Como você pode ter percebido, nós aproveitamos o desenvolvimento do nosso novo canal, a Elixir Radar, para realizar alguns experimentos com o intuito de melhorar nossos métodos e ferramentas. Alguns destes experimentos podem ser encontrados nos seguintes blog posts:

• Forecasting software project’s completion date through Monte Carlo Simulation
• Lead Time Experiment: Calculating Lead Time of the whole process
• Case Study of a WIP Limit Implementation: Why, When and How to use WIP Limits

Outro experimento que fizemos foi registrar algumas das métricas que usamos normalmente mas, ao invés de fazer o registro semanalmente, registrá-las também diariamente. A intenção era ver se uma atualização mais rápida das métricas nos faria perceber problemas mais rapidamente também, como gargalos, filas e etc.

Se você ainda não conhece nossas métricas, aqui estão alguns dos nossos blog posts que explicam-nas:

• Why we love metrics? Cumulative flow diagrams
• Why we love metrics? Throughput and Burnup charts
• Why we love metrics? Learning with Lead time

A seguir, apresentamos nossa opinião sobre a eficiência e eficácia de usar cada uma dessas métricas diariamente, através das visualizações que utilizamos.

Diagrama de fluxo cumulativo (Cumulative Flow Diagram – CFD)

O CFD diário foi a visualização diária mais usada. Nas primeiras semanas era muito difícil de acharmos gargalos apenas analisando as métricas semanais. Mas como você pode ver em nosso gráfico de CFD diário, nós avistamos algumas filas se formando ao longo do projeto e conseguimos mitigá-las para aumentar nossa eficiência de processo.

Gráfico Burnup

Nós não usamos muito o burnup diário, mas acreditamos que seu uso pode ser interessante quando seu cliente ou P.O. necessitar de feedbacks mais rápidos em relação à saúde de seu projeto.

É possível observar que o backlog mudou diariamente no começo do projeto. Tal informação poderia ajudar stakeholders a tomar ações mais rapidamente para mitigar possíveis atrasos de entrega.

Vazão e Predições

Nossa simulação de Monte Carlo não funcionou muito bem com a vazão diária, ou seja com o número de histórias finalizadas por dia. Isso aconteceu porque baseamos nossa simulação no histórico de vazão semanal (mais detalhes podem ser vistos em Forecasting software project’s completion date through Monte Carlo Simulation). Além disso, ao observar o histograma de vazão, perceberá que na maioria dos dias não ocorreram entregas, o que significa que a simulação seria extremamente pessimista e enviesada para zero.

Conclusão

Sabendo que o início de um time ou projeto é naturalmente um período de estabilização do processo, é comum a falta de dados para a tomada de decisão. No entanto, se começarmos a colher dados diariamente, podemos ter informação suficiente para aplicarmos mudanças rápidas em nossos processos e garantir uma melhor cadência nas entregas.

O que você achou das métricas diárias? Você as usaria? Deixe seu comentário abaixo! 🙂