Co to jest prognoza (forecast)?

Forecast (prognoza) to technika szacowania i przewidywania przyszłych wyników na podstawie danych historycznych, trendów i modeli statystycznych. W kontekście biznesowym forecast obejmuje prognozowanie sprzedaży, przychodów i popytu. W kontekście zarządzania projektami i metodyk agile forecast odnosi się do prognozowania terminów dostarczenia, przepustowości zespołu i prawdopodobieństwa ukończenia pracy w określonym czasie.

Prognozowanie różni się od estymacji (szacowania) tym, że opiera się na danych empirycznych i modelach statystycznych, a nie na subiektywnej ocenie. Dobrze skonstruowana prognoza zawiera nie tylko jedną wartość, ale zakres prawdopodobieństw, co czyni ją probabilistyczną.

Celem prognozowania jest dostarczenie informacji niezbędnych do podejmowania świadomych decyzji biznesowych i projektowych:

• Planowanie zasobów - ile osób i zasobów będzie potrzebnych w przyszłości
• Zarządzanie oczekiwaniami - realistyczne komunikowanie terminów dostarczenia interesariuszom
• Wczesne wykrywanie problemów - identyfikacja odchyleń od planu, zanim staną się krytyczne
• Optymalizacja procesów - identyfikacja obszarów wymagających poprawy na podstawie trendów
• Redukcja ryzyka - proaktywne zarządzanie ryzykiem dzięki lepszemu zrozumieniu przyszłości
• Budżetowanie - dokładniejsze planowanie finansowe

Prognozowanie w Scrumie

W Scrumie prognozowanie odbywa się na kilku poziomach:

Velocity-based Forecasting

Tradycyjne podejście w Scrumie opiera się na velocity (prędkości zespołu):

1. Oblicz średnią velocity z ostatnich sprintów (np. 30 story points na sprint)
2. Podziel pozostałą pracę w backlogu przez velocity
3. Uzyskaj prognozowaną liczbę sprintów potrzebnych do ukończenia

Przykład: Jeśli w backlogu pozostało 150 story points, a średnia velocity wynosi 30 SP/sprint, prognoza to 5 sprintów.

Ograniczenia: Velocity jest nieprecyzyjna, zmienia się w czasie i nie uwzględnia niepewności. Pojedyncza liczba (5 sprintów) nie odzwierciedla zakresu możliwych wyników.

Sprint Forecast

Podczas Sprint Planning zespół prognozuje, ile pracy jest w stanie wykonać w nadchodzącym sprincie. Ta prognoza jest oparta na:

• Historycznym velocity zespołu
• Dostępności członków zespołu
• Złożoności wybranych elementów backlogu
• Technicznych zagrożeniach i niewiadomych

Prognozowanie w Kanbanie

W metodzie Kanban prognozowanie jest bardziej zaawansowane i opiera się na danych przepływu (flow metrics):

Throughput-based Forecasting

Prognozowanie oparte na przepustowości (throughput) wykorzystuje historyczne dane o liczbie ukończonych elementów w danym okresie:

1. Zbierz dane o throughput z ostatnich tygodni/miesięcy
2. Oblicz średnią, medianę i odchylenie standardowe
3. Użyj tych danych do prognozowania przyszłej przepustowości

Monte Carlo Simulation

Symulacja Monte Carlo jest najpotężniejszą techniką prognozowania w Kanbanie. Polega na:

1. Zebraniu historycznych danych o throughput
2. Przeprowadzeniu tysięcy losowych symulacji przyszłych wyników
3. Uzyskaniu rozkładu prawdopodobieństw dla różnych scenariuszy

Przykład wyniku: "Istnieje 85% prawdopodobieństwo, że ukończymy te 50 elementów do 15 marca, i 95% prawdopodobieństwo, że ukończymy je do 28 marca."

Service Level Expectation (SLE)

SLE to prognoza dotycząca czasu cyklu (cycle time) poszczególnych elementów pracy:

Przykład: "85% elementów pracy jest kończonych w ciągu 12 dni roboczych lub mniej."

SLE jest kluczowym narzędziem w komunikacji z klientami i interesariuszami, ponieważ zapewnia realistyczne oczekiwania dotyczące czasu dostarczenia.

Metody ilościowe

Metody ilościowe opierają się na danych liczbowych i modelach matematycznych:

Analiza trendów

Identyfikacja wzorców w danych historycznych i ekstrapolacja ich na przyszłość. Skuteczna w stabilnych środowiskach, ale zawodna w warunkach szybkich zmian.

Średnia krocząca

Obliczanie średniej z określonej liczby ostatnich okresów (np. średnia z ostatnich 6 sprintów). Wygładza wahania i uwzględnia niedawne zmiany.

Regresja liniowa

Modelowanie zależności między zmiennymi (np. między liczbą developerów a throughput) w celu prognozowania przyszłych wyników.

Symulacja Monte Carlo

Jak opisano powyżej, generuje rozkład prawdopodobieństw na podstawie losowego próbkowania danych historycznych. Uznawana za złoty standard prognozowania w kontekście Kanban.

Metody jakościowe

Metody jakościowe opierają się na subiektywnych ocenach i ekspertyzie:

Szacowanie eksperckie

Opinia ekspertów w danej dziedzinie. Skuteczna, gdy brak danych historycznych (np. nowy produkt lub technologia).

Metoda Delphi

Anonimowe ankiety wśród ekspertów, powtarzane iteracyjnie, aż do osiągnięcia konsensusu.

Analogia

Porównywanie bieżącego projektu z wcześniejszymi, podobnymi projektami i wykorzystanie ich wyników jako podstawy prognozy.

Lead Time

Lead Time (czas realizacji) mierzy czas od złożenia zamówienia lub zgłoszenia do jego dostarczenia. Jest kluczową metryką do prognozowania terminów dostarczenia.

Cycle Time

Cycle Time (czas cyklu) mierzy czas od rozpoczęcia pracy nad elementem do jego ukończenia. Jest bardziej precyzyjny niż Lead Time do prognozowania czasu przetwarzania.

Throughput

Throughput (przepustowość) mierzy liczbę ukończonych elementów w danym okresie. Jest podstawą prognozowania ilościowego.

WIP (Work in Progress)

WIP (praca w toku) wpływa na prognozy poprzez Prawo Little'a: Lead Time = WIP / Throughput. Wyższy WIP oznacza dłuższy czas dostarczenia.

Narzędzia dedykowane

• ActionableAgile - zaawansowana analityka przepływu z prognozowaniem Monte Carlo
• Nave - dashboard Kanban z wbudowanym prognozowaniem
• Flomatika - platforma prognozowania opartego na przepływie

Narzędzia ogólne

• Jira - z wtyczkami do prognozowania (np. Portfolio/Advanced Roadmaps)
• Excel / Google Sheets - do budowy własnych modeli Monte Carlo
• Power BI / Tableau - wizualizacja trendów i prognoz

1. Używaj danych, nie intuicji - opieraj prognozy na danych historycznych, nie na przeczuciach
2. Podawaj zakresy, nie punkty - "do 15 marca z 85% prawdopodobieństwem" jest lepsze niż "do 15 marca"
3. Aktualizuj regularnie - prognozy powinny być aktualizowane w miarę napływu nowych danych
4. Komunikuj niepewność - jasno informuj interesariuszy o poziomie pewności prognozy
5. Zbieraj dane od początku - im więcej danych historycznych, tym dokładniejsza prognoza
6. Unikaj "podkładania" danych - nie modyfikuj danych, aby uzyskać pożądany wynik
7. Mierz dokładność - porównuj prognozy z rzeczywistymi wynikami i doskonalij model

• Optymistyczne prognozowanie - tendencja do podawania zbyt optymistycznych terminów (planning fallacy)
• Ignorowanie zmienności - traktowanie średniej jako pewnika, bez uwzględnienia wariancji
• Zbyt mała próba - opieranie prognoz na zbyt małej ilości danych historycznych
• Kotwiczenie - wpływ wcześniejszych szacunków na nowe prognozy
• Konfirmacja - szukanie danych potwierdzających preferowany wynik
• Szacowanie zamiast prognozowania - opieranie się na subiektywnych ocenach zamiast na danych

Co to jest forecast w zarządzaniu projektami?

Forecast (prognoza) to technika przewidywania przyszłych wyników na podstawie danych historycznych i modeli statystycznych. W zarządzaniu projektami forecast służy do prognozowania terminów dostarczenia, kosztów i zasobów potrzebnych do ukończenia projektu.

Czym różni się forecast od estymacji?

Forecast opiera się na danych historycznych i modelach matematycznych, dając zakres prawdopodobieństw (np. "85% szans na ukończenie do 15 marca"). Estymacja opiera się na subiektywnej ocenie zespołu i daje pojedynczą wartość (np. "to zadanie to 5 story points"). Forecast jest bardziej obiektywny i dokładny, ale wymaga danych historycznych.

Co to jest symulacja Monte Carlo?

Symulacja Monte Carlo to technika prognozowania polegająca na przeprowadzeniu tysięcy losowych symulacji przyszłych wyników na podstawie danych historycznych. Wynikiem jest rozkład prawdopodobieństw, np. "50% szans na ukończenie do 1 marca, 85% do 15 marca, 95% do 28 marca". Jest to złoty standard prognozowania w metodyce Kanban.

Ile danych historycznych potrzebuję do prognozowania?

Im więcej, tym lepiej, ale minimum to zwykle 4-6 tygodni lub iteracji danych. Dla symulacji Monte Carlo zalecane jest minimum 10-15 punktów danych. Ważne jest, aby dane odzwierciedlały aktualne warunki zespołu (skład, procesy, technologia).

Jak komunikować prognozy interesariuszom?

Komunikuj prognozy w formie zakresów prawdopodobieństwa, np. "Jesteśmy w 85% pewni, że ukończymy to do 15 marca". Unikaj podawania jednej daty bez kontekstu. Wyjaśnij, na czym opierasz prognozę i jakie czynniki mogą ją zmienić. Regularnie aktualizuj prognozę i informuj o zmianach.

Czy forecast zastępuje Sprint Planning?

Nie. Forecast na poziomie organizacyjnym pomaga w planowaniu roadmapy i komunikacji z interesariuszami. Sprint Planning jest operacyjnym spotkaniem, na którym zespół planuje pracę na najbliższy sprint. Oba narzędzia się uzupełniają: forecast daje kontekst strategiczny, a Sprint Planning daje plan taktyczny.

Co to jest Service Level Expectation (SLE)?

SLE to prognoza dotycząca czasu realizacji poszczególnych elementów pracy. Na przykład: "85% elementów jest kończonych w ciągu 12 dni roboczych". SLE jest kluczowym narzędziem w metodyce Kanban do zarządzania oczekiwaniami klientów i budowania zaufania poprzez przewidywalność dostarczania.