Previsión de la carga de trabajo: ofréceles a los responsables un intervalo, no una fecha concreta15 lectura mínima

Un comité directivo plantea una pregunta pertinente. Cuando se ¿Se llevarán a cabo los seis proyectos que nos hemos comprometido a realizar este año?

El responsable de la cartera actúa con responsabilidad:

• Divide el trabajo en tareas
• Calcula el coste de cada tarea junto con las personas que la van a realizar
• Introduce los datos en un calendario
• Introduce una sola fecha en una diapositiva

Entonces se nos pasa la fecha en fin, incluso con estimaciones minuciosas y un equipo que cumplió todos los objetivos que se había marcado.

La estimación prevé que el proyecto e ignoró el sistema en el que se ejecuta. Hay dos variables que establecen la fecha real, y ninguna de las dos se conserva tras una actualización.

El liderazgo requiere un gama, un nivel de confianza tan pronto como el registro permita indicarlo, y un método que permita obtener ambos.

Por qué fallan las estimaciones ascendentes en las carteras de innovación

El método de «estimación y agregación» es un método razonable. Simplemente se basa en supuestos sobre el trabajo de innovación en silencio incumple:

• Se conoce lo suficiente sobre el tema como para desglosarlo con precisión
• La capacidad asignada es realmente exclusiva
• La secuencia se mantiene estable una vez finalizada la planificación
• Un retraso en un proyecto no afecta a los demás

Aunque se incumpla cualquiera de esas condiciones, el cálculo sigue dando como resultado una fecha. Simplemente se detiene. significado cualquier cosa.

El cono de incertidumbre describe la versión realista. En la fase más temprana de un proyecto, las estimaciones suelen tener un margen de aproximadamente cuatro veces en ambas direcciones.

Ese cono se va estrechando a medida que avanza el trabajo, pero solo si el alcance se queda quieto. En carteras de innovación El visor se desplaza, y al moverse, el cono vuelve a ensancharse.

De dónde proviene realmente el sesgo de estimación

El clásico investigación sobre la falacia de la planificación cuantificar la diferencia:

• Los estudiantes del programa de honores estimaron que sus tesis les llevarían 33,9 días.
• En realidad, el trabajo duró 55,5 días.
• Solo 29,71 TP5T finalizaron en la fecha prevista por ellos mismos
• En un estudio independiente incluido en el mismo artículo, el 74% de los pensamientos expresados por los participantes se centraban en el futuro del plan, y solo el 7% se centraban en el pasado, analizando cómo se habían llevado a cabo trabajos similares en realidad se ha ido

La experiencia no protege a nadie contra esto, porque el mecanismo es direccional. La base de datos de proyectos de Bent Flyvbjerg muestra el mismo patrón a gran escala.

Nueve de cada diez megaproyectos Los sobrecostes son habituales, y es frecuente que alcancen hasta 50% en términos reales.

Esa es la cifra récord de costes a escala de miles de millones de dólares. Una cartera de innovación que funciona con capacidad fraccional tiene sin motivo esperar algo mejor en el plazo previsto.

Una nota sobre la rigurosidad en el manejo de las pruebas, ya que este tema da lugar a citas poco rigurosas. La afirmación, ampliamente difundida, de que aproximadamente uno de cada tres proyectos tiene éxito se remonta a una metodología no publicada.

Los investigadores académicos han lo cuestionó directamente, en la que se encuestó a 193 gestores de proyectos de TI con experiencia y se constató que más de el 90% de los proyectos obtuvieron una puntuación superior al nivel medio de éxito. Las previsiones basadas en datos que puedes inspeccionar.

Las dos variables que realmente determinan la fecha de entrega

Ambos aspectos quedan fuera del plan del proyecto, por lo que la estimación más difícil Nunca los arregla. Empieza por el que nadie utiliza como modelo.

Utilización, y por qué que el 90% esté ocupado no significa que el 90% sea productivo

La teoría de colas tiene una conclusión incómoda para cualquiera que planifique la capacidad en una hoja de cálculo.

La fórmula de Kingman expresa el tiempo medio de espera en función de tres factores: la utilización, la variabilidad y el tiempo de servicio. El término «utilización» es el que mordiscos.

La tabla que figura a continuación es una indicador ilustrativo del tiempo de espera, y lo que importa más es la forma que los múltiplos exactos.

El tiempo de espera varía proporcionalmente a la relación entre la utilización y restante capacidad, por lo que se cuadruplica entre la media carga y 80%, y luego se dispara a medida que te acercas a la carga máxima.

El contraste que establece Don Reinertsen como referencia pone de relieve la cuestión práctica. Las empresas manufactureras por lo general, la utilización del límite ronda los 85%, mientras que los trabajos de ingeniería, señala, suelen asignarse al 95%.

Esa segunda cifra se sitúa muy más allá del punto en el que la curva se vuelve más pronunciada. Y las carteras de innovación rara vez disponen siquiera de tanto margen de maniobra.

Muchas de ellas las dirigen personas que tienen un trabajo a tiempo completo. Una “asignación 20%” es una fraccional reivindicar un sitio para alguien que ya está sentado en él o cerca de él aprovechamiento total en otro sitio.

Por eso, rara vez compra 20% de un calendario gratuito. Las hojas de cálculo suman porcentajes; las colas suman tiempo de espera.

«Work in Progress», la palanca que realmente puedes accionar

La ley de Little establece claramente esta relación: el tiempo medio de ciclo es igual al trabajo en curso medio dividido por el rendimiento medio. Tres variables, una ecuación, sin margen para la negociación.

Es difícil aumentar el rendimiento rápidamente. La contratación lleva meses y el personal cualificado para el trabajo de innovación rara vez es intercambiable.

Así que el sólo El factor que influye en el tiempo de ciclo a corto plazo es trabajo en curso. Si se reduce el volumen de trabajo en curso, las tareas se terminan antes, sin que nadie tenga que trabajar más rápido.

El coste de ignorar ese factor se refleja en lo fragmentado que resulta el trabajo. El estudio de campo realizado en 2005 por Gloria Mark sobre los trabajadores del sector de la información lo cuantificó con tres cifras:

• Aproximadamente 11 minutos en una esfera de trabajo antes de pasar a otra cosa
• 57% de tramos de obra interrumpidos
• Una media de 2,26 ámbitos de trabajo intermedios antes de que se reanudara el trabajo interrumpido ese mismo día

Ese estudio mide la atención individual en lugar de la carga de la cartera. No obstante, calcula el coste del cambio que una cartera con demasiadas posiciones abiertas sigue comprando.

En la misma ponencia de Reinertsen se aborda la vertiente de la gobernanza del problema. Pide a diez partes interesadas que valorar el mismo trabajo sin un modelo común del coste del retraso.

Sus cifras sobre el coste del retraso variarán en una proporción de aproximadamente 50 a 1. Esa diferencia es lo que significa que “todo es de alta prioridad” cuando se mide.

Eso es una previsión defecto. Una cartera sin acuerdo sobre orden de prioridad no dispone de una secuencia estable sobre la que basar sus previsiones.

Cuatro métodos de previsión que resisten la incertidumbre

Hay cuatro métodos que dan buenos resultados cuando el trabajo es realmente incierto. Lo que los diferencia es lo que demanda a partir de tus datos.

Ninguno de estos métodos elimina la incertidumbre. Cada uno de ellos induce a error en un específico de la siguiente manera: cuando los datos son escasos, cuando se plantean de forma errónea o cuando el trabajo nunca se detiene.

Elige en función de lo que puedas en realidad pruebas hoy. A paquete de la junta directiva premia los resultados con un aspecto más sofisticado, y tu historial de cumplimiento rara vez lo respalda.

Previsión basada en el rendimiento

El enfoque empírico se basa en la rapidez con la que has entregado realmente trabajos similares. Se salta la fase de planificación y la del equipo supongo sobre qué debería incluir el siguiente punto.

La norma de Daniel Vacanti es la que rige aquí: Nunca hagas previsiones basándote en una media. Una media no dice nada sin el distribución detrás de ello.

Si le pones una fecha a una media, te estás comprometiendo a un nivel de confianza que nadie ha especificado.

En el caso de un solo artículo, el funcionamiento es el siguiente:

1. Representa gráficamente los tiempos de ciclo de los artículos finalizados en un gráfico de dispersión
2. Traza las líneas de los percentiles 50 y 85 a lo largo del gráfico
3. Lee los dos intervalos de tiempo que aparecen en esas líneas, cada uno con su probabilidad correspondiente.

De las cuatro, la previsión del rendimiento es la que presenta menos dificultades iniciales. Para ello, se necesita tu historial de finalización, una unidad de trabajo coherente y un recuento o un rango de lo que queda por hacer.

Esa unidad es también el modo de fallo. Una cartera de trabajo en la que se mezclan un ajuste de dos días con una compilación de dos meses da lugar a una distribución sin nada concreto.

Para un lote, divide el trabajo pendiente por la tasa de finalización semanal. Ejecútalo en una semana mediana y en una semana lenta para obtener un intervalo sin etiquetar.

«Sin etiquetar» es la expresión más acertada. Dividir por una semana tranquila supone que todas las semanas restantes también lo serán, por lo que el extremo más lejano se desvía cada vez más a medida que se alarga la serie.

Para obtener los percentiles reales de un lote es necesario realizar la simulación que se describe en la siguiente sección.

Simulación de Monte Carlo

El funcionamiento es sencillo. Se asignan distribuciones de probabilidad a las variables de entrada inciertas basándose en datos históricos y, a continuación, se ejecuta el modelo repetidamente con muestreos aleatorios.

Métodos de Montecarlo Normalmente se realizan miles de simulaciones, a menudo 10 000 o más. El resultado es una curva de probabilidades.

Un ejemplo resuelto de Los equipos de ingeniería de Expedia Group muestra la forma de la salida, aunque no sea un conjunto de datos del modelo. Sus entradas eran modestas:

• Datos de rendimiento completados de los últimos siete sprints
• Un rango mínimo/máximo para el alcance restante
• Un factor de división de historias para tener en cuenta la incertidumbre en el alcance

Quinientas ejecuciones fueron suficientes, aunque siete sprints son pocas según el estándar establecido a continuación. Las partes interesadas eligieron una fecha en función de su apetito de riesgo: 7% (temprano), 50% (medio) y 85% (tardío).

Las pruebas de precisión son válidas cuando los datos las respaldan. Un estudio revisado por pares situó las previsiones de fecha de parto mediante el método de Monte Carlo en 32%: magnitud media del error relativo.

Sus previsiones de esfuerzo se situaron en 20%, frente a los 134% de las estimaciones de los propios desarrolladores.

El mismo estudio reveló que la precisión se estabilizaba una vez que se disponía de unos 20 puntos de datos históricos. Ese umbral es el honesto limitación de este método.

Debajo, Monte Carlo sigue funcionando y genera resultados que parecen fiables a partir de casi no señal. Eso es peor que decir que no lo sabes.

Previsiones de clase de referencia

La previsión basada en clases de referencia sustituye el plan de tu proyecto por el historial de proyectos similares. Tres pasos:

1. Crear un conjunto de proyectos finalizados que sean realmente comparables
2. Establecer la distribución de sus resultados reales
3. Busca el nuevo proyecto dentro de esa distribución

Esa es la visión desde fuera, juzgar el proyecto por su categoría en lugar de por el plan que se ha marcado a sí mismo. Es a propósito impersonal, y esa es la clave.

Es la mejor opción para el trabajo que has... nunca ya se ha hecho antes, lo que representa una gran parte de cualquier cartera de innovación real.

Toma prestada la historia que no tienes de una clase que puedes definir. Además, transmite credibilidad ante un público escéptico comité directivo.

El Reino Unido fue el primer gobierno europeo en hacer que el método sea obligatorio para la estimación de costes en proyectos de transporte financiados por el Estado, y Dinamarca le siguió poco después.

El modo de fallo reside íntegramente en la definición de la clase. Una clase creada para adornar el proyecto es una visión interna disfrazada.

Reestimación de la «onda rodante» en Gates

“Planifica un poco, haz un poco”. En la práctica, eso significa tres cosas:

• Planificación detallada para el futuro inmediato
• Detalle del marcador de posición para el que está más lejos
• Una nueva previsión real en cada punto de control

Un artículo para profesionales publicado por el PMI desarrolla esta idea en un proceso de seis pasos para los programas de innovación, y se ajusta a la forma en que ya se gestionan la mayoría de las carteras.

Carteras con etapas definidas Consíguelo casi gratis. Cada puerta ya es un punto de decisión, así que el cambio es puramente de procedimiento: establecer la nueva previsión como un resultado obligatorio de la etapa.

El modo de fallo es sutil. La nueva previsión solo reduce el cono si el alcance se está estabilizando realmente entre las puertas.

Si lo aplicas a un proyecto cuyo alcance cambia constantemente, lo único que haces es volver a documentar la misma incertidumbre en relación con un más reciente fecha. El ritual se lleva a cabo, pero la información no mejora.

Adaptar el método al nivel de madurez de los datos de tu cartera

Tu historial de resultados, el carácter innovador del trabajo y tu estructura de gestión determinan qué método te corresponde. Elige el que mejor se ajuste a tu situación con sinceridad:

• Menos de unas 20 observaciones de lo que sea que se vaya a analizar, ya sean los tiempos de ciclo de los artículos o el rendimiento por sprint. Utiliza los percentiles del tiempo de ciclo para los artículos individuales y un intervalo sin etiquetar para los lotes. Establece un límite de trabajo en curso y omite la simulación por completo.
• Un historial estable de 20 o más observaciones de este tipo. El método de Montecarlo demuestra aquí su utilidad, y la diferencia de precisión respecto a las estimaciones puntuales es real.
• Un trabajo que es nuevo para tu organización, pero no para el mundo. Previsión por clase de referencia, incluso si dispone de un historial de rendimiento, con los percentiles de rendimiento de los artículos habituales de su entorno. Si no es posible establecer una clase comparable, este método no estará disponible.
• Una cartera con fases definidas y un ritmo de gobernanza ya en marcha. Aplica la técnica de «re-forecasting» de ondas en capas sobre cualquiera de las opciones anteriores que mejor se adapte al trabajo subyacente.

La desventaja que conviene señalar sin rodeos es el uso del método de Monte Carlo con un conjunto de datos escaso. Su precisión… teatro, y el resultado de una simulación tiende a fin la conversación.

Por el contrario, un rango con supuestos evidentes invita a cuestionarlo. En una reunión de gobernanza, ese es el resultado que se busca cuando los datos son escasos.

La mayoría de las carteras de innovación deberían comenzar con percentiles de rendimiento y un límite de trabajo en curso, para luego ir avanzando hacia la simulación a medida que se va acumulando el historial de entregas.

Esa secuencia no cuesta nada. Y genera los datos que el método más sofisticado necesitará más adelante.

Cómo indicar un intervalo a quienes buscan una cita

La verdadera objeción a las previsiones probabilísticas es político. La dirección solicitó una fecha, y un comité al que, en su lugar, se le presenta una distribución de probabilidad puede interpretar razonablemente eso como una evasiva.

Responder a una pregunta sobre gobernanza con un gráfico da la impresión de ser una evasiva y, a veces, es Uno. El cambio de perspectiva que da en el blanco es la propensión al riesgo.

“50% para junio, 85% para agosto” es liderazgo elegir cuánto riesgo de calendario hay que asumir. Cuanto más temprana sea la fecha, mayor es el riesgo; cuanto más tardía, mayor es la certeza.

Un informe de previsión útil contiene cuatro elementos:

• El propio intervalo de fechas
• El nivel de confianza asociado a cada fecha, o una simple indicación de que no existe tal nivel
• Los supuestos se mantuvieron constantes: alcance, asignación y límites de trabajo en curso
• El factor desencadenante que obliga a realizar una nueva previsión antes de la siguiente prevista

Ese último punto es lo que distingue una previsión de una deseo. Establecer de antemano el criterio que desencadena la revisión reduce el debate sobre si la situación ha cambiado lo suficiente como para reconsiderar la cifra.

La gobernanza también tiende a mezclar dos conceptos que conviene mantener separados:

Confundir ambos conceptos es lo que lleva a los equipos a comprometerse con un 50% Fecha. El historial de los profesionales que han dado el paso es alentador.

En John Lewis & Partners, un equipo dedicaba hasta 10% de su capacidad anual basándose únicamente en estimaciones.

El equipo pasó a utilizar el método de Monte Carlo basándose en los datos de rendimiento de los que ya disponía, y se produjeron tres cosas:

• Las sesiones de estimación se suspendieron por completo
• En la misma semana se cumplieron puntualmente dos importantes compromisos con fecha fija.
• Los datos de seguimiento de dos años demostraron una alta precisión con una fracción del esfuerzo

Para ser justos, hay que señalar que existe una laguna en las pruebas.

No hay ningún estudio controlado que demuestre que los ejecutivos acepten mejor los informes probabilísticos que las fechas concretas. Los datos disponibles apuntan en la dirección correcta, aunque no constituyen una prueba.

Cualquiera que te prometa una respuesta segura a esa pregunta está exagerando lo que se sabe.

Qué se necesita de los datos de tu cartera

El método de rendimiento, el de Monte Carlo y cualquier método de onda progresiva basado en ellos comparten un requisito previo. Se necesita un un historial impecable y coherente de cuándo el trabajo entraba y salía de cada fase.

Una cartera que no puede medida no puede realizar previsiones a partir de sus propios datos históricos. La elección del método es consecuencia de un problema con los datos que nadie ha identificado como tal.

El conjunto de datos mínimo viable es breve:

• Marcas de tiempo de entrada y salida de cada artículo
• Una unidad de trabajo coherente, clasificada por tipo para que puedas comparar elementos similares entre sí
• Un explícito definición de «terminado» para cada etapa
• Un propietario designado por artículo
• Alcance restante en un rango de mínimo a máximo, para cada elemento comprometido, se haya iniciado o no.

Nada de eso es exótico, pero hay que plasmarlo de la misma manera cada tiempo, por parte de todos. Las herramientas solo registran lo que la disciplina ya produce.

La ambición ha superado a la madurez operativa en casi todos los ámbitos. Un estudio de 2024 Estudio de BCG Una encuesta realizada a más de 1.000 altos directivos del ámbito de la innovación reveló que 83% sitúan la innovación entre sus tres principales prioridades.

Solo 3% de empresas cumplen los requisitos para ser consideradas «preparadas para la innovación» según la propia escala de madurez de BCG, lo que supone un descenso respecto a las 20% de hace dos años. El intención está ahí; el operativo registro no lo es.

La elaboración de previsiones se sitúa precisamente en esa brecha, y subsanarla es, ante todo, un problema de registros, más que un problema de metodología.

No se puede predecir una cartera que no se puede ver, y la estructura del registro hace que sea visible.

Planifica el sistema, no el proyecto

La mayoría de las carteras pueden mejorar sus previsiones este trimestre sin necesidad de comprar nada nuevo. Lo que tiene que cambiar es lo que se informó, y cuánto cuesta una vez.

Tres movimientos, en este orden:

• Establece un límite de proyectos en curso en la cartera antes de invertir en herramientas de previsión más sofisticadas
• Sustituye las fechas concretas por percentiles cuando los haya, e indica los supuestos junto a ellos.
• Establecer la nueva previsión como resultado obligatorio en cada puerta, en lugar de un favor ocasional

El límite de trabajo en curso (WIP) ocupa el primer lugar porque reduce la duración del ciclo, que es la única medida que se puede aplicar antes de disponer de datos. Ninguna otra medida de las aquí mencionadas funciona tan rápido.

Nada de esto tiene sentido sin una estructura en el informe. Hay que dar a los responsables el margen de maniobra y el nivel de confianza que los datos justifiquen en cada caso.

Si consigues que el sistema sea predecible, la fecha deja de ser un supongo.

Descargue nuestro ebook gratuito Cartera de proyectos: De las oportunidades al valor para aprender a estructurar la gestión de la cartera y hacer un seguimiento del progreso y el estado de tus iniciativas.

Solicite una demostración para descubrir cómo Accept Mission te ofrece un historial de entregas por fases, visibilidad de la cartera en tiempo real e informes desde una única fuente para todos los proyectos de innovación.