=Paper=
{{Paper
|id=Vol-1483/5_Bildiri
|storemode=property
|title=Yazılım Proje Faktörlerinin Risklerle Etkileşimi: Telekomünikasyon Örneği
|pdfUrl=https://ceur-ws.org/Vol-1483/5_Bildiri.pdf
|volume=Vol-1483
|dblpUrl=https://dblp.org/rec/conf/uyms/OlcaysoyKGT15
}}
==Yazılım Proje Faktörlerinin Risklerle Etkileşimi: Telekomünikasyon Örneği==
https://ceur-ws.org/Vol-1483/5_Bildiri.pdf
Yazılım Proje Faktörlerinin Risklerle Etkileşimi:
Telekomünikasyon Örneği
Ayşe Buharalı Olcaysoy1, Oya Kalıpsız2, Tayfur Gürlesin2, Şilan Türkdoğan2
1
Turkcell Teknoloji, İstanbul
ayse.buharali@turkcell.com.tr
2
Bilgisayar Mühendisliği Bölümü, Yıldız Teknik Üniversitesi, İstanbul
kalipsiz@yildiz.edu.tr,t.gurlesin@gmail.com,
silanturkdogan@gmail.com
Özet. Yazılım proje yönetim sürecinin bilgi alanlarından biri olan risk yönetimi
projenin başarısını doğrudan etkilemektedir. Benzer projelerdeki riskler ve
sonuçları için akıllı bir risk modeli oluşturulması halinde bir projenin başarısı,
projenin ilk safhalarında tahmin edilebilir. Bu amaç doğrultusunda son yıllarda
risk tahminleme ve risk değerlendirme üzerine yapılan çalışmalar artış
göstermeye başlamıştır. Bu çalışmada risk yönetimi ve risk değerlendirme
modelleri üzerine yapılan önceki çalışmalar incelenmiştir.
Yazılım projelerinin özellikleri ile riskler arasındaki ilişkiler araştırılmış ve
risklere sebep olan faktörlerin belirlenmesine yönelik bir uygulama
gerçekleştirilmiştir. Uygulama için bir telekomünikasyon şirketinin 2007-2014
yılları arasında geliştirilen yazılım projeleri kullanılmıştır. Zira
telekomünikasyon sektöründeki hızlı değişimler, yazılım projelerindeki risk
yönetimini daha da önemli kılmaktadır.
İlk adım olarak, uygulama veri kümesinden hangi verilerin kullanılacağına
karar verilmiştir. Veri temizliğinden sonra daha önce yapılan çalışmalara
dayanarak proje faktörleri ile risk faktörleri arasındaki ilişkiler oluşturulmuştur.
Oluşturulan modelin doğruluğunu ispatlamak için çeşitli algoritmalar
kullanılarak sonuçlar değerlendirilmiştir. Kullanılan yöntemlerin başarı oranları
da çalışmada gösterilmiştir.
Anahtar Kelimeler: Yazılım Risk Yönetimi, Yazılım Proje Yönetimi, Yazılım
Risk Faktörleri, Yazılım Projesi Faktörleri
Abstract. Risk management that is one of the knowledge areas of software
project management process, has a direct impact on the success of the Project.
the success of the project can be estimated in the project first phase by creating
a predictive risk model with the risks and results in similar projects. For this
purpose, the studies on risk estimation and risk evaluation have started to show
increase in recent years. The previous studies on risk management and risk
assessment have been investigated in this study.
The relationship between the characteristics of software projects and risks
has been investigated and an application has been performed for determination
47
of the factors that lead to risks. The software projects, developed by a telecom-
munication company between 2007 and 2014 were used for the application.
Risk management in software projects makes it even more important because of
rapid changes in the telecommunications industry.
As a first step, data from the application dataset selected. After cleaning the
data, based on previous studies, the relationships between risk factors and pro-
ject factors have been established. In order to prove the accuracy of the model
generated, results from various algorithms have been evaluated. The success
rates of the methods have also been shown in the study.
Keywords: Software Risk Management, Software Project Management, Soft-
ware Risk Factors, Software Project Factors
1 GİRİŞ
Yazılım projelerinin planlanan zaman ve bütçeyle istenen fonksiyonları yerine
getirmesi amacıyla yürütülen proje yönetim sürecini incelediğimizde yazılım
projelerindeki başarı oranının hala düşük olduğu gözlemlenmektedir. Standish Group
tarafından 2013’te yayınlanan CHAOS raporunda yazılım projelerinin başarısı önceki
yıllara göre artmasına rağmen halen %39 olduğu görülmektedir. [1] Yine Gartner
Institute’un bilişim sektörüne yönelik araştırmasına göre bilgi teknolojileri
projelerinin %74′ü başarısızlıkla sonuçlanmaktadır. [2] Her iki araştırmada da maliyet
ve zaman hedeflerini aşan veya hedeflenen özellikleri karşılayamayan projeler
başarısız olarak nitelendirilmiştir. Yazılım projelerindeki bu oranlar, risk yönetimi
üzerine yapılan çalışmaları önemli kılmaktadır. Çünkü proje açısından oluşabilecek
tehditleri önceden belirleyip gerekli önlemleri almak projenin başarısında önemli bir
rol oynamaktadır.
Riski, projedeki varsayım ve kısıttan ayıran en önemli özelliği olayın olma
olasılığının %100’den küçük olması ve olayın sonucunun değiştirilebilme olasılığının
olmasıdır.[3] PMI (Project Management Institute) riski tanımlarken olayın olması
durumunda projeye olumlu veya olumsuz etkisi olabileceğini belirtmektedir. [4]
Ancak risk yönetiminde riskin olumsuz etkisini azaltmak üzerine yoğunlaşılmaktadır.
Riskleri belirledikten sonra kontrol altında tutabilmek için öncelikle riskleri
gruplandırmak gerekmektedir. Tablo 1’de gösterildiği gibi yazılım proje riskleri farklı
bakış açılarına göre gruplandırılabilinir.[5]
Tablo 1. Genel Risk Kategorileri [5]
Genel Riskler Ürün Bazlı Riskler
Proje Riskleri Ürün Riskleri İş Birimi Riskleri
Dikkate Alınması Gereken Faktörler
İnsan kaynağı, büyüklük, süreç, teknoloji, kullanılan araçlar, organizasyon,
yönetim, müşteri, tahmin, satış, destek
48
Bu çalışmanın ilk bölümünde yazılım projelerinde risk yönetiminin nasıl yapılacağı
ve özellikleri kısaca özetlenmiştir. Çalışmanın üçüncü bölümünde ise yapılan
araştırma sonucu daha önce risk yönetimi üzerine yapılan çalışmalar hakkında bilgi
verilmektedir. Çalışmanın dördüncü bölümünde uygulama için kullanılan veri
kümesinin özellikleri aktarıldıktan sonra beşinci bölümde bu veri kümesinin
üzerinden yapılan çalışmalar ve sonucu paylaşılmıştır.
2 YAZILIM PROJELERİNDE RİSK YÖNETİMİ
Yazılım proje yönetim sürecinin temel bilgi alanlarından biri olan risk yönetiminin
temel amacı, risklerin oluşması olasılığını azaltmak ve olması durumunda negatif
etkisini en aza indirmektedir.[4]
Proje yöneticisinin önemli görevlerinden biri olan risk yönetimi, projenin
zamanını, bütçesini veya yazılımın kalitesini etkileyecek risklerin belirlenmesi ve
kontrol edilmesini kapsamaktadır.[6] Risk yönetimi dört temel aşamadan
oluşmaktadır:
1. Riskin tanımlanması
2. Risk analizi
3. Risk planlama
4. Risk izleme
İlk üç adım risk değerlendirilmesinde son adım ise riskin kontrol altında
tutulmasında kullanılır. 2009’da Tang ve Wang, çalışmalarında risk değerlendirmenin
yazılım projelerinde risk yönetiminin temelini oluşturduğunu belirtmişlerdir. [7]
Şekil 1. Yazılım Projesi Risk Değerlendirme Modeli [7]
49
Tang ve Wang’in Şekil 1’de gösterilen yazılım projesi risk değerlendirme modeli
bulanık mantık teorisi üzerine dayanmaktadır. Uzmanlar, bu modelle risklerin
olasılığını ve etkisini bulanık mantık kümeleriyle hesapladıkları gibi risklerin bileşik
etkilerini de hesaplayabilmektedirler. [7]
3 RİSK YÖNETİMİYLE İLGİLİ ÇALIŞMALAR
INET-TR 2014’te sunduğumuz bildirideki[8] akademik araştırma, risk değerlendirme
modelleri üzerine yapılan incelemelerle genişletilmiştir.
Yong Hu ve arkadaşlarının yapay sinir ağları ve destek vektör makinalarıyla
yaptıkları risk tahminleme çalışmasında 120 örnek proje rastgele 100’ü öğrenme 20’si
de test amaçlı iki gruba bölünmüştür. Modelde 63 risk faktörü girdi ve 8 proje faktörü
çıktı olarak standartlaştırıldıktan sonra çıktılar birleştirilerek proje, “başarılı”,
“yetersiz” ve “başarısız” olarak sınıflandırılmıştır. [9] Yaptıkları çalışma sonucunda
risk tahminin yapay sinir ağlarını kullanarak %75; destek vektör makinasıyla %85
doğru yapıldığını hesaplamışlardır.
Gupta ve Sadiq’in 2008’de yayınlanan çalışmasında geliştirdikleri yazılım risk
değerlendirme ve tahminleme modeli SRAEM’i (Software Risk Assessment and
Estimation Model) [10], 2010’da Sadiq ve arkadaşları genişleterek SRAEP’i
(Software Risk Assessment and Evaluation Process) sunmuşlardır. [11] Bu modelde
riskleri tanımlarken model tabanlı yaklaşım kullanılmıştır.
2013’te Manalif tarafından geliştirilen risk değerlendirme modeli, bulanık uzman
(Fuzzy Expert)-COCOMO modeline göre geliştirilmiştir.[12] Fuzzy-ExCOM olarak
da isimlendirilen bu modelde 5 ölçek faktörü ve 17 maliyet kalemi girdi olarak
kullanılarak proje riskleri tahmin edilmeye çalışılmıştır. Oluşturan modelde zaman,
ekip, süreç, ürün, platform ve yeniden kullanım riskleri tahmin edilerek projenin riski
belirlenmeye çalışılmıştır.
4 PROJE FAKTÖRLERİNE AİT VERİ SETİ YAPISI
Risk yönetimi üzerine yaptığımız çalışmalarımızda[8,13] aynı şirkete ait 2010-2012
yılları arasındaki yazılım projelerinin risk verileri kullanılarak verinin doğruluğu
tespit edilmiştir. Oluşturmayı hedeflediğimiz risk değerlendirme modeli için risk
verisi dışında hangi verilere ihtiyaç olduğu tespit edilmiştir. Bu amaç doğrultusunda
veri kümesini genişleterek aynı şirketin 2007-2014 yılları arasında geliştirilen yazılım
projelerine ait proje ve risk değerleri toplanmıştır.
Şirket içinde kullanılan proje yönetim aracının veritabanında tutulan proje verileri,
Şelale (Waterfall) modeline göre geliştirilen yazılım uygulamalarına ve teknik
fizibilite çalışmalarına yönelik büyük projelere aittir. Çünkü şirket organizasyon
yapısına göre küçük projeler için bir proje yöneticisi atanmamakta bu projeleri ilgili
sistemin analisti yönetmektedir.
Veri kümesinde metin tipinde olan ve sistemin kendi ürettiği özel değerler dışında
kalan veriler Tablo 2’de gösterildiği gibi proje faktörü olarak belirlenmiştir.
50
Tablo 2. Proje Faktörleri
Faktör Proje Faktörü Faktör Proje Faktörü
No No
F1 Sponsor Notu F11 Risk Sayısı
F2 Baseline Tarihi F12 Bekleme Süresi
F3 Kullanıma Alım Tarihi F13 Proje Tipi
F4 Bitiş Tarihi F14 Risk Tipi
F5 Proje Ekip Sayısı F15 Risk Olasılığı
F6 Analiz Süresi F16 Süreçlerin Paralel İlerlemesi
F7 Geliştirme Süresi F17 İzleme Süresi
F8 Test Süresi F18 Projenin Durumu
F9 Talep Değişikliği Sayısı F19 Proje Gecikmesi
F10 Proje İptal Nedeni F20 Bekleme Dönemi Sebebi
F21 Proje Süresi
Risk veritabanından elde edilen risk faktörleri ile belirlenen proje faktörleri
arasındaki ilişki, Tablo 3’teki gibi değerlendirilmiştir.
Tablo 3. Risk ve Proje Faktörleri İlişkisi
Model Yazılım projesi risk faktörleri Proje Faktörleri
No
N1 Düşük ve kötü kullanıcı katılımı F2, F9, F10, F12, F18, F20
N2 Gerçekçi olmayan zaman planlaması F1, F12, F19, F21
N3 Gerçekçi olmayan ya da yanlış anlaşılan F3, F4, F11, F13, F19
proje amaçları ve hedefleri
N4 Yetersiz ekip sayısı F5, F11, F18, F19
N5 Proje yöneticisinin yetersiz katılımı ve F1, F2, F10, F11, F18
teknik bilgisi
N6 Kötü planlama ve stratejiler F3, F4, F6, F7,F8,F14, F15
N7 Yazılım projesi yönetiminin etkili F1, F11, F16, F19
yapılamaması
N8 Proje devam ederken organizasyonun F9, F19
değiştirilmesi
N9 Projenin büyüklüğü F11, F15, F19
N10 Proje gereksinimlerin düzgün F1, F6, F19
belirlenmemesi
5 UYGULAMA VERİSİ ÜZERİNDE YAPILAN
ÇALIŞMALAR
Önceki çalışmalarda [8,13] sadece risk verileri değerlendirilirken bu çalışmada diğer
proje değerleri kullanılacağı için önce proje veri kümesi temizlenmiştir. Eksik
kayıtlar, (uygun olanlar için) ortalama değerle doldurulmuş; anlamlı olmayan
51
kayıtlarsa silinmiştir. Yüksek sapma içeren kayıtlar da silinmiştir. Böylece geriye
kalan 2936 kayıt üzerine aşağıdaki modeller çalışılmıştır.
5.1 Süreçlerin Paralelliği ile Risk İlişkisi
Projenin analiz ve geliştirme safhalarının paralelliğiyle proje durumu, toplam risk
sayısı ve gecikme süresi arasındaki ilişki incelenmiştir. Projede analiz süreci bitmeden
geliştirme başlamışsa süreçler paralel olarak değerlendirilmiş; geliştirme safhası,
analiz bittikten sonra başlamışsa süreçlerin paralel olmadığından ayrı bir sınıfta
değerlendirilmiştir. Karşılaştırmanın yapıldığı projenin durumunun alabileceği
değerler doğrudan veri kümesinden alınmıştır. Model oluşturulurken Naive Bayes
sınıflandırma yöntemi kullanılmıştır. Modelin doğruluk oranı %68,14’tür.
Tablo 4. Süreçlerin Paralelliği ile Gecikme ve Risk Sayısı İlişkisi
Özellik Sınıf: Süreçlerin Sınıf: Süreçlerin
Paralel Olması Paralel Olmaması
Proje Durumu
Kapalı 702 1464
İptal Edilen 158 238
Beklemede 5 10
Diğer 101 266
Toplam 966 1978
Toplam Risk Sayısı
Ortalama 0.4929 0.7877
Standart Sapma 1.2289 1.797
Gerçek ile Planlanan
Kullanıma Alım Tarihi Farkı
Ortalama 9.26 9.0621
Standart Sapma 35.4587 32.7536
Doğru Sınıflanan Örnek 680 %68,14
Yanlış Sınıflanan Örnek 318 %31,86
Tablo 4’te gösterilen değerlere göre süreçlerin paralel olduğu projelerde risk
sayısının daha az olduğu ama gecikme oranının daha yüksek olduğu saptanmıştır.
Çünkü analiz süreci tamamlanmamış projede risklerin de iyi analiz edilmediği
sonucuna varılabilinir Analiz ve geliştirme safhaları paralel yürüyen projelerin
ilerleyen aşamalarında beklenmeyen durumlarla karşılaşılmasına ve projenin
gecikmesine sebep olma olasılığı daha yüksek olduğu görülmektedir.
52
5.2 Analiz Süresinin Proje Sürecine Etkisi
Analiz süresinin proje durumu, kullanıma alım durumu, proje tamamlanma yüzdesi,
toplam risk sayısı, bekleme durumu ve gecikme süresiyle ilişkisi incelenmiştir. Küme
sayısına doğru karar verebilmek adına K-Means kümeleme yöntemi kullanılmıştır. K-
Means ile oluşturulan modelin sonucu, Tablo 5’te gösterilmiştir. Projelerin %78’i
birinci sınıfa; %22’si ikinci sınıfa dahil olmuştur.
Tablo 5. Analiz Süresinin Gecikme Süresi ile İlişkisi
Özellik Sınıf
Toplam Veri Sınıf 0 Sınıf 1
(2936) (2297) (639)
%100 %78 %22
Proje Durumu Kapalı Kapalı İptal
Kullanıma alındı mı? Evet Evet Hayır
Proje Tamamlanma Yüzdesi 82.0471 96.1799 31.2443
Toplam Risk Sayısı 0.5858 0.6883 0.2175
Bekleme Süresi Var mı? Yok Yok Yok
Analiz Süresi 68.1352 72.3492 52.9859
Gerçek ile Planlanan
9.1412 6.0682 20.1878
Kullanıma Alım Tarihi Farkı
Bu modele dayanarak analiz süresi uzun olan projelerin zamanında tamamlandığı
ve kullanıma alınma oranın, analiz süresi kısa olanlardan daha yüksek olduğu
görülmüştür. Yazılım geliştirme sürecinde analiz aşamasının önemli olduğu
görülmektedir. Çünkü gereksinimlerin tam ve doğru şekilde karşılandığı adım analiz
aşamasıdır. Bu sebeple analizin hatasız şekilde yapılabilmesi için yazılım projelerinde
analiz sürecine yeterli zamanının ayırılması gerekmektedir.
Analiz süresi uzun olanlarda risk sayısının daha fazla olması risk analizinin doğru
bir şekilde yapılmış olduğunu göstergesidir. Çünkü proje yaşam döngüsünde
karşılaşılabilecek risklerin iyi analizi, bu risklere karşı önlemlerin de alınmış olması
anlamına gelir.
Analiz süresi uzun olan projelerde bekleme durumuna alınma oranının daha düşük
olduğu görülmüştür. Zira iyi analiz edilmiş bir projenin iptal edilme ve beklemeye
alınma olasılığı da düşüktür.
5.3 İzleme Süreci ile Risklerin İlişkisi
Bu modelde Fuzzy C-Means (FCM) algoritması kullanılmıştır. K-Means’ten farklı
olarak bu kümeleme yönteminde K-Means'te örnekleri tam değerleriyle alıp
kümelerken FCM, örnekleri 0 ile 1 arasında değişen değerlere çevirip buna göre hangi
kümeye ait olduğunu bulmaktadır. Ardından gerçek değerlerin ortalamasını çıktı
olarak verir. Temel olarak K-Means algoritmasına benzeyen FCM’in, K-Means’ten
53
farkı verilerin her birinin sadece bir sınıfa dahil edilme zorunluluğunun
olmamasıdır.[14]
Tablo 6. İzleme Süresi ile Risk İlişkisi
Toplam Çok Düşük Orta Yüksek Çok
İzleme
Risk Düşük Tipli Tipli Tipli Yüksek
Süresi
Sayısı Tipli Risk Risk Risk Risk Tipli Risk
30.03 0.4985 0.003 0.0419 0.1994 0.2077 0.0129
162.5095 1.0707 0.0018 0.0536 0.4238 0.4685 0.0078
Yukarıdaki Tablo 6’da görüldüğü üzere izleme süresinin yüksek olduğu durumlarda
risk sayılarının da yüksek olduğu görülmüştür. Bu da bize risklerin tespitinin doğru
yapıldığını, yüksek risk sayılarında daha uzun sürelerle izlemeler gerçekleştirildiğini
göstermiştir. Çünkü kullanıma alınmış olsa bile izleme döneminin uzun olması ya
kapsamın tam olarak karşılanamadığını ya da çıkan sorunların düzeltilmesi için ayrıca
çalışıldığının işaretidir.
5.4 İzleme Süresinin Proje Süresine Bağlı Değerlendirilmesi
İzleme süresi ve proje süresi arasındaki orana bakılarak yapılan değerlendirmede
Naive Bayes sınıflandırma yöntemi kullanılarak veri, iki sınıfta incelenmiştir: “uzun”
ve “normal”. Yapılan sınıflandırmada modelin doğruluk oranı %78’dir.
Tablo 7. Proje Süresine Bağlı İzleme Süresinin Diğer Etkenlerle İlişkisi
Özellik Sınıf
UZUN NORMAL
Temel Plan Sayısı
Ortalama 2.3399 2.3055
Standart Sapma 1.2463 1.5142
Proje Süresi
Ortalama 198.2768 210.2318
Standart Sapma 135.2367 116.4358
Toplam Risk Sayısı
Ortalama 0.7197 0.6308
Standart Sapma 1.6984 1.5027
Proje Sponsor Notu
Ortalama 3.8748 3.8973
Standart Sapma 0.5854 0.5892
Analiz Süresi
54
Ortalama 62.9559 79.1741
Standart Sapma 63.7302 75.9052
İzleme Süresi
Ortalama 65.7886 13.1628
Standart Sapma 86.5976 11.2682
Doğru Sınıflanan Örnek 2294 78.16%
Yanlış Sınıflanan Örnek 641 21.83%
Tablo 7’de görüldüğü gibi izleme süresi, eşik değerin üzerinde olan projelerin risk
sayısı yüksektir. Beklendiği gibi izleme dönemi daha kısa olan projelerin genel proje
süresinin yüksek olduğu görülmektedir. Çünkü kullanılmaya başlandıktan sonra tam
karşılanamayan ya da hatalı karşılanan gereksinimler diğer bir deyişle analizi iyi
yapılmayan projelerin izleme süresini uzatmaktadır. İzleme süresi normal olan
projelerin sponsor notunun yüksek olması da bu durumun başka bir göstergesidir.
5.5 Proje Ekibinin Büyüklüğü ile Proje Başarısının İlişkisi
Proje ekip sayısının projenin durumu, kullanıma alım durumu, proje süresi, proje
tamamlanma yüzdesi, toplam risk sayısı ve gecikme süresiyle ilişkisi incelenmiştir. K-
Means kümeleme yönteminde iterasyon sayısı dört olarak belirlendiğinde elde edilen
sonuçlar Tablo 9’da verilmiştir.
Tablo 8. Ekip Sayısının Diğer Etkenlerle İlişkisi
Özellik Sınıf
Toplam Veri Sınıf 0 Sınıf 1
(2936) (2295) (641)
%100 %78 %22
Proje Durumu Kapalı Kapalı İptal
Kullanıma Alındı mı? Evet Evet Hayır
Proje Süresi 202.0565 215.4322 154.1669
Proje Tamamlanma Yüzdesi 82.0471 96.2088 31.3435
Toplam Risk Sayısı 0.5858 0.6889 0.2168
Proje Ekip Sayısı 8.6252 9.2312 6.4558
Gerçek ile Planlanan
9.1412 6.0735 20.1248
Kullanıma Alım Tarihi Farkı
Tablo 9’da gösterilen sonuçlara dayanarak ekip sayısının projenin zamanında
bitirilmesinde etkili olduğu gözlenmiştir. Ekip sayısının az olduğu projelerde
kullanıma alınma oranının daha az olduğu ve gecikme süresinin fazla olduğu
55
görülmüştür. Ekip sayısının yüksek olduğu projelerde risk sayısının yüksek olduğu
görülmüştür.
5.6 Proje Aciliyet Durumunun Risk ile İlişkisi
Projenin yer aldığı dönemin özelliği sınıf özellik olarak seçilerek projenin acil
(Urgent) ya da acil olmayan/planlanan (Roadmap) olmasının projenin süresiyle,
projenin tamamlanma yüzdesiyle, toplam risk sayısıyla, gecikme süresiyle ve analiz,
geliştirme ve test süreçlerinin süreleriyle ilişkisi Naive Bayes Sınıflandırma yöntemi
kullanılarak incelenmiştir. Modelin doğruluk oranı, %89’dur. Tablo 10’da gösterildiği
üzere acil projelerin, acil olmayanlarla benzer analiz süresine sahip olduğu ancak
geliştirme ve test sürelerinin daha kısa olduğu görülmüştür.
Acil projelerde risk sayısının daha fazla olduğu görülmüştür. Hızlı ilerlemesi
gereken projelerde amaç ihtiyacı olabildiğince çabuk karşılamak olduğundan, zaman
baskısı sebebiyle her zaman doğru çözümler üretilemeyebilir. Bu da risk sayısının
fazla olmasına sebep olabilir. Bu nedenle acil projelerde ürün kullanılmaya
başlandıktan sonra bile risk sayısının fazla olması sebebiyle acil olmayan projelere
göre daha uzun süre takip edilmesi gerekebilir.
Tablo 9. Projenin Aciliyeti ile Diğer Etkenlerin İlişkisi
Özellik Sınıf
Roadmap Urgent
Yüksek Risk Sayısı
Ortalama 0.2458 0.5143
Standart Sapma 0.8502 0.9881
Çok Yüksek Risk Sayısı
Ortalama 0.0121 0.0184
Standart Sapma 0.1667 0.1667
Proje Süresi
Ortalama 203.4946 184.5512
Standart Sapma 127.52 152.38
Toplam Risk Sayısı
Ortalama 0.6508 1.1957
Standart Sapma 1.6111 1.8794
Analiz Süresi
Ortalama 67.98 70.1
Standart Sapma 65.73 94.4223
Geliştirme Süresi
Ortalama 79.14 58.2775
Standart Sapma 73.3 72.5921
56
Test Süresi
Ortalama 65.711 53.1824
Standart Sapma 67.6066 67.8972
İzleme Süresi
Ortalama 48.5127 54.5594
Standart Sapma 75.6 78.35
Gerçek ile Planlanan Kullanıma
Alım Tarihi Farkı
Ortalama 9.6093 3.2639
Standart Sapma 34.8205 11.6603
6 Sonuç ve Değerlendirme
Bu çalışmada risk verisi üzerine yapılan araştırmayla risk ile diğer proje faktörleri
arasındaki ilişkiler ortaya konmaya çalışılmıştır. Projenin analiz sürecinin, projenin
risklerin tanımlamasında ve başarısında doğrudan etkisi olduğu hem süreçlerin
paralelliği hem de analiz süresi baz alınarak oluşturulan çalışmalarda ortaya
konmuştur. Gereksinimlerin iyi anlaşıldığı ve risklerin erken teşhis edildiği bir analiz
süreci projenin başarısını doğrudan etkilemektedir.
İzleme süresi, eşik değerin üzerinde olan projelerde risk sayısı ortalamasının
yüksek olduğu gözlenmiştir. Zira bu durum, ürün ya da servis kullanıma alındıktan
sonra beklenen fonksiyonların yerine getirilmemesinden kaynaklanmaktadır.
Proje tamamlanma yüzdesinin yüksek olduğu projelerde ekip sayısının yüksek
olduğu gözlenmiştir. Buradan yetersiz ekip sayısının yazılım projelerinde
başarısızlığa sebep olabileceği görülmüştür.
Acil projelerin izleme süresinin acil olmayan projelere göre daha fazla olduğu
görülmüştür. Bunun nedeni kullanılmaya başlanması için kısaltılan geliştirme ve test
süreçlerinin kaliteyi etkilemesi olabilir. İzleme sürecinde de bu hataların giderilmesi
için efor harcanmış olması yüksektir.
Projedeki risk sayısı ile sponsor notunun ilişkilendirildiği modelde beklenenin
tersine sponsor notu, risk belirlemesinin yapıldığı durumlarda düşük, yapılmadığı
durumlarda yüksek çıkmıştır.
Gelecek dönemde bu ilişkilere dayanarak proje başarısını tahmin eden bir model
oluşturulması düşünülmektedir. Bu modelle yeni bir proje başladığından proje
faktörleri ve riskler öngörülerek projenin başarısının tahmin edilmesi
hedeflenmektedir.
7 Teşekkür
Yazarlar, çalışmanın temelini oluşturulan veri kaynağının sağlanmasında Turkcell
Teknoloji A.Ş.’ye teşekkürlerini sunarlar.
57
8 Kaynaklar
1. The Standish Group. Chaos Manifesto 2013 Report. The Standish Group International,
Inc., (2013)
2. Gartner Institute, http://www.gartner.com/technology/home.jsp
3. Albayrak, B. : Proje Yönetimi, Nobel Yayın Dağıtım (2005)
4. Project Management Institute, http://www.pmi.org
5. Realsearch, Risk Managemet, http://agile.csc.ncsu.edu/SEMaterials/RiskManagement.pdf
6. Sommerville, I.: Software Engineering, 9th ed., Addison-Wesley, (2011)
7. Tang, A., Wang, R.: Software Project Risk Assessment Model Based on Fuzzy Theory”,
International Conference on Computer and Communication Technologies in Agriculture
Engineering, ss.328-330, (2010)
8. Olcaysoy Buharalı, A. Kalıpsız, O.: Bilişim Projelerinde Yazılım Risk Yönetimi:
Telekomünikasyon Örneği, 19. Türkiye’de Internet Konferansı - INET-TR 2014,
İzmir(2014)
9. Hu, Y. ve arkadaşları : An Intelligent Model for Software Project Risk Prediction,
International Conference on Information Management, Innovation Management and
Industrial Engineering, pp.629-639, (2009)
10. Gupta, D., Sadiq, M.: Software Risk Assessment and Estimation Model, International
Conference on Computer Science and Information Technology, (2008)
11. Sadiq, M. ve arkadaşları: Software Risk Assessment and Evaluation Process (SRAEP)
using Model Based Approach, Proceedings of the International Conference on Networking
and Information Technology, pp. 171-177, (2010)
12. Manalif, E. : Fuzzy Expert-COCOMO Risk Assessment and Effort Contingency Model in
Software Project Management". University of Western Ontario - Electronic Thesis and
Dissertation Repository. p. 1159, (2013)
13. Olcaysoy Buharalı, A., Kalıpsız, O.: Data Verification of Telecommunication Projects for
Risk Assessment Models, The First International Conference on Advances and
Trends in Software Engineering - SOFTENG, Barselona (2015)
14. Işık, M., Çamurcu, A.Y.: K-Means, K-Medoids ve Bulanık C-Means Algoritmalarının
Uygulamalı Olarak Tespiti, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi Yıl: 6
Sayı:11, ss. 31-45, (2007)
58