La simulation de Monte Carlo pourrait aider à « estimer » la portée probable d’un sprint.

Pour le démontrer, j’ai préparé une petite feuille Excel qui pourrait être téléchargée et je vais vous expliquer comment cela fonctionne.

L’idée est d’utiliser un ensemble de story point et de simuler plusieurs scénarios afin d’avoir une sorte de tendance.

La colonne Sprint [A] se base sur 20 sprints effectués précédemment.
Les story points estimé initialement sont dans la colonne [B].

La colonne [C] contient les story points réels complétés sur les sprints. Je ne
vais pas décrire maintenant les colonnes[D,E,F,G] , je vais en discuter dans un autre sujet (peut-être).

Ce qui est important ici est de définir un moyen de simuler un ensemble de ces sprints, je l’ai fait sur les colonnes [J] et [K] formule que j’ai utilisée est

[J2]<=====>'[K2]
J2’1<==>’INDEX(B$2:B$21,RANDBETWEEN(1,ROWS(B$2:B$21)),1)

La colonne K fournit un moyen de fournir une valeur aléatoire de la colonne [B] qui contient « efficace » point d’histoire. Chaque fois que vous
appuyez sur F9, vous aurez un autre ensemble de valeurs.

Donc, c’est un peu comme avoir vingt balles dans un panier et vous les ramassez en étant en mesure de répéter cela à plusieurs reprises.

Colonnes[N] et [O] sont une représentation de ces Sprints répétés à plusieurs reprises, dans ce cas 201 fois!
[N] est le numéro Sprint et la formule de la colonne [O] est SUM ($K $2:$K$21) qui est le nombre de story points après 20 Sprints.

Une façon rapide de régler ces données est d’utiliser la condition « What if » de Excel.

Maintenant, vous pouvez appuyer sur F9 pour obtenir un autre ensemble de données, et disons que vous êtes prêt à vérifier la probabilité que l’équipe pourrait atteindre 530 points d’histoire sur 20 Sprints.

Voilà ce que l’on cherche, ce cas-là j’ai pris 2 d’écart à la moyenne.