¿Alguna investigación sobre la precisión de Story Points?

Una de las principales preguntas sobre los Story Points es cuál es su precisión. ¿Se ha realizado alguna investigación o encuesta para analizar su precisión?

Por ejemplo, cuál es la precisión de la estimación de la fecha de finalización basada en Story Points.

Para responder a esta pregunta, solo necesitamos decir sí (dando al menos un ejemplo) o no (explicando cómo buscamos)?
¡Se agradecerían los enlaces a las investigaciones!)
Por 'precisión', ¿te refieres a 'exactitud'? Porque puedo responder a su pregunta tal como está con dos palabras: 'Fibonacci, por lo general'.
@Sarov Sí, me refiero a "precisión"
Interesante pregunta. Estaría dispuesto a apostar que el costo de la calibración frente al retorno de la calibración es mejor para los puntos de la historia que para la estimación por horas. También estoy dispuesto a apostar que incluso la estimación de punto de historia de baja calidad por parte del equipo es superior a las estimaciones desarrolladas por el PM de forma aislada. Creo que su pregunta es buena, pero creo que tiene que estar en el contexto de algunas preguntas que son mucho más importantes.
No creo que la fecha de finalización y los puntos de la historia estén relacionados, o al menos no deberían estar relacionados. Tal vez me equivoque, pero veo SP como una estimación de esfuerzo y complejidad, y no de tiempo, mientras que la fecha de finalización está puramente relacionada con el tiempo.
Creé una aplicación simple que lee los boletos de JIRA, calcula su tiempo de ciclo y lo compara con los puntos estimados de la historia. Cuando lo ejecuto en mis proyectos actuales, encuentro una relación mínima entre los dos. Apuesto a que la mayoría de los proyectos que usan puntos de historia serían los mismos. Puedes probarlo aquí: github.com/Euphoric/JiraFlowCharts/wiki
@Euphoric Le aconsejaría que escribiera una respuesta completa y explicara su investigación con más detalle. ¿Incluye el tiempo de inactividad en el tiempo de ciclo? Para calcular el tiempo dedicado a un problema, debe realizar un seguimiento del tiempo, no solo medir la hora de inicio y la hora de finalización.

Respuestas (2)

conozco al menos dos

La estimación del esfuerzo en el desarrollo ágil de software mediante StoryPoints ofrece una buena visión general de la precisión de los puntos de la historia: el cono de incertidumbre es inherente a la estimación.

Para mejorar la precisión de la estimación , se han propuesto varias técnicas de optimización . La regresión de vector de soporte (SVR) es una de estas técnicas que ayuda a obtener valores estimados óptimos y el siguiente artículo explica la teoría de manera detallada.

https://ksiresearchorg.ipage.com/seke/seke14paper/seke14paper_150.pdf

Además, para mejorar la precisión de la estimación del esfuerzo, este artículo propone un modelo para la predicción ágil de proyectos de desarrollo de software utilizando redes bayesianas .

Mike Cohn ha invertido mucho tiempo investigando el tema de los puntos de historia. También puede consultar los siguientes artículos:

¿Alguna investigación sobre la precisión de Story Points?
RespuestasAquíPolítica de privacidad1y, 0v