BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Łabędzki Maciej (Poznań Supercomputing and Network Center, Poland)
Tytuł
Agile Effort Estimation in Software Development Projects - Case Study
Zwinne szacowanie pracochłonności w projektach programistycznych - studium przypadków
Źródło
Central European Review of Economics and Management, 2017, vol. 1, nr 3, s. 135-152, bibliogr. 17 poz.
Słowa kluczowe
Oprogramowanie, Tworzenie oprogramowania, Metoda Scrum, Pracochłonność
Software, Software development, Scrum method, Labour intensity
Uwagi
Klasyfikacja JEL: L86
streszcz., summ.
Abstrakt
Cel: Celem niniejszej pracy jest wskazanie powszechnych błędów i pułapek, a także sprawdzonych praktyk w zakresie estymacji pracochłonności w projektach programistycznych. Jakość oszacowań w mniej doświadczonych zespołach jest często niezadowalająca, wskutek czego estymacja jako element procesu wytwarzania oprogramowania jest porzucana. Decyzja zwykle uzasadniana jest błędnie rozumianą "zwinnością". Artykuł wpisuje się w dyskusję nad bieżącymi trendami w zakresie szacowania, w szczególności w kontekście nowego podejścia "no estimates". Metodyka badań: Publikacja ma formę studium przypadków opartego o doświadczenia dojrzałego zespołu programistycznego. Autor, na podstawie znanych z literatury technik estymacji, wskazuje dobre i złe praktyki oraz często popełniane błędy w myśleniu i postępowaniu. Wnioski: Kluczowe dla poprawnej estymacji okazują się: zrozumienie różnicy pomiędzy pracochłonnością i czasochłonnością, umiejętność monitorowania wydajności, a także sposób analizowania wymagań i sytuacja kadrowa zespołu. Wartość artykułu: Publikacja pomaga opanować techniki podnoszące poziom zaufania do wszelkich oszacowań (czasu trwania, a pośrednio - kosztu wytwarzania oprogramowania) tam, gdzie znane są wymagania, jednak głównie na etapie realizacji projektu (projekt i implementacja). Ograniczenia: Praca nie porusza problemów wstępnej estymacji przedsięwzięć, tj. estymacji dokonywanej na wczesnych etapach planowania.(abstrakt oryginalny)

Aim: The purpose of this paper is to identify common mistakes and pitfalls as well as best practices in estimating labor intensity in software projects. The quality of estimations in less experienced teams is often unsatisfactory, as a result of which estimation as part of the software development process is abandoned. The decision is usually justified by misunderstanding "agility". This article is part of the discussion on current trends in estimation, especially in the context of the new "no estimates" approach. Design / Research methods: The publication is a case study based on the experience of a mature development team. The author, on the basis of literature-based estimation techniques, shows good and bad practices, as well as common mistakes in thinking and behavior. Conclusions / findings: The key to correct estimation is: understanding the difference between labor intensity and time, ability to monitor performance, as well as how to analyze staff requirements for the team. Originality / value of the article: The publication helps to master confidence-boosting techniques for any estimation (duration, and indirectly, the cost of software development) where requirements are known, but mainly at the stage of project implementation (design and implementation). Limitations of the research: The work does not address the problems of initial estimation of projects, i.e. the estimation made in the early stages of planning.(original abstract)
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Bjarnason E. et al. (2016), A multi-case study of agile requirements engineering and the use of test cases as requirements, "Information and Software Technology", no. 77, pp. 61-79.
  2. Choudhari J., Suman U. (2012), Story points based effort estimation model for software maintenance, "Procedia Technology", vol. 4, pp. 761-765.
  3. Coelho E., Basu A. (2012), Effort estimation in agile software development using story points, "International Journal of Applied Information Systems (IJAIS)", vol. 3 no. 7, pp. 7-10.
  4. Farr L., Zagorski H.J. (1964), Factors that affect the cost of computer programming. Vol. II. A quantitative analysis, System Development Corp, Santa Monica Ca, http://www.dtic.mil/dtic/tr/fulltext/u2/607546.pdf [23.09.2017].
  5. Jørgensen M., Shepperd M. (2006), A systematic review of software development cost estimation studies, "IEEE Transactions on Software Engineering", vol. 33 no. 1, pp. 33-53.
  6. Jørgensen M., Grimstad S. (2011), The impact of irrelevant and misleading information on software development effort estimates. A randomized controlled field experiment, "IEEE Transactions on Software Engineering", vol. 37 no. 5, pp. 695-707.
  7. Jørgensen M. (2016), Unit effects in software project effort estimation. Work-hours gives lower effort estimates than workdays, "Journal of Systems and Software", no. 117, pp. 274-281.
  8. Mahnič V. (2011), A case study on agile estimating and planning using scrum, "Elektronika ir Elektrotechnika", vol. 111 no. 5, pp. 123-128.
  9. Mahnič V., Hovelja T. (2012), On using planning poker for estimating user stories, "Journal of Systems and Software", vol. 85 no. 9, pp. 2086-2095.
  10. Moløkken-Østvold K., Haugen N.Ch., Benestad H.Ch. (2008), Using planning poker for combining expert estimates in software projects, "Journal of Systems and Software", vol. 81 no. 12, pp. 2106-2117.
  11. Nelson E.A. (1967), Management handbook for the estimation of computer programming costs, System Development Corp, Santa Monica Ca.
  12. Patton J., Economy P. (2014), User story mapping. Discover the whole story, build the right product, O'Reilly Media, Inc., Beijing, Sewastopol.
  13. Pendharkar P.C., Subramanian G.H., Rodger J.A. (2005), A probabilistic model for predicting software development effort, "IEEE Transactions on Software Engineering", vol. 31 no. 7, pp. 615-624.
  14. Schwaber K., Beedle M. (2002), Agile Software Development with Scrum, Prentice Hall, Upper Saddle River, NJ.
  15. Schwaber K., Sutherland J. (2013), The Scrum Guide. The definitive guide to Scrum: the rules of the game, https://www.scrumguides.org/docs/scrumguide/v1/scrum-guide-us.pdf [23.09.2017].
  16. Srinivasan K., Fisher D. (1995), Machine learning approaches to estimating software development effort, "IEEE Transactions on Software Engineering", vol. 29 no. 2, pp. 126-137.
  17. Torrecilla-Salinas C.J. et al. (2015), Estimating, planning and managing Agile Web development projects under a value-based perspective, "Information and Software Technology", vol. 61, pp. 124-144.
Cytowane przez
Pokaż
ISSN
2543-9472
Język
eng
URI / DOI
http://dx.doi.org/10.29015/cerem.359
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu