സമയവും റിസോഴ്‌സ് എസ്റ്റിമേഷനും: സമയ എസ്റ്റിമേഷനും പരിശോധനയും

നേട്ടങ്ങൾ:

• അനലോഗിക്കൽ, പാരാമെട്രിക്, ത്രീ-പോയിൻ്റ് (PERT) എസ്റ്റിമേറ്റ് രീതികൾ മനസ്സിലാക്കാനും സമയവും റിസോഴ്‌സ് എസ്റ്റിമേറ്റ് ഡ്രാഫ്റ്റുകളും നിർമ്മിക്കുന്നതിന് കൃത്രിമബുദ്ധി ഉപയോഗിക്കാനുമുള്ള കഴിവ്.
• പ്രവചന അനിശ്ചിതത്വം (ശുഭാപ്തി/സാധ്യത/അശുഭാപ്തിപരമായ സാഹചര്യങ്ങൾ, ആത്മവിശ്വാസ ഇടവേള) എന്നിവയെ വ്യാഖ്യാനിക്കാനുള്ള കഴിവും ഒരൊറ്റ സംഖ്യയെക്കാൾ ഒരു ശ്രേണിയിൽ അടിസ്ഥാന ആസൂത്രണവും
• AI പ്രവചനം ചരിത്രപരമായ പാറ്റേണുകളും അനുമാനങ്ങളും അടിസ്ഥാനമാക്കിയുള്ളതാണെന്ന് തിരിച്ചറിയാനുള്ള കഴിവ്, അന്തിമ ബജറ്റും സമയ പ്രതിബദ്ധതയും ടീം ഡാറ്റയും വിദഗ്ദ്ധ വിധിയും ഉപയോഗിച്ച് സാധൂകരിക്കണം

പ്രോജക്ട് മാനേജ്മെൻ്റിലെ ഏറ്റവും ബുദ്ധിമുട്ടുള്ളതും അപകടസാധ്യതയുള്ളതുമായ ജോലിയാണ് എസ്റ്റിമേറ്റ്. "ഇത് എത്ര സമയമെടുക്കും?" കൂടാതെ "എത്ര ആളുകൾ എടുക്കും?" ഈ ചോദ്യങ്ങൾക്കുള്ള ഉത്തരങ്ങളാണ് ഷെഡ്യൂൾ, ബജറ്റ്, ഉപഭോക്താവിന് നൽകിയ വാഗ്ദാനങ്ങൾ എന്നിവയുടെ അടിസ്ഥാനം. മോശമായ വിലയിരുത്തൽ നന്നായി കൈകാര്യം ചെയ്യപ്പെടുന്ന ഒരു പ്രോജക്റ്റിനെ പോലും മുക്കിക്കളയും: വളരെ ശുഭാപ്തിവിശ്വാസമുള്ള സമയം കാലതാമസത്തിനും പിഴകൾക്കും ഇടയാക്കും, വളരെ അശുഭാപ്തിവിശ്വാസമുള്ള സമയം ബിഡ് നഷ്‌ടപ്പെടുന്നതിന് ഇടയാക്കും. ഈ മേഖലയിൽ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ആകർഷകമായ സഹായിയാണ്; സെക്കൻഡിൽ ഒരു സമയം നൽകുന്നു. അതുകൊണ്ടാണ് ഇത് ഏറ്റവും അപകടകരമായത്: AI-ന് നിങ്ങളുടെ ടീമിൻ്റെ യഥാർത്ഥ വേഗത അറിയാതെ തന്നെ ഒരു ആത്മവിശ്വാസമുള്ള നമ്പർ നിർമ്മിക്കാൻ കഴിയും. ഈ യൂണിറ്റിൽ, പ്രവചന രീതികൾ, പ്രവചനത്തിൽ AI എങ്ങനെ സുരക്ഷിതമായി ഉപയോഗിക്കാമെന്നും ഓരോ പ്രവചനവും എങ്ങനെ സാധൂകരിക്കാമെന്നും ഞങ്ങൾ കവർ ചെയ്യും.

അടിസ്ഥാന പ്രവചന രീതികൾ

നമുക്ക് കുറച്ച് രീതികൾ നിർവചിക്കാം. സാമ്യമുള്ള ഊഹം അർത്ഥമാക്കുന്നത് മുമ്പ് സമാനമായ ഒരു ജോലി നോക്കി "അതിന് 10 ദിവസമെടുത്തു, ഇത് സമാനമാണ്" എന്ന് പറയുക എന്നതാണ്; ഇത് വേഗമേറിയതാണ്, പക്ഷേ പരുക്കനാണ്. പാരാമെട്രിക് എസ്റ്റിമേറ്റിംഗ് ഒരു യൂണിറ്റിൻ്റെ വില/സമയത്തെ അളവ് കൊണ്ട് ഗുണിക്കുന്നു (ഉദാ. "ഒരു പേജിന് 0.5 ദിവസം × 40 പേജുകൾ = 20 ദിവസം"); ഡാറ്റ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ഓരോ വർക്ക് പാക്കേജും വെവ്വേറെ വിലയിരുത്തുകയും കൂട്ടിച്ചേർക്കുകയും ചെയ്യുന്നു. ഇത് ഏറ്റവും കൃത്യവും എന്നാൽ വേഗത കുറഞ്ഞതുമാണ്. ത്രീ-പോയിൻ്റ് എസ്റ്റിമേഷൻ (PERT) അനിശ്ചിതത്വം അംഗീകരിക്കുന്നു: ഓരോ ടാസ്ക്കിനും, ശുഭാപ്തിവിശ്വാസം (O), മിക്കവാറും (M), അശുഭാപ്തി (P) ദൈർഘ്യം കണക്കാക്കുകയും വെയ്റ്റഡ് ശരാശരി എടുക്കുകയും ചെയ്യുന്നു.

PERT ഫോർമുല ഇതാണ്: പ്രതീക്ഷിക്കുന്ന ദൈർഘ്യം = (O + 4M + P) / 6. ഉദാഹരണത്തിന്, ഒരു ടാസ്‌ക്കിന്, ശുഭാപ്തിവിശ്വാസമുള്ള 4 ദിവസങ്ങൾ ഏറ്റവും സാധ്യതയുള്ള 6 ദിവസമാണെങ്കിൽ, അശുഭാപ്തിവിശ്വാസമുള്ള 14 ദിവസങ്ങൾ പ്രതീക്ഷിക്കുന്ന ദൈർഘ്യം = (4 + 24 + 14) / 6 = 7 ദിവസം. സ്റ്റാൻഡേർഡ് ഡീവിയേഷൻ (P - O) / 6 = (14 - 4) / 6 ≈ 1.7 ദിവസം; ഇത് അനിശ്ചിതത്വത്തിൻ്റെ മാർജിൻ കാണിക്കുന്നു. ഒരൊറ്റ "6 ദിവസം" എന്ന് പറയുന്നതിന് പകരം, "പ്രതീക്ഷിച്ച 7 ദിവസം, വ്യതിയാനം ±1.7 ദിവസം" എന്ന് പറയുന്നതാണ് കൂടുതൽ സത്യസന്ധമായ പദ്ധതി.

കൂടാതെ, രണ്ട് ആശയങ്ങൾ പ്രധാനമാണ്. അധ്വാനം എന്നത് ജോലിക്ക് ആവശ്യമായ മനുഷ്യ ദിനങ്ങളുടെ അളവാണ് (ഉദാ. 10 തൊഴിൽ ദിനങ്ങൾ). കലണ്ടറിൽ ഈ ജോലിക്ക് എത്ര ദിവസമെടുക്കും എന്നതാണ് ദൈർഘ്യം. രണ്ടുപേർക്ക് 10 തൊഴിൽ ദിനങ്ങൾ 5 ദിവസം കൊണ്ട് തീർക്കാം; എന്നാൽ എല്ലാ ജോലിയും അനന്തമായി വിഭജിക്കാൻ കഴിയില്ല (ഒമ്പത് സ്ത്രീകൾക്ക് ഒരു മാസത്തിൽ ഒരു കുഞ്ഞിന് ജന്മം നൽകാൻ കഴിയില്ല). AI-ക്ക് രണ്ടിനെയും ആശയക്കുഴപ്പത്തിലാക്കാം; നിങ്ങൾ അത് വേർപെടുത്തണം.

രീതി

എപ്പോഴാണ് അത് ഉചിതം?

വേഗത

കൃത്യത

AI യുടെ പങ്ക്

സാദൃശ്യമുള്ള

പ്രാരംഭ ഘട്ടം, ചെറിയ വിവരങ്ങൾ

ഉയർന്നത്

താഴ്ന്ന

സമാനമായ പ്രോജക്റ്റ് പാറ്റേൺ നിർദ്ദേശിക്കുന്നു

പാരാമെട്രിക്

അളക്കാവുന്ന യൂണിറ്റ് ഉണ്ടെങ്കിൽ

ഉയർന്നത്

ഇടത്തരം

ഫോർമുലയും യൂണിറ്റ് രൂപരേഖയും സൃഷ്ടിക്കുന്നു

താഴെ മുകളിലേക്ക്

വിശദമായ WBS ഉണ്ടെങ്കിൽ

താഴ്ന്ന

ഉയർന്നത്

ഡ്രാഫ്റ്റുകളുടെ പാക്കറ്റുകൾ ശേഖരിക്കുന്നു

ത്രീ-പോയിൻ്റ് (PERT)

അനിശ്ചിതത്വം ഉയർന്നതാണെങ്കിൽ

ഇടത്തരം

ഇടത്തരം-ഉയരം

O/M/P സാഹചര്യങ്ങൾ നിർദ്ദേശിക്കുന്നു

ഘട്ടം ഘട്ടമായി: AI ഉപയോഗിച്ചുള്ള സുരക്ഷിത പ്രവചനം

1. ആദ്യം ടീം ഡാറ്റ ഇടുക. നിങ്ങളുടെ സ്വന്തം മുൻകാല തിരിച്ചറിവുകൾ AI-ക്ക് നൽകുക: "സമാനമായ ജോലികൾ ഞങ്ങളുടെ ടീമിൽ ഇത്രയും സമയമെടുത്തു." അതിനാൽ പ്രവചനം നിങ്ങളുടെ ഡാറ്റയെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, പൊതുവൽക്കരണമല്ല.
2. രീതി തിരഞ്ഞെടുക്കുക. അനിശ്ചിതത്വം ഉയർന്നതാണെങ്കിൽ, PERT ആവശ്യപ്പെടുക; അളക്കാവുന്ന യൂണിറ്റ് ഉണ്ടെങ്കിൽ പാരാമെട്രിക്.
3. ഒറ്റ സംഖ്യകളല്ല, മൂന്ന് ഡോട്ടുകൾ ആവശ്യപ്പെടുക. ഓരോ പാക്കേജിനും O/M/P മൂല്യങ്ങളും അനുമാനങ്ങളും ആവശ്യപ്പെടുക.
4. അനുമാനങ്ങൾ ദൃശ്യമാക്കുക. ഓരോ എസ്റ്റിമേറ്റിനും അടിവരയിടുന്ന അനുമാനം അച്ചടിക്കുക (ഉദാ. "ടെസ്റ്റ് എൻവയോൺമെൻ്റ് റെഡി", "ഉപഭോക്താവ് 2 ദിവസത്തിനുള്ളിൽ റിട്ടേൺസ്"); തെറ്റായ അനുമാനം തെറ്റായ ഊഹമാണ്.
5. ഉറവിടം ചേർക്കുക, പങ്കിടുക. സമയത്തിൽ നിന്ന് വേറിട്ട് പരിശ്രമിക്കുക, അവധിക്കാലവും ലഭ്യതയും പരിഗണിക്കുക (ഉദാ. ഒരു വ്യക്തി യഥാർത്ഥത്തിൽ ആഴ്ചയിൽ 4 ദിവസം ഉൽപ്പാദനക്ഷമമാണ്).
6. ടീമിനൊപ്പം കാലിബ്രേറ്റ് ചെയ്യുക. ജോലി ചെയ്യുന്ന ആളുകളുമായി അന്തിമ എസ്റ്റിമേറ്റ് അവലോകനം ചെയ്യുക. ഒരു പ്രവചനം വിശ്വസനീയമാകുന്നത് അത് നിർമ്മിക്കുന്നയാൾ അത് സ്വന്തമാക്കുമ്പോഴാണ്.

ശ്രദ്ധിക്കുക: AI-യോട് ചോദിക്കുക "ഈ ജോലിക്ക് എത്ര ദിവസമെടുക്കും?" തത്ഫലമായുണ്ടാകുന്ന നമ്പർ നേരിട്ട് ചാർട്ടിലേക്ക് ചോദിക്കുന്നതും എഴുതുന്നതും പ്രവചനത്തിൻ്റെ ഏറ്റവും അപകടകരമായ രൂപമാണ്. ഈ നമ്പറിൽ നിങ്ങളുടെ ടീമിൻ്റെ ഡാറ്റ ഉൾപ്പെടുന്നില്ല; ഇത് ഒരു പൊതു പാറ്റേൺ മാത്രമാണ്, ഒരു ഭ്രമാത്മകതയായിരിക്കാം.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - PERT ഉള്ള സത്യസന്ധമായ പദ്ധതി. ഒരു സോഫ്‌റ്റ്‌വെയർ ടീം AI-യോട് O/M/P പ്രവചനങ്ങളും 12-ടാസ്‌ക് മൊഡ്യൂളിനായി അനുമാനങ്ങളും ആവശ്യപ്പെട്ടു. എഐ ഡ്രാഫ്റ്റ് നൽകി; ഓരോ ദൗത്യവും അതിൻ്റേതായ ചരിത്രപരമായ ഡാറ്റ ഉപയോഗിച്ച് ടീം തിരുത്തി. ആകെ പ്രതീക്ഷിച്ച സമയം 38 ദിവസമായിരുന്നു, അശുഭാപ്തിവിശ്വാസം ആകെ 52 ദിവസമായിരുന്നു. പ്രധാനമന്ത്രി ഉപഭോക്താവിന് 45 ദിവസത്തെ സമയപരിധി നൽകുകയും 7 ദിവസത്തെ മാർജിൻ നൽകുകയും ചെയ്തു. 44-ാം ദിവസം പദ്ധതി പൂർത്തിയായി; ഷെയർ ഇല്ലെങ്കിൽ കാലതാമസമുണ്ടാകുമായിരുന്നു.

കേസ് 2 - പരിശ്രമം/സമയ ആശയക്കുഴപ്പം. ഒരു കോർഡിനേറ്റർ AI-യോട് ചോദിക്കുന്നു, "80 തൊഴിൽദിന ജോലികൾ പൂർത്തിയാക്കാൻ എത്ര ദിവസമെടുക്കും?" അവൻ പറഞ്ഞു. AI "80 ദിവസം" എന്ന് ഉത്തരം നൽകി, കാരണം അത് ദൈർഘ്യവുമായി ആശയക്കുഴപ്പത്തിലാക്കി. സമാന്തരമായി 4 പേർക്ക് ജോലി ചെയ്യാമെന്നറിഞ്ഞ്, കോ-ഓർഡിനേറ്റർ സമയം ~25 ദിവസമായി (വിഭജിക്കാത്തതിനാൽ 20 അല്ല) എന്ന് തിരുത്തി. പാഠം: AI-യുടെ പരിശ്രമം/സമയ വിഭജനം മനുഷ്യർ നിയന്ത്രിക്കണം.

കേസ് 3 - അടിസ്ഥാനരഹിതമായ പൊതുവൽക്കരണം. ഒരു പ്രധാനമന്ത്രി ചാർട്ടിൽ എഴുതി, "ഒരു API സംയോജനത്തിന് സാധാരണയായി 5 ദിവസമെടുക്കും" എന്ന് AI പ്രതികരിച്ചു. ഈ API ദാതാവുമായുള്ള ടീമിൻ്റെ മുൻകാല അനുഭവം മോശമായിരുന്നു, ഡോക്യുമെൻ്റേഷൻ മോശമായിരുന്നു; ജോലി 13 ദിവസമെടുത്തു. ടീം ഡാറ്റ ചോദിച്ചാൽ, ഇത് ആദ്യം മുതൽ കാണും. പാഠം: പൊതുവൽക്കരണം ടീം യാഥാർത്ഥ്യത്തിന് പകരമാവില്ല.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഒരു ഇ-കൊമേഴ്‌സ് സൈറ്റ് സജ്ജീകരിക്കാൻ എത്ര ദിവസമെടുക്കും?

നിങ്ങളുടെ പ്രോജക്റ്റിൻ്റെ ഡാറ്റ അറിയാതെ തന്നെ ഒരു നിർമ്മിത നമ്പർ സൃഷ്ടിക്കാൻ ഈ പ്രോംപ്റ്റ് AI-യെ പ്രേരിപ്പിക്കുന്നു. ടീമില്ല, സ്കോപ്പില്ല, അനിശ്ചിതത്വമില്ല.

ശക്തമായ നിർദ്ദേശം:

നിങ്ങളുടെ റോൾ: ഒരു എസ്റ്റിമേറ്റ് സ്പെഷ്യലിസ്റ്റ്. സന്ദർഭം: ഞങ്ങളുടെ ടീമിൻ്റെ 8 വർക്ക് പാക്കേജുകളും സമാനമായ മുൻകാല അസൈൻമെൻ്റുകളും ചുവടെയുണ്ട്. ടാസ്ക്: ഓരോ പാക്കേജിനും മൂന്ന് പോയിൻ്റ് (ഓപ്റ്റിസ്റ്റിക് ഒ / മിക്കവാറും എം / പെസിമിസ്റ്റിക് പി) കാലയളവ് എസ്റ്റിമേറ്റ് ഉണ്ടാക്കുക, കൂടാതെ (O+4M+P)/6 ഉപയോഗിച്ച് PERT പ്രതീക്ഷിക്കുന്ന ദൈർഘ്യം കണക്കാക്കുക. നിയമങ്ങൾ:- ഞാൻ നൽകിയ ചരിത്രപരമായ വിവരങ്ങൾ മാത്രം പരാമർശിക്കുക; പൊതുവായ മാർക്കറ്റ് അനുമാനം ചേർക്കുന്നു.- ഓരോ എസ്റ്റിമേറ്റിനും അടിവരയിടുന്ന അനുമാനം ഒറ്റ വരിയിൽ എഴുതുക.- പ്രയത്നം (മനുഷ്യദിനങ്ങൾ), ദൈർഘ്യം (കലണ്ടർ ദിവസങ്ങൾ) എന്നിവ ഒരു പ്രത്യേക കോളത്തിൽ കാണിക്കുക.- നിങ്ങൾക്ക് ഉറപ്പില്ലാത്ത പാക്കേജ് "[ടീം സ്ഥിരീകരണം ആവശ്യമാണ്]" എന്ന് അടയാളപ്പെടുത്തുക. ഔട്ട്പുട്ട്: പട്ടിക (പാക്കേജ് | O | M | P | PERT | Effort | Assumption). ചരിത്രപരമായ ഡാറ്റ:- പേയ്‌മെൻ്റ് സംയോജനം (ചരിത്രം: 9,11,8 ദിവസം)- ഉൽപ്പന്ന കാറ്റലോഗ് (ചരിത്രം: 6.5 ദിവസം)- ... (മറ്റ് പാക്കേജുകൾ)

ഈ അവകാശവാദം ശക്തമാണ്: രീതി (PERT), ഡാറ്റ ഉറവിട പരിധി, അനുമാന ആവശ്യകത, പരിശ്രമം/സമയ വ്യത്യാസം എന്നിവ വ്യക്തമാണ്.

അധിക ടെംപ്ലേറ്റുകൾ:

# അനുമാനങ്ങൾ വേട്ടക്കാരൻ നിങ്ങൾ നിശബ്ദമായി അംഗീകരിച്ച എല്ലാ അനുമാനങ്ങളും ലിസ്റ്റുചെയ്യുക, അതുവഴി ഈ പ്രവചനം സത്യമായി മാറും. ഓരോ അനുമാനത്തിനും, അത് തെറ്റായി മാറിയാൽ അത് സമയത്തെ എത്രത്തോളം ബാധിക്കുമെന്ന് കണക്കാക്കുക.

# സെൻസിറ്റിവിറ്റി വിശകലനം ഇനിപ്പറയുന്ന ജോലിയുടെ ഏറ്റവും സാധ്യതയുള്ള കാലയളവ് M ആണെങ്കിൽ; M 20% വർദ്ധിച്ചാൽ മൊത്തം പ്രോജക്റ്റ് ദൈർഘ്യം എങ്ങനെ മാറും? മൊത്തം ദൈർഘ്യത്തോട് ഏറ്റവും സെൻസിറ്റീവ് ആയ 3 ജോലികൾ ഏതാണ്? (ഈ ജോലികൾ ആദ്യം കാണണം.)

# യാദൃശ്ചികത ശുപാർശ ചെയ്യുന്നയാൾ ചുവടെയുള്ള PERT വ്യതിയാനങ്ങളെ അടിസ്ഥാനമാക്കി, മുഴുവൻ പ്രോജക്റ്റിനും ന്യായമായ സമയ അലവൻസ് ശതമാനം നിർദ്ദേശിക്കുകയും നിങ്ങൾ ഇതിനെ അടിസ്ഥാനമാക്കിയുള്ളത് വിശദീകരിക്കുകയും ചെയ്യുക. ഇതൊരു നിർദ്ദേശമാണ്; അവസാന വിഹിതം മാനേജർക്കുള്ളതാണ്.

സാധാരണ തെറ്റുകൾ

• ഒരൊറ്റ സംഖ്യയിൽ ഉറച്ചുനിൽക്കുന്നു: "10 ദിവസം" എന്ന് പറയുന്നത് അനിശ്ചിതത്വം മറയ്ക്കുന്നു; O/M/P ശ്രേണി സത്യസന്ധമാണ്.
• സമയത്തെ ആശയക്കുഴപ്പത്തിലാക്കുന്ന ശ്രമം: 40 മനുഷ്യ ദിനങ്ങൾ 40 കലണ്ടർ ദിവസമല്ല.
• 100% ലഭ്യത അനുമാനിക്കുന്നു: ഈ ടാസ്‌ക്കിനായി മാത്രം ആർക്കും ആഴ്ചയിൽ 5 ദിവസം നീക്കിവയ്ക്കാൻ കഴിയില്ല; മീറ്റിംഗുകൾ, ഇലകൾ, തടസ്സങ്ങൾ എന്നിവയുണ്ട്.
• ടീം ഡാറ്റയ്‌ക്കായുള്ള തെറ്റായ സാമാന്യവൽക്കരണം: AI-യുടെ "സാധാരണ സമയം" നിങ്ങളുടെ ടീമിൻ്റെ വേഗതയല്ല.
• അനുമാനങ്ങൾ എഴുതുന്നില്ല: കാണാത്ത അനുമാനം പൊട്ടിത്തെറിക്കുന്ന ഒരു ഊഹമാണ്.
• മാർജിൻ ഇല്ല: അനിശ്ചിതത്വമുണ്ടെങ്കിൽ, സമയത്തിൻ്റെ/ബജറ്റിൻ്റെ ന്യായമായ മാർജിൻ നിർബന്ധമാണ്.

നുറുങ്ങ്: നിങ്ങൾ ഊഹിച്ചു കഴിയുമ്പോൾ, സ്വയം ചോദിക്കുക: "ഈ സംഖ്യ യാഥാർത്ഥ്യമാകാൻ 90 ശതമാനം സാധ്യതയുണ്ടോ അതോ അത് ലഭിക്കാനുള്ള സാധ്യത 50 ശതമാനമാണോ?" മിക്ക വൺ-പോയിൻ്റ് പന്തയങ്ങളും യഥാർത്ഥത്തിൽ 50 ശതമാനം പന്തയങ്ങളാണ്; ഉപഭോക്താവിന് ഒരു വാഗ്ദാനം നൽകുമ്പോൾ ഇത് അറിയുക.

ചുരുക്കത്തിൽ

പദ്ധതിയുടെ ഏറ്റവും അപകടകരമായ ജോലിയാണ് എസ്റ്റിമേറ്റ്. അനലോജിക്കൽ, പാരാമെട്രിക്, ബോട്ടം-അപ്പ്, ത്രീ-പോയിൻ്റ് (PERT) രീതികൾ വ്യത്യസ്ത വേഗതയും കൃത്യതയും വാഗ്ദാനം ചെയ്യുന്നു. ഡ്രാഫ്റ്റ് പ്രവചനത്തിലും സാഹചര്യങ്ങൾ സൃഷ്ടിക്കുന്നതിലും AI വേഗതയേറിയതാണ്, എന്നാൽ ഇത് നിങ്ങളുടെ ടീമിൻ്റെ ഡാറ്റ അറിയാതെ സാമാന്യവൽക്കരിക്കുകയും പരിശ്രമം/സമയം ആശയക്കുഴപ്പത്തിലാക്കുകയും ചെയ്യും. സുരക്ഷിതമായ ഊഹം; ടീം ഡാറ്റ ആദ്യം വെക്കുക, മൂന്ന് പോയിൻ്റുകളിൽ പ്രവർത്തിക്കുക, അനുമാനങ്ങൾ ദൃശ്യമാക്കുക, പ്രയത്നവും സമയവും വേർതിരിക്കുക, ടീമുമായി അന്തിമ നമ്പർ കാലിബ്രേറ്റ് ചെയ്യുക. പ്രതിജ്ഞാബദ്ധമായ തീയതിയും ബജറ്റും എല്ലായ്പ്പോഴും മാനുഷിക പരിശോധനയ്ക്ക് വിധേയമാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങളുടെ പ്രോജക്റ്റിൽ നിന്ന് 5 ടാസ്ക്കുകൾ തിരഞ്ഞെടുക്കുക. ഓരോന്നിനും O/M/P എസ്റ്റിമേറ്റും PERT പ്രതീക്ഷിക്കുന്ന സമയവും AI-യോട് ചോദിക്കുക (നിങ്ങളുടെ ടീമിൻ്റെ ചരിത്രപരമായ ഡാറ്റ അജ്ഞാതമായി നൽകുക). തുടർന്ന് ഓരോ ടാസ്ക്കിനു പിന്നിലുള്ള അനുമാനം എഴുതുകയും ജോലി ചെയ്യുന്ന ഒരു ടീം അംഗവുമായി എസ്റ്റിമേറ്റ് അവലോകനം ചെയ്യുകയും ചെയ്യുക. ടീം ഡാറ്റയെ അടിസ്ഥാനമാക്കി കുറഞ്ഞത് രണ്ട് എസ്റ്റിമേറ്റുകളെങ്കിലും ശരിയാക്കുകയും മൊത്തത്തിൽ ന്യായമായ സമയ മാർജിൻ നിശ്ചയിക്കുകയും ചെയ്യുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] സാമാന്യവൽക്കരണത്തിലല്ല, എൻ്റെ ടീമിൻ്റെ ചരിത്രപരമായ ഡാറ്റയെ അടിസ്ഥാനമാക്കിയാണ് ഞാൻ എസ്റ്റിമേറ്റ് ചെയ്തത്.
• [ ] ഒറ്റ സംഖ്യകൾക്ക് പകരം O/M/P (മൂന്ന് ഡോട്ടുകൾ) ഞാൻ പരിശീലിച്ചു.
• [ ] ഓരോ പ്രവചനത്തിനും അടിവരയിടുന്ന അനുമാനം ഞാൻ എഴുതി.
• [ ] ഞാൻ പ്രയത്നവും (മനുഷ്യദിനം) സമയവും (കലണ്ടർ) വേർതിരിച്ചു.
• [ ] ലഭ്യത/അനുമതി പോലുള്ള യഥാർത്ഥ നിയന്ത്രണങ്ങൾ ഞാൻ കണക്കിലെടുത്തിട്ടുണ്ട്.
• [ ] ഞാൻ അനിശ്ചിതത്വത്തിന് ന്യായമായ മാർജിൻ നൽകുകയും ടീമുമായി എസ്റ്റിമേറ്റ് കാലിബ്രേറ്റ് ചെയ്യുകയും ചെയ്തു.