Cung cấp các ước tính khi làm việc với công nghệ không quen thuộc?

Gần đây tôi đã gặp một vấn đề mới, để đưa ra ước tính cho một dự án mà tôi phải sử dụng một khung (và các bit có khả năng của một khung khác) mà tôi không quen thuộc. Tôi dễ dàng hơn nhiều trong việc cung cấp các ước tính khi tôi tự do sử dụng những gì tôi quen thuộc, nhưng dường như một sự tê liệt do phân tích đã xảy ra khi một ước tính được yêu cầu làm việc trong lãnh thổ xa lạ.

Giải pháp của tôi, nhìn lại, đã sai. Tôi chỉ bắt đầu làm việc.

Làm thế nào tôi có thể ước tính tốt hơn các dự án và nhiệm vụ khi tôi được yêu cầu làm việc với các ngôn ngữ / công nghệ / khung không quen thuộc?

Câu trả lời chuẩn từ sách giáo khoa nhanh là thực hiện tăng đột biến. Spike là một nhiệm vụ được sắp xếp theo thời gian để khám phá những điều chưa biết, để cuối cùng bạn có (hy vọng) có đủ thông tin để cung cấp một ước tính hữu ích hoặc bạn có ý tưởng tốt hơn về việc bạn sẽ cần thêm bao nhiêu thời gian để đến thời điểm đó .

Gai có thể kéo dài bất cứ nơi nào từ 1 giờ đến vài ngày hoặc thậm chí lâu hơn. Vì chúng được sắp xếp theo thời gian, không có rủi ro liên quan đến một trong hai bên và chi tiêu bị hạn chế nghiêm ngặt.

Lý tưởng nhất trong quá trình tăng đột biến, bạn sẽ xác định một vài điều đơn giản cần phải đạt được với khung mới này và đặt ra các giải pháp rất đơn giản sử dụng nó. Khi bạn tiếp tục, bạn học hỏi, và đó là tất cả những gì về gai.

Cách cổ điển để làm điều này là bằng cách sàng lọc. Tại cuộc họp lập kế hoạch đầu tiên bạn nói;

"Tôi không có ý tưởng - về cơ bản chúng tôi đang thực hiện nghiên cứu phần mềm ở đây. Tuy nhiên, tôi sẽ có ước tính tốt hơn trong cuộc họp tiếp theo, sau một tháng nữa"

Sau đó, bạn đi xa và làm nghiên cứu. Cuộc họp tiếp theo:

"Có vẻ như nó sẽ mất bất cứ thứ gì từ hai đến 4 phần tư. Chúng tôi sẽ xây dựng một nguyên mẫu cho phép chúng tôi tinh chỉnh các số liệu hơn nữa".

Cuộc họp tiếp theo:

"Nguyên mẫu dễ chế tạo hơn chúng tôi nghĩ. Có vẻ như chúng tôi có thể làm điều đó trong 2 quý, cộng hoặc trừ một tháng."

vân vân Ở mỗi giai đoạn, doanh nghiệp có tùy chọn đóng hộp dự án hoặc để nó tiếp tục, ước tính ngày càng tốt hơn về ngày hoàn thành như hiện tại.

Điều này được mô tả rất tốt trong cuốn sách phát triển nhanh của Steve McConnell, cuốn sách xứng đáng được biết đến nhiều hơn. Chắc chắn nó vượt trội hơn nhiều so với bất kỳ cuốn sách nào về "nhanh nhẹn" mà tôi đã đọc.

Bạn có thể làm nghiên cứu và vẫn đưa ra các ước tính sai. Xem Giới hạn L cho ước tính phần mềm của JP Lewis và các giới hạn toán học của tài liệu đi kèm với Ước tính phần mềm . Tôi không nói rằng bạn không nên ước tính hoặc nghiên cứu, chỉ là bạn không thể ước tính chính xác khách quan và bạn cần nói điều này cùng với bất kỳ ước tính nào bạn đạt được.