Previsión con datos (Monte Carlo)
Predecir cuándo terminará un conjunto de trabajo simulando miles de futuros posibles con el ritmo histórico real del equipo (throughput), en vez de estimar cada historia.
Cuándo usarlo: Cuando negocio pregunta “¿para cuándo?” y el equipo tiene al menos 10–15 semanas de datos de entregas.
Cómo se hace
- Recoger el throughput semanal: cuántos items termina el equipo cada semana.
- Contar los items que faltan (añade un margen para el trabajo que aparecerá).
- Simular: para cada semana futura, elegir al azar un throughput del histórico, hasta completar el trabajo.
- Repetir miles de veces y ordenar los resultados.
- Comunicar con probabilidades: “85 % de probabilidad de terminar antes del 15 de marzo”.
Ejemplo práctico
Quedan 40 historias y el equipo termina entre 3 y 9 por semana. Simulación: 50 % de probabilidad en 6 semanas, 85 % en 8. Se compromete la fecha del percentil 85.
Consejos
- Funciona mejor con items de tamaño parecido; no hace falta estimarlos.
- Recalcula cada semana: la previsión mejora con cada dato nuevo.
Errores comunes
- Dar el percentil 50 como compromiso: la mitad de las veces llegarás tarde.