🔮 Угадывать срок задачи - основной метод оценки сроков (и он не правильный)

Большая проблема менеджеров заключается в том, что почти все современные методы оценки задач интеллектуального труда основываются на экспертной оценке.

❌ И это НЕ работает для 80-90% задач!

\\ Пример 1: 👮тимлид говорит, что разработка задачи займет 7️⃣ неделю. НО в итоге эту задачу делает 👨 другой человек, с другим багажом знаний и опыта, и срок разработки затягивается на 🤷 3 недели.

\\ Пример 2: Scrum-команда с помощью 🃏Planning Poker произвела анализ задачи, поделилась друг с другом своими экспертными мнениями, и сообща оценила задачу в 15 стори пойнтов, что соответствует целому спринту (2 недели). Но в процессе разработки проявилась непредусмотренная зависимость от смежной команды и в итоге задача заняла 🤷 3 спринта (1.5 месяца)

В результате: менеджер 👊 кнутом и 💰 пряником подгоняет сотрудников, чтобы уложиться в тот срок, который он напророчил бизнес-заказчику, хотя всем понятно, что в срок не успеть. 🤬 Бизнес бьется в истерике, а сотрудники тихо 🤮 ненавидят менеджера, и обновляют резюме на HeadHunter.

Что на самом деле стоит тут поменять?
1) Перестать верить в том, что можно 🔮предсказать будущее
2) Использовать 🎲 🎲 🎲 теорию вероятностей для прогнозирования сроков задач

\\ Пример из практики:
🔫 Дано:
Отдел аналитики делает 📝 регулярные отчеты для директоров бизнес-направлений. Каждый отчет - это мини-проект. Регулярно ошибаются по срокам, что злит бизнес

🛠 Что сделали:
Использовали статистику из трекера задач, чтобы построить 📊 вероятностную модель по срокам создания разных типов отчетов

🏁 Что в итоге:
Договорились с бизнес-заказчиками на эксперименте, в ходе которого срок брался из 📊 вероятностной модели. Через 6 месяцев эксперимент был признан успешным, и данный подход стал основным.

Подробнее про этот кейс можно посмореть тут: https://youtu.be/TiLirIGAERM

Вывод: знание методов теории вероятностей позволяет делать прогнозы сроков задач на основе данных, с большой вероятностью попадания