分析方法之估算

估算

1 目的

估算由商业分析师和其他涉众用于预测采取行动涉及的成本和工作量。

2 描述

估计用于通过预测属性来支持决策,例如:

  • 实施行动路线的成本与努力,
  • 预期解决方案带来的潜在价值,
  • 预期的解决方案收益,
  • 创造解决方案的成本,
  • 项目成本,
  • 运营解决方案的成本,
  • 商业绩效,
  • 潜在风险影响。

估计的结果有时用一个数字表示。使用范围来表示估计结果,包括最小值、最大值以及概率,可能对相关方来说更有效。这个范围被称为置信区间,并且被用作不确定性的度量标准。估计算法获得的信息越少,置信区间就越大。

估计是一种迭代过程。随着获得更多信息,对估计值进行审查,并根据需要进行修订。许多估算技术依赖于组织的历史绩效记录来校准与先前经验相一致的估算值。每个估计都可能包括对其相关不确定性的评估。

3 元素

.1 方法

针对具体情况,人们使用了各种估算方法。在每种情况下,估计者都需要对要评估的元素有一个事先约定好的描述,通常以工作分解结构或其他形式的对所有待估工作的分解的形式来表示。在开发和提交估算时,还需要明确说明约束条件和假设。

常见的估算方法包括:

  • 自顶向下:在分层分解中,从高层次检查组件。
  • 自下而上:利用分层分解中最低级别的元素来详细检查工作并估计每个成本或努力,然后对所有元素求和以提供总体估计。
  • 参数估计:使用经过校准的参数模型来估计元素属性。重要的是,组织应利用其自身的历史数据来校准任何参数模型,因为属性值反映了员工的技能和能力以及用于完成工作的过程。
  • 粗略估计(ROM):一种粗略的、基于有限信息的高级别估算,其置信区间可能非常宽。
  • 滚动波浪:在一项倡议或项目中反复估计,为近期活动(如工作迭代)提供详细的估算,并外推其余部分的倡议或项目。
  • 德尔菲法:使用专家判断和历史记录相结合的方法。这一过程有多种变化,但都包括个人估计、与专家共享估计值以及进行多轮估计直到达成共识为止。三个估计值的平均值被使用。
  • PERT:对估计值的每个组成部分都赋予三个值:(1)乐观值,代表最好的情况;(2)悲观值,代表最坏的情况;(3)最有可能的值。然后通过加权平均计算出每个估计组件的 PERT 值:(乐观+ 悲观+ (4倍 最可能)) / 6。

.2 估计的准确性

估计值的准确性 是一个不确定性的度量,它评估了 估计值与稍后测量的实际值之间的接近程度。 它可以被计算为置信区间的宽度 除以其平均值之比,然后以百分比表示。 当信息很少时,例如在开发解决方案的早期阶段,会提供近似估算, 预期具有广泛可能的值范围和高不确定性水平。

ROM 估计往往只能达到+50%到-50%的精度。只要收集更多的现实世界数据,就可以得到更精确的最终估算。用于预测时间表、最终预算和资源需求的最终估算,理想情况下应该在10%或更小的范围内。

团队可以使用滚动波浪估计,在整个项目或倡议中结合使用定性估计和定量估计。 团队为下一个迭代或阶段(他们拥有充足信息的)创建一个定量估算,而其余工作分配一个定性估算。 随着迭代或阶段接近尾声,对下一个迭代或阶段的工作进行精确估算,并且对剩余活动的定性估算进行了细化。

.3 信息来源

估計器會考慮可利用的信息,包括從先前經驗中獲取的特徵以及正在估計的特徵。

一些常见的信息来源包括:

  • 类比估算:使用与待估元素相似(项目、倡议、风险或其他)的元素。
  • 组织历史:组织以前处理类似工作的经验。如果以前的工作是由同一团队或技能相似的团队完成,并且使用了相同的技术,那么这最有帮助。
  • 专家判断:利用人们对正在评估的元素的知识。估计通常依赖于过去从事过这项工作的人员的专业知识,无论是在组织内部还是外部。在使用外部专家时,估算者会考虑进行估算的工作的相关技能和能力。

.4 估计值的精确性和可靠性

当为特定属性生成多个估计值时,结果估计的精度是这些估计值之间的一致性度量(它们有多接近)。通过检查诸如方差或标准偏差之类的不一致性度量,估计算法可以确定其一致性的程度。

估计值(其可重复性)的可靠性体现在使用不同的估算方法或估计算法所得到的不同估算结果的变异性中。

为了说明可靠性和准确性的水平,估计值通常表示为与置信度相关联的一系列值。也就是说,对于给定的摘要估计值和置信度,范围是基于提供的估计值预期的可能值的范围。例如,如果一个团队估计某个任务需要花费40个小时,那么90%的置信区间可能是36到44小时,这取决于他们给出的个人估计。95%的置信区间可能是38到42小时。一般来说,估计值的置信度越高,范围越窄。

为了给出具有特定置信水平的估计值,估算者可以使用 PERT 等技术。通过为每个估算成分提供多个估算值,可以构建概率分布。该分布提供了计算总体估算值(包含所有估算组件)的方法,并以范围的形式表示,以及与之关联的置信度水平。

.5 估计值贡献者

元素的估计值通常由负责该元素的人来确定。团队的估计往往比个人更准确,因为它包含了所有团队成员的知识。

在某些情况下,一个组织有一个小组为该组织的大部分工作进行估算。 这样做是为了仔细考虑估计值,以便它反映被评估元素的可能上下文。

当一个组织需要对一些关键要素的估计有很高的信心时,它可以要求外部专家来执行或审查估计。该组织可以将独立估计与内部估计进行比较,以确定可能需要做出哪些调整。

4 使用考虑

.1 优势

  • 估计为分配预算、时间表或一组元素的大小提供了依据。
  • 没有估算,做出改变的团队可能会为他们的工作获得不切实际的预算或时间表。
  • 通常,由知识渊博的小团队遵循既定技术提供估计值,比单个人提供的估计值更接近实际价值。
  • 在整个工作周期中更新估算,随着时间的推移对估算进行细化,包含知识并有助于确保成功。

.2 限制

  • 估计值的准确性取决于对所估算元素的知识水平。如果没有组织或当地知识,估计可能会与稍后确定的实际值相差很大。
  • 只使用一种估算方法可能会让涉众产生不切实际的期望。

本文同步发表在 软件需求探索http://www.srs.pub/babok/gusuan.html

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,053评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,527评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,779评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,685评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,699评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,609评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,989评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,654评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,890评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,634评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,716评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,394评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,976评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,950评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,191评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,849评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,458评论 2 342

推荐阅读更多精彩内容