất × tác động, là công cụ đơn giản nhất để ước lượng dự phòng; threat mang dấu âm, opportunity mang dấu dương.
- Decision Tree giúp chọn giữa các phương án loại trừ nhau dựa trên EMV — nhưng đừng quên cân nhắc khẩu vị rủi ro.
- Monte Carlo cho phân phối xác suất và S-curve, cho phép phát biểu mức tin cậy (P50/P80/P95) và thiết lập contingency reserve có cơ sở.
- Cạm bẫy lớn nhất là "rác vào rác ra": con số trông khoa học nhưng đầu vào tùy hứng. Luôn ghi rõ giả định, xét tương quan, và kèm mức tin cậy khi báo cáo.