¿Por qué utilizamos números de Fibonacci para estimar las historias de usuario?
A menudo se producen grandes debates sobre el uso de la secuencia de Fibonacci para estimar las historias de usuario. La estimación es, en el mejor de los casos, una herramienta defectuosa, pero necesaria para planificar el trabajo.
La estimación de historias de usuario se basa en una investigación del Departamento de Defensa de 1948 que desarrolló la técnica Delphi. La técnica estuvo clasificada hasta los años 60 (hay docenas de artículos sobre el tema en rand.org). Básicamente, los investigadores de la Rand querían evitar la presión hacia la conformidad del grupo que normalmente conducía a malas estimaciones. Así que decidieron que las estimaciones debían hacerse en secreto. Al principio, las estimaciones estarían muy alejadas porque la gente tenía percepciones diferentes del problema, así que les harían hablar sobre los máximos y mínimos después de estimar en secreto, y luego estimar de nuevo en secreto. En Rand en el mundo puede leer los documentos originales que demuestran la convergencia.
Los investigadores de Rand estudiaron entonces el efecto de los números que pueden elegir los estimadores y descubrieron que una secuencia lineal daba peores estimaciones que un conjunto de números exponencialmente creciente. Hay algunos argumentos matemáticos recientes para los interesados. La cuestión entonces -si quieres la mejor estimación estadísticamente demostrable- es qué serie exponencialmente creciente utilizar. El Fibonacci es casi, pero no del todo exponencial y tiene la ventaja de que es el patrón de crecimiento visto en todos los sistemas orgánicos. ¿Por qué se repite la secuencia de Fibonacci en la naturaleza? Así que la gente está muy familiarizada con él y lo utiliza constantemente para elegir las tallas de la ropa. Por ejemplo, las tallas de las camisetas son Fibonacci. Como algunos desarrolladores tienen aversión a los números (un fenómeno realmente extraño para quienes trabajan con ordenadores) pueden utilizar las tallas de las camisetas y sus estimaciones se traducen fácilmente a números.
Microsoft repitió esta investigación en los últimos años en un artículo premiado en el IEEE. Como resultado, Microsoft ha abandonado la estimación por horas en los proyectos. Véase Laurie Williams, Gabe Brown, Adam Meltzer, Nachiappan Nagappan (2012) *.Scrum + Prácticas de ingeniería: Experiencias de tres equipos de Microsoft. *PremioIEEE al mejor artículo del sector, 2011 International Symposium on Empirical Software Engineering and Measurement.
Así que la comunidad ágil ha convergido en Fibonacci como la secuencia a utilizar. Desgraciadamente, muchos equipos ágiles no la utilizan correctamente e intentan que todo el mundo se ponga de acuerdo en un número de Fibonacci, lo que da lugar a estimaciones erróneas demostrables matemática y experimentalmente a través de la conformidad forzada del grupo. Esto es precisamente lo que los investigadores de Rand inventaron la técnica Delphi para evitar.
Una y otra vez, los investigadores han demostrado que las estimaciones horarias tienen tasas de error muy elevadas. Esto es cierto incluso si el usuario es un experto. El problema es la herramienta. Si quieres practicar basándote en pruebas, las estimaciones de tamaño relativo simplemente ofrecen una estimación mucho más precisa.
Spanish 
English 
French