Прогнозирование краткосрочной производительности в IT-проектах
Аннотация
Дата поступления статьи: 16.01.2018В настоящий момент одной из наиболее передовых гибких методологий управления IT-проектами является SCRUM технология. Ее особенность – разбиение всей работы на непродолжительные итерации (спринты), каждая из которых представляет собой цикличный процесс, повторяющийся постоянно на всем пути разработки продукта. Это позволяет постоянно отслеживать появляющиеся риски и минимизировать их последствия. Каждый спринт начинается с планирования, которое задает темп работ и стимулирует высокую производительность. Ключевым моментом планирования является прогнозирование уровня сфокусированности команды на выполнении поставленных задач, так называемый фокус-фактор. Он представляет собой отношение производительности к трудоемкости. В работе представлены результаты численных экспериментов по выявлению оптимальных методов прогноза этого показателя. В их основу положены производственные данные одной из проектных групп реальной коммерческой фирмы в сфере IT. Исследованы экстраполяционные методы прогнозирования, со скользящей базой по предыдущим фактическим результатам. При этом варьировались как ширина базы (от одного до семи предыдущих периодов), так и вид экстраполирующей функции. Рассмотрены аппроксимирующие полиномы нулевой, первой и второй степени. Определенное внимание уделено также методу экспоненциального сглаживания и Байесовскому подходу к диагностике и прогнозированию. Для интегральной характеристики качества прогнозирования использовалась величина среднеквадратичной относительной ошибки оценки производительности. По результатам экспериментов отобраны три оптимальных варианта. Первым является прогноз по скользящему арифметическому среднему фактических фокус-факторов за 3-4 предыдущих периода. Во втором варианте опять же берется скользящее среднее фактических фокус-факторов за 3-5 спринта, но не арифметическое, а геометрическое. В третей методике для предсказания используется произведение теоретического фокус-фактора на фактический. Берется скользящее геометрическое среднее за 1-2 спринта. В среднеквадратичной норме для обеих методик ошибка прогноза одинакова, порядка 5,8%. Если ее оценивать не по среднему квадратичной метрике, а по максимальному отклонению, то последний вариант чуть лучше. Полученные результаты предназначены для уточнения интуитивного планирования спринтов при выполнении реальных проектов.
Ключевые слова: управление, IT-проект, SCRUM технология, планирование спринта, прогноз, фокус-фактор, скользящее среднее, линейная и квадратичная регрессия, экспоненциальное сглаживание, Байесовский подход, среднеквадратичная ошибка, оптимальный вариант
05.13.01 - Системный анализ, управление и обработка информации (по отраслям)
05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)