Previsão da carga de trabalho: apresente à direção um intervalo, e não uma data única15 min de leitura

Uma comissão diretiva coloca uma questão pertinente. Quando vontade Os seis projetos que nos comprometemos a realizar este ano vão avançar?

O responsável pela carteira age de forma responsável:

• Divida o trabalho em tarefas
• Faça um orçamento para cada tarefa com as pessoas que a irão realizar
• Organize os números num calendário
• Colocar uma única data num slide

Então, a data acaba por se adiar de qualquer forma, mesmo com estimativas cuidadosas e uma equipa que cumpriu todos os objetivos que tinha prometido.

A estimativa prevê que o projeto e ignorou o sistema em que está a funcionar. Duas variáveis definem a data real, e nenhuma delas sobrevive a um roll-up.

A liderança precisa de um gama, um nível de confiança logo que o registo o permita e um método que permita obter ambos.

Por que razão as estimativas de baixo para cima falham nas carteiras de inovação

O método «Estimate-and-roll-up» é um método razoável. Apenas parte de pressupostos relativos ao trabalho de inovação silenciosamente viola:

• O trabalho é suficientemente bem compreendido para ser decomposto com precisão
• A capacidade atribuída é verdadeiramente dedicada
• A sequência permanece estável assim que o planeamento termina
• Um atraso num projeto não afeta os outros

Mesmo que se ignore qualquer uma dessas regras, a operação aritmética continua a produzir uma data. Simplesmente pára significado qualquer coisa.

O cone de incerteza descreve a versão realista. Na fase inicial de um projeto, as estimativas incluem, normalmente, uma margem de aproximadamente quatro vezes em ambas as direções.

Esse cone vai-se estreitando à medida que o trabalho avança, mas apenas se o âmbito fica imóvel. Em carteiras de inovação o visor move-se, e um visor em movimento volta a alargar o cone.

De onde provém, na verdade, o enviesamento da estimativa

O clássico investigação sobre a falácia do planeamento quantificar a diferença:

• Os alunos do curso de honra previram que as suas teses demorariam 33,9 dias
• Na verdade, o trabalho demorou 55,5 dias
• Apenas 29,71 TP5T foram concluídos na data prevista pela própria empresa
• Num estudo separado incluído no mesmo artigo, 74% dos pensamentos relatados pelos participantes centraram-se no futuro do plano, e apenas 7% analisaram retrospectivamente a forma como trabalhos semelhantes tinham na verdade foi-se

A experiência não protege ninguém contra isto, porque o mecanismo é direcional. A base de dados de projetos de Bent Flyvbjerg revela o mesmo padrão em grande escala.

Nove em cada dez megaprojetos excedentes de custos, sendo comuns excedentes até 50% em termos reais.

Este é o registo de custos à escala de mil milhões de dólares. Um portfólio de inovação que funciona com base em capacidade fracionária tem sem motivo esperar resultados melhores dentro do prazo.

Uma observação sobre a rigorosa utilização das fontes, uma vez que este tema suscita citações descuidadas. A afirmação amplamente repetida de que, aproximadamente, um em cada três projetos é bem-sucedido remonta a uma metodologia não publicada.

Os investigadores académicos têm contestou-o diretamente, tendo inquirido 193 gestores de projetos de TI experientes e constatado que mais de 90% dos projetos obtiveram uma classificação superior ao nível médio de sucesso. Faça previsões com base em dados concretos que possa inspecionar.

As duas variáveis que determinam efetivamente a data de entrega

Ambos ficam fora do plano do projeto, razão pela qual a estimativa mais difícil nunca as resolve. Começa por aquela que ninguém usa como modelo.

Utilização e por que razão o facto de o 90% estar ocupado não significa que seja produtivo

A teoria das filas apresenta um resultado desconfortável para quem planeia a capacidade numa folha de cálculo.

A fórmula de Kingman expressa o tempo médio de espera em função de três fatores: utilização, variabilidade e tempo de atendimento. O termo «utilização» é aquele que mordidas.

A tabela abaixo é uma indicador ilustrativo do tempo de espera, e a forma é o que importa mais do que os múltiplos exatos.

O tempo de espera varia proporcionalmente à razão entre a utilização e restante capacidade, pelo que quadruplica entre a meia carga e os 80%, e depois dispara à medida que se aproxima da carga total.

O contraste apresentado por Don Reinertsen torna a questão prática ainda mais nítida. As organizações do setor industrial normalmente, a utilização do limite ronda os 85%, enquanto os trabalhos de engenharia, como ele observa, são frequentemente atribuídos ao 95%.

Esse segundo valor situa-se bem além do ponto em que a curva se torna mais acentuada. E as carteiras de inovação raramente dispõem sequer dessa margem de manobra.

Muitos deles são geridos por pessoas que têm empregos a tempo inteiro. Uma “alocação 20%” é uma fraccional reivindicar o lugar de alguém que já esteja sentado ou nas proximidades utilização total noutro lugar.

Por isso, raramente compra 20% de um calendário gratuito. As folhas de cálculo somam percentagens; as filas somam tempo de espera.

Trabalho em curso: a alavanca que pode realmente acionar

A Lei de Little expressa essa relação de forma clara: o tempo médio de ciclo é igual ao trabalho em curso médio dividido pela produtividade média. Três variáveis, uma equação, sem margem para negociação.

É difícil aumentar rapidamente o rendimento. O processo de contratação demora meses e os recursos especializados em trabalho de inovação raramente são substituíveis.

Portanto, o apenas o fator que influencia o tempo de ciclo a curto prazo é trabalhos em curso. Se reduzirmos o volume de trabalho em curso, as tarefas ficam concluídas mais cedo, sem que ninguém tenha de trabalhar mais depressa.

O custo de ignorar esse fator reflete-se na fragmentação do trabalho. O estudo de campo realizado por Gloria Mark em 2005 junto de profissionais da informação apresentou três números a este respeito:

• Aproximadamente 11 minutos numa esfera funcional antes de passar para outra coisa
• 57% de segmentos de trabalho interrompidos
• Em média, foram necessárias 2,26 etapas de trabalho intermédias antes de o trabalho interrompido ser retomado no mesmo dia

Esse estudo avalia a atenção individual, em vez da carga da carteira. No entanto, calcula o custo da mudança que uma carteira com demasiados investimentos em andamento continua a comprar.

A mesma palestra de Reinertsen acrescenta a vertente da governação ao problema. Peça a dez partes interessadas que avaliar o mesmo trabalho sem um modelo comum de custo de atraso.

Os seus valores relativos ao custo do atraso variam numa ordem de grandeza de 50 para 1. Essa variação é o que significa “tudo é de alta prioridade” quando se passa a medir essa situação.

Isso é uma previsão defeito. Uma carteira sem um valor acordado ordenação por prioridade não dispõe de uma sequência estável que sirva de base para as previsões.

Quatro métodos de previsão que resistem à incerteza

Existem quatro métodos que se revelam eficazes quando o trabalho é verdadeiramente incerto. O que os distingue é o facto de procura a partir dos seus dados.

Nenhum destes métodos elimina a incerteza. Cada um deles induz em erro de uma específico da seguinte forma: quando os dados são escassos, quando são apresentados de forma errada ou quando o trabalho nunca fica parado.

Escolhe com base no que puderes na verdade provas hoje. A pacote de documentos premeia os resultados com um aspeto mais sofisticado, e o teu historial de desempenho raramente o comprova.

Previsão com base no rendimento

A abordagem empírica baseia-se na velocidade com que já entregou, na prática, trabalhos semelhantes. Ignora o plano e a equipa acho que sobre o que o próximo item deve conter.

A regra de Daniel Vacanti é a disciplina aqui: Nunca faça previsões com base numa média. Uma média não diz nada sem o distribuição por trás disso.

Se atribuir uma data a uma média, estará a comprometer-se com um nível de confiança que ninguém especificou.

No caso de um único artigo, o funcionamento é o seguinte:

1. Representa graficamente os tempos de ciclo dos itens concluídos num gráfico de dispersão
2. Traça as linhas dos percentis 50 e 85 no gráfico
3. Leia os dois intervalos de tempo indicados nessas linhas, cada um com a respetiva probabilidade associada

A previsão do rendimento é a que apresenta a menor barreira à entrada das quatro. Requer o seu histórico de conclusão, uma unidade de trabalho consistente e uma contagem ou intervalo do que ainda falta.

Essa unidade é também o modo de falha. Uma lista de tarefas pendentes que mistura um ajuste de dois dias com uma compilação de dois meses resulta numa distribuição sem qualquer padrão específico.

Para um lote, divida o trabalho restante pela taxa de conclusão semanal. Execute o cálculo numa semana mediana e numa semana mais lenta para obter um intervalo sem rótulo.

«Sem etiqueta» é a expressão mais correta. Dividir por uma semana de baixo volume pressupõe que todas as semanas restantes serão igualmente de baixo volume, pelo que o resultado final fica acima do valor real quanto mais tempo durar o lote.

Os percentis reais de um lote requerem a simulação descrita na secção seguinte.

Simulação de Monte Carlo

O funcionamento é simples. Atribua distribuições de probabilidade às variáveis de entrada incertas com base em dados históricos e, em seguida, execute o modelo repetidamente com amostragens aleatórias.

Métodos de Monte Carlo Normalmente, são realizadas milhares de simulações, muitas vezes 10 000 ou mais. O resultado é uma curva de probabilidades.

Um exemplo resoluto retirado de Equipas de engenharia do Expedia Group mostra a forma dos resultados, se não for um conjunto de dados do modelo. As suas entradas eram modestas:

• Dados relativos ao volume de trabalho concluído nos últimos sete sprints
• Um intervalo mínimo/máximo para o âmbito restante
• Um fator de divisão de histórias para ter em conta a incerteza do âmbito

Quinhentas execuções foram suficientes, embora sete sprints sejam poucas, tendo em conta o padrão estabelecido abaixo. As partes interessadas escolheram uma data de acordo com a sua apetência pelo risco: 7% (início), 50% (meio) e 85% (fim).

As evidências relativas à precisão são válidas nos casos em que os dados as corroboram. Um estudo submetido a revisão por pares estimou as previsões de data de entrega do método de Monte Carlo em 32%: magnitude média do erro relativo.

As suas previsões de esforço situaram-se em 20%, contra os 134% das estimativas dos próprios programadores.

O mesmo estudo constatou que a precisão se estabilizou assim que se dispunha de cerca de 20 pontos de dados históricos. Esse limiar é o honesto restrição deste método.

Abaixo disso, o Monte Carlo continua a funcionar, produzindo resultados que parecem fiáveis a partir de quase não sinal. Isso é pior do que dizer que não sabes.

Previsão da Classe de Referência

A previsão com base na classe de referência substitui o plano do seu projeto pelo histórico de projetos semelhantes. Três passos:

1. Criar um conjunto de projetos concluídos que sejam verdadeiramente comparáveis
2. Estabelecer a distribuição dos seus resultados efetivos
3. Localize o novo projeto dentro dessa distribuição

Essa é a perspetiva externa, que avalia o projeto com base na sua categoria, em vez de o avaliar com base no plano que ele próprio elaborou. É deliberadamente impessoal, e é precisamente essa a questão.

É a melhor opção para o trabalho que já tiveste nunca já feito anteriormente, o que representa uma grande parte de qualquer portfólio de inovação real.

Retira o histórico que não possui de uma classe que pode definir. Além disso, transmite credibilidade a um público cético comité diretor.

O Reino Unido foi o primeiro governo europeu a tornar o método obrigatório para a estimativa de custos em projetos de transportes financiados pelo Estado, tendo a Dinamarca seguido o exemplo pouco tempo depois.

O modo de falha reside inteiramente na definição da classe. Uma classe criada para embelezar o projeto é uma visão interna disfarçada.

Reajustamento contínuo das previsões na Gates

“Planear um pouco, fazer um pouco.” Na prática, isso significa três coisas:

• Planeamento detalhado para o futuro próximo
• Detalhe do marcador de posição para o que está mais longe
• Uma verdadeira reavaliação das previsões em cada etapa

Um artigo para profissionais publicado pelo PMI desenvolve essa ideia numa processo de seis etapas para programas de inovação, e está em consonância com a forma como a maioria das carteiras já funciona.

Carteiras com etapas definidas consegue isto quase de graça. Cada portão já é um ponto de decisão, pelo que a mudança é puramente processual: definir a nova previsão como um resultado obrigatório da etapa.

O modo de falha é subtil. A reavaliação das previsões apenas estreita o cone se o âmbito estiver efetivamente a estabilizar-se entre os limites.

Se o aplicares a um projeto cujo âmbito está em constante mudança, acabarás por voltar a documentar a mesma incerteza em relação a um mais recente data. O ritual decorre, mas a informação não melhora.

Adaptar o método ao nível de maturidade dos dados da sua carteira

O seu histórico de resultados, a inovação do trabalho e a sua estrutura de governação determinam o método a que tem direito. Associe-os com sinceridade:

• Menos de cerca de 20 observações, quer se trate de amostras, tempos de ciclo dos itens ou rendimento por sprint. Utilize percentis do tempo de ciclo para itens individuais e um intervalo sem indicação para lotes. Imponha um limite de WIP e ignore completamente a simulação.
• Um registo consistente de 20 ou mais observações deste tipo. O método de Monte Carlo justifica a sua utilização neste contexto, e a diferença de precisão em relação às estimativas pontuais é real.
• Um trabalho que é novo para a vossa organização, mas não para o mundo. Previsão com base na classe de referência, mesmo que disponha de um registo de rendimento, com os percentis de rendimento mantidos para os itens de rotina que o rodeiam. Se não for possível definir uma classe comparável, este método não estará disponível.
• Um portfólio com etapas definidas e um ritmo de governação já em execução. Aplique a previsão contínua de ondas por camadas àquela das opções acima que melhor se adequar ao trabalho subjacente.

A desvantagem que vale a pena referir sem rodeios é a aplicação do método de Monte Carlo a um conjunto de dados reduzido. A sua precisão teatro, e o resultado de uma simulação tende a fim a conversa.

Um intervalo com pressupostos visíveis suscita, pelo contrário, questionamentos. Numa reunião de governação, esse é o resultado que se pretende quando os dados são escassos.

A maioria dos portfólios de inovação deve começar com percentis de rendimento e um limite de trabalho em curso (WIP), passando depois para a simulação à medida que o histórico de entregas for sendo acumulado.

Essa sequência não custa nada. E permite reunir os dados de que o método mais complexo acabará por necessitar.

Como indicar um intervalo de datas a quem pretende um encontro

A verdadeira objeção à previsão probabilística é político. A direção solicitou uma data e, se uma comissão receber, em vez disso, uma distribuição de probabilidade, pode, com razão, interpretar isso como uma evasiva.

Responder a uma questão sobre governação com um gráfico parece uma forma de se esquivar, e, por vezes, isso é Um. A nova perspetiva que se impõe é a apetência pelo risco.

“50% até junho, 85% até agosto” é liderança escolha qual o nível de risco de calendário a assumir. Quanto mais cedo for a data, maior o risco; quanto mais tarde for a data, maior a certeza.

Uma declaração de previsão útil contém quatro elementos:

• O próprio intervalo de datas
• O nível de confiança associado a cada data, ou uma simples indicação de que não existe nenhum
• Os pressupostos mantidos constantes: âmbito, afetação e limites de trabalho em curso
• O fator que obriga a uma nova previsão antes da próxima previsão agendada

É esse último aspeto que distingue uma previsão de uma desejo. Definir antecipadamente o fator desencadeante reduz a discussão sobre se a situação mudou o suficiente para se rever esse valor.

A governação também tende a confundir duas coisas que vale a pena manter separadas:

É ao confundir as duas coisas que as equipas se comprometem com uma 50% data. O historial dos profissionais que adotaram esta mudança é encorajador.

Na John Lewis & Partners, uma equipa estava a gastar até 10% da sua capacidade anual apenas com base na estimativa.

A equipa passou a utilizar o método de Monte Carlo, com base nos dados de débito de que já dispunha, e ocorreram três coisas:

• As sessões de estimativa foram totalmente suspensas
• Dois grandes compromissos com prazos fixos foram cumpridos atempadamente na mesma semana
• Dados de acompanhamento ao longo de dois anos revelaram uma elevada precisão com uma fração do esforço

Para ser justo, há uma lacuna nas evidências que vale a pena referir.

Não existe nenhum estudo controlado que comprove que os executivos aceitam melhor os relatórios probabilísticos do que as datas fixas. O que existe aponta na direção certa, mas não constitui uma prova.

Quem quer que lhe venda certezas sobre essa questão está a exagerar o que se sabe.

O que isto exige dos dados da sua carteira

O «Throughput», o «Monte Carlo» e qualquer método de «onda contínua» baseado neles têm um pré-requisito em comum. É necessário um histórico limpo e consistente relativamente ao momento em que o trabalho entrou e saiu de cada fase.

Um portfólio que não consegue medida não consegue fazer previsões com base nos seus próprios dados históricos. A escolha do método surge na sequência de um problema relacionado com os dados que ninguém identificou como tal.

O conjunto mínimo de dados viável é curto:

• Carimbos de data e hora de entrada e saída de cada item
• Uma unidade de trabalho consistente, identificada por tipo, para que possa comparar elementos semelhantes entre si
• Um explícito definição de «concluído» para cada fase
• Um proprietário designado por artigo
• Âmbito remanescente como um intervalo mínimo-máximo, para cada item comprometido, quer tenha sido iniciado ou não

Nada disso é exótico, mas tem de ser captado da mesma forma todos tempo, por todos. As ferramentas apenas registam o que a disciplina já produz.

Em quase todos os lugares, a ambição tem ultrapassado a maturidade operacional. Um estudo de 2024 Estudo da BCG Um inquérito a mais de 1 000 altos responsáveis pela inovação revelou que 83% consideram a inovação uma das suas três principais prioridades.

Apenas 3% de empresas são consideradas preparadas para a inovação de acordo com o próprio sistema de classificação de maturidade da BCG, o que representa uma descida em relação às 20% registadas dois anos antes. O intenção está lá; o operacional registo não é.

A previsão insere-se precisamente nessa lacuna, e colmatá-la é, antes de mais, uma questão de registos do que uma questão de método.

Não é possível prever um portfólio que não se consegue ver, e a estrutura do registo faz com que seja visível.

Faça previsões sobre o sistema, não sobre o projeto

A maioria das carteiras pode melhorar as suas previsões neste trimestre sem adquirir nada de novo. O que tem de mudar é o que é comunicada, e quanto custa uma vez.

Três passos, por esta ordem:

• Estabeleça um limite de trabalhos em curso (WIP) no portfólio antes de investir em qualquer sistema de previsão mais sofisticado
• Substitua os valores pontuais por percentis sempre que os tiver e indique os pressupostos ao lado deles
• Tornar a nova previsão um resultado obrigatório em cada portão, em vez de um favor ocasional

O limite de trabalho em curso (WIP) merece o primeiro lugar porque reduz o tempo de ciclo, a única alavanca disponível antes de se dispor de dados. Nada mais aqui funciona tão rapidamente.

Nada disso faz sentido sem uma estrutura nos registos. Dê à liderança a margem de manobra e o nível de confiança que os dados justifiquem.

Se o sistema for previsível, a data deixa de ser um acho que.

Descarregar o nosso livro eletrónico gratuito Portfólio de projectos: Das oportunidades ao valor para saber como estruturar a governação do portfólio e acompanhar o progresso e o estado das suas iniciativas.

Solicite uma demonstração para descobrir como o Accept Mission lhe proporciona um histórico de entregas por fase, visibilidade do portfólio em tempo real e relatórios a partir de uma única fonte para todos os projetos de inovação.