Monte-Carlo-Simulation

Verlässliche Prognosen für Softwareteams

Anstatt bei Fragen nach Fertigstellungsterminen zu raten oder zu schätzen, nutzt Forecasting auf Basis von Monte-Carlo-Simulationen die historischen Durchsätze Ihres Teams für datenbasierte Vorhersagen. Diese bewährte Methode zeigt realistische Wahrscheinlichkeiten für verschiedene Szenarien auf.

Mit diesem Simulator können Sie direkt zwei zentrale Fragen beantworten: „Wann werden wir fertig?“ und „Wie viele Items schaffen wir in X Iterationen?“. Geben Sie einfach Ihre vergangenen Durchsätze ein und erhalten Sie verlässliche Prognosen.

Mehr Details zu Monte-Carlo-Simulationen finden Sie im Artikel Forecasting in der Softwareentwicklung.

Eingabedaten

Geben Sie historische Durchsatzdaten ein. Also die Anzahl der abgeschlossenen Items für jede vergangene Iteration, getrennt durch Kommas. 5 Werte sind gut, 10–20 besser. Die zugrunde liegende Iterationslänge muss mit der unten angegebenen Länge übereinstimmen.
Wie viele Arbeitselemente müssen für die „Wann ist es fertig“-Vorhersage noch abgeschlossen werden?
Ab wann beginnt die Arbeit an den offenen Items?
Wie viele Tage dauert eine Iteration?
Wie viele Iterationen sollen für die „Wie viele“-Vorhersage berücksichtigt werden? Die zugrunde liegende Iterationslänge muss mit der oben angegebenen Länge übereinstimmen.

Wann werden alle offenen Items fertig?

Die Ergebnisse in dieser Tabelle lesen sich wie folgt: Mit einer Wahrscheinlichkeit von x % werden die offenen Items nach y Iterationen (bzw. zu Zieldatum z) oder früher fertig.

Wahrscheinlichkeit Anzahl Iterationen Zieldatum

Wie viele Items in gegebenen Iterationen?

Die Ergebnisse in dieser Tabelle lesen sich wie folgt: Mit einer Wahrscheinlichkeit von x % werden innerhalb der gegebenen Anzahl Iterationen y Items oder mehr fertig.

Wahrscheinlichkeit Anzahl Items