gonzalezpazmonica/predictive-analytics

Predictive Analytics Skill

§1 Monte Carlo Simplificado

Entrada: velocity_history, items_remaining (pts), sprint_length, current_day

Algoritmo: for i=1 to 1000: sim_velocity = random(velocity_history); sprints_needed = ceil(remaining / velocity); completion_date = current_day + (sprints_needed * sprint_length); results.append(date)

Salida: percentiles P50, P70, P85, P95 (fechas posibles)

Interpretación:

• P50: fecha más probable (50% chances)
• P70/P85: recomendado para comunicar (balance realista/optimista)
• P95: caso conservador (worst-case razonable)

---

§2 Confidence Intervals

Cálculo: P_X = percentile(results, X%) | Ejemplo: P70 = results[700] de 1000

Audiencia: Equipo interno→P50, Product Owner→P85, Ejecutivos→P95, Cliente→P70-P85

Advertencia: Nunca comunicar P50 como promesa sin contexto de variabilidad

---

§3 Flow Efficiency

Fórmula: (Active Time / Total Elapsed Time) × 100

• Active: "Active", "In Progress", "In Review" (en días)
• Total: "Created" a "Closed" (en días)

Interpretación:

• <30%: muy baja (colas/bloqueado)
• 30-50%: aceptable
• 50-70%: buena

• 70%: excelente

Ejemplo: Item 13 días total | 7 días Active + 1 día Review = 8 activos | 8/13 = 61.5%

Agregado: Team FE = promedio(FE todos items completados en período)

---

§4 WIP Aging Alertas

Fórmula:

cycle_time_avg = promedio(últimos 20 items completados)
age = hoy - fecha_entrada_estado

ROJO:  age > 2.0 × cycle_time_avg   → investigar bloqueo
AMBER: age > 1.5 × cycle_time_avg   → verificar progreso
VERDE: age ≤ 1.5 × cycle_time_avg   → monitorear normal

Ejemplo: cycle_time=5d | ROJO>10d, AMBER>7.5d, VERDE≤7.5d

---

§5 Throughput Trend

Entrada: items_completed_per_week (últimas 4-8 semanas)

Linear Regression: slope = cov(x,y) / var(x)

• slope > 0: IMPROVING ↑
• slope ≈ 0: STABLE →
• slope < 0: DECLINING ↓

Requisito: mínimo 4 data points, ignorar outliers

---

§6 Azure DevOps Integration

WIQL - Velocity por Sprint:

SELECT [System.Id], [System.Title], [Microsoft.VSTS.Scheduling.StoryPoints]
WHERE [System.TeamProject] = @project AND [System.IterationPath] = @iteration AND [System.State] = 'Closed'

WIQL - State Transitions (Lead/Cycle Time):

SELECT [System.Id], [System.ChangedDate], [System.State]
WHERE [System.TeamProject] = @project AND [System.ChangedDate] >= @startDate

WIQL - WIP Aging:

SELECT [System.Id], [System.Title], [System.State], [System.StateChangeDate]
WHERE [System.State] IN ('Active', 'In Progress')

---

§7 Limitaciones

| Técnica | Limitación | |---------|-----------| | Monte Carlo | No considera cambios de equipo; regenerar si hay alta rotación | | Flow Metrics | Requiere logging consistente de transiciones de estado | | Velocity Trend | Mínimo 6 sprints para anomalía detection; vacaciones distorsionan | | Factores no-cuantitativos | Moral, requisitos calidad, acoplamiento técnico no se miden |

---

§8 Recomendaciones

1. No usar predicciones como "compromisos" fijos
2. Usar como inputs para planeación y comunicación
3. Revisar factores explicativos regularmente
4. Ajustar modelos si el equipo experimenta cambios
5. Combinar datos cuantitativos + insights cualitativos