Troy Magennis: Prognozowanie z wykorzystaniem danych.

Wizualizacja danych pomaga ludziom zobaczyć i użyć danych. Dzięki przewidywalności chcemy maksymalizować dostarczaną wartość biznesową. Zatem poznajmy prognozowanie w projekcie Scrum.

Rzecz o której często się zapomina: prognoza, estymacja nie jest przyjęciem zobowiązania. Jest to próba przewidzenia co stanie się w przyszłości.

Podejście do prognozowania powinno się składać z: modelowanie -> prognoza -> porównanie z rzeczywistością.

Prognozowanie a rzeczywistość

Załóżmy, że masz dane o pracy zespołu z 6 miesięcy. Spróbuj wykonać takie ćwiczenie: określ model przebiegu waszej pracy na podstawie pierwszych 3 miesięcy. Sprawdź jak prognoza, którą przygotowałeś w oparciu o te dane, sprawdziła się w kolejnych trzech miesiącach. Na tej podstawie będziesz mógł określić na przygotowany model jest zgodny z rzeczywistością i użyć go do dalszego prognozowania przyszłości.

Prognozowanie pozwala na szybsze odkrycie kiedy nasze założenia nie są prawidłowe i zadanie pytania: dlaczego?

Wszystkie dane raczej będą miały jakąś linię trendu, jakieś sezonowe wahnięcia oraz pewną ilość zakłóceń. Dobrze jest wziąć te czynniki pod rozwagę próbując wykonać prognozę.

Każda metryka musi być tworzona i analizowana w konkretnym kontekście projektowym i biznesowym.

Wartościowe jest takiego środowiska pracy, w którym zespoły będą rozważały różne metody rozwiązania swoich zadań i problemów. W mapach Googla, kiedy wpisujemy trasę dojazdu jakiegoś miejsca widzimy propozycję różnych opcji. Dzięki temu mamy do dyspozycji kila opcji. Co więcej pokazywany szacowany czas dojazdu jest cały czas aktualizowany w zależności od drogi jaką wybierzemy i od sytuacji jaka aktualnie tam panuje. Ciągła aktualizacja prognozy dla projektu powinna również być standardową praktyką w pracach zespołu.

Jeżeli będziemy dokonywać prognozy w oparci o średnie lub linie trendu, wtedy będziemy mieli po 50% szans na realizację zadania przed lub po wyznaczonym lub wybranym terminie. W prognozowaniu statystycznym chcemy zwiększyć pewność (prawdopodobieństwo) udzielanych odpowiedzi.

Symulacja Monte Carlo

Dlatego wykonujemy symulację Monte Carlo, która pozwala określić prawdopodobieństwo wystąpienia danego rezultatu (w tym przypadku zakresu dat realizacji zadania wraz z prawdopodobieństwiem). Poprzez przyjmowanie różnych poziomów pewności, które jesteśmy w stanie zaakceptować jesteśmy w stanie wcześniej i lepiej zrozumieć to co przed nami. Jednocześnie daje to wyjątkową okazję do rozmowy na temat „Jak możemy uniknąć ryzyka faktycznej realizacji zadań przy prawym końcu symulacji?”. Co możemy zrobić? Jakie kroki możemy podjąć? Ta dyskusja może odbyć się na tyle wcześnie, że będzie wystarczająco dużo czasu na podjęcie działań.

Przy wykonywaniu prognozy można nawet użyć współczynników odnoszących się do przepustowości systemu (throughput) wynikające z przewidywania znanych zdarzeń, np. mniejszej przepustowości w okresie wakacji.

W niepewnym środowisku nigdy nie ma tylko jednej odpowiedzi. Dlatego tak ważne jest prognozowanie w projekcie Scrum.

Teraz przeczytaj również Larry Maccherone: wpływ mierzalnej zwinności na projekty.

Źródło w którym obejrzysz oryginalny materiał https://youtu.be/ttQ_38fa2jM