Нормированная скорость: влияют ли плановые и внеплановые отпуска на вчерашнюю погоду

Перевод статьи Em Campbell-Pretty Weighted Velocity: An Approach to Addressing the Impact of Planned and Unplanned Leave on Yesterday’s Weather выполнен с разрешения автора.

В последние годы много было написано о вреде оценок в Agile (#noestimates). Также среди сторонников Agile было много споров вокруг нормализованной оценки в SAFe. Однако, для большинства моих корпоративных клиентов потребность в оценке при планировании является реальной необходимостью, и нормализованная оценка из SAFe при правильном применении становится весьма полезным инструментом.

Учитывая это, я решил отложить дебаты на тему вреда оценок и нормализованных story points и сконцентрироваться на обсуждении того, как мы можем помочь командам и ART (Agile Release Train) (далее — поезда) стать более предсказуемыми, развивая их подход к планированию с использованием скорости, измеряемой в количестве story points, реализованных командой или поездом за спринт или инкремент программы.

При планировании Agile-команды обычно используют «вчерашнюю погоду» для того, чтобы предсказать свою скорость (производительность) в следующем спринте (или нескольких спринтах в случае планирования инкремента программы в SAFe). Идея в том, что «вчерашняя погода» — это лучший прогноз для сегодняшней погоды. Применительно к Agile подразумевается, что скорость команды в прошлом спринте лучше всего позволит сделать прогноз скорости команды в следующем спринте. Где скорость команды — это количество реализованных командой story points (запланированной и незапланированной работы). Конечно, этот подход не учитывает, что производительность команды меняется от спринта к спринту, так как на нее влияют запланированные и незапланированные отпуска. Я заметил, что поезда зачастую стремятся решить этот вопрос с помощью переоценки производительности команды после каждого спринта, используя подход с нормализованными оценками из SAFe, и это сводит меня с ума!

Расстроенный некорректностью использования подхода с нормализованной оценкой из SAFe, я начал играть с концепцией «нормирования скорости» чтобы улучшить точность (среднюю точность, а не идеальность каждой оценки) при планировании командами и поездами. Эта концепция позволяет корректировать информацию о скорости команды так, чтобы она лучше отражала фактическую производительность. Это предполагает сбор данных о доступности членов команды или поезда и последующее выражение этих данных как процента от нормальной мощности команды.

Например, если в команде обычно работает 8 человек с полной занятостью, и один из них был в отпуске 5 дней из 10-дневного спринта, то процент доступности команды будет равен 93,75%, то есть 75 дней\80 дней = 93,75%. Затем я беру скорость работы этой команды (или поезда) за тот же период и делю ее на процент доступности команды. Например, если скорость команды в спринте была равна 45 story points и процент доступности команды был равен 93,75% то нормированная скорость команды будет равна 48 story points на спринт.

Этот подход можно использовать и для оценки влияния переработок на скорость команды. (Перед тем, как последователи Agile начнут атаку: мы все знаем, что в Agile-команде не должно быть переработок! И я всегда говорю об этом моим клиентам, но иногда это случается…). Например, у вас есть команда, в которой с полной занятостью работают 8 человек, и все они приходят на полдня в субботу. Команда работает 84 дня при 80 рабочих днях в спринте увеличивая % доступности команды до 105%. И если скорость команды в спринте была равна 50 story points, то взвешенная скорость команды будет 48 (50/105%).

Постоянным нормированием скорости команды или поезда мы убираем отклонения, вызванные плановыми или внеплановыми отпусками, что позволяет при планировании и прогнозировании использовать более точную информацию о вчерашней погоде. Возможно, если сказать проще, мы восстанавливаем скорость команды до той величины, какой она была бы, если бы команда имела полную мощность (100%) в течение всего спринта. Конечно, при использовании нормированной скорости команды в качестве вчерашней погоды, я советую брать среднее значение за 4-5 последних спринтов и уменьшать его с помощью данных обо всех планируемых отпусках, используя описанный выше подход с % доступности команды.

Я также обнаружил, что нормированная скорость очень полезна при построении моделей расчета затрат на 1 story point, но это тема для другого блога!

Кроме того, в теме улучшения достоверности оценок отмечу, что я считаю полезным просить команды обсуждать их плановые оценки в момент завершения спринта, например, на ретроспективе. Я прошу команды поискать истории, где они чувствуют существенную разницу между первоначальной оценкой и реальными усилиями на реализацию. И в найденных случаях я предлагаю команде обсудить, почему оценка так отличается (то есть чему они научились пока выполняли задачу) и как они смогут использовать эти знания при дальнейшем планировании.

Планы — ничто! Планирование — все! (с) Дуайт Эйзенхауэр