lib_predict

Jedes Mal wenn sich Projektmanager zusammensetzen, sprechen sie über Risiken. „Wenn dieser Fall eintritt müssen wir X tun!“, „Wir brauchen noch Y als Mitigation für den Fall, dass dieser Teil unserer kritischen Infrastruktur wegbricht!“, „Wir sollten im Fall Z unbedingt zweigleisig fahren …”

Agile Prozesse versuchen, Risiken und sich ändernde Situationen und Anforderungen abzufangen. Aber auch in diesen Kontexten muss man stets ein wachsames Auge auf alles behalten, was schief gehen kann. Vor allem in Bereichen, in denen sich agile Prozesse mit althergebrachtem Projektmanagement verbinden (entweder bereits früh im SAFe-Prozess oder im Übergang zum Kunden, bei dem man einen Werkvertrag unterschrieben hat), werden oft Deadlines und Controlling gefordert.

Manche Projekte schätzen ihre Tickets auch gerne in Personentagen anstatt in Story Points – also in echter Zeit anstelle von Komplexität – und bringen so die Entwickler in die Rolle eines Mini-Projektmanagers. Bis wann wird das Feature fertig sein?

Besagte Entwickler sind meist keine ausgebildeten Projektmanager mit zehn Jahren Berufserfahrung und können Risiken meist nur oberflächlich bis gar nicht bewerten … geschweige denn berechnen! Wer von uns nicht aktiv im Data Science Bereich unterwegs ist, hat meist nur eingerostete Kenntnisse in Wahrscheinlichkeitsrechnung und Statistik.

Wäre es nicht gut wenn es dafür eine technische Lösung gäbe?

Dachten wir uns auch!

lib_predict

Im Rahmen unserer Maydays – und im Einverständnis mit unseren Kunden – verwendeten wir Jira-Statistiken um endlich eine Lösung für dieses klassische Problem zu finden. lib_predict macht vom vollen Spektrum statistischer Methoden gebraucht, um verlässlichere und schnellere Zeitschätzungen abzuliefern als ein Mensch es jemand könnte. Zu den Features gehören:

Komfortabler Datenimport

Kontext ist alles. lib_predict bedient sich vieler verschiedener Datenquellen, um ihre Aussagen zu verbessern. Dazu gehören:

  • Codequalität im git-repo: Verändern sich die Komponenten sehr stark? Lässt eine statische Codeanalyse technische Schulden vermuten? Wie gut ist die Testabdeckung? Wie oft müssen hier Bug Fixes nachgeschoben werden?
  • Kalenderdaten: Wie viele Tage sind die Entwickler im Team eigentlich verfügbar? Wie viele Meetings stehen an? Wie viel reale Arbeitszeit werden sie wahrscheinlich haben?
  • Ticketbeschreibung: Lassen sich aus der Ticketbeschreibung keine Codestellen oder Aufwand erschließen, fließt das einfach als Datenpunkt in die Schätzung mit ein.
  • E-Mails und Messengerdaten: Durch Sentiment-Analyse wird wichtiger Kontext generiert, den unsere Algorithmen mit einbeziehen können.

Jira-Anbindung

lib_predict lässt sich direkt in Jira integrieren, um Zeitschätzungen in Echtzeit upzudaten, je nach Verlauf eines Tickets.

Export und Visualisierung

lib_predict unterstützt Exporte in alle gängigen Formate. Dazu gehören:

  • Excel-Export mit nur einem Klick!
  • Eine firmenweite Heatmap die Burndown-Intensität in Echtzeit auswertet.
  • Darstellung einer Ampelmatrix zur Wahrscheinlichkeit der Einhaltung wichtiger KPIs.
  • Automatische Implementierung von allen wichtigen Anbindungen. (Ja, richtig gelesen! Durch Profilauswertung der Technologienutzung im Unternehmen und Abgleich mit öffentlich verfügbaren Marktgestaltungsdaten innerhalb der Branche kann lib_predict erkennen, welche Anbindungen in naher Zukunft gebraucht werden und erstellt vollautomatisch priorisierte Jira-Tickets.)

Cutting-Edge-Vorhersagealgorithmen

  • Moderne, professionell-trainierte Neuronale Netze, die in Feedbackschleifen miteinander interagieren.
  • Statistische Auswertungsmethoden; alles von einfachen Lineargleichungssystemen bis hin zu hochdimensionalen Wäldern aus Markovbäumen.
  • Integrierte Blockchain zur fälschungsgeminderten Verbindlichkeit aller durchgeführten Transaktionen
  • Kleinstdatenfaktorisierung, die durch moderne numerische Homöopathik besonders wirksam potenzierte Minimaldatenmengen einbezieht, die schlussendlich den größten Einfluss auf das Endergebnis haben.

Komplett Open Source

Schluss mit properitären Geheimnissen. Wir haben lib_predict komplett unter MIT-Lizenz Open Source gestellt. Jeder der interessiert ist kann sie noch heute in Einsatz nehmen.

Ausblick

Das Potenzial ist bereits jetzt grenzenlos! Vorausgefüllte Tickets für effizientere PO-Arbeit! Automatische Arzttermine für Entwickler, die wahrscheinlich bald krank werden! Vollautomatisierte Börsengänge für das eigene Unternehmen, ohne menschliches Zutun!

Wir sind schon jetzt in der Beta, lib_predict einfach ihr eigenes Projektmanagement machen zu lassen. Wir halten euch auf dem Laufenden!

Dieser Eintrag wurde veröffentlicht in Agile, Development von Eric. Permanenter Link des Eintrags.

Über Eric

Als erfahrener Softwareentwickler kennt Eric die Faktoren, die Teams dazu befähigen, Ideen als tatsächlich lauffähigen Code abzubilden. Seine Erfahrung in komplexen, agilen Umgebungen trägt dazu bei, dass Software auch den erwarteten Geschäftsnutzen erfüllt und sein Team die für die Organisation notwendigen Veränderungen in geeignete Inkremente herunterbrechen kann.

Für neue Blogupdates anmelden:


Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.