{"id":1981,"date":"2021-10-22T11:49:44","date_gmt":"2021-10-22T10:49:44","guid":{"rendered":"https:\/\/keepler.io\/2021\/10\/22\/planificacion-probabilistica-y-soporte-a-la-toma-de-decisiones\/"},"modified":"2024-01-15T13:29:41","modified_gmt":"2024-01-15T12:29:41","slug":"planificacion-probabilistica-y-soporte-a-la-toma-de-decisiones","status":"publish","type":"post","link":"https:\/\/keepler.io\/es\/2021\/10\/22\/planificacion-probabilistica-y-soporte-a-la-toma-de-decisiones\/","title":{"rendered":"Planificaci\u00f3n probabil\u00edstica y soporte a la toma de decisiones"},"content":{"rendered":"

Peter Drucker es reconocido como el mayor fil\u00f3sofo y te\u00f3rico de management de la historia. A \u00e9l debemos la evoluci\u00f3n de los postulados de la revoluci\u00f3n industrial al nuevo modelo de econom\u00eda que surge producto de la automatizaci\u00f3n y transici\u00f3n a un tipo de trabajo intelectual, basado en la planificaci\u00f3n y en el desarrollo de valor logar\u00edtmico; conocimiento en lugar de la progresi\u00f3n aritm\u00e9tica del trabajo f\u00edsico y manual.<\/span><\/p>\n

Estableci\u00f3 hace 70 a\u00f1os la cada vez mayor aportaci\u00f3n al PIB de las sociedades industrializadas del factor intelectual en el trabajo y dio lugar al concepto de sociedad de la informaci\u00f3n y conocimiento como concepto en el que las <\/span>sinergias, conexiones y relaciones entre nodos aislados aumenta el valor del modelo.<\/b><\/p>\n

En este marco las asunciones sobre el futuro son constantes. Las proyecciones cada vez son m\u00e1s arriesgadas al entrar cada vez m\u00e1s 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.<\/span><\/p>\n

En un entorno agile las asunciones son validadas entregando valor pronto y frecuentemente. <\/b>Esa entrega de valor conlleva estimar el qu\u00e9 y el para cu\u00e1ndo. Las estimaciones concretas son un rival d\u00e9bil contra el reino de lo desconocido, pero el miedo a la incertidumbre es mayor que el temor a estar equivocado.<\/span><\/p>\n

Las estimaciones son predicciones basadas en suposiciones o sentimientos. Un n\u00famero concreto y definido. Y fallan sistem\u00e1ticamente 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.<\/span><\/p>\n

Las predicciones se basan en datos hist\u00f3ricos. Se comunican como un rango de valores y la probabilidad de que sucedan. Son m\u00e1s precisas, sencillas y proporcionan confianza, dado que representan lo sucedido en el pasado para prever comportamientos futuros.<\/span><\/p>\n

Ley de Little<\/b><\/h3>\n

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.<\/span><\/p>\n

Resumidamente, la ley de little nos dice que la cantidad de trabajo en el flujo (el Work in Process o\u00a0 WIP) dividido por el n\u00famero 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).<\/span><\/p>\n

En una gesti\u00f3n efectiva de colas los l\u00edmites 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 ejecuci\u00f3n. Por lo tanto, nos centramos en el WIP, o sea\u00a0 WIP = Throughput * Cycle Time.<\/span><\/p>\n

Por ejemplo, supongamos que gestionamos una librer\u00eda 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 cat\u00e1logo disponible y cuando lo consiguen, pagan y se van. Eso significa que cinco atentos lectores pasean por nuestra tienda en cualquier momento.<\/span><\/p>\n

\u00bfC\u00f3mo hemos llegado a esa conclusi\u00f3n? bueno, recurramos a la f\u00f3rmula 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.<\/span><\/p>\n

La Ley de Little parte de ciertas asunciones necesarias:<\/b><\/p>\n

    \n
  • La media de entrada equivale a la media de salida.<\/span><\/li>\n
  • Todo lo que entra en el sistema acabar\u00e1 por salir una vez completado, de izquierda a derecha.<\/span><\/li>\n
  • El WIP del periodo examinado debe ser estable<\/span><\/li>\n
  • El Work Item Age (edad de un item en el flujo de trabajo) debe ser regular,sin incrementos o decrementos<\/span><\/li>\n
  • 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.<\/span><\/li>\n<\/ul>\n

    La ley de Little solo lidia con medias. <\/span>Hacer predicciones en base a medias puede ser peligroso si no se entienden perfectamente las m\u00e9tricas individuales y su distribuci\u00f3n<\/b>. Si no hay manera de alcanzar asociaciones de percentiles con la media reflejada, podr\u00edamos estar ex\u00e1ctamente en el 50%, por encima o por debajo. Con esta variabilidad no es posible tomar ninguna decisi\u00f3n. <\/span>La ley de Little no sirve por s\u00ed sola para nada. Su valor radica en la comprensi\u00f3n de las m\u00e9tricas que la sustentan.<\/b><\/p>\n

    Daniel Vacanti, co-autor de la gu\u00eda Kanban y uno de sus pioneros nos dice \u201colvidemos la ecuaci\u00f3n y centr\u00e9monos en las asunciones\u201d que hacen que la Ley de Little funcione. Una vez que se siguen esas gu\u00edas, el flujo es estable y predecible, y las m\u00e9tricas son f\u00e1ciles de calcular.<\/span><\/p>\n

    Cycle time<\/b><\/h3>\n

    El cycle time (CT = WIP \/ Throughput) es el tiempo que una tarea est\u00e1 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 reducci\u00f3n del lead time, y, por lo tanto, una mayor satisfacci\u00f3n de clientes y stakeholders, dado que medir\u00eda el tiempo desde que expresan una idea como deseo hasta que la ven consumada.<\/span><\/p>\n

     <\/p>\n

    \"\"<\/p>\n

     <\/p>\n

    Los gr\u00e1ficos representan un histograma que refleja los tiempos de todas las tareas dentro de un sistema. Se observa una agrupaci\u00f3n que las relaciona con el tipo de demanda, siendo la cola distorsionada por tareas de gesti\u00f3n en un entorno complejo. Al poder filtrar por clase de servicio, es posible realizar estimaciones basadas en percentiles.<\/span><\/p>\n

    Throughput<\/b><\/h3>\n

    Es la cantidad de trabajo que sale del sistema en un periodo determinado. Esta m\u00e9trica solo contempla \u00edtems entregados Un descenso de las tareas entregadas podr\u00eda indicar en un flujo estable de entrada y salida que el equipo est\u00e1 encontrando problemas durante el flujo<\/span><\/p>\n

    Conocer el histograma por tipo de demanda y clase de servicio del n\u00famero de tareas por unidad de tiempo permite planificar probabil\u00edsticamente el n\u00famero de items por iteraci\u00f3n y poder establecer incrementos de producto en funci\u00f3n de los items priorizados del backlog.<\/span><\/p>\n

    WIP<\/b><\/h3>\n

    Un WIP Limit indica el n\u00famero m\u00e1ximo de \u00edtems que pueden encontrarse en un proceso o estado dentro de un flujo de trabajo. Una vez alcanzado ese l\u00edmite la tarea debe avanzar para dejar hueco a que otras puedan entrar.<\/span><\/p>\n

    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 disminuci\u00f3n del Cycle time y el trabajo se entrega antes. No es una relaci\u00f3n lineal y cada sistema es distinto, por lo que no existe un efecto directo, sino condicionado, dado que un l\u00edmite muy bajo provocar\u00eda que miembros de un equipo no tuvieran tareas reales con las que colaborar.<\/span><\/p>\n

    C\u00f3mo introducir el enfoque probabil\u00edstico en un equipo de trabajo<\/b><\/h3>\n

    Las m\u00e9tricas solo tienen valor si los datos obtenidos son valiosos.<\/b> 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 gesti\u00f3n del flujo de trabajo. Es la clave para una mejora continua basada en hechos objetivos, no sensaciones u opiniones.<\/span><\/p>\n

    Las m\u00e9tricas y exposici\u00f3n de un sistema se enfrentan siempre al rechazo a la fiscalizaci\u00f3n. Es precisa una labor pedag\u00f3gica para transmitir que las m\u00e9tricas se orientan a la eficacia de flujo, no al control de los miembros del equipo.\u00a0 Para lograrlo, haz las pol\u00edticas expl\u00edcitas, que las m\u00e9tricas sean siempre accesibles y expl\u00edcalas. Informa de su relevancia en la toma de decisiones, no en el rendimiento del equipo. <\/span>Las m\u00e9tricas evidencian problemas en el sistema y ayudan a gestionar la demanda y la entrega en funci\u00f3n de las necesidades de los clientes y stakeholders.<\/b><\/p>\n

    Las m\u00e9tricas no restringen la libertad ni limitan de ninguna manera, al rev\u00e9s, dado que las decisiones son tomadas en base a datos se pierde el miedo a no actuar por estar equivocado. Comprender las m\u00e9tricas y su impacto en un sistema har\u00e1n que se trabaje conscientemente en acabar tareas, sin prestar esfuerzo a la entrada de demandas.\u00a0<\/span><\/p>\n

    Los equipos aut\u00f3nomos y maduros generan datos m\u00e1s consistentes ya que sus resultados lo son. Diferentes perspectivas y experiencias fomentan la colaboraci\u00f3n y reducen la aparici\u00f3n de riesgos al ser proactivos en la participaci\u00f3n.<\/span><\/p>\n

    Sin m\u00e9tricas no hay sistemas, flujos o procesos <\/b>porque su constituci\u00f3n 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 m\u00e9tricas no son opinables, son datos, n\u00fameros que reflejan un estado y una tendencia para proponer actuaciones.<\/span><\/p>\n

     <\/p>\n

    Imagen: Unsplash | @soymeraki<\/p>\n","protected":false},"excerpt":{"rendered":"

    Peter Drucker es reconocido como el mayor fil\u00f3sofo y te\u00f3rico de management de la historia. A \u00e9l debemos la evoluci\u00f3n de los postulados de la revoluci\u00f3n industrial al nuevo modelo de econom\u00eda que surge producto de la automatizaci\u00f3n y transici\u00f3n a un tipo de trabajo intelectual, basado en la planificaci\u00f3n y en el desarrollo de […]<\/p>\n","protected":false},"author":134360170,"featured_media":34722,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","_seopress_robots_follow":"","_seopress_robots_imageindex":"","_seopress_robots_snippet":"","_seopress_robots_primary_cat":"","_seopress_robots_breadcrumbs":"","_seopress_robots_freeze_modified_date":"","_seopress_robots_custom_modified_date":"","_seopress_robots_canonical":"","_seopress_social_fb_title":"","_seopress_social_fb_desc":"","_seopress_social_fb_img":"","_seopress_social_fb_img_attachment_id":0,"_seopress_social_fb_img_width":0,"_seopress_social_fb_img_height":0,"_seopress_social_twitter_title":"","_seopress_social_twitter_desc":"","_seopress_social_twitter_img":"","_seopress_social_twitter_img_attachment_id":0,"_seopress_social_twitter_img_width":0,"_seopress_social_twitter_img_height":0,"_seopress_redirections_value":"","_seopress_redirections_enabled":"","_seopress_redirections_enabled_regex":"","_seopress_redirections_logged_status":"","_seopress_redirections_param":"","_seopress_redirections_type":0,"_seopress_analysis_target_kw":"","_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","content-type":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_wpcom_ai_launchpad_first_post":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"{title}\n\n{excerpt}\n\n{url}","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"_wpas_customize_per_network":false,"jetpack_post_was_ever_published":false},"categories":[303],"tags":[240,270],"class_list":["post-1981","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-agile-es","tag-agile","tag-metodologias"],"jetpack_publicize_connections":[],"jetpack_shortlink":"https:\/\/wp.me\/p9CeZw-vX","jetpack_sharing_enabled":true,"jetpack_featured_media_url":"https:\/\/i0.wp.com\/keepler.io\/wp-content\/uploads\/2021\/10\/keepler-planificacion-probailistica-soporte-toma-decisiones.jpg?fit=1280%2C452&ssl=1","_links":{"self":[{"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/posts\/1981","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/users\/134360170"}],"replies":[{"embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/comments?post=1981"}],"version-history":[{"count":1,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/posts\/1981\/revisions"}],"predecessor-version":[{"id":2371,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/posts\/1981\/revisions\/2371"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/media\/34722"}],"wp:attachment":[{"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/media?parent=1981"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/categories?post=1981"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/tags?post=1981"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}