Калибровка средними отраслевыми данными

Если вы не располагаете собственными историческими данными, особого выбора не остается — используйте средние отраслевые показатели; это приемлемый, хотя и не лучший вариант. Как видно из табл.

На рис. 8.1 показан пример оценки, созданной по отраслевым данным. Каждая точка графика представляет возможный результат проекта, созданный с использованием статистического моделирования по методу Монте-Карло. Сплошные черные линии представляют срединные значения объемов работ и сроков, найденные в результате моделирования. Пунктирные черные линии представляют 25-й и 75-й процентили объема работ и сроков.

Моделирование сроков и объемов работ

Объем

работы

(человеко-

месяцы)

18              20              22              24

Срок (месяцы)

Источник: По результатам использования программы Construx Estimate (www.construx.com/estimate)

Рис. 8.1. Пример оценки результатов, откалиброванной по среднеотраслевым данным. Разброс оценок объема работ составляет целый порядок (от 25 до 250 человеко-месяцев)

На рис. 8.2 изображен пример сходной оценки, откалиброванной по историческим данным одного из моих клиентов.

alt="" />

Моделирование сроков и объемов работ

(человеко-

месяцы)

Объем

работы

30 -

20

14

15

16

17

18

19

20

21

22

Срок (месяцы)

Рис. 8.2.

Размеры и номинальные производительности в обоих проектах идентичны, но величины разброса в двух оценках кардинально различаются. Из-за того, что среднеотраслевая оценка должна учитывать различия производительности, достигающие целых порядков, среднеквадратическое отклонение для оценок, построенных по таким данным, составило почти 100 %! Если вы хотите предоставить начальству оценку с достоверностью от 25 до 75 % на основании среднеотраслевых данных, вам придется заложить в нее интервал от 50 до 160 человеко-месяцев —троекратные различия!

Если же заменить среднеотраслевые данные историческими, диапазон оценки составит от 70 до 95 человеко-месяцев — верхняя граница диапазона отличается от нижней в 1,4 раза. Среднеквадратическое отклонение оценки, созданной по историческим данным, составляет лишь около 25 %.

Анализ исследований по точности оценок показал, что в тех случаях, когда оценочная модель не калибровалась по рабочей среде, экспертные оценки давали более точный результат, чем модели. Но при использовании моделей, откалиброванных по историческим данным, выяснялось, что модели дают такой же или лучший результат, чем экспертные оценки (Jorgensen 2002).

СОВЕТ № 41

Там, где это возможно, используйте для калибровки оценок проектные или исторические данные вместо среднеотраслевых. Помимо повышения точности оценок, исторические данные сокращают разброс оценок, обусловленный неопределенностью предположений по поводу производительности.