GROS Onderzoekt succesfactoren Scrum
Eerder publiceerden we een artikel over Grip op Software (GROS), een onderzoeksproject dat ontstaan is uit een samenwerking tussen ICTU en de Universiteit Leiden. In dit artikel een update.
De eerste resultaten uit dit project werden eind 2017 gepresenteerd in een conferentiepaper. Inmiddels zijn we een aantal maanden verder en vertelt Leon Helwerda, promovendus bij ICTU vanuit de Universiteit Leiden, over de nieuwe stappen die zijn gezet.
Helwerda over het onderzoek: 'In het GROS-onderzoek is eerst gekeken hoe we de verkregen data het beste kunnen benutten om meer inzicht te krijgen in de eigenschappen van het ontwikkelproces. Wat zijn bijvoorbeeld succesfactoren van een Scrum aanpak? Naast machine learning maken we voor dit doeleinde gebruik van visualisaties die bijvoorbeeld het verloop van het proces laten zien aan de hand van een tijdslijn.’
Voorspellingen
‘Op dit moment kijken we ook naar de analogie in voorspellingen van sprints. We bekijken bijvoorbeeld hoeveel userstories zijn afgerond, hoe gedetailleerd deze zijn en hoeveel code er is geschreven. Voor iedere nieuwe sprint vergelijken we deze gegevens met eerdere data, ook van andere teams. Wanneer we vergelijkbare sprints kunnen vinden, dan kijken we naar hoe de stories ‘matchen’. Op basis van die informatie bouwen we afwegingsregels en modellen en daarmee kunnen we vervolgens voorspellingen doen.’
'Tot op heden blijken de voorspellingen redelijk te kloppen, afhankelijk van de datakwaliteit zelf. Het vormt een handig hulpmiddel aan het begin van een sprint, en geeft meer houvast bij de vraag: ‘moeten we nog meer stories inplannen of juist minder?'
'Een andere ontwikkeling is het kijken of we de database verder kunnen verrijken. We voeren hierover gesprekken met verschillende diensten en organisaties op het gebied van ontwikkeling. Het mooie van meer data is dat er ook steeds meer analyses kunnen plaatsvinden en daarmee meer betrouwbare voorspellingen kunnen worden gedaan. Wat dan uiteindelijk ook weer leidt tot meer vertrouwen.’
Meer analyses
‘We doen nu ook analyses met sentimenten, gebaseerd op de reacties van gebruikers van het systeem. Ieder teamlid kan zelf in het systeem commentaar geven op stories en code. Daaruit kunnen we achterhalen of men tevreden is, ja of nee. Dergelijke informatie kan heel nuttig zijn voor een team, omdat het meerwaarde levert ten opzichte van een bepaling van de teamstemming. De analyse kan men benutten als aanknopingspunt om het gesprek te voeren en de interactie in het team aan te gaan.’
‘Daarnaast zijn we aan het kijken of we de punten die alle teams geven aan de stories die zij aanmaken ook op een of andere manier naar elkaar gewogen kunnen worden. We zoeken dus eigenlijk naar een soort ‘wisselkoers’ die inzicht geeft in hoe teams story punten kunnen toekennen. ‘De voorspellingen die gedaan worden koppelen we ook terug naar het kwaliteitssysteem bij ICTU, daar kunnen deelnemende teams dus alle informatie weer terugvinden.’
Mogelijk vervolg
Helwerda: ‘We zijn natuurlijk altijd op zoek naar mogelijkheden om extra activiteiten te kunnen ontwikkelen, maar dat moet wel passen binnen het bestaande onderzoek. Zo is er samen met de Universiteit Twente onderzoek gedaan naar retrospectives. Dergelijk onderzoek kan mogelijk interessante data bevatten die ook in het GROS onderzoek betrokken kan worden.’
Meer informatie
Wilt u meer informatie over software ontwikkeling en de kwaliteitsaanpak die daarbij door ICTU wordt ingezet? Kijk dan bij ‘Kwaliteitsaanpak’ elders op deze website.
Het conferentiepaper ‘Conceptual Process Models and Quantitative Analysis of Classification Problems in Scrum Software Development Practices’ is geschreven door Leon Helwerda (ICTU en Universiteit Leiden, LIACS), Frank Niessink (ICTU) en Fons Verbeek (Universiteit Leiden, LIACS). Het paper is gepresenteerd op de conferentie Knowledge Discovery and Information Retrieval 2017. Het artikel en het paper vindt u elders op deze website.
