Affinity Estimating: Difference between revisions

Revision as of 13:23, 14 December 2023

Affinity Estimating es una técnica consiste en estimar un gran número de tareas agrupándolas según su tamaño relativo, comparando unas con otras. Es importante no confundirla con Affinity Mapping.

Características

Puede ser especialmente útil durante la planificación inicial del proyecto.
Se diferencia de otros sistemas en que, al menos durante la sesión, usa las historias como unidad relativa en sí, sin otros niveles de abstracción.
Puede ayudar a los equipos a descubrir patrones y dependencias que podrían no ser evidentes en un primer vistazo.
Al centrarse en las historias, ayuda a reflexionar sobre la visión del proyecto y alinear los objetivos del equipo para que todos estén en la misma página.

Modo de aplicación

Antes de la sesión de estimación, se deben recopilar todas las historias de usuario o tareas que se van a estimar.

Silent Sort (Clasificación Silenciosa): se reparten copias de las historias de usuario a los miembros del equipo. Luego, cada miembro del equipo clasifica en silencio las historias de usuario según su tamaño relativo. Este paso se realiza en silencio para evitar que las opiniones de los demás afecten la clasificación.
Una vez que todas las historias de usuario están ordenadas, el equipo discute sobre la clasificación. Los miembros del equipo pueden mover las historias de usuario, pero deben explicar su razonamiento. El objetivo es llegar a un consenso sobre el orden.
El equipo agrupa las historias de usuario según su tamaño relativo.
El equipo asigna valores de estimación a cada grupo. Estos valores pueden ser en una escala Fibonacci, tallas de camiseta, etc.

Véase también

@@ Line 7: / Line 7: @@
 ==Modo de aplicación==
 Antes de la sesión de estimación, se deben recopilar todas las historias de usuario o tareas que se van a estimar.
+#'''''Silent Sort'' (Clasificación Silenciosa):''' se reparten copias de las historias de usuario a los miembros del equipo. Luego, cada miembro del equipo clasifica en silencio las historias de usuario según su tamaño relativo. Este paso se realiza en silencio para evitar que las opiniones de los demás afecten la clasificación.
+#Una vez que todas las historias de usuario están ordenadas, el equipo discute sobre la clasificación. Los miembros del equipo pueden mover las historias de usuario, pero deben explicar su razonamiento. El objetivo es llegar a un consenso sobre el orden.
+#El equipo agrupa las historias de usuario según su tamaño relativo.
+#El equipo asigna valores de estimación a cada grupo. Estos valores pueden ser en una escala Fibonacci, tallas de camiseta, etc.
-Silent Sort (Clasificación Silenciosa): se reparten copias de las historias de usuario a los miembros del equipo. Luego, cada miembro del equipo clasifica en silencio las historias de usuario según su tamaño relativo. Este paso se realiza en silencio para evitar que las opiniones de los demás afecten la clasificación.
-Una vez que todas las historias de usuario están ordenadas, el equipo discute sobre la clasificación. Los miembros del equipo pueden mover las historias de usuario, pero deben explicar su razonamiento. El objetivo es llegar a un consenso sobre el orden.
-El equipo agrupa las historias de usuario según su tamaño relativo.
-El equipo asigna valores de estimación a cada grupo. Estos valores pueden ser en una escala Fibonacci, tallas de camiseta, etc.
 ==Véase también==
 *[[Affinity Mapping]].