Deje de adivinar fechas de entrega: pronosticar con sus propios datos empíricos
Scrum se funda en el empirismo: se inspecciona lo que de verdad ocurrió y se adapta según la evidencia, no según lo que uno desearía. El pronóstico es donde ese principio se pone a prueba de forma más directa. Un equipo que pronostica bien gana el derecho a que le confíen la ambigüedad; un equipo que pronostica mal termina microgestionado. La Guía Scrum deja el método abierto a propósito, una libertad que muchos equipos usan mal.
A principios de 2022, con la rotación en la contratación, la disrupción del regreso a la oficina y las dependencias por el suministro, la tentación de prometer una fecha limpia es fuerte y el costo de romper esa promesa es alto. Un pronóstico no es un compromiso; es un enunciado probabilístico construido con sus datos reales. Acierte en esa distinción y lo demás se sigue.
Dónde fallan los pronósticos
Tratar los puntos de historia como unidad de tiempo. Los puntos estiman esfuerzo relativo, no horas, y se desplazan a medida que el equipo aprende. Convertir puntos en fechas con una tasa fija fabrica falsa precisión. El rendimiento, la cantidad de elementos terminados por Sprint, es una base de pronóstico más limpia.
Pronosticar con un solo promedio. Decir que el equipo hace unos diez elementos por Sprint oculta una enorme variación. Un solo número da, en el mejor caso, un pronóstico al cincuenta por ciento. Necesita la dispersión, no solo el centro, para decir algo honesto sobre una fecha.
Usar muy poco historial. Un pronóstico basado en dos o tres Sprints hereda todo su ruido. Use una ventana móvil de Sprints recientes, suficiente para captar la variación normal pero reciente para reflejar al equipo de ahora, no al de hace un año.
Ignorar el crecimiento del alcance. Los pronósticos suponen un backlog quieto, pero los backlogs reales crecen a medida que se descubre trabajo. Si no considera el ritmo al que se añaden elementos, pronostica contra una meta que se aleja sin parar.
Comunicar una fecha como promesa. Una sola fecha firme invita a la decepción. Comunicar un rango con niveles de confianza fija expectativas honestas y protege la credibilidad del equipo cuando la realidad cae en algún punto del rango.
Un enfoque práctico y empírico
Empiece contando el rendimiento por Sprint en una ventana reciente de, digamos, seis a diez Sprints. Mire la distribución, no solo la media. A partir de ahí, el pronóstico honesto más simple es un rango: en sus semanas lentas el equipo termina tantos elementos, a su ritmo habitual tantos, en sus buenas semanas tantos. Contraste esos ritmos con el backlog restante (y creciente) para producir una fecha probable con una banda de confianza en lugar de un solo punto.
Pronostique en elementos terminados, con el rendimiento, antes de recurrir a los puntos.
Exprese los resultados como un rango con confianza, nunca una fecha aislada.
Considere el crecimiento del backlog, no solo el trabajo visible hoy.
Refresque el pronóstico cada Sprint a medida que llegan datos, y deje que se mueva.
Para un modelado más rico, una simulación Monte Carlo sobre su historial de rendimiento convierte los mismos datos en probabilidades.
Nada de esto exige una herramienta pesada; una hoja de cálculo de elementos terminados por Sprint basta para empezar. La disciplina es lo esencial: pronosticar a partir de lo que el equipo realmente hizo, comunicar la incertidumbre con claridad y actualizar sin descanso. Eso es empirismo aplicado al futuro, y es lo que separa a un equipo en el que se confía de uno que se pone en duda.
Si sus equipos pronostican con esperanza en vez de rendimiento y las partes interesadas ya no creen las fechas, la asesoría en entrega de programas y proyectos de XNM puede ayudarle a construir pronósticos que resistan el escrutinio.