Джедайские техники. Как воспитать свою обезьяну, опустошить инбокс и сберечь мыслетопливо - Максим Дорофеев

Задача прогнозирования сроков завершения проектов в общем случае довольно сложна, и ее обсуждение выходит за рамки этой книги, посвященной прежде всего личной эффективности. Однако на тренингах и в ходе консультаций вопрос про сроки задается слишком часто, чтобы здесь его можно было бы игнорировать.

В этом параграфе я изложу идею адаптивного планирования. Смысл ее заключается в том, что мы изначально признаем наличие неопределенности:

1. Мы не очень точно представляем объем работы, которую надо сделать.

2. Мы не очень точно знаем, с какой скоростью мы можем выполнять эту работу.

3. Нам постоянно добавляется новая работа, и мы не знаем, сколько ее еще будет добавлено.

Однако мы предполагаем, что:

1. Скорость выполнения работы и скорость поступления работы хоть и являются заранее неизвестными параметрами, но колеблются в районе средних значений.

2. Мы умеем измерять скорость нашей работы и оценивать объем приходящей новой работы.

3. Сама работа однотипна, то есть мы можем использовать данные о том, как работа выполнялась в прошлом, для прогнозирования выполнения работы в будущем (в общем случае это тоже не так. Например, если мы имеем дело с проектом, где за каждую фазу отвечает своя команда, то знание скорости, с которой работает команда 1, ровным счетом ничего не говорит нам о том, с какой скоростью будет работать команда 2).

В этом случае мы можем разбить всю работу на итерации (или отчетные периоды) и если:

1) итераций будет достаточно много (хотя бы десяток),

2) в течение каждой итерации мы будем завершать много (хотя бы штук пять) задач,

3) каждая из этих итераций будет более или менее похожа на другие по составу выполняемой работы, то мы сможем корректировать нашу исходную оценку (полученную любым доступным нам способом) на основе полученных данных.

В деталях этот метод описан в моей статье{54^[103] и на моем сайте{55^[104], где также есть полезные Excel-шаблоны для описанного метода и дополнительные видеоматериалы. Основная идея метода заключается в следующем. Мы считаем, что изначально у нас есть объем работы B, измеренный в любых единицах работы, какие нам нравятся, но лучше, если это будут относительные единицы трудозатрат^[105]. Также мы считаем, что в каждую итерацию мы выполняем объем работы V и нам добавляют объем работы D (эти величины в общем случае могут быть случайными, в статье{56^[106] говорится, как с этим быть; здесь же мы наивно предположим, что эти величины постоянны). Изначально ни V, ни D мы не знаем, но по прошествии двух-трех итераций (если мы аккуратно ведем учет выполненной и добавленной работы^[107]) мы уже можем сделать предположение об их значениях в будущем.

Очень полезно визуализировать ход выполнения работы на расширенной диаграмме сгорания. Суть диаграммы такова: в первый отчетный период мы рисуем столбик, «равный» объему работы, который надо выполнить. В следующий отчетный период мы рисуем такой же столбик, только сверху «отъедаем» кусок, соответствующий объему выполненной работы, а снизу «приклеиваем» кусочек, соответствующий объему добавленной работы:

Рис. 43. Расширенная диаграмма сгорания работ

Через несколько итераций у нас появится достаточное количество данных, чтобы экстраполировать на будущее объем выполненной работы и объем добавленной. Если нам повезет, они будут пересекаться^[108]:

Рис. 44. Прогноз даты завершения проекта

Точка пересечения обозначает не точную дату завершения проекта, а «наиболее вероятную» дату его завершения. В свою очередь, наиболее вероятная дата может соответствовать 50 %, 40 %, а то и вовсе 20 %-ной вероятности завершения в эту дату, поэтому для определения приемлемой вероятности завершения проекта к точке пересечения нужно накинуть еще несколько итераций. Сколько именно, зависит от того, насколько непостоянны скорость выполнения работы и частота добавления новых задач. Здесь я не буду рассказывать, как посчитать эту добавку, — отсылаю читателя на свою страницу{57^[109], где есть Excel-шаблон со всеми необходимыми формулами.