Vad är agil estimering?
Agil estimering hjälper team att prognostisera leveranser genom att jämföra relativ storlek, risk och komplexitet. Målet är inte perfekta förutsägelser. Målet är en gemensam modell som är tillräckligt bra för att prioritera, dela upp arbete och planera nästa sprint.
Planning Poker
Planning Poker är idealiskt när flera experter behöver rösta oberoende och ha en strukturerad diskussion. Det fungerar särskilt bra för estimering på story-nivå under refinement eller sprint planning.
T-shirt sizing
T-shirtstorlekar (XS till XL) är användbara för grov tidig bedömning när backloggen fortfarande är övergripande. De är snabbare än points men mindre exakta för prognoser på sprintnivå.
Affinity estimation
Affinity estimation låter team snabbt sortera många objekt i relativa grupper. Metoden är särskilt användbar under release planning eller när en stor backlog behöver en första genomgång före detaljerade points.
Bucket system
Bucket system placerar objekt i fördefinierade storlekskategorier. Det skalar bra för större grupper och håller tempot när klassisk poker runda för runda skulle ta för lång tid.
Trepunktsestimering
Trepunktsestimering fångar optimistiska, realistiska och pessimistiska bedömningar. Det är användbart för riskkommunikation, men kan bli tungt om det används på varje litet backlog-objekt.
Prickröstning
Prickröstning är bättre för prioritering och samsyn än ren storleksbedömning. Team kan använda det för att välja vilka objekt som bör estimeras mer detaljerat härnäst.
Jämförelse av estimeringsmetoder
Använd Planning Poker för gemensam storleksbedömning av stories, T-shirt sizing för tidiga grova bedömningar, affinity eller buckets för stora backlogs och trepunktsintervall när intressenter behöver riskintervall. Många team kombinerar först en grov metod och sedan Planning Poker.
När ska varje teknik användas?
En enkel beslutsvägledning:
- Behöver du oberoende expertröster på en story? Använd Planning Poker.
- Behöver du en snabb första bedömning av epics? Använd T-shirt sizing.
- Behöver du snabbt sortera dussintals objekt? Använd affinity estimation eller buckets.
- Behöver du uttrycka osäkerhetsintervall? Använd trepunktsestimering.
- Behöver du välja vad som är viktigast? Använd prickröstning och estimera sedan.