敏捷估算︱一文深度剖析故事点估算

与“从众效应”相关的概念还有信息瀑布和光环效应：
 
信息瀑布
一篇叫做《A Theory of Fads, Fashion, Custom, and Cultural Change as Informational Cascades》的论文中首先提到了这个概念：如果一个人观察到之前众人的行为后，认为最佳的做法是放弃自己掌握的信息，遵从之前众人的行为，那么这个时候信息瀑布就出现了。
 
光环效应
当认知者对一个人的某种特征形成好或坏的印象后，还倾向于推论该人其他方面的特征，本质上属于以偏概全的认知错误。与从众效应一样，光环效应也会导致人们将目光集中到某一个有正面色彩的光环上，从而忽视了实际数据。
 
从众效应的危害很大，我们要怎么做才能避免它呢？
 
4.2. 使用“德尔菲法”降低从众效应的影响
德尔菲法，也称专家调查法，1946 年由美国兰德公司创始实行，其本质上是一种反馈匿名函询法，其大致流程是在对所要预测的问题征得专家的意见之后，进行整理、归纳、统计，再匿名反馈给各专家，再次征求意见，再集中，再反馈，直至得到一致的意见。兰德公司使用这个方法做过一个匿名投票，投票的主题是“冷战期间，如果苏联要摧毁美国的主要工业目标，需要多少枚原子弹？”。他们找来了一群专家，包括4名经济学家、1名物理脆弱性方面的专家、1名系统分析师及1名电气工程师。这几个人都是各个领域的专家，但是第一轮投票的结果差别非常大，少则50枚，多则5000枚。在第一轮投票后，组织方将各个专家的意见整合后发给了大家，比如各个目标的脆弱性、各个行业的恢复能力、工厂的安全性、不同零部件的交付周期、打击目标的准确性等等，然后又组织各位专家进行了第二次投票，评估差异缩小到了89~800之间。反复开展上述过程，最终差异越来越小，最后落在了167~360之间。最初的评估结果相差100倍，到最后，缩小到了2倍。借助这一工具，既能让专家达成普遍的共识，又不会担心出现什么偏见。为了降低用户故事估算时的“从众效应”，所以现在很多团队就采用了规划扑克这种独立投票的方式。规划扑克的具体使用方法会在第5.3节中进行介绍。
 
5. 如何估算故事点
 
5.1. 确定基准故事点
每次估算时，最好使用相同的基准用户故事作为1个点（称作基准故事点，类似表示距离时先确定好1km代表多长），这样对于整个项目的统计有很大帮助。其他的故事都基于这个基准故事做相对估算，就可以得到其他故事的工作量了，每个迭代完成的故事点可以有效的统计团队生产能力在各个迭代的变化。对于初次实施敏捷的团队，对基准故事和基准故事点的确定可能会很迷茫：基准故事点如果定的太大，可能就会存在很多低于1故事点的故事；定的太小了又会导致其他故事的故事点会很大。根据我的实践经验，初次评估故事点时，可以尝试使用一个有1次前后端网络通信、前端有一个页面、后端有一次数据库交互的用户故事作为基准故事，将其工作量定位1个故事点，比如很多系统都有的登录功能，就是一个很好的基准故事，这样的故事工作量不会太大，同时也不至于太简单。
 
5.2. 相对估算的依据
基准故事点确定好以后，其他的故事怎样与它对比呢？怎样确定另一个故事的工作量是基准故事的几倍呢？我们可以从以下3个因素考虑：
 
要开展的工作数量（The Amount of Work）
如果要开展的工作越多，工作量的估算值当然就会越大。考虑两个网页开发的案例。第一个网页只有一个字段和一个要求输入姓名的标签。第二个网页有100个要输入一小段文本的字段。

第二个网页并不比第一个网友更复杂。字段之间是不存在交互的，每个字段只不过是一点文本而已。因此第二个网页并不存在额外的风险。这两网页之间的唯一区别就是第二页有更多的事情要做。

应该给予第二个网页更多的故事点数。但它即使有多了100倍的字段数，可能仍然得不到多100倍的点数。毕竟，由于规模经济效应，第二个网页的工作量可能只是第一个网页的工作量的2或3倍。