Application of machine learning algorithms for project risk management

Risk Management has a huge impact on project success. Industries are constantly working on the improvement of the possibility to analyze and mitigate the risks. The occurrence of risk describes chances of uncertainty, unreliability, and working conditions that are usually overlooked and can result in delays, budget increments, and quality variation. In the thesis work, these conditions have been analyzed as errors (anomalies) found in datasets and have been dealt with similarly. The main goal is not only to recognize the possible risks and their impact on the project’s success but also to work towards the possible reduction of these risks’ impact and preparing a structure to deal with them during the occurrence.

La gestione del rischio ha un enorme impatto sul successo di un progetto. Le imprese lavorano costantemente per migliolare la capacità di analisi e mitigazione del rischio. Un evento imprevisto può condurre a condizioni di incertezza, inaffidabilità e situazioni che sono solitamente trascurate e che possono causare ritardi, incrementi di budget e riduzione della qualità. Nel presente lavoro di tesi, queste condizioni sono state analizzate come errori (anomalie) riscontrati nei dati e sono state affrontate analogamente. L’obiettivo principale non è solo quello di riconoscere I possibili rischi ed il loro impatto sul successo del progetto, ma anche quello di lavorare sulla possible riduzione del loro impatto e preparare una struttura in grado di affrontarli quando si manifestano.