@
yesterdaysun 背对背专家估计作为一个历史悠久用于预测的工作方法,它有些标准的定义和说明。这些内容显得冗长而且面目可憎。但是他的基本点非常不错。
那就是,对于高度被环境影响的社会问题,遵循数理统计,而不是确定性的计算。
确定演绎和数理统计的差别何在?
高中物理中力学问题走的路线,基本上是漂亮干净的数学,都是牛顿爵爷搞出来的东西,物理运动中的每一个参与的物体小到小球答道天体,都有高度的确定性。
还有一类问题,是热力学,应用数理统计方法。其中的每一个粒子高度不确定,但是作为整体表现出来的物理特性是有确定性的。
这样的方法是有效的。案例就在身边。计算机的底层的二极管三极管的输入输出 20%的计算误差算正常,而搭建的操作系统之上的层次,却可以表现出可靠的服务能力。
社会问题,人类协作,项目管理,咋一看混乱不堪,每一个人都有自己的想法,分别为自己奋斗或者躺平,但是整体社群有体现出确定性,这个社群,不一定是海量的人群,十几人和几十人也就是一个社群了。因此数理统计就比较合适。
背对背专家估计就是一种数理统计,看起来每一个专家都是不可靠的,然后搭在一起,一定的方法和组织,却常常提供稳定可靠的估计。当然,实际上我们看到的大量搭配的不好的,所以面目可憎。
以上说的都是理论。说说执行:
人少的项目团队,这个方法意义不大。多少人合适?我试过的 15 人以上的多个类型的团队中,不同的估计场景,效果还是不错的。人再少的,我没试过,因为动机不足。
估计场景类似这样:
1. 你们估下,这个能做不?
2. 还这么简单,你们这个迭代加进去行不?
3. 这个要得急,不加客户不买
要做估计,必须能够应对质疑,可能来自老板和协作团队:
1. 你的估计怎么来的?
2. 你的估计执行下去,是否真的误差不大?
3. 类似的功能,为什么你的估计前后看起来不一致?
4. 你们加个班,每天多工作八小时,是不是就可以减少一半时间?
5. 这个活一小时就干完了,怎么会需要 3 小时?
估计做的不好,你休想干干净净的干活。且任何一件质疑,没有现场有一个好的应对,或者经受不了时间的考验,你的估计方法会立刻被击溃,很难翻身。