Введение
Начать использовать симуляцию Монте-Карло в качестве альтернативного подхода к прогнозированию сроков доставки может быть непросто, особенно если вы долгое время оценивали свою работу в баллах историй (или часах).
Что такое симуляция Монте-Карло?
В управлении проектами метод Монте-Карло — это математический инструмент для прогнозирования, учитывающий риски, неопределённость и изменчивость. Он использует ваши прошлые данные о производительности для прогнозирования пропускной способности в будущем.
Вы определяете дату начала и количество задач, а симуляция предоставляет диапазон дат доставки и вероятность, связанную с каждой датой.
Когда использовать симуляцию Монте-Карло?
Симуляцию Монте-Карло можно использовать для ответа на два наиболее сложных вопроса в управлении проектами:
1. «Когда мы сможем закончить X количество задач?»
2. «Сколько задач мы сможем выполнить за X количество дней?»
Как интерпретировать результаты симуляции Монте-Карло?
Монте-Карло использует вычислительный алгоритм для моделирования процесса тысячи или даже миллионы раз. Результат — гистограмма, показывающая все возможные результаты и вероятность того, что каждый результат произойдёт.
Нужно ли делить ваши задачи на равные части для работы с Монте-Карло?
Размер ваших рабочих элементов не влияет на надёжность прогноза, поскольку ваши исторические данные (основа прогнозов) содержат рабочие элементы разного размера.
Основная предпосылка для составления точных прогнозов доставки заключается в поддержании предсказуемого рабочего процесса.
Учитывает ли метод разделение историй?
Пусть будет шаг назад. Наличие 100 историй в вашем бэклоге не означает, что эти 100 историй будут доставлены в указанную вами дату.
Симуляция Монте-Карло говорит вам: «Если у вас есть 100 элементов, они будут выполнены к дате X, и есть Y% уверенности, что вы достигнете этой цели».
Учитывает ли метод текущую работу в процессе?
Да, абсолютно. Монте-Карло не указывает явно, были ли ваши 100 историй начаты. Эти 100 историй могут включать работу, которая уже выполняется.
Какие данные необходимы для получения надёжных результатов?
Тот факт, что вероятностные прогнозы основаны на вашей прошлой производительности, не означает, что вам нужно много данных для составления надёжных прогнозов доставки.
Если ваша система доставки оптимизирована для предсказуемости, вам не потребуется больше 20–30 выполненных задач для получения точных результатов.
Как работает масштабирующий фактор в Монте-Карло?
Масштабирующий фактор используется для сценариев с высокой неопределённостью, когда вы ожидаете значительных изменений в производительности вашей команды, но у вас нет данных для учёта этого.
Нужно ли фильтровать определённые данные при запуске симуляции?
Ответ зависит от того, как вы определяете работу, которую вы будете выполнять для вашего клиента. Если ваша область действия определена в терминах историй, и ваш клиент ожидает обязательств на уровне историй, вы должны фильтровать свои данные по историям для генерации прогноза и оставить все другие типы рабочих элементов.
Какие предположения необходимо сделать при проведении симуляций Монте-Карло?
Единственное требование для получения надёжных прогнозов доставки — это оптимизация вашего рабочего процесса для предсказуемости.
Единственное требование для работы Монте-Карло (и любого другого подхода к прогнозированию) — это использование данных, полученных из предсказуемой системы доставки.
1. Какие данные необходимы для получения надёжных результатов при использовании симуляции Монте-Карло?
Для получения надёжных результатов при использовании симуляции Монте-Карло достаточно иметь данные о прошлых выполненных задачах в количестве 20–30 штук. Это связано с тем, что прогнозы основаны на оптимизации рабочего процесса для предсказуемости.
2. Как интерпретировать результаты симуляции Монте-Карло?
Результаты симуляции Монте-Карло представляются в виде гистограммы, которая показывает все возможные результаты и вероятность того, что каждый результат произойдёт. Это позволяет оценить диапазон дат доставки и вероятность достижения каждой из них.
3. Учитывает ли метод Монте-Карло текущую работу в процессе?
Да, метод Монте-Карло учитывает текущую работу в процессе. Он не указывает явно, были ли начаты все задачи, но учитывает их в общем объёме работы, который будет выполнен.
4. Какие предположения необходимо сделать при проведении симуляций Монте-Карло?
Единственное требование для получения надёжных прогнозов доставки — это оптимизация рабочего процесса для предсказуемости. Это означает, что система доставки должна быть организована таким образом, чтобы результаты были предсказуемыми на основе прошлых данных.
5. В чём заключается основная предпосылка для составления точных прогнозов доставки при использовании симуляции Монте-Карло?
Основная предпосылка для составления точных прогнозов доставки заключается в поддержании предсказуемого рабочего процесса. Это позволяет использовать прошлые данные о производительности для прогнозирования пропускной способности в будущем и получения надёжных результатов.