基于证据的调度是否适用于异质估计？

Question

在一个项目期间观察了一年的估计我发现了一些奇怪的事情让我想知道基于证据的调度是否能在这里发挥作用？

个别程序员似乎有最喜欢的数字(例如2,4,8,16,30小时)
固定值(约为2)似乎低估了大任务,但这里的标准偏差很小
小任务(1或2小时)绝对分布广泛.平均而言,它们具有相同的平均低估因子2,但标准偏差很高:
- 估计大约5分钟的拼写问题是1小时
- 其他错误修正也估计1小时,但需要一天

那么,在估算期间让程序员将30小时任务分解为4或2小时步骤真的是个好主意吗？这不会提高标准偏差吗？(好吧,让他们分解 - 但也许在估计之后？!)

Answer 1

是的,您的观察结果非常简单EBS旨在解决的问题.
是的,重要的是要打破更大的任务.拍摄1-2天的任务,或多或少.
- 如果你估计的东西不到2小时,看看它们是否有意义.(可能没有 - 那没关系!)
- 如果您的任务估计超过3天,请查看是否有办法将它们分解成碎片.应该有.如果估计者说不存在,那就让他们为这个断言辩护.如果事实证明这个任务真的需要3天,那很好,但是你拥有的这些任务越多,你就越应该在镜子里努力寻找,看看人们是不是在游戏系统.
- 计算4天和5天的估计数为2倍和4倍,差为3天.任何说话的人都需要花费超过5天的时间,并且不能分解,告诉他们你希望他们花4小时思考这个问题,以及如何解决问题.记住,这是一项任务,顺便说一句.
当您和您的团队练习时,您将更好地进行估算.
......你也将开始认识到失败的模式,解决方案将呈现出来.
点证据基于调度使用证据作为你的时间表,不是野生称职的猜测集合的基础.这是一件好事 ...!