A estimativa de trabalho sempre foi um problema no gerenciamento de projetos. Especificamente, o grande desafio é fazer uma previsão precisa e realista de quando você terminará o projeto e entregará valor aos seus stakeholders.
Na tentativa de resolver esse problema, os gerentes voltaram seu olhar para a estatística, a fim de fazer previsões baseadas em dados. Poucas ferramentas podem oferecer mais certeza ao antecipar resultados futuros do que a simulação de Monte Carlo.
No gerenciamento Lean, onde a melhoria contínua é a filosofia orientadora, fazer previsões realistas pode ser uma tarefa desafiadora. Para desafiar sua equipe e, ao mesmo tempo, comprometer-se com um prazo razoável, você precisa confiar tanto em dados quanto em experiência.
O que é uma Simulação de Monte Carlo?
A simulação de Monte Carlo é uma técnica matemática que permite contabilizar riscos e ajudá-lo a tomar decisões baseadas em dados. Ela é baseada em dados históricos que são submetidos a várias simulações aleatórias para projetar o resultado provável de projetos futuros em circunstâncias semelhantes.
Desde que a simulação foi introduzida em meados do século 20, ela se mostrou uma forma muito realista de apresentar a probabilidade de eventos futuros sem depender de suposições aleatórias.
Logicamente, as simulações de Monte Carlo chegaram ao gerenciamento de projetos Lean e Ágil. Elas são uma funcionalidade indispensável em soluções de software profissionais para aplicar Lean ou Ágil. Com sua ajuda, você pode fazer previsões probabilísticas sobre um dos indicadores de desempenho mais importantes no gerenciamento de projetos – o throughput.
Qual é o Papel da Análise de Monte Carlo no Gerenciamento de Projetos?
O principal objetivo da Análise de Monte Carlo é prever o resultado futuro de um projeto executando muitas simulações ou cenários. É como jogar os dados várias vezes para ver todos os resultados possíveis que você pode obter.
Os dados mostram que riscos mal definidos e estimativas de tempo imprecisas estão entre as razões mais comuns para o fracasso de projetos (29% e 25%, respectivamente). Essas estatísticas alarmantes destacam a necessidade de melhores previsões de projetos. Ao incorporar simulações de Monte Carlo, os gerentes de projeto podem fazer previsões mais precisas, o que leva a um planejamento e execução de projetos mais eficazes e resilientes.
Por exemplo, imagine que você queira estimar quanto tempo um projeto levará para ser concluído. Em vez de fornecer uma resposta fixa, uma simulação de Monte Carlo usa entradas aleatórias dentro de limites definidos para simular um grande número de resultados possíveis. Isso fornece uma variedade de resultados possíveis e as probabilidades de diferentes cenários acontecerem.
Essa técnica oferece vários benefícios aos gerentes de projeto, como obter uma melhor compreensão dos riscos e incertezas potenciais envolvidos em um projeto, permitindo que eles tomem decisões mais informadas e façam um planejamento mais eficaz ao estabelecer expectativas realistas.
Análise de Monte Carlo e Previsão em Ação
A análise de Monte Carlo pode responder a duas das perguntas mais importantes no gerenciamento de projetos:
- Quantas tarefas podemos concluir em um determinado período?
- Quando podemos concluir X número de itens de trabalho?
Usando os dois principais gráficos de Monte Carlo, "Quantas" e "Quando", os gerentes de projeto e tomadores de decisão podem executar vários testes para fornecer previsões mais precisas com base em dados históricos coletados, levando a um planejamento e execução de projetos mais eficazes e resilientes.
Sem mais delongas, vamos explorar como essas duas análises de previsão funcionam na prática.
Quantas Tarefas Podemos Concluir em X Dias?
Ao usar a análise de Monte Carlo para prever quantos itens de trabalho sua equipe pode concluir em X dias, você precisa selecionar um período passado e obter os dados de throughput desse período.
A simulação usará uma equação estatística que considera o throughput de um dia aleatório no período passado pré-definido e simula várias opções de quantos itens de trabalho a equipe provavelmente concluirá em um dia aleatório no futuro.
Por exemplo, você pode pegar os dados de throughput do quadro Kanban da sua equipe do último mês (por exemplo, abril) e fazer uma previsão probabilística de quantas tarefas eles poderão concluir em maio. Suponha que, em 2 de abril, sua equipe teve um throughput de 20 tarefas.
A simulação pegará esses dados e assumirá que esse é o número de tarefas que eles concluirão em 15 de maio. Para projetar o throughput provável de 29 de maio, a Simulação de Monte Carlo pegará o throughput de outro dia aleatório de abril.
Esse processo precisa ser repetido pelo menos mil vezes para obter uma previsão estatisticamente confiável. Para torná-la ainda mais confiável, a maioria das ferramentas permite que você execute a simulação até 100 mil vezes.
A maneira mais conveniente de visualizar os resultados de uma simulação de Monte Carlo para o gerenciamento Lean ou Ágil é na forma de um histograma.
Semelhante ao gráfico de dispersão de tempo de ciclo, a previsão vem na forma de percentis. O gráfico mostrará os resultados da simulação e a probabilidade de você atingir um determinado nível de throughput. Logicamente, quanto maior o número de tarefas concluídas, menor será o percentil de certeza.
Por exemplo, se os resultados variam de 35 a 135 tarefas, você terá mais de 99% de certeza de que sua equipe concluirá 35 tarefas e menos de 1% de chance de que concluirão 135 tarefas.
Quando Podemos Concluir X Número de Tarefas?
Prever quando você pode esperar que um número específico de tarefas seja concluído é igualmente importante no gerenciamento de projetos Lean e Ágil. Como mencionado anteriormente, a simulação pode ser executada para mostrar exatamente esse tipo de dado.
O mecanismo é o mesmo, mas em vez de mostrar quantos itens de trabalho você pode esperar até uma data escolhida, aqui a simulação informa com que rapidez você provavelmente concluirá um número específico de tarefas no seu quadro Kanban.
Isso pode ser especialmente útil quando você está gerenciando um portfólio Kanban, já dividiu o trabalho em um número preciso de tarefas e deseja saber quando pode realisticamente esperar que sua equipe as conclua.
No final das contas, quando você divide qualquer projeto em um número exato de pequenas tarefas, será capaz de prever quando o projeto poderá ser concluído e com qual grau de certeza. As simulações de Monte Carlo podem ser a luz que você precisa para parar de agir às cegas ao se comprometer com prazos. Embora sejam complexas e difíceis de entender inicialmente, adotar simulações de Monte Carlo pode ser a chave para alcançar a melhoria contínua.
Oferecemos a plataforma de software
mais flexível para agilidade empresarial orientada para resultados.
In Summary
A simulação de Monte Carlo é uma ferramenta de análise poderosa para o gerenciamento de projetos Lean que extrai dados históricos do seu fluxo de trabalho e ajuda você a:
- Prever resultados futuros do seu throughput e tempo de ciclo
- Estimar a quantidade de trabalho que pode ser concluída em um período de tempo predefinido
- Organizar a capacidade da sua equipe para períodos futuros com base em previsões precisas
