蒙特卡洛预测是什么
基于吞吐量的蒙特卡洛预测，用历史每周期完成量做随机抽样累计，模拟剩余工作的完成分布，输出不同置信度下的完工区间。它替代单点日期承诺：不再说某个具体日期完成，而是说有多少把握在多少个周期内完成。预测质量取决于历史数据口径的稳定性，团队构成、工作类型或完成口径发生大幅变化时，需要用变化后的数据重新取样。
基本信息
| 输入数据 | 过去若干个周期的每周期完成量，以及剩余工作总量 |
|---|---|
| 计算方式 | 对历史完成量随机抽样并累计，重复大量次数形成分布 |
| 输出形式 | 不同置信度下的完工周期区间，如八成把握需多少个周期 |
| 样本要求 | 常见起步约二十到三十个周期，口径需保持一致 |
| 适用前提 | 工作项粒度与完成定义稳定，团队构成没有剧烈变化 |
典型使用场景
- 需要向业务方给出完工区间而不是单点日期，降低承诺风险
- 剩余工作量大且不确定，需要用概率方法替代主观估算
- 多个交付范围需要分别预测完成时间，用于排定上线顺序
- 团队已稳定运行一段时间，需要用历史数据替代经验外推
- 复盘此前预测偏差，判断是数据口径问题还是执行问题
计算步骤
计算步骤
1) 统计过去若干周期的每周期完成量，确认口径一致
2) 对剩余工作总量做随机抽样累计，模拟完成所需周期数
3) 重复大量次数，得到完工周期分布
4) 输出区间：如八成把握需要多少个周期，九成把握需要多少
5) 定期复算：团队构成或工作类型变化后重新采样输入数据要求
| 项 | 要求 | 不满足的后果 |
|---|---|---|
| 样本量 | 常见起步约二十到三十个周期 | 样本过少时区间过宽或失真 |
| 口径一致 | 完成量定义与工作项粒度稳定 | 抽样结果不可比 |
| 样本代表 | 样本期不含明显异常阶段 | 区间被极端值扭曲 |
| 复算时机 | 团队或流程变化后重新采样 | 预测依据与现实脱节 |
预测质量取决于历史数据口径稳定。样本期如果包含大重构、人员大幅变动或工作类型切换，区间会失真，需要区分处理或分段取样。