基于SNA视角大型工程项目风险管理研究

王闪闪，洪文霞，薛 娜，李蓓蓓，张利源

(青岛理工大学 管理工程学院，青岛 266525)

随着经济和城市化的快速发展，工程项目趋于大型化、复杂化，大型工程是推动供给侧结构性改革，确保如期实现全面小康的关键抓手.具有结构关联紧密、投资规模大、参与单位多元化、建设环境多变、技术要求高且持续性重大影响经济社会发展等特征，使大型工程项目全生命周期内面临多样风险和挑战.已有国内外专家对大型工程项目风险因素的定性与定量评价及来源分析展开研究.

何清华等[1]基于贝叶斯法对大型复杂工程项目进度风险进行了分析，提出了大型复杂工程项目进度风险管理策略.屈甜利等[2]考虑各利益相关方不同层次的需求和要求，将大型工程项目利益相关方分为建设方、客户方、业主方，运用EAHP(可拓层次分析法)和物元可拓理论从三方视角对大型工程项目进行评价.文献[1-2]从单视角分析了项目风险或利益相关者对工程项目的影响，缺乏风险间相互关系、风险与利益相关者间的联系及风险后续影响的考虑.VAN BUEREN[3]提出了可持续性工程项目在环境开发决策过程中利益相关者之间的依赖关系.文献[3]从网络视角定性分析了利益相关者相互关系，但没有指出每个利益相关者在网络中的影响程度.XIA等[4]分析了大型基础项目各个阶段的关键风险以及风险之间的因果关系，建立了单个风险、阶段风险和成本超支之间的传播网络.ZHOU等[5]分析了大型水电工程建设中风险因素之间的交互关系，并结合DEMATEL和ANP分析了重要的危险因素.文献[4-5]论证了项目风险网络分析的重要性，但缺乏风险概率计算及后果的关注.

大型工程项目利益相关者相关风险间相互联系形成互相影响的复杂网络.以往大型工程项目风险的研究多局限于线性影响分析，将利益相关者相关的风险因素视作孤立的点，缺乏内在作用关系研究.针对现有大型工程项目风险评价研究的不足，本文建立利益相关者风险网络分析模型，利用SNA法对风险网络中的关键风险和关键风险关系进行识别，针对关键风险和关键风险关系提出应对策略，阻断或消除风险在网络结构中的传播.研究结果有助于项目管理者对大型工程项目风险的管理.

1 社会网络分析法

社会网络分析法(Social Network Analysis，SNA)是一个既能反映网络结构整体特征和个体在网络结构中的位置，又能描述整体结构对个体影响程度的一套规范和研究方法.综合考虑大型工程项目复杂性特征，结合现有文献在工程管理领域的应用，以大型建筑工程项目为例构建基于社会网络分析法的大型工程项目风险网络评价模型，与利益相关者相关的风险分析主要包括五部分：①识别风险因素并归类；②构建风险网络模型；③可视化风险网络；④基于SNA对关键风险与关键风险关系识别；⑤采取措施控制风险并效果检测.研究框架如图1所示.

图1 基于SNA的大型工程项目风险网络研究框架

2 全生命周期利益相关者风险识别与归类

2.1 利益相关者识别

已有学者对大型工程项目利益相关者进行了研究，王进等[6]从紧迫性、影响性、主动性及综合性四维视角将大型工程项目利益相关者分为核心型(建设单位、承包商)、战略型(勘察设计单位、材料设备供应商、投资人、监理单位、政府部门、运营方、高层管理人员)和外围型(员工、工程项目所在社区、环保部门)三类.蒋卫平等[7]将大型工程项目内部利益相关者划分为业主方、项目管理团队、供应商、总承包商、分包商.HERAZO等[8]分析了可持续性建筑项目利益相关者，并确定了43个利益相关者，将其分为客户、用户、社区、顾问、政府、公众、媒体7个类别.吕萍等[9]对政府投资项目各个阶段利益相关分析，得在整个生命周期内同一阶段不同的利益相关者相对重要性存在明显差异、同一利益相关者在不同阶段也扮演了不同角色.大型工程项目全过程涉及利益相关者众多，结合现有文献并经专家审议，针对各利益相关者不同职责分工和利益诉求，将大型工程项目利益相关者分为建设方S1、承包商S2、投资方S3、勘察设计单位S4、监理单位S5、供应商S6、运营方S7、工程项目所在地区S8.

2.2 风险因素识别及归类

分析衡量各种风险识别方法的优劣，选择工作分解结构-风险分解结构(WBS-RBS)法识别大型房建工程项目风险.WBS-RBS是将项目任务和项目风险分别分解为最小工作包，形成分解树，然后用分解的最小工作包交叉构成WBS-RBS风险识别矩阵，最后判断风险的存在性及转换条件[10]，风险流程如图2所示.根据WBS-RBS法，结合已有的文献[11-13]，充分考虑大型房建工程项目各种潜在风险因素，识别出37个风险因素，并从利益相关者视角进行归类，见表1.

图2 大型工程项目风险识别流程

表1 大型房建工程项目风险识别及归类

3 基于SNA风险管理模型

3.1 构建风险网络

3.1.1 数据收集

采用问卷调查和半结构式访谈方式构建风险网络，基于大型建筑工程项目利益相关者相关风险间相互关系设计调查问卷，问卷涉及三个问题：①大型建筑工程项目S*R#(*表示利益相关者编码，#表示风险编码)是否影响S*R#？②S*R#对S*R#有多大影响？③S*R#对S*R#潜在影响的可能性是多少？问卷要求各位专家对问题②和③的结果采用5级标度法(1表示最低，5表示最高)打分.将影响程度和可能性的乘积作为风险间相互关系的最终结果.

通过电子邮件将问卷发放给调查对象，调查对象涵盖范围为具有不同工作年限、不同教育程度的8个利益相关者.共发放152份问卷，回收98份，有效问卷84份.

3.1.2 信效度分析

利用SPSS 24对收集的数据进行信效度分析，调查问卷的信效度系数Cronbach’s α为0.845，将CITC>0.3做Cronbach’s α信效度检验补充，经检测，CITC在0.37～0.55，都大于0.3，全部通过检验，表明问卷信度较好，有较高的可靠性和一致性，可以接受.

3.1.3 风险网络可视化

整理收集的问卷形成风险邻接矩阵，利用UCINET软件将大型建筑工程项目利益相关者风险可视化，如图3所示.

图3 大型工程项目利益相关者风险网络模型

3.2 风险网络结构分析

社会网络法分析风险的指标众多，本文主要研究大型建筑工程项目风险网络的整体性和个体风险在整体网络中的作用.利用密度和凝聚性测量风险网络结构的整体性，中间人分析关键风险因素，中间中心度分析关键风险关系.

3.2.1 整体风险网络分析

网络密度(Density)表示风险结构矩阵(MRS)中现有关系数与所有关系数中最大关系数之比[14]，表达式见式(1)，反映整体网络的紧密程度，范围为[0,1]，密度越大，网络中风险间相互关系越大，

(1)

式中：D为网络密度；MRS为风险结构矩阵；G为风险关系总数；N为网络风险的总数；S*Ri,S#Rj为风险关系数.

凝聚性(Cohesion)表示邻接矩阵(MADJ)中基于最短路径的风险网络节点的关系数[15]，表达式见式(2)，用来衡量基于风险网络的复杂度，凝聚性越高，风险网络结构越复杂.

(2)

利用UCINET软件对大型建筑工程项目风险网络计算得，网络密度为0.1727，网络密度较大，节点之间的平均联系数为2.895.凝聚指数为0.44，大于网络密度，表明网络中风险间相互关系较为复杂.

表2 大型房建工程项目风险因素中间人分析 个

3.2.2 个体风险分析

关键风险因素、关键风险关系的测量是通过考虑各利益相关者风险因素在网络中的直接/间接关系来表示.风险网络中各节点有不同角色，如协调者、守门者、代理者、顾问、联络者，关键角色关联各个群体，占据了重要地位，中间人分析识别关键风险对控制风险传播极为重要.取中间人分析结果排名前6的风险因素，见表2.

表2中4种风险因素占所有风险中间人总数达52%(共644个).基于利益相关者视角，6种风险中有5种承担了至少三个角色，尤其S3R2(投资计划与方案选择)、S4R3(设计的安全性与合理性、交底的不明确)承担了全部中间人角色；S1R1(项目管理的方式与体系完善性、组织协调性)虽承担了一种角色，但数量较大；S1R2(承包商选择)、S2R13(合同风险)、S7R1(运营风险)均承担了三个角色，且数量均较大，其中S1R2数量最大.所以无论从利益相关者视角还是数量视角，该6种风险处于关键地位.

网络中节点与节点间的连线称为关系，关键关系的识别通过中间中心度识别，线的中间中心度是衡量任一条线在多大程度上位于图中其他线的“中间”,线的中间中心度越大，表示风险传播能力越强，越需要控制.某一关系(K→L)的计算公式如式(3)所示：

(3)

利用软件UNCIET 6(Networt→Centrality→Freeman Betweenness→Line Betweenness)计算取影响最大的30个(共228个)关键关系，见表3.

表3 风险网络中线的中间中心度分析

4 风险控制与效果检测

4.1 关键风险和关键风险关系控制

根据第3节风险网络分析结果，确定了网络中的关键风险和关键关系，从表3可以看出，各风险关系均与6个(S1R1，S1R2，S2R13，S7R1，S3R2，S4R3)关键风险密切相关.对关键风险和关键关系提出针对性的风险控制措施，可有效阻止风险的传播，针对关键风险和风险关系的控制措施见表4、表5，关键风险得到控制会有效缓解或阻断相应关系的传播.

表4 关键风险控制措施

表5 关键风险关系控制措施

4.2 效果检测

实施关键风险和关键风险关系控制措施后对风险网络进行模拟检测，移除关键风险和关键关系的风险网络视图如图4所示.通过直观比较，风险网络明显稀疏，节点间的联系程度明显降低.利用UCINET软件计算分析，整体网络密度降低到0.1301(-25%)，凝聚性降到了0.21(-52%)，表明大型建筑工程项目风险关系网络复杂程度大大降低，控制措施有效控制了风险在网络中的传播.

图4 关键风险控制后风险网络结构

中间中心势是风险网络中最高中间中心度点与其他点的差距[10]，差距越大，控制力越强,表达式如式(4)所示.中间中心势由2.66%降到0.69%(-74.06%)，明显降低了风险网络中某节点风险导致大型建筑工程项目失败的可能性，表示风险控制有效.

(4)

式中：Cd为中间中心势；N为网络节点；Cimax为中间中心度.

5 结论

1)基于SNA法构建大型建筑工程项目利益相关者风险网络分析模型，运用密度、凝聚性从整体网络角度分析本项目风险网络的复杂性，运用中间人分析和中间中心度从个体网络角度分析关键风险因素和关键风险关系，识别出6个关键风险因素：S1R1(项目管理的方式与体系完善性、组织协调性)、S1R2(承包商选择)、S2R13(未认真分析合同及其规范、合同陷阱评估不足)、S7R1(运营管理情况)、S3R2(投资计划与方案选择)、S4R3(设计的安全性与合理性、交底的不明确).通过对关键风险因素和关键风险关系提出针对性的控制措施并有效实施，缓解或阻断了风险在网络中的传播.利用网络密度、凝聚性、中间中心势等指标进行了效果监测，结果表明：风险网络的复杂性、风险节点间的紧密度及某风险导致工程项目失败的可能性明显降低.

2)从社会网络视角，通过与以往研究范式比较，提出了一个过程结构化和指标分析、识别、控制风险的网络模型，为项目管理团队提供了很好的大型建筑工程项目风险管理方案，克服了传统线性风险分析的局限性，提高了利益相关者风险分析的有效性和准确性.