Model Stacy’ego

Na egzaminie musisz dobrze znać sposób wyboru cyklu życia. Aby to zrobić, musisz dobrze rozumieć te cykle, ponieważ bez ich znajomości nie możesz podejmować decyzji dotyczących ich wyboru.

W tej pierwszej lekcji dotyczącej wyboru cyklu życia omówimy niepewności związane z cyklami życia i poziom ryzyka, jakie niosą. Jak pamiętasz, na początku wykładów o Agile rozmawialiśmy o pracy w warunkach wysokiej niepewności. To była ogólna wiedza na temat momentu, w którym warto stosować podejścia Agile. Wiemy, że jeśli cel jest jasny, ale rozwiązanie nie, to mamy do czynienia z pracą o wysokiej niepewności i podejścia Agile są odpowiednie dla takich projektów.

Istnieje bezpośrednia proporcjonalność między niepewnością a ryzykiem. Oznacza to, że kiedy wzrasta niepewność, wzrasta również ryzyko. Jest to logiczne, ponieważ w niepewnym środowisku ludzie wiedzą mniej o tym, co robić, co zwiększa prawdopodobieństwo potrzeby ponownej pracy.

Model Stacy’ego to znany model identyfikujący środowiska, uwzględniając poziomy niepewności co do wymagań i technologii. Termin “technologia” może być rozumiany jako zdolność techniczna, umiejętności techniczne lub poziom technologii. Na wykresie zarówno wymagania, jak i technologia są jasne w punkcie zerowym, co oznacza niski poziom niepewności. Gdy idziemy wyżej, wartości te reprezentują bardziej niejasne środowiska.

Jeśli wymagania i technologia są jasne, mamy do czynienia z prostym środowiskiem. Projekty takie nazywamy prostymi, ponieważ poziom niepewności jest niski, a tym samym niski jest poziom ryzyka. W takich projektach bardziej odpowiednie są podejścia predykcyjne. Większość projektów budowlanych uważa się za proste projekty. Należy pamiętać, że mimo nazwy “proste projekty” mogą one wcale nie być łatwe w realizacji. Na przykład projekt budowy wieżowca jest trudny, ale model Stacy’ego klasyfikuje go jako prosty, ponieważ wymagania są dobrze znane, a technologia jest jasna. Nie chodzi tu o prostotę realizacji projektu.

Jeśli poziom niepewności co do wymagań i technologii jest niski do umiarkowanego, mówimy o środowisku skomplikowanym. Takie projekty nazywamy skomplikowanymi, a poziom ryzyka jest niski do umiarkowanego. Lepiej stosować podejścia adaptacyjne dla takich projektów.

Gdy poziom niepewności jest umiarkowany do wysokiego, jest to środowisko złożone. Projekty te nazywamy złożonymi, a ryzyko jest umiarkowane do wysokiego. Ponownie, najlepszym podejściem do zarządzania takimi projektami są podejścia adaptacyjne. Projekty IT i oprogramowania są często projektami skomplikowanymi i złożonymi, dlatego stosujemy dla nich podejścia adaptacyjne.

Jeśli ani wymagania, ani technologia nie są jasne, czyli poziom niepewności jest bardzo wysoki, mamy do czynienia z chaotycznym środowiskiem. Nikt nie wie, co robić ani jak to zrobić – to chaos. W takich projektach może być lepiej poczekać, aż pewne elementy staną się jaśniejsze, zanim projekt zostanie rozpoczęty. Jeśli jednak musimy go zacząć, podejścia adaptacyjne dadzą lepsze rezultaty niż podejścia predykcyjne.

Analizując tę tabelę, możemy stwierdzić, że aby określić podejście do zarządzania projektem, musimy najpierw sklasyfikować projekt. Jedna z klasyfikacji opiera się na złożoności projektu. Jeśli projekt jest prosty, lepsze są podejścia predykcyjne. Jeśli projekt jest skomplikowany lub złożony, lepsze są podejścia adaptacyjne. A co w sytuacji, gdy większość wymagań jest jasna, ale niektóre są niejasne? Lub odwrotnie – gdy większość projektu jest niejasna, ale niektóre części są jasne?

W takich przypadkach możemy używać podejść hybrydowych, które łączą podejścia predykcyjne i adaptacyjne. Omówimy podejścia hybrydowe w przyszłych lekcjach.

Model Stacy’ego bierze pod uwagę tylko wymagania i technologię jako czynniki determinujące poziom niepewności, ale są inne elementy, które również powinniśmy rozważyć, oceniając poziom niepewności projektu. Na przykład, jeśli musimy przeprowadzić działania badawczo-rozwojowe, jeśli ostateczny produkt lub usługa nie są jasne lub jeśli konieczne są ciągłe zmiany, środowisko projektu można uznać za niepewne.

Możemy więc powiedzieć, że są trzy cechy, które warto uwzględnić przy określaniu poziomu niepewności. Pierwsza to produkt końcowy – ile wiemy o finalnym produkcie? Czy możemy jasno określić każdy szczegół produktu, czy znamy tylko ogólne granice? Jeśli nie mamy pełnej wiedzy na temat produktu i nie możemy jasno określić jego szczegółów, występuje niepewność.

Musimy także uwzględnić pracę projektową. Czy wiemy dokładnie, jak stworzyć produkt lub usługę? Czy wiemy, jakich technologii użyjemy? Jeśli mamy wątpliwości, istnieje niepewność.

Ostatnia rzecz to procesy stosowane w projekcie. Czy wiemy, jakie procesy pomogą zespołowi pracować efektywnie i skutecznie? Jeśli mamy wątpliwości, pojawia się niepewność.

Kolejny model, który możemy rozważyć przy ocenie złożoności, to ramy Canevin Davida Snowdena. Canevin w języku angielskim oznacza „siedlisko” i definiuje pięć środowisk powstałych na skutek problemów. Ten model daje nam wskazówki, jak reagować na problemy w różnych środowiskach, więc może być przydatny podczas rozwiązywania problemu lub podejmowania decyzji.

W tych ramach możemy klasyfikować problemy do jednego z pięciu środowisk. Pierwszym jest oczywiste środowisko, gdzie zarówno przyczyna, jak i skutek problemu są jasne. Jeśli mamy problem i wszyscy mogą zobaczyć jego przyczynę oraz rozwiązanie, mówimy, że jesteśmy w oczywistym środowisku. W takim przypadku stosujemy najlepsze praktyki.

Drugą kategorią jest środowisko skomplikowane. Tutaj przyczyna problemu jest jasna, ale efekty i rozwiązanie można znaleźć dopiero po analizie. Mamy więc do czynienia z „znanymi niewiadomymi”.

Środowisko złożone to trzecia kategoria. W tym środowisku nie wiemy, co powoduje problem i musimy przeprowadzić eksperymenty, aby to ustalić. Efekty i rozwiązanie nie są oczywiste, a każde rozwiązanie może dać różne rezultaty. Mamy do czynienia z „nieznanymi niewiadomymi”.

Środowisko chaotyczne to czwarta kategoria. Tutaj nie mamy czasu na badanie przyczyny problemu – musimy natychmiast podjąć działania, na przykład ugasić pożar przed szukaniem przyczyny.

Na koniec mamy środowisko bezładne, gdzie nie wiemy, w jakim środowisku się znajdujemy, więc nie możemy odpowiednio zareagować na problem. W takiej sytuacji musimy najpierw zebrać więcej informacji i spróbować podzielić problem na mniejsze części, aby lepiej zrozumieć sytuację, a następnie podjąć odpowiednie działania.