Вероятностное прогнозирование — это подход, который помогает командам делать надёжные прогнозы сроков выполнения задач на основе данных о прошлых результатах. Однако многие команды всё ещё сомневаются, стоит ли использовать этот метод. Сегодня мы развенчаем четыре наиболее распространённых мифа о вероятностном прогнозировании, которые слишком часто мешают командам воспользоваться преимуществами наиболее надёжного подхода к установлению сроков выполнения задач.
Миф №1: для вероятностного прогнозирования требуется большой объём данных
Тот факт, что вероятностные прогнозы основаны на данных о ваших прошлых результатах, не означает, что вам нужно много данных, чтобы делать надёжные прогнозы сроков выполнения. Независимо от того, собирали ли вы данные с самого начала создания доски или только начинаете работать с новыми командами, это не имеет значения.
Главное условие для составления надёжных прогнозов — поддержание стабильной системы. Если ваш рабочий процесс оптимизирован для прогнозирования, вам потребуется от 20 до 30 выполненных задач, чтобы получить точные результаты. Дело не в количестве, а в контроле над методами управления и обеспечении последовательного достижения результатов.
Миф №2: вероятностное прогнозирование работает только с заданиями одинакового размера
Распространено мнение, что для составления точных прогнозов будущего необходимо искусственно разделить рабочие задания на равные части. Это один из самых больших мифов о вероятностном прогнозировании.
Концепция искусственного разделения рабочих заданий на равные части для составления точного прогноза сроков выполнения не является обоснованной. На самом деле изменение размера ваших заданий не только не имеет отношения к прогнозированию, но и может негативно повлиять на достижение поставленных целей.
Главное условие для составления точных прогнозов сроков выполнения заключается в поддержании тонкого распределения. Стабильные системы создают тонкие распределения.
В стабильной системе у вас, вероятно, будут задания разного размера, и скорость их выполнения будет зависеть только от их приоритета. Важнее всего срочность заданий. Если ваши задания имеют одинаковый приоритет, они должны обрабатываться в порядке очереди (FIFO).
Даже если вам придётся разделить ваши рабочие задания на более мелкие части, вы всегда должны стремиться к созданию потенциально выпускаемых приращений, которые по-прежнему приносят пользу клиентам. Ещё раз: это не повлияет на точность вашего вероятностного прогноза.
Миф №3: вероятностные прогнозы трудно интерпретировать и использовать
Нет, это не так, и для их понимания не нужно иметь степень магистра в области математики. В вашем распоряжении есть инструменты, которые помогут вам составить точные вероятностные прогнозы. Одним из таких инструментов является моделирование методом Монте-Карло.
Моделирование использует большое количество случайных испытаний, основанных на данных о прошлых результатах, для прогнозирования пропускной способности на будущий период времени. Вы определяете дату начала и количество задач, а моделирование предоставляет диапазон дат доставки и вероятность, связанную с каждой датой.
Для любой даты в будущем используется пропускная способность случайного дня в прошлом, чтобы смоделировать, сколько рабочих заданий, вероятно, будет выполнено.
Миф №4: вероятностное прогнозирование не учитывает разделение заданий
Давайте сделаем шаг назад. Тот факт, что в вашем бэклоге 200 заданий, не означает, что все эти 200 заданий будут выполнены в назначенный вами срок. Это не то, что вам говорит моделирование методом Монте-Карло. Моделирование говорит вам: «Если у вас есть бюджет на 200 заданий, они будут выполнены к дате X, и есть Y% уверенности, что вы достигнете этой цели».
Вы, вероятно, разделите свои задания, некоторые из них будут отменены, будут добавлены новые, вы обнаружите дефекты, и между ними появится дополнительная работа. Вы можете взять любые 200 заданий, которые захотите, и моделирование Монте-Карло по-прежнему будет действительным.
Преимущества прогнозирования
Здесь, в Nave, у нас более 10 000 клиентов, которые используют вероятностное прогнозирование либо для планирования своих следующих релизов, либо для прогнозирования даты доставки проекта с фиксированным объёмом. Этот метод приносит больше пользы, чем традиционный подход к оценке, по множеству различных параметров.
Вероятностное прогнозирование оказалось гораздо более точным, чем детерминированная оценка, поскольку оно использует модели, основанные на ваших собственных данных о прошлых результатах. Оно не полагается на интуицию или интуитивные ощущения.
Оно требует гораздо меньше времени и усилий. Мы видели, как проекты, рассчитанные более чем на 1 год и стоимостью свыше 10 000 000 долларов, занимали менее 1 дня, когда всего несколько человек анализировали данные для построения надёжного и качественного прогноза.
Вероятностное прогнозирование не является детерминированным. Оно чётко определяет риск, связанный с определёнными результатами, в процентах. Когда дело доходит до планирования, основное внимание теперь смещается с вопроса «когда это будет сделано?» на вопрос «какой риск вы готовы принять?».
Эти четыре мифа часто мешают командам использовать вероятностное прогнозирование, однако факты показывают, что это наиболее надёжный способ установления сроков выполнения задач на основе реальных данных. Надеюсь, эти объяснения дадут вам ясность и уверенность в применении этого подхода в вашем собственном рабочем процессе.
1. Какие основные мифы о вероятностном прогнозировании развеиваются в статье?
В статье развеиваются четыре основных мифа:
* Для вероятностного прогнозирования требуется большой объём данных.
* Вероятностное прогнозирование работает только с заданиями одинакового размера.
* Вероятностные прогнозы трудно интерпретировать и использовать.
* Вероятностное прогнозирование не учитывает разделение заданий.
2. Сколько выполненных задач необходимо для составления надёжных прогнозов?
Для составления надёжных прогнозов достаточно от 20 до 30 выполненных задач. Главное условие — поддержание стабильной системы и контроль над методами управления.
3. Какие инструменты помогают составлять точные вероятностные прогнозы?
Одним из инструментов, помогающих составлять точные вероятностные прогнозы, является моделирование методом Монте-Карло. Оно использует большое количество случайных испытаний, основанных на данных о прошлых результатах, для прогнозирования пропускной способности на будущий период времени.
4. В чём преимущество вероятностного прогнозирования перед традиционным подходом к оценке?
Вероятностное прогнозирование оказалось гораздо более точным, чем детерминированная оценка, поскольку оно использует модели, основанные на реальных данных о прошлых результатах. Оно требует гораздо меньше времени и усилий, а также чётко определяет риск, связанный с определёнными результатами, в процентах.
5. На какой вопрос смещается основное внимание при планировании с использованием вероятностного прогнозирования?
При планировании с использованием вероятностного прогнозирования основное внимание смещается с вопроса «когда это будет сделано?» на вопрос «какой риск вы готовы принять?».