外包软件项目风险智能决策支持系统研究-基于因果分析和可行动知识发现集成框架

Developing an intelligent risk management decision support system is the key to effective management of the risks involved in outsourced software projects and increase in project success rate. In this field of research, there exist two main issues: (1) existing risk identification models for outsourced software projects cannot adequately reflect the cooperative nature between customers and contractors in managing risks; (2) existing intelligent risk decision models cannot achieve the desired causal analysis and integrated analysis and planning for risk management. This research is to establish a cooperative risk identification model from dual perspectives of the customers and contractors, propose an integrative framework combining causal analysis and many-to-many actionable knowledge discovery algorithm, and collect 500-800 real project samples. Based on this framework, the study will develop an intelligent decision support system for integrated and optimized risk analysis and planning. The final system will be applied to and evaluated on real-life outsourced software development projects by companies in Guanzhou, Shenzhen, and other cities. This research will produce prominent theoretical and practical values in improving the risk management of outsourced software projects in China. The proposed framework will provide a new approach to the constructions of various intelligent risk management decision support systems.

基于外包软件项目风险智能决策支持系统实施项目风险管理对提升项目成功率有重要价值。该领域存在两个主要问题：第一，现有外包软件项目风险识别模型未能充分反映客户方、承包方管理风险的协同特性。第二，现有风险智能决策模型不能实现因果分析，不能实现分析与计划的集成管理。本项目建立客户-承包方双视角的风险协同识别模型，提出基于因果分析和多对多可行动知识发现的集成算法框架，并收集500-800个用于建模的项目样本，在此基础上研发风险分析与计划集成的智能决策支持系统。研究成果将通过广州、深圳等地多家企业的外包软件项目管理进行应用测试和评估。研究成果对提升我国外包软件项目风险管理水平有重要的理论价值和实践意义。该研究提出的基于因果分析和可行动知识发现的集成算法框架为其他领域风险管理的智能分析与计划建模提供新的方法，有广泛的应用价值。

针对外包软件项目风险领域智能分析及大数据决策关键问题，开展如下工作并取得突破性进展：1）针对原有外包软件项目风险识别模型未能充分反映客户方、承包方管理风险的协同特性问题，建立客户-承包方双视角风险协同识别模型，并根据模型收集531个外包软件项目样本，为风险协同识别、智能建模和收集数据提供基础。2）针对智能决策的因果分析问题，基于外包软件项目风险分析等管理决策应用情境，建立面向复杂数据决策问题因果知识发现方法的新体系，提出局部与整体的因果学习、针对高维稀疏数据的因果发现方法、泛化多因果发现方法、因果特征选择,实现复杂管理决策从相关到因果发现的里程碑式推进。3）针对风险分析与计划的集成管理问题，提出多对多可行动方案挖掘方法、多知识发现模型行动方案集成挖掘方法、新的不确定性信息融合方法、针对概念漂移的动态学习方法等，将仅适用一对一风险因素与风险控制措施关系的决策挖掘方法推进到多对多的关系，并完成知识发现模型整合的通用化，极大扩展了可行动知识发现方法群的适用情境。. 项目不仅取得重要成果，对人才培养、国际交流和团队建设亦产生重要影响，包括：1）在国际重要学术SCI索引期刊发表27篇论文，其中13篇发表在影响因子超过2.0的期刊，3篇发表在决策支持系统著名期刊DSS，1篇发表在医疗信息第一期刊JAMIA，ESI高被引论文4篇，获得2014年度中国百篇最具影响国际学术论文1篇，获得省科学技术一等奖1项。2）与美国堪萨斯大学建立紧密的协作关系，负责人主持共建暨南大学大数据决策国际联合研究所及省工程技术研究中心，主持经费超1200万元。3）引进包括瑞典院士等高层次人才10名，培养团队2位博士成为团队青年教师和博士后，培养优秀硕士生多名。