风险数据质量是什么
风险数据质量评估检查风险数据（发生概率、影响程度、相关性等）的准确性与可靠性。风险分析的结果再好，也建立在输入的估算值上：估算来自经验、访谈或历史数据，就天然带有认知偏差。质量评估的目的不是追求绝对准确，而是识别数据是否低到足以让结论失去参考价值，并据此选择更保守的区间或补充验证。
基本信息
| 评估对象 | 概率、影响、紧迫性、可探测性等评估参数 |
|---|---|
| 评估维度 | 准确性、来源可靠性、样本量、时效性与一致性 |
| 主要偏差 | 乐观偏差、近期偏差、可用性启发、锚定效应 |
| 缓解手段 | 独立估算、历史基线、结构化清单、多源交叉验证 |
| 输出 | 对分析的置信度说明与保守修正后的区间 |
典型使用场景
- 风险评审会当场估分后，需要判断这些分值是否可以用于定量分析
- 关键里程碑估算反复被打破，需要复盘是执行问题还是估算偏差
- 做进度或成本储备测算，需要先确认输入的概率分布是否可信
- 跨组织协作环境里各方风险数据口径不同，需要先对齐定义再汇总
- 供应商或外部专家提供的风险评估，需要判断是否存在利益驱动的低报
常见偏差
| 偏差 | 表现 | 缓解方式 |
|---|---|---|
| 乐观偏差 | 系统性低估工期与成本 | 引入独立估算与外部评审 |
| 近期偏差 | 以最近一次事件推断未来概率 | 使用历史数据建立基线 |
| 可用性启发 | 易回忆的事件被高估，罕见事件被忽略 | 结构化清单与分类检查 |
| 锚定效应 | 首个数字决定后续讨论范围 | 先各自独立估算再汇总 |
| 单源依赖 | 数据仅来自项目经理一人 | 多角色交叉验证并记录来源 |
评估顺序不能颠倒：先校验数据来源与样本量，再进入定量分析。用不可靠的输入做精细计算，得到的只是一个看起来精确的结论，决策者反而更容易被误导。