La estimación de trabajo siempre ha sido un problema en la gestión de proyectos. El verdadero dolor es hacer un pronóstico preciso y realista de cuándo va a terminar el proyecto y entregar valor a los partes interesadas.
Tratando de resolver este problema, los gerentes han vuelto su vista a las estadísticas para hacer pronósticos basados en datos. Muy pocas herramientas pueden darles más certeza al anticipar resultados futuros que la simulación de Monte Carlo.
En la gestión Lean, donde la mejora continua es la filosofía de conducción, hacer pronósticos realistas puede ser una tarea desalentadora. Para poder desafiar a tu equipo y comprometerse con un plazo razonable, debes confiar en los datos tanto como en la experiencia.
¿Qué es una Simulación de Monte Carlo?
La simulación de Monte Carlo es una técnica matemática que te permite tomar en cuenta el riesgo y te ayuda a tomar decisiones basadas en datos. Se basa en datos históricos que se ejecutan a través de un gran número de simulaciones aleatorias para proyectar el resultado probable de proyectos futuros en circunstancias similares.
Desde su introducción a mediados del siglo XX, la simulación se ha mostrado como una forma muy realista de presentar la probabilidad de eventos futuros sin estimar al voleo.
Simulaciones de Monte Carlo para Anticipar el Tiempo de Ciclo y el Rendimiento
Lógicamente, las simulaciones de Monte Carlo han encontrado su camino hacia la gestión Lean. Son una característica “imprescindible” en las soluciones de software profesional para aplicar la metodología. Con su ayuda, puedes hacer pronósticos probabilísticos sobre uno de los indicadores clave de rendimiento en Lean – el rendimiento.
Lo bueno aquí es el hecho de que puede ver el rendimiento pasado de su equipo y hacer un pronóstico desde dos ángulos diferentes:
- Cuántas tareas puedes poner en la columna Hecho del tablero Kanban dentro de una cierta cantidad de días
- Cuándo es probable que termines unas X tareas
¿Cuántas tareas podemos terminar en X días?
Al usar la simulación de Monte Carlo para pronosticar cuántas tarjetas puede terminar tu equipo en un número X de días, solo tienes que seleccionar un período pasado y obtener los datos de rendimiento.
La simulación utilizará una ecuación estadística que toma el rendimiento para un período pasado predefinido y simula varias opciones de cuántos elementos de trabajo es probable que el equipo realice en un día aleatorio en el futuro.
Por ejemplo, puedes tomar los datos de rendimiento del tablero Kanban de tu equipo durante el último mes (por ejemplo, abril) y hacer un pronóstico probabilístico de cuántas tareas se podrán terminar en mayo. Digamos que el 2 de abril, su equipo tuvo un rendimiento de 20 tareas.
La simulación tomará estos datos y asumirá que esta es la cantidad de tareas que terminaráis el 15 de mayo. Para proyectar el rendimiento probable del 29 de mayo, la Simulación de Monte Carlo tomará el rendimiento de otro día aleatorio en abril.
Este proceso debe repetirse al menos mil veces para obtener un pronóstico estadísticamente creíble. Para hacerlo más creíble, la mayoría de las herramientas te permiten ejecutar la simulación hasta 100K veces.
La forma más conveniente de visualizar los resultados de una simulación de Monte Carlo para la gestión Lean es en forma de histograma.
De manera similar al gráfico de dispersión del tiempo de ciclo, el pronóstico se presenta en forma de percentiles. La tabla te mostrará los resultados de la simulación y la probabilidad de que logres un cierto nivel de rendimiento. Lógicamente, con un mayor número de tareas terminadas, el percentil de certeza se reducirá.
Por ejemplo, si los resultados van de 35 a 135 tareas, tendrás más del 99% de certeza de que tu equipo colocará 35 tarjetas Kanban y menos del 1% de probabilidad de que completen 135 tareas.
¿Cuándo podemos terminar X tareas?
La previsión de cuándo puede esperarse que se complete una cantidad específica de tareas no es de menor importancia en la gestión Lean. Como se mencionó anteriormente, la simulación se puede ejecutar para mostrarte precisamente este tipo de datos.
El mecanismo es el mismo, pero en lugar de mostrarte cuántos elementos de trabajo debes esperar para una fecha, aquí la simulación te indica qué rápido es probable que se terminen un número específico de tareas en tu tablero Kanban.
Esto puede ser especialmente útil cuando estás practicando Portfolio Kanban, ya has dividido el trabajo en un número de tareas, y deseas saber cuándo realmente puedes esperar que sean terminadas.
En conclusión, las simulaciones de Monte Carlo pueden ser la luz que necesitas para dejar de disparar a ciegas cuando te comprometes con los plazos. Aunque son complejos y difíciles de entender al principio, adoptar simulaciones de Monte Carlo puede ser la clave para lograr una mejora continua.
Ofrecemos la plataforma de software
más flexible para agilidad empresarial orientada a resultados.
En resumen
La simulación de Monte Carlo es una poderosa herramienta de análisis para la gestión de proyectos Lean que extrae datos históricos de tu flujo de trabajo y te ayuda a:
- Predecir resultados futuros de rendimiento y tiempo de ciclo.
- Pronosticar la cantidad de trabajo que se puede completar en un período de tiempo predefinido.
- Organizar la capacidad de tu equipo para futuros períodos de tiempo basandose en predicciones precisas.
