Details
| Title | Обзор способов прогнозирования параметров итерации спринта в проектах разработки программного обеспечения // Управление инновациями в условиях цифровой трансформации: сборник научных трудов Всероссийской студенческой учебно-научной конференции, 11–12 апреля 2025 года |
|---|---|
| Creators | Турусова Полина Сергеевна ; Зубкова Дарья Андреевна |
| Organization | Санкт-Петербургский политехнический университет Петра Великого |
| Imprint | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2025 |
| Collection | Общая коллекция |
| Subjects | Системное программное обеспечение ; прогнозирование ; методы оценки ; forecasting ; estimation methods |
| UDC | 004.45 |
| Document type | Article, report |
| Language | Russian |
| DOI | 10.18720/SPBPU/2/id25-312 |
| Rights | Свободный доступ из сети Интернет (чтение, печать, копирование) |
| Record key | RU\SPSTU\edoc\77140 |
| Record create date | 10/15/2025 |
Прогнозирование параметров спринта – важная составляющая управленческой практики в Scrum‑ и Kanban‑проектах. В тезисах показано, какие метрики целесообразно предсказывать для повышения управляемости итераций, и систематизированы методы их оценки. Особое внимание уделено сопоставлению трех групп подходов – экспертных, математических и AI‑ориентированных – с конкретными показателями спринта. Результат оформлен в виде матрицы «метод – метрика». В обзоре раскрыты предпосылки выбора того или иного инструмента в зависимости от объема исторических данных, требуемой интерпретируемости и ограничений по времени расчета. Материалы обзора могут служить отправной точкой при выборе инструментария для внедрения прогнозирования в командах разработки.
Forecasting sprint parameters is a critical element of management practice in Scrum and Kanban projects. These theses identify the metrics that are most useful to predict for improving iteration controllability and systematize the methods employed for their estimation. Special attention is paid to mapping three classes of approaches – expert, mathematical and AI‑based – to specific sprint indicators; the outcome is presented as a “method‑to‑metric” matrix. The review highlights the prerequisites for selecting a particular tool, depending on the volume of historical data, the desired level of interpretability and the time constraints of calculation. The material can serve as a starting point for development teams choosing tooling for introducing forecasting into their workflows.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | All |
|
Access count: 95
Last 30 days: 41
