【敏捷FAQ 番外篇（关于估算的、较为理论化的话题）】明明应该是排除个人依赖的估算，为什么故事点却因人而异

 感谢您阅读本文。我是所属敏捷小组的藤井智弘。
 在撰写第9篇（换算为人日）时，话题在“故事点究竟是在衡量什么”这一点上越展开越多，已经无法容纳在正文中。因此紧急将其抽出，作为番外篇。本文不采用一贯的问答形式，而是一路追究一个疑问到底，是一期较为理论化的内容。
 不过，我喜欢这种内容，我自己。

 来自使用过功能点（FP）现场的人，曾多次问过我同一个问题：“FP 是排除了个人依赖的客观规模，只要遵循计数规则，无论谁来计算，结果都会几乎相同。听说故事点也是通过相对值来排除个人依赖，但对于同一个事项，不同成员却会给出 3 和 8 两种结果。明明应该是排除个人依赖的估算，为什么估算值会因人而异？是不是哪里出了问题？”

 坦白说，我自己也长期抱有这个疑问。培训中会这样说明：“人日会因人而异，但规模的比例无论谁看都是相同的。因此，只要使用相对值进行估算，就能够排除个人依赖。”那么，为什么在规划扑克中数值会出现分歧？如果分歧本就是前提，那么“排除了个人依赖”究竟排除了什么？像 FP 那样按规则计数就不会产生分歧，为什么不这么做呢？

 先说答案，它有两个层次。第一层是，“个人依赖”这个词指代了两种不同的东西，而故事点排除的只是其中一种。第二层是，敏捷的计划制定本来就不押注于估算时点的精度。下面从第一层开始依次说明。

 第一种是，对实施人员的依赖。同一个事项，A 做需要 2 天，B 做则需要 6 天。第二种是，对估算人员的依赖。同一个事项，A 估为 3，B 则估为 8。

 FP 是试图排除这两种依赖的度量方法。它按照规则对能够从外部观察到的功能（输入输出、查询、内部文件、外部接口）进行计数，因此不依赖于由谁来实现；如果是受过训练的测量人员，无论谁来计算，结果都会收敛到接近的值。FP 是一种“测量”；所谓测量，就是追求以相同程序测量相同对象时，能够得到相同数值的活动。

 故事点只处理第一种个人依赖。而且并不是排除它，而是绕开它。对 A 来说可能是 1 天和 2 天，对 B 来说可能是 3 天和 6 天。即使绝对值相差 3 倍，“后者是前者的 2 倍”这个比例仍然相同。在估算不确定由团队中谁来负责的事项时，只要保留比例，无论谁接手都能使用。“因为是相对值，所以能排除个人依赖”实际上的含义就是这个：所期待的是比例的不变性，而不是绝对值的客观性。

 第二种，即因估算人员而产生的差异，从一开始就没有被排除。故事点不是测量，而是判断，并且基于“该团队自己的刻度”。刻度的原器不是计数规则，而是基准故事——即“将登录页面的修改定为 3”这样一个实际存在的事项。因此，不同评估者给出不同数值并不是缺陷，而是相对估算的设计特征。

 规划扑克采用“所有人同时亮牌，出现分歧后再讨论”的形式，是因为要把分歧本身作为信息来使用。如果结果分成了 3 和 8，要么是其中一方知道另一方不知道的隐患，要么是对规格的理解存在分歧。给出 3 的人或许知道某个简单的捷径，而给出 8 的人或许曾经在相同的地方吃过大亏。把这些信息都拿出来交流后，再收敛到一个数值。评估者之间的差异不是要排除的对象，而是发现理解差异的探测器。而让其收敛的过程，则是在校准刻度（啊，让我想起了毕业论文中的实验……）。

 如果在这里直接将分歧平均为 5，虽然很快，但会丢弃分歧所携带的信息。5 并不是任何一个人的判断。按照最了解情况的那个人给出的数值来决定，通常确实会更接近正确的值，但那是“那个人的刻度”，而不是“团队的刻度”。在那个人请假的 Sprint 中，或者那个人离开之后，刻度就会发生波动。如果制作规则表，按照“一个页面是 3、一个表是 2”来计数，分歧确实会消失；但那些未被写进规则的困难——旧代码中的隐患、模糊的规格、首次使用的技术——也会从数字中消失，点数越是变得客观，就越会偏离这个团队的实际感受。消除分歧的方法有很多，但它们都源自“点数应该是客观测量值”这一误解，也都会使刻度校准停止。

 故事点所追求的不是客观性，而是团队内部的一致性。不过，即使说“没有必要客观”，了解 FP 的人可能也不会接受。那么，如何保证不客观的数字具有足够的精度？这个问题将引向第二层。

 估算的产物不是数字，而是判断。通过赋予点数所做出的决定有三个：“是否可以将其放入这个 Sprint”“是否应该拆分”“是否应该先进行调查”，除此之外通常不会决定太多事情。做出这些判断所需的精度可以是粗粒度的。是 3 还是 5，极少会导致判断改变；但若是 3 还是 13，判断就会改变。因此点数的刻度是 1、2、3、5、8、13 这样不连续地跳跃，而这种跳跃本身就是“我们只区分到这种程度的差异”的声明。点数是将基于经验的判断，转化为可用于决策的数字。即使存在误差，只要误差没有大到足以改变判断，也就足够了。

 另一个用途是，将总点数除以速度（Velocity）来预测进度。在这种情况下，单个事项的误差会在相加过程中彼此抵消。估为 3、实际为 5 的事项，以及估为 5、实际为 3 的事项，在总计时会相互抵消。因此，存在波动没有关系。有问题的不是波动，而是偏差：所有人都朝同一个方向虚增，产生通货膨胀式的偏差。这种偏差不会被抵消，而会留在总量中。为了“稳定”速度而虚增数字之所以有问题，是因为这造成的不是波动，而是偏差。

 那么，为什么采用粗粒度的判断，误差却不会变得过大？这里正是敏捷计划制定的关键：误差并不取决于估算方法，而是由估算对象的大小和得到验证结果所需的时间决定。事项足够小，8 就不会变成 80。误差与事项的大小成正比，也与不确定性成正比。因此，只要缩小事项，并通过梳理（Refinement）提前消除不确定性，即使判断较粗，误差上限也会较低。Sprint 足够短时，几周内就能发现判断是否偏离，并反映到下一次判断中。不要同时开展过多工作也是同样的道理：并行进行的事项越少，一个偏差对其他事项造成的影响就越小。敏捷并不是通过提升估算精度，而是通过构建让估算偏差无法变大的结构来控制误差。

 如果不讨论这种结构，只谈估算方法或精度是没有意义的。这正是 FP 与故事点对比中最深层的地方。
 FP 之所以需要估算时点的精度，是因为其前提是在一开始就固定范围，并且没有在之后缩小误差的机制。如果估算出现偏差，后续没有机会弥补它。因此只能在前期确保精度，需要无论谁来计算都能得到相同数值的规则。
 故事点之所以可以采用粗粒度的判断，是因为形成精度的地方不在估算时点，而是在其周围的机制中——小事项、短 Sprint、梳理，以及实际速度。
 FP 与点数的区别，不是精度高低的区别，而是在哪里形成精度的区别。对于开头“为什么不按规则计数”的疑问，答案不是“因为不需要客观性”，而是“因为不押注于估算时点的精度”。

 回到第一层，回答一下“个人依赖是否消失了”这个问题。它没有消失，只是放置的位置不同。

 FP 将规模客观化之后，在换算为工时的阶段，还需要额外使用各种“调整特性、反映生产率的系数”——即这个团队、这项技术下，每 1 FP 需要多少小时。个人依赖被转移到了这个系数中。规模是客观的，系数则属于团队，这就是二者的分工。

 故事点以估算团队和实施团队是同一个团队为前提，将团队特有的条件纳入估算本身。剩余的校准偏差则被速度吸收。即使刻度稍有失真，速度也会用相同的失真来测量，因此预测仍然准确。个人依赖被转移到了速度中。规模和刻度都属于团队，因此速度也属于团队，这就是二者的分工。前一节提到的缩短“得到验证结果所需时间”的机制，正是在每个 Sprint 中持续进行这种吸收。

 无论哪种方法，个人依赖都不是被排除了，只是放置的位置不同。这样看，也可以说故事点的闭环更坦诚。FP 将“客观规模”和“属于团队的系数”交给不同的人、在不同的地方处理，因此系数往往容易被忽视。故事点则将估算、实施、测量闭合在同一个团队中，因此失真会被自动抵消。

 说到这里，就可以这样表述了。故事点是针对要构建之物的规模——综合了工作量、复杂性和不确定性的东西——基于该团队经验的判断，并以团队自己的刻度表示出的相对值。它不是测量值，而是判断；相比数字本身，使用它所作出的决策才是产物。

 工时是“人投入的时间”，即投入方的量；而规模则是要构建的对象一方的量。连接两者的是速度，它作为事后观测得到的换算系数，表达的是“这个团队能够以这样的节奏完成这种规模的工作”。因此，点数不是“工时的别名”。但它也不是 FP 那样的“客观规模”。它是一种只在团队内部流通的规模货币。

 回到开头的疑问。故事点并不是排除个人依赖的估算，而是属于团队的估算。它所排除的只是“由谁来实施”这一绝对值，并且也只是将其绕开到比例中。评估者之间的差异不是要排除的对象，而是达成共识的材料。而这种方式能够成立的条件，不是客观性，而是估算、实施和测量都在同一个团队中闭环，以及周围存在使偏差无法变大的结构。

 一旦采用了不闭环的用法，刻度的团队专属性就会暴露出来并导致失效。拿不同团队的点数作比较。由一个团队估算、另一个团队实施。通过换算表将其带到团队外部。第 9 篇中看到的四种类型，全部都是这种“不闭环的用法”。那一篇中写到“换算值是事项的成本，速度是团队的流量”，其区别的根源也在这里。因为流量是用只在团队内部才有意义的刻度测量出来的，一旦带到团队外部，就开始假装成成本。

 理论部分到此为止，实际现场需要做的事情并不多。

 刻度的原器是基准故事，因此请选定 2～3 个实际存在的事项，约定“将这个定为 3”，并在每次估算时参考它们。当成员发生变动时，要与新成员一起重新审视基准故事。刻度不是规则，而是共同的记忆，因此需要一套传承记忆的流程。

 出现分歧时，不要取平均，而要讨论。两端的人各自说一句理由，通常就能发现隐患或理解偏差。如果无法收敛，就拆分事项，或先将调查工作拆出来。

 当想要提高估算精度时，不要怀疑方法，而要怀疑事项的大小和 Sprint 的长度。如果 13 以上的事项成为常态，无论如何打磨估算技巧，误差都不会缩小。请先拆分。

 不要将刻度带到团队外部。对外输出的数字，如第 9 篇所写，应当是根据总点数和实际速度推导出的周期与金额。

 此外，在合同上无论如何都需要排除个人依赖的规模依据时，不要试图让点数客观化，而应另外使用 FP 这样的测量方法。点数是计划工具，FP 是合同工具。若让两者兼用，就都无法发挥各自的作用。为谨慎起见补充一点：FP 的客观性也是理念上的，实践中一直有报告指出，不同测量人员之间会出现 10%～30% 的波动。但“按规则计数”和“通过共识决定”在理念上是完全不同的，因此只要将它们作为面向不同目的的不同工具同时持有即可。

 我们中的许多人都被教导：估算就是“猜中正确的值”。FP 是这种文化的一个高点，它以无论谁来计算都能得到同样的值为目标而设计。当在这种文化中接触到故事点时，觉得“非客观的估算是尚不成熟的估算”，是很自然的。我自己也曾这样认为。

 然而，敏捷的计划制定并不追求猜中正确的值，而是追求持续根据实际结果更新预测。因此，重要的并不是数值是否客观，而是能否持续使用相同的刻度进行衡量，以及是否维持了让偏差无法变大的结构。精度不在估算之中，而在围绕估算的机制之中。当团队中的点数出现分歧时，那不是个人依赖的暴露，而是发现理解差异的瞬间。是否在这里进行了讨论，以及事项是否足够小。这两点，是确认该团队的估算是否作为工具正常发挥作用的最简单方法。