项目管理系统有哪些功能？项目管理系统有哪些不同的技术方案实现？

随着项目管理业务的持续增加、多种管理工具的持续开发、内部项目数量的不断增长，面对大量数据，传统人工项目经理越来越力不从心。针对机械型项目管理策略与优化机会搜索搜寻，基于项目管理云平台的商业智能BI具有很多人工项目经理没有的优势，比如：(1).克服项目经理人的心理因素干扰而偏离原先设计的管理策略；(2).多项目多周期多策略的同时并行交互运行；(3).工作时间可以不间断运行；(4).把机械管理经验积累自动化，把人的大脑和眼睛解放出来做更多创造性的工作；(5).采用大数据技术搜寻数据海洋里的项目投资机会。虽然商业智能BI具有很多人工项目经理所没有的独特优势，但这并不意味着机器可以完全取代人，很多复杂的决策与影响项目生存的小概率事件仍然还要依靠人来决定和执行，机器只是起到一个辅助的手段和工具，就像交通工具一样，有了汽车，人可以日行万里，但汽车仍然需要人去驾驶，同时相比较于人类步行和使用马车，专门为汽车设计的高速公路可以让汽车开得更开、驾乘人员更舒服、汽车运维成本更低。同样，只有公司管理基础设施在建设的时候充分考虑了机器自动化系统运维的实际情况，才能让基于机器自动化的项目管理与商业智能BI平台最大发挥其作用。虽然基于人工智能的无人驾驶技术已经投入商用测试阶段，但是大部分场景还是面向路况简单的场景，比如高速公路无人驾驶，而面对大量杂乱无章的行人路面，无人驾驶仍然还无能为力。因此最佳的项目管理平台设计思路不是完全取代人，而是为人机交互设计最佳的体验，增强平台驾乘人员的超控性与舒适性，实现最佳的人机结合，最大化发挥机器的强力运算能力与项目经理及团队成员的智慧与创新能力，把项目经理与项目团队从海量的人工数据搜集和分析工作中解放出来，集中精力到创造性的决策中去。

传统的人工项目管理与投资分析通常会分为技术分析与基本面分析两个部分，其中技术分析部分数据标准化程度高、不同项目之间指标通用性比较强、量化数据比较能反映项目的真实状况，因此以此做技术创新具有性价比，适合作为项目投资分析平台的初始切入点。而对于项目独特性或者没有类似参考的创新型项目只能采用模型定价投资分析，这些项目管理方法只能依靠项目经理的人工基本面分析，比如项目领域、技术集合、复杂程度、风险等级、质量等级、项目运行、财务报表、产业链分析、行业分析、新闻分析、舆情分析等，这类量化的项目管理商业智能BI分析通常需要基于自然语言处理的人工智能机器学习、分类决策等技术，这种场景大部分都是非结构化数据，通常需要耗费大量投资在数据获取、采集、提取、加工、清洗、人工标注、训练等方面，投资收益具有很大的不确定性，风险很大，因此在项目管理平台建设初期最好规避在这方面的投入，如果实在需要，还是主要靠人工处理后输入项目管理平台一些运行参数比较具有性价比。

程序化项目管理决策代替了传统项目经理80%的机械型工作和决策，比如数据收集、简单计算处理、曲线图表条件触发信号、辅助图表编制等。但是还有20%更具创新性的分析工作仍然需要人类项目分析员去做，这对人类项目分析员提出了更高的要求。初级项目分析员的工作已经被机器代替，但是高级项目分析员与资深项目分析员的工作机器无法代替，高级项目分析员与资深项目分析员可以不在依赖于初级项目分析员的辅助工作，而直接通过人机交互由量化项目管理商业智能BI平台帮助其完成原来由初级项目分析员完成的工作。这个时候项目经理的培养方式可能和原来也不一样了，原来“入门项目分析员->初级项目分析员->中级项目分析员->高级项目分析员->资深项目分析员”的职业发展路径直接被砍掉为“高级项目分析员->资深项目分析员”，但是人才成长仍然是需要一级一级的成长起来的，被省掉的职业发展路径只能由其它方法去代替，比如使用电脑游戏与网络游戏的方式来模拟传统项目经理进阶的经验积累过程，电脑游戏与网络游戏同样可以使用项目管理平台作为核心并设计大量的人工智能AI分析员、AI团队成员、AI项目事件，作为学徒项目分析员的训练案例。

项目管理平台前期运营的时候，机器的人工智能应用主要以线性机械计算的程序化逻辑智能为主，通过常见的分析图表指标组合来做出机械判断进行程序化管理，比如项目创值曲线、NPV现金流表、项目趋势分析、资源波动分析、风险波动指标、质量波动指标、变更质量冲击响应分析、自动化测试后质量等级变更统计分析等。这些基于指标的简单程序流程化基本上可以完成80%的自动化问题，剩下的20%由人决策并通过参数与操控开关来驾驶项目管理平台的实际运行。这种实施方法可以让项目管理平台在建设初期具有很大的性价比，可以短期看到他发挥的巨大作用，就像汽车，相对于人的步行，只是使用机械的物理原理，已经帮助人的远行，起到了相当大的帮助作用。而进一步的基于人工智能神经网络深度学习的无人驾驶技术，则是后续可以考虑的进一步发展计划，相比较于前一步的进步，不确定性更大、要求更高、风险更大。同时，如果没有前面一步，而直接跳到第二部，基本上是不可能的。

复杂系统可区分为可分解的复杂Complicated和不可分解的复杂Complex。世界上实际的事物之间的关系错综复杂、相互关联和相互依赖，无法简单的把他们分解并简单对待。人们在面对大量高度复杂的事物时，就像盲人摸象一样，很难获得整体上的认识，只能根据摸到的脚或者摸到的腿来对其认知。高度复杂的事物通常也是需要从高度维度分别对其进行认知和观察的，而人们只能简单地识别3维及以下空间的维度，更高地维度只能靠人们在3维空间的经验及想象里去推理想象，不同的人之间必然会存在不同的认知和误差，面对越来越复杂的事务，人们之间越来越难以精确沟通，或者精确沟通的成本越来越高以至于无法在可接受的范围内完成，只能采用一系列近似简单的事物组合起来近似逼近表达和沟通复杂事物，这样必然会存在误差。面对不同的误差容忍、逼近成本及认知范围，人们可能会在多种逼近组合的方案中选择出相对最优的一种组合方案，但有可能不是绝对最优的。

理想当中的事物都是简单系统或者是可分解的复杂系统，这个时候可通过多级分解将系统或者复杂系统分解成多层结构，每层数量都是在人内心里认知可管理范围内的（比如7个），通过多层分解的方式将复杂问题简单化以达到可以在预期心理、工期、预算内解决问题的目的。因此构建出的管理方法和管理组织对应的是层级化、结构化与树状的。传统的项目管理理论基础也是基于WBS工作任务分解这样的层级分解结构的。人们通过层级分解复杂事物的方法解决了很多重大问题，比如最常见的省、市、区、县将复杂的国家行政管理分解成了相对简单的地区管理问题。传统软件开发的瀑布模型与CMMI/CMM等流程化的管理方法也是需要对复杂软件领域问题进行分解后才能划分到不同的流程的不同阶段，去使用专业化的工具方法去解决问题。