- Home
- \
- Kompetenzen
- \
- Agiles Projektmanagement
Agiles Projektmanagement
Forecasting bei agilen Projekten
Zusammenfassung:
Die meisten Projekte im agilen Umfeld nutzen Story-Points zum Schätzen von User-Stories; zur Sprint-Planung wird hierzu die Anzahl Story-Points herangezogen, welche ein Team durchschnittlich pro Sprint absolvieren kann (= Plan-Velocity). Das Forecasting in Projekten basiert oftmals auf der Plan-Velocity der Teams oder, wenn es realistischer wirken soll, auf den Velocity-Durchschnittswerten aus der Vergangenheit. Dies kann hinsichtlich mehrerer Faktoren suboptimal sein:
- Wenn das Management nach realistischen Fertigstellungsterminen fragt, wird häufig mit der für das Management unverständlichen Währung der Velocity und Story-Points argumentiert.
- Für den Forecast werden normalverteilte Velocities angenommen, um somit einen linearen Bereich von möglichen Fertigstellungsterminen zu errechnen. Velocities entsprechen jedoch bei weitem nicht den Dauern von Arbeitspaketen (Work-Items) und die Dauer der Work-Items ist bei weitem nicht normalverteilt. Somit sind solche Forecasts mit großer Skepsis zu betrachten.
- Wenn die Prozess-Stabilität nicht genau beobachtet und justiert wird, können die Schätzungen mit Story-Points und die Planung mit Velocities ein stark verzerrtes Bild des Projekt-Status abgeben.
Um ein realistisches und probabilistisches Forecasting zu etablieren, muss zum einen der Umsetzungs-Prozess mit geeigneten Mitteln genauestens beobachtet und justiert werden und die zugrunde liegenden Daten müssen hinsichtlich Cycle-Time probabilistisch z.B. via Monte-Carlo-Simulation (MCS) ausgewertet werden. Die ESG-Consulting GmbH hat hierfür ein Werkzeug (Excel mit VBA) erstellt. Hiermit können folgende Analysen sehr einfach durchgeführt werden:
- Analyse von sog. Single-Items, seien dies User-Stories, Epics, Themes etc. Mittels Scatterplots und Histogrammen können Auswertungen zur Bearbeitungsdauer der Work-Items mit Angabe von Perzentilen angestellt werden.
- Der Durchsatz an Work-Items je Zeiteinheit (Tag, Woche, Monat, Sprint) kann über die Projektlaufzeit grafisch ausgewertet werden.
- Die aktuell in Bearbeitung befindlichen Work-Items können mit dem Aging-Chart hinsichtlich ihrer Bearbeitungsdauer grafisch ausgewertet und in Relation zu den gewählten Perzentilen gesetzt werden, um somit rasch auf sich hinauszögernde Work-Items reagieren und Maßnahmen ergreifen zu können.
- Mit dem Cumulative-Flow-Diagram (CFD), welches dynamisch konfiguriert werden kann, wird man in die Lage versetzt, eine Auswertung über „Ankunftsrate“ und „Abflugrate“, über WIP, Durchsatz und approximierter Cycle-Time je gewähltem Zeitintervall durchzuführen.
- Weiterhin kann mit einer integrierten Monte-Carlo-Simulation eine Prognose über die Wahrscheinlichkeit von Fertigstellungsterminen bzw. voraussichtlich bis zu einem gewünschten Termin fertigstellbarer Work-Items inklusive Perzentile erstellt werden.
Die Angabe von geplanten Story-Points und von Velocity ist für all diese Auswertungen nicht nötig. Als Input benötigt man lediglich die Work-Items mit jeweiligem Datum, wann diese in Bearbeitung gingen und Enddatum bei den Work-Items, die bereits geschlossen wurden. Diese Daten können z.B. aus Jira importiert werden.
Analyse des Fehlermanagements mit Agile Charts
Zusammenfassung:
Im Dokument „Forecasting in agilen Projekten mit der Monte-Carlo-Simulation“ wurde beschrieben, wie mit sog. Agile Charts und der Monte-Carlo-Simulation zum einen der SW-Entwicklungsprozess auf seine Stabilität und Effizienz hin untersucht und wie zum anderen ein einfaches probabilistisches Forecasting durchgeführt werden kann.
Die Analyse und auch die Durchführung eines Fehlermanagements lassen sich ebenfalls hervorragend mit den Agile-Charts darstellen. So können, gefiltert nach Kategorien wie Priorität, Produktionsverhindernd, Teams und Melde-Datum von Fehler-Tickets, die Performance der Fehlerbehebungen und kritische Situationen im Fehlermanagement aufgedeckt und veranschaulicht werden.
Hierzu wurde das von ESG-Consulting GmbH erstellte Excel/VBA-Tool für das Agile-Forecasting leicht modifiziert:
- Die Monte-Carlo-Simulation wurde entfernt, da sich auf Grund nicht prognostizierbarer zukünftiger Fehler ein probabilistisches Forecasting nicht lohnt.
- Ein CSV-Importer wurde integriert, um automatisch aus z.B. Bugtracker oder Jira exportierte Fehler-Listen zu importieren.
- Es werden mehrere Pivot-Tabellen und -Charts verwendet, einschließlich verlinkter Datenschnitte.
Die folgenden Beschreibungen entstammen einem anonymisierten Groß-Projekt.
AnalyseFehlermanagementMitAgileCharts.pdf
Risikomanagement in agilen Projekten
Zusammenfassung:
Agile Vorgehensweisen berücksichtigen in Projekten bereits ein implizites Risikomanagement, z.B. fällt beim Scrum-Guide schon in der Einleitung die Aussage „Scrum employs an iterative, incremental approach to optimize predictability and to control risk“. Oftmals bezieht sich die Risikobetrachtung auf einen zeitlichen Horizont von nur wenigen Sprints und auf eher technische Herausforderungen. Bei großen und komplexen Projekten mit agiler Vorgehensweise kommen jedoch auch Release-Planungen (Agile Release Train) ins Spiel, es existieren auch viele interne wie externe Abhängigkeiten, der Produktionsfluss wird heterogener und das Umfeld komplexer. Es ist zu hinterfragen, ob hier solch ein implizites Risikomanagement ausreichend ist. Ein explizites Projekt-Risikomanagement mit der Rolle Risikomanager und entsprechend etablierter Risiko-Kultur kann auch in agile Vorgehensweisen eingebettet werden, ohne dass dies als Verschwendung, Overhead oder gar Störung empfunden wird, sondern viel mehr als weitere Absicherung des Projekterfolgs. Hierzu bedarf es aber auch der Ausrichtung des Risikomanagers und des Risikomanagements entsprechend des agilen Mindsets und der agilen Werte.