Planificación probabilística y soporte a la toma de decisiones

Peter Drucker es reconocido como el mayor filósofo y teórico de management de la historia. A él debemos la evolución de los postulados de la revolución industrial al nuevo modelo de economía que surge producto de la automatización y transición a un tipo de trabajo intelectual, basado en la planificación y en el desarrollo de valor logarítmico; conocimiento en lugar de la progresión aritmética del trabajo físico y manual.

Estableció hace 70 años la cada vez mayor aportación al PIB de las sociedades industrializadas del factor intelectual en el trabajo y dio lugar al concepto de sociedad de la información y conocimiento como concepto en el que las sinergias, conexiones y relaciones entre nodos aislados aumenta el valor del modelo.

En este marco las asunciones sobre el futuro son constantes. Las proyecciones cada vez son más arriesgadas al entrar cada vez más variables en liza donde un avance lineal es sustituido por diversos factores multiplicadores. En un trabajo intelectual las cosas tardan lo que tardan y las estimaciones no son certeras.

En un entorno agile las asunciones son validadas entregando valor pronto y frecuentemente. Esa entrega de valor conlleva estimar el qué y el para cuándo. Las estimaciones concretas son un rival débil contra el reino de lo desconocido, pero el miedo a la incertidumbre es mayor que el temor a estar equivocado.

Las estimaciones son predicciones basadas en suposiciones o sentimientos. Un número concreto y definido. Y fallan sistemáticamente de forma estrepitosa. Crean un sentimiento de urgencia y afectan en cascada a las estimaciones subsiguientes, como en un enorme castillo de naipes de fechas y promesas.

Las predicciones se basan en datos históricos. Se comunican como un rango de valores y la probabilidad de que sucedan. Son más precisas, sencillas y proporcionan confianza, dado que representan lo sucedido en el pasado para prever comportamientos futuros.

Ley de Little

El desarrollo continuo es un flujo constante de entradas y salidas, precedentes y consecuencias, una cola. Para gestionar esa entrada y salida o, al menos, explicarla, los distintos acercamientos a Agile recurren a la conocida Ley de Little para alcanzar la predictibilidad que proporciona un sistema estable.

Resumidamente, la ley de little nos dice que la cantidad de trabajo en el flujo (el Work in Process o  WIP) dividido por el número de unidades de trabajo abandonando el sistema en un periodo dado, por ejemplo, 14 tareas al mes (Throughput) debe ser igual al tiempo del ciclo desde que se comienza a desarrollar por el equipo hasta que abandona el flujo (Cycle Time).

En una gestión efectiva de colas los límites asociados a cada proceso deben ser satisfechos antes de incorporar nuevas tareas. Limitar el trabajo en curso permite que el esfuerzo se centre en entregar valor, no en recibir inputs de ejecución. Por lo tanto, nos centramos en el WIP, o sea  WIP = Throughput * Cycle Time.

Por ejemplo, supongamos que gestionamos una librería estupenda de la ciudad a la que entran 10 clientes a la hora buscando buena literatura; a cada uno le lleva 30 minutos decidirse entre el catálogo disponible y cuando lo consiguen, pagan y se van. Eso significa que cinco atentos lectores pasean por nuestra tienda en cualquier momento.

¿Cómo hemos llegado a esa conclusión? bueno, recurramos a la fórmula de la Ley de Little que nos dice que WIP = Throughput * Cycle Time. Es decir, 10 clientes/hora * 0,5 horas que permanecen en la tienda = 5 clientes.

La Ley de Little parte de ciertas asunciones necesarias:

• La media de entrada equivale a la media de salida.
• Todo lo que entra en el sistema acabará por salir una vez completado, de izquierda a derecha.
• El WIP del periodo examinado debe ser estable
• El Work Item Age (edad de un item en el flujo de trabajo) debe ser regular,sin incrementos o decrementos
• Se deben utilizar unidades de medida consistentes entre el Cycle Time, WiP y Throughput; es decir, si utilizamos una referencia mensual no podemos mezclarla con referencias semanales.

La ley de Little solo lidia con medias. Hacer predicciones en base a medias puede ser peligroso si no se entienden perfectamente las métricas individuales y su distribución. Si no hay manera de alcanzar asociaciones de percentiles con la media reflejada, podríamos estar exáctamente en el 50%, por encima o por debajo. Con esta variabilidad no es posible tomar ninguna decisión. La ley de Little no sirve por sí sola para nada. Su valor radica en la comprensión de las métricas que la sustentan.

Daniel Vacanti, co-autor de la guía Kanban y uno de sus pioneros nos dice “olvidemos la ecuación y centrémonos en las asunciones” que hacen que la Ley de Little funcione. Una vez que se siguen esas guías, el flujo es estable y predecible, y las métricas son fáciles de calcular.

Cycle time

El cycle time (CT = WIP / Throughput) es el tiempo que una tarea está en progreso. Calcula el tiempo que transcurre dentro del flujo de trabajo pasando por cada uno de los procesos. Calcular el Cycle time permite establecer el rendimiento de un equipo. Ciclos cortos implican eficacia, los largos, cuellos de botella, bloqueos, problemas de refinamiento. Un cycle time corto conlleva una reducción del lead time, y, por lo tanto, una mayor satisfacción de clientes y stakeholders, dado que mediría el tiempo desde que expresan una idea como deseo hasta que la ven consumada.

Los gráficos representan un histograma que refleja los tiempos de todas las tareas dentro de un sistema. Se observa una agrupación que las relaciona con el tipo de demanda, siendo la cola distorsionada por tareas de gestión en un entorno complejo. Al poder filtrar por clase de servicio, es posible realizar estimaciones basadas en percentiles.

Throughput

Es la cantidad de trabajo que sale del sistema en un periodo determinado. Esta métrica solo contempla ítems entregados Un descenso de las tareas entregadas podría indicar en un flujo estable de entrada y salida que el equipo está encontrando problemas durante el flujo

Conocer el histograma por tipo de demanda y clase de servicio del número de tareas por unidad de tiempo permite planificar probabilísticamente el número de items por iteración y poder establecer incrementos de producto en función de los items priorizados del backlog.

WIP

Un WIP Limit indica el número máximo de ítems que pueden encontrarse en un proceso o estado dentro de un flujo de trabajo. Una vez alcanzado ese límite la tarea debe avanzar para dejar hueco a que otras puedan entrar.

Revisando la Ley de Little vemos que el WIP se relaciona con el Throughput y el Cycle time, por ello limitar el WIP suele provocar una disminución del Cycle time y el trabajo se entrega antes. No es una relación lineal y cada sistema es distinto, por lo que no existe un efecto directo, sino condicionado, dado que un límite muy bajo provocaría que miembros de un equipo no tuvieran tareas reales con las que colaborar.

Cómo introducir el enfoque probabilístico en un equipo de trabajo

Las métricas solo tienen valor si los datos obtenidos son valiosos. Es un esfuerzo de todo el equipo que debe ser especialmente estricto al reflejar el trabajo en el sistema. El trabajo y su reflejo debe ser transparente y riguroso, la estabilidad de un sistema, su predictibilidad y la toma de decisiones basadas en datos depende de la gestión del flujo de trabajo. Es la clave para una mejora continua basada en hechos objetivos, no sensaciones u opiniones.

Las métricas y exposición de un sistema se enfrentan siempre al rechazo a la fiscalización. Es precisa una labor pedagógica para transmitir que las métricas se orientan a la eficacia de flujo, no al control de los miembros del equipo.  Para lograrlo, haz las políticas explícitas, que las métricas sean siempre accesibles y explícalas. Informa de su relevancia en la toma de decisiones, no en el rendimiento del equipo. Las métricas evidencian problemas en el sistema y ayudan a gestionar la demanda y la entrega en función de las necesidades de los clientes y stakeholders.

Las métricas no restringen la libertad ni limitan de ninguna manera, al revés, dado que las decisiones son tomadas en base a datos se pierde el miedo a no actuar por estar equivocado. Comprender las métricas y su impacto en un sistema harán que se trabaje conscientemente en acabar tareas, sin prestar esfuerzo a la entrada de demandas. 

Los equipos autónomos y maduros generan datos más consistentes ya que sus resultados lo son. Diferentes perspectivas y experiencias fomentan la colaboración y reducen la aparición de riesgos al ser proactivos en la participación.

Sin métricas no hay sistemas, flujos o procesos porque su constitución no se refrenda con datos objetivos sino con sensaciones y opiniones. Los cambios o acciones no se pueden comparar y el proceso de toma de decisiones no puede ser justificado ni respaldado. Las métricas no son opinables, son datos, números que reflejan un estado y una tendencia para proponer actuaciones.

Imagen: Unsplash | @soymeraki