在估算用戶故事點數(shù)的時候，你有沒有遇到跟我一樣的疑問：
- 用戶故事的工作量為什么要用故事點估算，而不是時間（比如人天）？
- 故事點估算為什么要用斐波那契數(shù)列？
- 斐波那契數(shù)列的數(shù)字為什么被改了瓤鼻？
- 為什么要用估算撲克？
- 為什么要有基準故事贤重？
- 怎樣確定基準故事茬祷？
- 其他故事怎樣與基準故事做相對估算？
- ……
本文將為你一一解決上述問題并蝗。全文大概5000字祭犯，預(yù)計閱讀時間15分鐘，如果你也有類似困惑滚停，可以花點時間閱讀下沃粗，相信不會讓你失望的。
1. 為什么使用故事點而不是時間
在回答這個問題之前键畴，先看個例子：
韓梅梅喜歡跑步最盅，但是她跑得很慢，而李雷卻跑得很快起惕。李雷指著北京奧林匹克森林公園對韓梅梅說：我們跑南園這條路吧涡贱，這大概要花30分鐘。
這條路韓梅梅很熟疤祭，但是作為一個跑步很慢的人盼产，韓梅梅心里清楚這要花60分鐘。所以勺馆，韓梅梅告訴李雷，她跑過這條路的侨核，需要花60分鐘草穆。
然后他們就爭執(zhí)起來了：30-60-30-60……
他們爭執(zhí)半天沒有結(jié)果。也許他們可以妥協(xié)一下搓译，需要45分鐘悲柱？但是這也許是最壞的結(jié)果，因為他們雖然有了一個折中結(jié)果些己，但是豌鸡，這個結(jié)果對大家都沒不太實際：李雷覺得太慢了嘿般，而韓梅梅覺得太快了。
所以涯冠，他們繼續(xù)爭論：30-60-30-60……
最終炉奴，李雷跟韓梅梅說：這段路大概5公里，我能在30分鐘內(nèi)跑完它蛇更。
韓梅梅說：我同意這段路程是5公里瞻赶，但它要花我60分鐘。
他們兩個都是對的：李雷真的能在30分鐘內(nèi)跑完派任，韓梅梅也真的需要60分鐘砸逊。但當他們想為這段路程統(tǒng)一時間估算時，他們發(fā)現(xiàn)做不到掌逛，因為大家工作（跑步）的速率不同师逸。
但是，當他們使用了一個抽象的度量單位（公里）豆混，他們就達成了一致字旭。李雷和韓梅梅都同意這段路程是5公里，他們僅僅在要花費多長時間上意見不同崖叫。
例子說完了遗淳，相信大家已經(jīng)對時間和公里（抽象度量單位）有了一點理解。
敏捷開發(fā)中的“故事點”跟例子中的“公里”作用差不多：它能使不同技術(shù)水平和工作速度的人在估算結(jié)果上保持一致心傀。當然屈暗，敏捷開發(fā)中的主角是具有不同產(chǎn)出效率的程序員，而不是例子中跑得快的人和跑得慢的人脂男。
就像這兩個跑步的人养叛，兩個程序員也許同意一個用戶故事是5個故事點（類比例子中的5公里，都是一種抽象度量單位）宰翅。資深程序員可能覺得這很容易弃甥，1天（時間）就能完成。初級程序員可能覺得需要2天才能搞定汁讼。但是他們能在5個故事點上達成一致淆攻，因為把第一個用戶故事定成5個故事點是不需要什么依據(jù)的。
不過嘿架，最重要的是瓶珊，一旦他們同意第一個故事是5個點，這兩個程序員就可以對后續(xù)估算達成共識耸彪。如果資深程序員認為一個新的用戶故事將需要兩天（兩倍于他估計為5個點的故事）伞芹，他將評估新的故事為10個點。而初級程序員也會這樣做，當他需要4個工作日（兩倍于他估計為5個點的故事）唱较，他將評估新的故事為10個點扎唾。
所以，使用故事點而不使用時間的原因是南缓，故事點可以使能力不同的程序員在估算同一任務(wù)時快速達成一致胸遇。
2. 為什么要使用斐波那契數(shù)列估算故事點
2.1. 人們只能識別一定百分比外的差異
德國生理學(xué)家E.H.韋伯通過對重量差別感覺的研究發(fā)現(xiàn)一條定律，即感覺的差別閾限隨原來刺激量的變化而變化西乖，而且表現(xiàn)為一定的規(guī)律性狐榔，刺激的增量(△I)和原來刺激值(I)的比是一個常數(shù)(K)，用公式表達即K=△I/I获雕，這個常數(shù)叫韋伯常數(shù)薄腻、韋伯分數(shù)或韋伯比率。
上面的定義是從百度百科拷貝下來的届案，簡單來說就是：我們只能識別出兩個物體間一定百分比外的差異庵楷。
比如：一公斤和兩公斤之間的差別是100％，但是20公斤和21公斤之間的差異僅為5％楣颠。所以您可能可以區(qū)分1公斤和2公斤的物品尽纽，但您可能無法分辨出20公斤和21公斤的物品，因為20公斤和21公斤兩者之間的百分比差異太小了童漩。
這就是韋伯定律想要告訴我們的：差異太小弄贿，我們是識別不到的；只有差異大到一定程度矫膨，才能被我們識別差凹。
2.2. 人們可以識別到多大差異的區(qū)別
韋伯定律只是告訴了我們可以識別一定百分比差異外的區(qū)別棍厂，但是這個百分比是多少呢蟀拷？
自然界有個神奇的數(shù)字：0.618，即黃金分割比例朗和。
黃金分割比例的現(xiàn)象在我們身邊有很多馁痴，比如：
- 人們的肚臍是人體總長的黃金分割點
- 大多數(shù)門窗的寬長之比也是0.618
- 有些植莖上谊娇，兩張相鄰葉柄的夾角是137°28'，這恰好是把圓周分成1:0.618
- 一些名畫罗晕、雕塑济欢、攝影作品的主題，大多在畫面的0.618處
- ……
甚至在醫(yī)學(xué)領(lǐng)域攀例，當一個患者報告說自己感受到了病情的好轉(zhuǎn)船逮，那么實際上他的病已經(jīng)好了65%。
也就是說粤铭，61.8%這個百分比差異對很多人來說，是可以輕易分辨出來的杂靶。
2.3. 為什么使用斐波那契數(shù)列估算故事點
斐波那契數(shù)列之所以能很好的用于故事點的估算梆惯，是因為它們大致符合了黃金分割點酱鸭。在這個數(shù)列中，1垛吗、2凹髓、3、5怯屉、8蔚舀、13、21……锨络，前兩個值之后（后一個值比前一個值大100％）赌躺，后面的每個數(shù)字都比前一個數(shù)字值大60％左右。
根據(jù)韋伯定律羡儿，如果我們可以區(qū)分兩個工作量相差60％的故事礼患，則可以區(qū)分其他相同百分比差異的故事。
因此掠归，斐波那契值之所以能很好地工作缅叠，是因為它們每次都以大約相同的比例增加，且該比例基本符合黃金分割比例虏冻。
3. 如何降低Scrum團隊中的從眾效應(yīng)
3.1. 什么是從眾效應(yīng)
在估算故事點時肤粱，當有人提出一個估算，即使你不同意厨相，但當別人都表達贊同時领曼，你還是會隨聲附和，這就是所謂的“從眾效應(yīng)”：人們認為如果其他人都贊同某一件事時领铐，那么自己的保留意見則是愚蠢的或是誤導(dǎo)性的悯森，他們不想在其他人面前出丑。
這個弱點不是個體獨有的绪撵，而是全人類共有的瓢姻。
與“從眾效應(yīng)”相關(guān)的概念還有信息瀑布和光環(huán)效應(yīng)：
-
信息瀑布
一篇叫做《A Theory of Fads, Fashion, Custom, and Cultural Change as Informational Cascades》的論文中首先提到了這個概念：如果一個人觀察到之前眾人的行為后，認為最佳的做法是放棄自己掌握的信息音诈，遵從之前眾人的行為幻碱，那么這個時候信息瀑布就出現(xiàn)了。 -
光環(huán)效應(yīng)
當認知者對一個人的某種特征形成好或壞的印象后细溅，還傾向于推論該人其他方面的特征褥傍，本質(zhì)上屬于以偏概全的認知錯誤。與從眾效應(yīng)一樣喇聊，光環(huán)效應(yīng)也會導(dǎo)致人們將目光集中到某一個有正面色彩的光環(huán)上恍风，從而忽視了實際數(shù)據(jù)。
3.2. 使用“德爾菲法”降低從眾效應(yīng)的影響
德爾菲法，也稱專家調(diào)查法朋贬，1946 年由美國蘭德公司創(chuàng)始實行凯楔，其本質(zhì)上是一種反饋匿名函詢法，其大致流程是在對所要預(yù)測的問題征得專家的意見之后锦募，進行整理摆屯、歸納、統(tǒng)計糠亩，再匿名反饋給各專家虐骑，再次征求意見，再集中赎线，再反饋廷没，直至得到一致的意見。
蘭德公司使用這個方法做過一個匿名投票氛驮，投票的主題是“冷戰(zhàn)期間腕柜，如果蘇聯(lián)要摧毀美國的主要工業(yè)目標，需要多少枚原子彈矫废？”盏缤。
他們找來了一群專家，包括4名經(jīng)濟學(xué)家蓖扑、1名物理脆弱性方面的專家唉铜、1名系統(tǒng)分析師及1名電氣工程師。這幾個人都是各個領(lǐng)域的專家律杠，但是第一輪投票的結(jié)果差別非常大潭流，少則50枚，多則5000枚柜去。
在第一輪投票后灰嫉，組織方將各個專家的意見整合后發(fā)給了大家，比如各個目標的脆弱性嗓奢、各個行業(yè)的恢復(fù)能力讼撒、工廠的安全性、不同零部件的交付周期股耽、打擊目標的準確性等等根盒，然后又組織各位專家進行了第二次投票，評估差異縮小到了89~800之間物蝙。
反復(fù)開展上述過程炎滞，最終差異越來越小，最后落在了167~360之間诬乞。
最初的評估結(jié)果相差100倍册赛，到最后钠导，縮小到了2倍。借助這一工具击奶，既能讓專家達成普遍的共識辈双，又不會擔(dān)心出現(xiàn)什么偏見责掏。
敏捷開發(fā)中也是使用該方法對用戶故事進行估點的柜砾，具體方法會在第5章中介紹。
4. 為什么敏捷估算要使用修正后的斐波那契數(shù)列
標準的斐波那契數(shù)列是1换衬、2痰驱、3、5瞳浦、8担映、13、21叫潦、34蝇完、55……，但是目前絕大多數(shù)團隊敏捷估算時使用的斐波那契數(shù)列是1矗蕊、2短蜕、3、5傻咖、8朋魔、13、20卿操、40警检、100……，數(shù)列的前面6個數(shù)字是一樣的害淤，但是從第7個數(shù)字開始扇雕，就完全不一樣了，這是為什么呢窥摄？
Mike Cohn在他的Why the fibonacci sequence works well for estimating一文中提到镶奉，早期他都是根據(jù)真實的斐波那契數(shù)列進行的估算（1、2溪王、3腮鞍、5、8莹菱、13移国、21、34道伟、55……）迹缀。
這個數(shù)列越往后數(shù)字越大使碾，也就說明估算越不準確，所以對于21祝懂、34票摇、55這樣的估算值，很多人都覺得很奇怪：既然已經(jīng)估不準了砚蓬，為什么非要使用21矢门，而不將其四舍五入為20或25呢？
于是Mike Cohn就接受了這個建議灰蛙，他在之后的團隊輔導(dǎo)及授課中就都開始使用20而不是21了祟剔，并且一直持續(xù)到了現(xiàn)在。
后來他又嘗試使用了40和100這兩個數(shù)代替了數(shù)列的其他值摩梧，之所以這么使用物延，是因為任務(wù)的粒度越粗，估算就越不準確仅父，也就越不需要糾結(jié)到底是80叛薯、90還是100了。
同時笙纤，使用40和100也是不違反韋伯定律的耗溜，它們分別比之前的數(shù)字增加了100％（20 →40）和150％（40 →100）。這比黃金分割比例的61.8％大得多粪糙，人們是可以輕松的分辨出這些工作量的區(qū)別的强霎。
于是在Mike Cohn的影響下，現(xiàn)在大部分公司在敏捷估算中都是使用的修正后的斐波那契數(shù)列：1蓉冈、2城舞、3、5寞酿、8家夺、13、20伐弹、40拉馋、100、∞惨好。
5. 如何估算故事點
5.1. 確定基準故事點
每次估算時煌茴，最好使用相同的標準用戶故事作為1個點，這樣對于整個項目的統(tǒng)計有很大幫助日川。使用相對值進行估算蔓腐，可以有效的統(tǒng)計團隊的生產(chǎn)能力在各個迭代的變化。
對于初次實施敏捷的團隊龄句，對故事點的評估可能還是不太容易理解回论，根據(jù)我的實踐經(jīng)驗散罕，初次評估故事點時，可以嘗試使用1人天的工作量作為一個故事點傀蓉。如果團隊成員的水平參差不齊的話欧漱，那就建議用其中一個中等水平的研發(fā)作參考，使用他的1人天的研發(fā)產(chǎn)出作為1故事點的參考葬燎。
5.2. 相對估算的依據(jù)
基準故事點確定好以后误甚，其他的故事怎樣與它對比呢？怎樣確定另一個故事的工作量是基準故事的幾倍呢萨蚕？我們可以從以下3個因素考慮：
-
要開展的工作數(shù)量（The Amount of Work）
如果要開展的工作越多靶草，工作量的估算值當然就會越大≡酪＃考慮兩個網(wǎng)頁開發(fā)的案例。第一個網(wǎng)頁只有一個字段和一個要求輸入姓名的標簽裕寨。第二個網(wǎng)頁有100個只需要輸入一小段文本的字段浩蓉。
第二個網(wǎng)頁并不比第一個網(wǎng)友更復(fù)雜。字段之間是不存在交互的宾袜，每個字段只不過是一點文本而已捻艳。因此第二個網(wǎng)頁并不存在額外的風(fēng)險。這兩網(wǎng)頁之間的唯一區(qū)別就是第二頁有更多的事情要做庆猫。
應(yīng)該給予第二個網(wǎng)頁更多的故事點數(shù)认轨。但它即使有多了100倍的字段數(shù)，可能仍然得不到多100倍的點數(shù)月培。畢竟嘁字，由于規(guī)模經(jīng)濟效應(yīng)，第二個網(wǎng)頁的工作量可能只是第一個網(wǎng)頁的工作量的2或3或10倍杉畜。 -
風(fēng)險和不確定性（Risk and Uncertainty）
產(chǎn)品待辦項的風(fēng)險和不確定性會影響其故事點估算值纪蜒。
如果產(chǎn)品待辦項的干系人在詢問需求時說得不清不楚，那么團隊在估算時應(yīng)當把不確定性也反映在估算結(jié)果中此叠。
如果要實現(xiàn)一項功能時需要改動一段缺乏自動化測試纯续、結(jié)構(gòu)脆弱的老代碼，那么估算結(jié)果中也應(yīng)該反映這個風(fēng)險灭袁。 -
復(fù)雜度（Complexity）
在進行故事點估算時猬错，還應(yīng)該考慮復(fù)雜度∪灼纾回顧一下之前那個有100個瑣碎文本字段且字段之間無交互的Web網(wǎng)頁開發(fā)的例子倦炒。
現(xiàn)在考慮另一個也有100個字段的網(wǎng)頁。但這些字段中举娩，有些是采用日歷控件彈出的日期字段析校；有些是格式化的文本字段构罗，如電話號碼或社會安全號碼；另一些字段則需要做信用卡號碼的校驗和驗證智玻。
頁面上的字段之間還需要相互交互遂唧。如果用戶輸入一個VISA卡，會顯示三位CVV字段吊奢。但是如果用戶輸入美國運通卡盖彭，則需要顯示四位CVV字段。
盡管這個頁面上仍然只有100個字段页滚，但這些字段更難實現(xiàn)召边。它們更復(fù)雜，需要花更多時間才能實現(xiàn)裹驰。開發(fā)人員出錯的可能性更大隧熙，因此不得不采取一些預(yù)防和糾正措施。
這種額外的復(fù)雜度都應(yīng)該反映在所提供的估算結(jié)果中幻林。
5.3. 使用規(guī)劃撲克集體估點
在3.2節(jié)介紹了怎樣使用“德爾菲法”降低從眾效應(yīng)的影響贞盯，在敏捷開發(fā)中，我們可以借助規(guī)劃撲克來進行匿名投票沪饺。在估算會議上躏敢，團隊中的每位人員都會得到一副紙質(zhì)撲克，當然整葡，隨著移動互聯(lián)網(wǎng)的普及件余，目前大多數(shù)敏捷團隊使用了更為便捷的電子撲克。這里有2張撲克的含義需要解釋下：
- 如果有人出了“??”這個撲克遭居，說明需要休息一會了啼器；
- 如果有人出了“？”這個撲克魏滚，說明他不了解需求镀首，無法估算工作量，PO需要嘗試重新澄清需求鼠次。
同3.2節(jié)介紹的案例一樣更哄，我們在規(guī)劃故事點數(shù)時，第一輪大家的估點可能也會有很大的差距腥寇。如果估算值差距明顯成翩，代表大家對該用戶故事的工作量、風(fēng)險和不確定性赦役、復(fù)雜度沒有獲得共識麻敌，估點高和估點低的人需要給他們一個機會闡述如此估點的理由。大家對該故事所包含的細節(jié)達成共識后掂摔，再對故事點數(shù)進行重新評估术羔，直至大家對故事點數(shù)的評估基本達成一致赢赊。
如果對于同一個用戶故事的評估中，可能評估的故事點數(shù)不完全一致级历，但點數(shù)之間差距不大释移，比如在3和5個故事點之間，該用戶故事評估故事點數(shù)可以采用平均值法進行計算寥殖，將平均值結(jié)果與斐波那契數(shù)列比較玩讳，并把與評估故事點差值較小的故事點數(shù)作為用戶故事的最終點數(shù)。
如在A故事的評估中嚼贡，共有7人參與評估侥祭，其中4人評估的故事點數(shù)為3酝蜒，3人評估的故事點數(shù)為5恨锚，則取平均值后的故事點數(shù)為3.85琐旁，與斐波那契數(shù)列中的3和5比較，平均值與故事點3差值更小掐场，所以往扔，該用戶故事的最終點數(shù)為3，該用戶故事點數(shù)評估完成熊户。
5.4. 其他
關(guān)于故事點估算還有很多小細節(jié)，我大概列一下我的看法吭服，就不詳細展開了嚷堡，各位看官如果有更好的做法，歡迎留言指教：
-
在哪一個會議上進行故事點估算艇棕？
如果有梳理會蝌戒，就在梳理會進行；如果沒有的話就在計劃會上進行沼琉。 -
估算完成后北苟，可以任意亮牌嗎？
不可以打瘪，必須一起亮牌友鼻，并且在估算過程中，團隊成員之間也不可以互相討論預(yù)估的點數(shù)闺骚。 -
PO和SM參與估算嗎彩扔？
不參與。只有開發(fā)團隊參與估點僻爽，注意是開發(fā)團隊虫碉，包括研發(fā)和測試人員。 -
超過多少點數(shù)用戶故事需要重新拆分胸梆？
每個團隊的基準故事點規(guī)模不一樣敦捧，所以沒法給個確切數(shù)字须板，但是建議剛組建的敏捷團隊最好不要超過5，后期可以根據(jù)團隊的反饋進行調(diào)整兢卵。 -
實際開發(fā)中發(fā)現(xiàn)了估算失誤要不要修改點數(shù)习瑰？
不要。估算是為了輔助我們的工作安排济蝉，而不是用來管理員工的績效表現(xiàn)杰刽。為了達到精準的估算而耗費過多的時間精力，這是本末倒置王滤。而且就我的經(jīng)驗來看贺嫂，一個迭代中確實會有些故事被低估，但是也會有一些高估的故事雁乡，所以就迭代整體來看第喳，故事點不會波動太多。 -
很小的需求踱稍，也必須要團隊集體估算嗎曲饱？
要。估點是團隊對需求理解對齊的過程珠月。如果需求真的很小扩淀，估點的過程也會很快達成一致的，不會耽誤大家多少時間啤挎。
參考資料
- 《敏捷革命》驻谆，Jeff Sutherland，中信出版集團庆聘。
- Why the fibonacci sequence works well for estimating胜臊，Mike Cohn。
- The main benefit of story points伙判，Mike Cohn象对。
- What are story points，Mike Cohn宴抚。
- 韋伯定律勒魔，百度百科。
- 黃金比例分割酱塔，百度百科沥邻。
- 斐波那契數(shù)列，百度百科羊娃。
- 德爾菲法唐全，百度百科。
