Using Classification Trees to Predict Performance in Information Technology Projects

Abstract

Classification trees are introduced as a modeling technique to predict IT project performance. A comparative analysis of classification tree, regression and neural network techniques provides promising evidence that classification trees can provide more actionable output for project decisions. The relative accuracy from classification trees, vis-à-vis regression and neural network techniques is demonstrated using a data set of 440 projects including 8 performance factors and a binary dependent variable of performance. Results suggest classification tree techniques provide comparable, and possibly superior, predictive capabilities. We conclude that a performance assessment based on classification trees could provide an effective decision tool for managing IT project performance.

Dans cet article, nous proposons d’utiliser les arbres de classification pour la modélisation de la performance des projets informatiques. L’analyse comparative des performances des arbres de classification, des réseaux neuronaux et des techniques basées sur la régression montrent que les arbres peuvent amener des résultats intéressants. Utilisant les données empiriques d’un échantillon de 440 projets, nous montrons que les arbres donnent de meilleurs résultats, plus précis et ont une meilleure valeur prédictive. Sur la base de notre modèle, il est donc possible de développer des outils d’aide à la mesure de la performance des projets informatiques fiables.

Keywords:

• Decision Support Systems
• Project Management
• Classification Trees
• Neural Networks
• Regression
• And Risk

Mots clés:

• systèmes d’aide à la décision
• management de projet
• arbre de classement
• reseaux neuronaux
• régression
• risqué