Estimativas e previsibilidade: qual a importância dentro de um time ágil?

Entenda como estimativas e previsibilidade possuem papéis importantes dentro de um time ágil. Neste artigo, confira os melhores insights e técnicas.

Independente da sua área de atuação, você provavelmente já precisou responder a seguinte pergunta: quando vai estar pronto? Seja no trabalho, na prestação de algum serviço ou na execução de tarefas domésticas.

Quando nos comprometemos com algum trabalho, as partes envolvidas têm total interesse em saber quando vai acabar. Isso porque envolve expectativas e, na grande parte dos casos, dinheiro investido.

Quer saber como estimativas e previsibilidade se enquadram nesse contexto? Basta seguir com a leitura!

Prazo vs esforço

Para fornecer essa valiosa resposta é super importante termos claro em nossa mente a diferença entre o prazo e esforço.

De forma resumida, o esforço é o tempo que efetivamente gastamos executando uma tarefa, enquanto o prazo é a data de entrega para o seu cliente.

Ter clara essa distinção é muito importante para evitarmos cair na armadilha de repassar o esforço como data de entrega, quando devemos levar em conta fatores como tarefas concorrentes, tempo de espera, além de alguns imprevistos.

Em atividades mais operacionais, como preparar uma pizza, construir uma casa ou ir de um ponto a outro de carro, pode até ser mais tranquilo imaginar o tempo que iremos levar para concluir.

Mas quando se trata de trabalho de conhecimento, em contextos de desenvolvimento de software, por exemplo, a coisa fica mais subjetiva e precisamos recorrer a algumas técnicas para essa definição.

O artifício mais utilizado é a estimativa.

Um time ágil pode usar várias técnicas, como Planning Poker, T-Shirt Size e PERT, para definir qual o esforço de cada atividade a ser desenvolvida, e isso é levado em conta no planejamento para alinhamento de expectativas.

É importante considerar que, em uma estimativa ágil, devemos sempre dar o nosso melhor para ser o mais assertivos possível, mas temos que ter em mente que ela não será tão precisa quanto imaginamos. 

Até por conta disso, é necessário sempre levar em conta nessas estimativas o que Steve McConnell diz em seu livro Software Estimation: Demystifying the Black Art:

“O principal propósito na estimativa de software não deve ser determinar o prazo de entrega de uma atividade, mas sim determinar se os objetivos do projeto são realistas o suficiente para permitir que o projeto seja controlado para atingi-los.”.

No Estimates Movement

Agora que já sabemos que estimar pode trazer alguns benefícios para o planejamento e gerenciamento de projetos, serviços e outras atividades, vamos refletir em um movimento contrário que surge mais especificamente dentro do contexto de software: podemos ganhar, também, sem fazer estimativas?

A resposta é que sim, e os maiores ganhos são com a economia de tempo e energia investidos na prática de estimativas, invertendo esse tempo para um aumento de produtividade no gerenciamento e um aumento no nível de autonomia e tomada de decisões no dia a dia.

Trabalhar em um projeto ou em um produto sem fazer estimativas de entregas pode ser impensável para algumas pessoas — gerentes ou não.

No entanto, isso não significa que a visão de tempo e de tamanho deve ficar à mercê do entendimento e da vontade individual das pessoas.

É possível obter vantagens mesmo sem utilizar nenhuma técnica de estimativas de prazo ou esforço. É claro que o cenário deve ser sempre levado em consideração antes de definir parar ou não de fazer estimativas, por exemplo: será que o grupo de trabalho tem maturidade suficiente pra isso?

De qualquer forma, existe um movimento importante que nos traz uma alternativa interessante, o chamado No Estimates Movement.

É uma ideia de que ao invés de investir tempo para fazer estimativas, vale mais a pena focar os esforços totalmente em fazer as coisas com colaboração, comunicação, autonomia, priorização e transparência no trabalho em progresso.

Seguir este movimento implica em ajustar a forma como fazemos as coisas para que o benefício do alinhamento de expectativas não seja prejudicado no meio do caminho.

Uma forma de manter as expectativas alinhadas — “sem estimar” — é fazendo entregas curtas e constantes baseadas na ótica das necessidades de negócio e dos objetivos estratégicos envolvidos.

Aplicando práticas estratégicas

Para fazer isso podemos aplicar, por exemplo, a Lean Inception, do Paulo Caroli. Lean Inception é uma técnica que visa entregar em poucos dias uma versão enxuta de um produto ou solução, contendo apenas o essencial.

Com isso, a necessidade de estimar prazos de entrega perde forças, porque focamos os esforços em priorizar muito bem os itens usando, principalmente, a relação entre a dificuldade de execução do trabalho e o valor de retorno para o negócio.

Então, sabemos que algo de muito valor vai ser entregue em poucos dias ou semanas.

Entretanto, Lean Inception e outras técnicas ágeis de desenvolvimento de produtos como o Design Sprint do Google — que também visa entregar algo de muito valor em pouco tempo, sem precisar fazer estimativas elaboradas de esforço ou de prazo — não são “bala de prata” e, portanto, podem não ser aplicáveis em todos os casos ou em todos os cenários.

Por isso, é importante conhecer as práticas existentes e quando uma pode ser melhor do que a outra.

Lean Inception e Design Sprint, são técnicas indicadas para aplicação na construção de MVPs, projetos de curta duração, e entregáveis menores de produto, porque com elas é possível validar e lançar, rapidamente, novas soluções para resolver problemas consideravelmente pequenos e pontuais.

Para operações contínuas e projetos mais longos, uma prática dentro do universo No Estimates que oferece bons benefícios é a previsibilidade utilizando estatística.

Sua natureza vem, exclusivamente, de olhar para o passado (para fatos e histórico de trabalho) aplicar cálculos estatísticos em cima de dados coletados e, só então, apresentar uma resposta para aquela pergunta: quando é que vai ficar pronto?

Nesse caso, se existe uma forma de coletar dados históricos, então é possível dar uma previsibilidade estatística.

Previsibilidade

A previsibilidade é um cálculo sobre o futuro que inclui um intervalo passado e uma probabilidade de  ocorrência desse intervalo. No livro “When Will It Be Done?” do autor Daniel Vacanti, podemos encontrar dois tipos de previsibilidades sendo abordadas: 

• Previsão determinística: onde 100% de certeza é assumida, por exemplo, esta feature será entregue em 1º de dezembro;
• Previsão probabilística: onde equilibramos o nível de certeza e não garantimos um resultado, por exemplo, há uma probabilidade de 85% de que entregaremos a feature em 1º de novembro.

Antes de nos aprofundarmos mais na previsibilidade, precisamos entender que nossa tendência é nos basear em médias extraídas de dados anteriores. Entretanto, existem alguns motivos pelos quais devemos evitar esse uso simplista em nossos cálculos: 

• as médias não comunicam a porcentagem de confiança de conclusão (como rolar dois dados de seis lados – é um processo bastante aleatório);
• seus tempos de ciclo não são normalmente distribuídos;
• sua média pode levar em consideração um evento único trágico que definiu o Tempo de Ciclo no passado.

Além disso, precisamos conhecer os dados que vamos utilizar em nosso cálculo, é fácil confiar nos dados e ainda mais fácil errar. Para isso, é preciso entender de onde vem essa informação, caso você use ferramentas automatizadas, certifique-se de compreender seu mecanismo. 

Bem como, é necessário estar atento aos dados, como por exemplo os dados do mês de dezembro podem não ser os ideais para prever a velocidade de entrega do mês de março, visto que em dezembro temos o Natal, na maioria das vezes grande parte da equipe aproveita para gozar de suas férias, além de festas das empresas.

Além disso, caso esteja utilizando um quadro físico, certifique-se de registrar todas as informações relevantes, como data/hora, tipos de trabalho, etc.

Obtendo os dados concisos, precisamos entender os outliers extremos. A melhor forma de lidar com eles é analisá-los de perto e entender o que causou esses atrasos incomuns, porém, você não pode garantir que isso não vai acontecer novamente.

Por exemplo: talvez sua equipe tenha tido treinamento na semana. Encontraram alguma dependência crucial?

Entenda a variabilidade dos dados, quais delas são internas ou externas, ou seja, quais delas estão dentro do seu controle ou fora dele. Ao compreender os extremos, isso o ajudará a administrá-lo e, finalmente, reduzi-los. O que vai te levar a fazer previsões mais precisas!

“A variação sempre existirá. De uma perspectiva de previsibilidade, o objetivo nem sempre é tentar eliminar a variação, e sim, compreender a causa dessa variação em uma tentativa de tornar seu processo mais previsível.”

Mas atenção! Quando novas informações chegam, temos que repensar nossa previsão, e o mesmo acontece quando aprendemos algo novo sobre o processo ou a equipe.

Na verdade é uma resposta intuitiva natural da vida pessoal: se percebermos que vai chover em alguns minutos, mudamos os nossos planos e roupas. Porém, muitas vezes essa agilidade é limitada no trabalho. 

Destarte, se você deseja ter uma equipe ágil, deve estar pronto para se adaptar às mudanças. Agilidade não significa fazer todos usarem quadros brancos, mas sim adaptação ao ambiente de negócios em constante mudança e aplicação de métodos, técnicas e práticas de acordo com a necessidade momentânea.

Essa reflexão vale, inclusive, para estimativas e previsibilidade.

Agora que você já sabe um pouco mais sobre estimativas e previsibilidade, confira também: Autoavaliação em um time ágil: o que é e como deve ocorrer?