Projektdaten sind Gold wert

Wussten Sie, dass sich jemand eines Tages gedacht hat:

“Der Spiegel veröffentlicht regelmäßig Artikel online. Wie wäre es, wenn ich einfach mal alle Daten zu diesen Artikeln sammle?” Zu den Daten zählten Autor, Veröffentlichungsdatum, Rubrik, Textlänge etc. Nachdem er das etwa zwei Jahre im Zeitraum von 2014 – 2016 getan und 70.000 Artikel systematisch gespeichert hatte, konnte er alle Daten im Zusammenhang betrachten und auswerten. So stellte er z. B. fest:

• Die wenigsten Artikel wurden am Wochenende veröffentlicht. (Alles klar, das ist verständlich.)
• Christoph Sydow ist der Spitzenautor mit ca. 2,4 % der Gesamtartikel beim Spiegel. (Jetzt wird es schon interessanter)
• Gewisse Autoren sind auffällig oft zur selben Zeit im Urlaub. (Gibt es da etwa eine geheime, zwischenmenschliche Beziehung?)
• Es gibt ein Zweiklassen-System bei den Artikeln: Low- und High-Quality. Das hängt davon ab, ob Autoren ihren Namen ausschreiben oder Kürzel verwenden. (OK, langsam wird es unheimlich.)

An dieser Stelle höre ich erst einmal auf, obwohl ich nur die Oberfläche angekratzt habe. Es ist aber bereits jetzt schon ganz schön viel Wissen, das David Kriesel, so hieß dieser jemand, der im Namen von Data Science das Projekt angestoßen hat, aus diesen für jeden zugänglichen Daten herausgezogen hat [1].

Daten gibt es auch in Ihren Projekten. Und genau wie im obigen Beispiel können Sie diese nutzen, um nicht nur Aussagen, sondern auch Vorhersagen zu Ihren Projekten zu treffen. Das schauen wir uns heute genauer an.

Ein Meer aus Daten

Mit einem Tool die Daten nutzbar machen

In Ihrer Projektarbeit entstehen automatisch Daten. Dazu zählen:

• Wenn Sie eine Anforderung anlegen, dann sind Sie dort als Autor hinterlegt und ein Erstellungsdatum wird gespeichert.
• Wenn jemand anderes die Anforderung ändert, dann wird der Name der Person und Datum der Änderung gesichert.
• Und wenn Sie eine Anforderung fertigstellen, dann schwirrt auch dieser Zeitpunkt als Teil der Daten in der Projektarbeit herum.

Es gibt da nur ein Problem: Arbeiten Sie mit mehreren Tools, so erzeugen Sie Daten mit diesen unterschiedlichen Werkzeugen. Zum Beispiel erfassen Sie Anforderungen mit MS Word, während Sie den Projektplan mit MS Project erzeugen und Tickets wiederum mit Jira verwalten. So schaffen Sie Datenpools, die zunächst einmal nur für sich stehen. Solch ein Umfeld erschwert es, die Daten zu analysieren und auszuwerten. Schnittstellen müssten geschaffen werden. Deswegen bewährt es sich, ein Tool zu verwenden, in dem all diese Daten gesammelt, gespeichert und im Zusammenhang betrachtet werden können. Es bildet die solide Grundlage für Ihre Datenanalyse. Aber was gibt es überhaupt an wichtigen Daten und was sagen sie Ihnen, wenn Sie diese richtig auswerten?

Von Projektdaten zu Projektaussagen

Sie haben die Daten, ein Tool zur Auswertung und wollen nun Aussagen zum Projekt treffen. Nehmen wir dazu die Beispiele von vorhin. Wenn Sie eine Anforderung anlegen, bearbeiten und fertigstellen, dann entstehen Daten wie Autor, Erstellungs- und Bearbeitungsdatum etc. Wenn Sie das mit mehreren Anforderungen machen, dann können Sie nun z. B. verfolgen:

• an welchem Tag die meisten Anforderungen fertiggestellt wurden,
• welche Anforderung am längsten brauchte, bis sie realisiert wurde
• oder wie die durchschnittliche Dauer bis zur Fertigstellung ist.

Darauf basierend können Sie sich nun weitere Fragen stellen:

• Warum wurden an diesem Tag die meisten Anforderungen fertiggestellt?
• Warum brauchte diese Anforderung am längsten bis zur Realisierung?
• Ist die durchschnittliche Realisierungszeit länger als geplant?

Die Antworten könnten dann zu Schlussfolgerungen führen wie:

• Womöglich gibt es an einer Stelle im Entwicklungsprozess einen Bottleneck, der dazu führt, dass die Arbeit stockt und schließlich auf einen Schlag beendet wird.
• Die Anforderung war zu breit formuliert und hätte eigentlich für den Sprint weiter verfeinert werden müssen.
• Die Entwickler müssen realistischere Aufwandsabschätzungen für die Anforderungen machen. Womöglich müssen Sie auch die Sprintlänge anpassen.

Sie sehen also: Bereits mit diesen wenigen Daten können Sie einige Analysen durchführen und damit wichtige Entscheidungen für die aktuelle und zukünftige Projektarbeit treffen. Aber es gibt noch weitaus interessantere Auswertungen, die Sie mit den vorhandenen Daten durchführen können.

Die Key Performance Indikatoren eines Projekts

Neben Ihren Arbeitsergebnissen wie Anforderungen liefern auch Ihre Aktivitäten Daten im Projekt. Zum Beispiel haben sie eine bestimmte Dauer oder einen Plan- und Ist-Aufwand. Und wenn Sie sicherstellen, dass der Fortschritt einer Aktivität regelmäßig hinterlegt wird, erhalten Sie weitere Daten, mit denen Sie arbeiten können. Um genau zu sein, ist dann eine Earned Value Analyse möglich.

Kennzahlen der Earned Value Analyse

Mit dieser Analyse können Sie u. a. den Fertigstellungswert des Projekts ermitteln. Dieser Wert sagt Ihnen, wie viel Arbeit Sie zum aktuellen Zeitpunkt bereits erledigt haben. Mit Hilfe des Fertigstellungswerts und den Plan- sowie Ist-Aufwänden von Aktivitäten lassen sich dann Indikatoren wie die Zeit- und Kosteneffizienz berechnen:

Die Zeiteffizienz sagt Ihnen, ob sich das Projekt im Zeitplan befindet oder ob es länger braucht, um fertiggestellt zu werden. Die Kosteneffizienz sagt aus, ob sich das Projekt bezüglich des Aufwandes noch im Plan befindet oder ob Sie sich auf höhere Aufwände einstellen müssen. Bei diesen Werten ist die Interpretation ganz einfach:

Liegen sie über 1, dann arbeiten Sie kostengünstiger bzw. schneller als geplant. Liegen sie unter 1, dann verursachen Sie mehr Kosten bzw. arbeiten langsamer als geplant.

Und diese Informationen führen wiederum dazu, das Projekt unter die Lupe zu nehmen und sich Fragen zu stellen wie:

Warum geht das Projekt langsamer als geplant voran? Sind die Mitarbeiter überlastet? Muss ich weitere einsetzen? Oder gibt es einfach nur Kommunikationsschwierigkeiten?

Dadurch lassen sich passende Maßnahmen ableiten und das Projekt wieder auf geplante Wege bringen. Außerdem können Sie anhand der Kennzahlen eine Prognose treffen, wie lang das Projekt dauern und wie viel Gesamtaufwand entstehen wird, wenn weiter wie aktuell gearbeitet wird.

Diagramme und Charts als Visualisierung

Fertigstellungswert, Plan- und Ist-Aufwände der Earned Value Analyse können Sie auch mit Hilfe eines Diagramms im Zusammenhang darstellen. Weitere nützliche Diagramme sind das Burn Down und Burn Up Chart sowie das Cumulative Flow Diagram und Velocity Chart. Auch die nutzen die automatisch erzeugten Daten Ihrer Projekte.

Der Fertigstellungswert der Earned Value Analyse als Diagramm

Das Cumulative Flow Diagram betrachtet beispielsweise die Zustände der Anforderungen zu einem Stichtag. Basierend darauf können Sie am Diagramm ablesen, wie lang es dauert, eine Funktion zu entwickeln und wie viele Anforderungen sich aktuell in Entwicklung befinden. Mehr dazu erfahren Sie hier.

Beispiel eines Cumulative Flow Diagram

Mit dem Velocity Chart bzw. dem Chart für die mittlere Geschwindigkeit können Sie herausfinden, wie viel Aufwand in Personentagen Sie in einem Sprint schaffen. Für die Auswertung werden alle bisher durchgeführten Sprints einbezogen und ein mittlerer Wert des Aufwands berechnet. Dadurch lässt sich also die Leistungsfähigkeit des Teams analysieren und zukünftig ein realistischerer Gesamtaufwand für einen Sprint planen.

Beispiel eines Velocity Chart

Best Practices für die Datenauswertung mit objectiF RPM

Unsere Application Lifecycle Management-Lösung objectiF RPM ermöglicht es, Projektdaten im Zusammenhang darzustellen und auszuwerten. Dazu gehören die oben genannten Kennzahlen der Earned Value Analyse und Diagrammtypen. Um diese Analysen im Tool einzurichten, müssen Sie sicherstellen, dass Datenpunkte erzeugt werden. Dafür richten Sie sich einfach einen Task ein, der das automatisch für Sie übernimmt, und schon können Sie sich die Auswertungen übersichtlich in Dashboards darstellen lassen.

Beispiel für Dashboards für das gesamte Projekt (oben) und für ein Release (unten).

Fazit

Daten gibt es überall, ohne dass wir sie meistens wahrnehmen. Aber wenn man sich ihrer erst einmal bewusst ist, dann sind sie Gold wert – Man muss nur wissen, wie man den meisten Nutzen aus ihnen ziehen kann. Diesen Nutzen erhalten Sie durch Kennzahlen wie der Earned Value Analyse oder durch Diagramme à la Cumulative Flow Diagram. Sie alle stellen Ihnen Daten im Zusammenhang dar und können Ihnen die aktuelle Projektlage vermitteln sowie eine Prognose für die Zukunft geben. Deswegen managen Sie Ihren Application Lifecycle mit professionellen Tools wie objectiF RPM, die eine Auswertung der Daten ganz einfach ermöglichen. Machen Sie doch gleich selbst den Test!

Hinweise:

1: Kriesel, David (Juli 2016): SpiegelMining. Auch Spiegelredakteure feiern Weihnachten. Eine Analyse von 70.000 SpiegelOnline-Artikeln. Aufgerufen unter: http://www.dkriesel.com/blog/2016/0725_spiegelmining_analyse_70000_spiegelonline_artikel#readmore_blog_2016_0725_spiegelmining_analyse_70000_spiegelonline_artikel