Previsões Eficazes: Estimativas no Kanban

Versão traduzida por Déborah Alvarenga. Tradução autorizada do blog da ferramenta Nave, sendo a Arkhi Business Agility a sua principal parceira no Brasil. Artigo original: https://getnave.com/blog/estimation-in-kanban/

Quando se trata de gerenciamento de projetos, a grande questão é sempre “Quanto tempo isso vai levar?” . De itens de trabalho individuais a projetos inteiros, fazer previsões de entrega precisas mantém um alto nível de confiança e satisfação do cliente.

Na comunidade Ágil, há muitas opiniões diferentes sobre a frequência com que a estimativa deve ser realizada e o quão detalhada uma estimativa deve ser. Algumas equipes preferem não fazer estimativas – o tempo gasto fazendo estimativas é tempo que poderia ter sido gasto criando mais valor. Outros preferem definir a direção usando roadmaps Kanban , deixando os detalhes para serem trabalhados no dia a dia. No entanto, quando você está vinculado a prazos fixos e datas de lançamento, um certo nível de estimativa é necessário para manter as coisas funcionando sem problemas.

Por definição, as estimativas não são exatas e são afetadas por vários fatores de risco. O método Kanban sugere previsões futuras baseadas em probabilidade e orientadas por dados, usando apenas registros históricos de desempenho. Aprenda a usar esses métodos cientificamente comprovados para fazer estimativas Kanban precisas.

Estimativa para tarefas únicas: gráfico de dispersão do tempo de ciclo

O tempo de ciclo mede quanto tempo leva para uma tarefa ser concluída depois de ter sido inserida no fluxo de trabalho. O gráfico de dispersão do tempo de ciclo mostra os tempos de ciclo para todas as tarefas concluídas durante um determinado período de tempo.

Observando a rapidez com que as tarefas foram concluídas no passado, você pode fazer previsões sobre seu desempenho futuro. O gráfico de dispersão do tempo de ciclo pode ser usado para fornecer um tempo estimado de conclusão de uma única tarefa e a probabilidade desse compromisso ser cumprido.

As linhas percentuais horizontais que cruzam o gráfico de dispersão indicam quantas tarefas são concluídas em um determinado tempo de ciclo. Um gráfico de dispersão com a linha do percentil 85 cruzando a marca de 42 dias significa que 85% das tarefas foram concluídas em 42 dias ou menos. Isso significa que essa equipe pode comunicar ao cliente que qualquer item inserido no fluxo de trabalho tem 85% de chance de ser concluído dentro desse prazo.

Uma grande vantagem do gráfico de dispersão do tempo de ciclo é que você pode estimar o tempo de ciclo para qualquer tipo de tarefa. Não importa o tamanho da sua equipe ou tarefa, essas estimativas Kanban podem ser usadas para definir acordos de nível de serviço com seus clientes.

Estimativa para projetos: Simulação de Monte Carlo

As simulações de Monte Carlo usam dados históricos para modelar a probabilidade de diferentes resultados. Eles podem ser usados para quase qualquer processo e são especialmente úteis em processos onde a imprevisibilidade é alta devido ao risco, incerteza ou múltiplas variáveis aleatórias em jogo.

No Kanban, a simulação de Monte Carlo usa dados de vazão passados para estimar a vazão futura. A simulação é executada várias vezes usando uma gama de valores possíveis para variáveis incertas. Isso significa que, em vez de cuspir um único número, as simulações de Monte Carlo mostram uma distribuição de probabilidade. O pico central indica o resultado de throughput mais provável, com o resultado mais otimista e conservador mostrado pelas caudas.

As simulações de Monte Carlo são uma ferramenta de previsão popular usada em várias metodologias de gerenciamento de projetos. Eles são considerados a maneira mais precisa e realista de mostrar a probabilidade de diferentes resultados nos processos Kanban.

Como não estimar no Kanban

O Kanban rastreia muitas métricas diferentes e usa várias ferramentas diferentes para análise. É importante ter em mente quais ferramentas são para olhar para frente e quais são para olhar para trás. Usar o método errado para a estimativa Kanban fornecerá resultados imprecisos.

Lei de Little

A Lei de Little no Kanban expressa a relação entre as três principais métricas do Kanban:

WIP = Vazão * Tempo de ciclo

Em um sistema estável que não viole os pressupostos da Lei de Little, essa relação permanece válida independentemente do tipo de trabalho ou tamanho da tarefa. No entanto, a fórmula não pode ser usada para fazer previsões futuras precisas.

A Lei de Little nos diz que, para reduzir o tempo de ciclo , a vazão deve aumentar ou o WIP deve diminuir. No entanto, isso não significa que reduzir pela metade o WIP também reduzirá pela metade o tempo de ciclo! Significa apenas que o relacionamento será equilibrado. Uma alteração no WIP fará com que o tempo de ciclo ou vazão ou ambos sejam alterados para manter o relacionamento.

Isso torna a Lei de Little um método inadequado para estimativa por duas razões. Primeiro, a Lei de Little é baseada em médias, que não devem ser usadas para previsão. Em segundo lugar, não há como saber exatamente como a alteração de uma variável afetará as outras duas. No entanto, quanto mais o seu processo seguir as suposições da Lei de Little, mais previsível e estável ele será.

Projeções do Diagrama de Fluxo Cumulativo

O diagrama de fluxo cumulativo é uma ferramenta poderosa para analisar a eficiência do seu processo. Aprender seus padrões comuns ajuda a identificar gargalos e interrompê-los antes que eles aumentem. No entanto, o CFD deve ser usado para analisar seu desempenho passado em vez de estimar o futuro. Novamente, o CFD fornecerá uma estimativa com base em médias e as previsões nunca devem ser feitas com base em uma média.

Embora seja tentador tentar prever usando o CFD, este é um método impreciso e não é recomendado. Uma simulação de Monte Carlo faz previsões muito melhores, pois leva em consideração a distribuição de probabilidade de diferentes resultados. É altamente recomendável aderir às simulações de Monte Carlo para estimativas em larga escala no Kanban.

Em qualquer processo com múltiplas variáveis, confiar em estimativas de “ponto único” para tempos de entrega prováveis é simplesmente impreciso. As estimativas Kanban fornecem prazos e probabilidades, mantendo os clientes informados sobre a gama de diferentes resultados possíveis. O uso desses métodos probabilísticos baseados em dados mantém as estimativas confiáveis e elimina as suposições.

Você está usando estimativas Kanban? Eles são mais precisos do que seus antigos métodos de estimativa? Conte-nos sobre sua experiência nos comentários!