L’art d’avoir tort

896 vues

Publié le

Atelier sur les prédictions et les estimations donné lors de l'Agile Tour Toulouse 2015

Publié dans : Logiciels
0 commentaire
1 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
896
Sur SlideShare
0
Issues des intégrations
0
Intégrations
95
Actions
Partages
0
Téléchargements
10
Commentaires
0
J’aime
1
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive
  • Élections, possibilités de guerre entre pays…
  • 1. 1847
    2. 63 millions USD
    3. 146 millions
    4. 115 m (Californie)
    5. 494 millions
    6. 1484
    7. 4.287 millions
    8. 44.8 millions
    9. 304
    10. 24 000
  • 1. Vrai (1995-1996)
    2. Faux (304M < 323M)
    3. Faux
    4. Vrai
    5. Faux (2300)
    6. Faux (1988)
    7. Vrai (1995<1998)
    8. Vrai (+ de 13 millions)
    9. Vrai (9%)
    10. Faux (entre 300 et 400 000 lignes)
  • Cf session d’Olivier Azeau
  • Cf session d’Olivier Azeau
  • L’art d’avoir tort

    1. 1. L’art d’avoir tort CHRISTOPHE HERAL @CHRISHERAL – 26/11/2015 AGILE TOUR TOULOUSE
    2. 2. Qui suis-je ? Consultant .NET à Bordeaux Agiliste Et surtout : Artisan logiciel Cabinet de conseil spécialisé dans la transformation digitale des entreprises. Initialement à Bordeaux Développement en cours sur Toulouse et Paris
    3. 3. Sur une idée originale de Laurent Bossavit @MORENDIL
    4. 4. Qui fait des estimations ?
    5. 5. Qui réussit ses estimations ?
    6. 6. Je déteste avoir tort…
    7. 7. …donc je déteste les estimations
    8. 8. Des chiffres erronés sont le support de décisions importantes…
    9. 9. Suis-je incompétent? Mon équipe est-elle incompétente ? Mes managers sont-ils incompétents ?
    10. 10. Etude de Philip Tetlock The Good Judgment Project Années 80 : 284 experts de divers domaines font des pronostics sur des évènements à venir En 2005 : résultat des prévisions Les prévisions des experts ne sont pas meilleures qu’un modèle statistique… Les experts donnent de meilleures prédictions dans un domaine qui n’est pas le leur…
    11. 11. Essayons d’estimer
    12. 12. Exercice de calibration QUESTIONS DE CULTURE GÉNÉRALE
    13. 13. Enoncé 10 questions portant sur des valeurs numériques Répondre à chaque question en indiquant une fourchette (limite basse – limite haute). Il faut être certain à 90% environ que la bonne réponse se situe dans l’intervalle.
    14. 14. Exemple Combien de naissances y a-t-il eu en France en 2014 ? Ma réponse : Entre 500 000 et 1 million La vraie réponse : 781 000 -> J’ai bon ! Maintenant c’est à vous !
    15. 15. Exercice de calibration EN GROUPE
    16. 16. Les réponses !
    17. 17. Sommes-nous bien calibrés ? QUI A OBTENU 9/10 ? 10/10 OU 8/10 ?
    18. 18. Les estimations en groupe sont-elles meilleures ? ET LA MOYENNE ? ET LA MÉDIANE ?
    19. 19. Exercice de certitude
    20. 20. Enoncé 10 phrases Pour chaque phrase, indiquer son niveau de confiance. 100%: je suis certain que c'est vrai 0% : je suis certain que c'est faux (réponse par tranche de 10%) -> Pénalité en fonction du % et de la réponse
    21. 21. Exemple Phrase : Sydney est la capitale de l’Australie. Mon indice de confiance : 10% La réponse : Faux (Canberra) -> 2 points Maintenant c’est à vous !
    22. 22. Les réponses !
    23. 23. Calcul du score de Brier PLUS LE SCORE EST ÉLEVÉ, PLUS IL EST MAUVAIS…
    24. 24. Table de calcul SI LA PROPOSITION ÉTAIT VRAIE Certitude Score 0% 200 10% 162 20% 128 30% 98 40% 72 50% 50 60% 32 70% 18 80% 8 90% 2 100% 0 SI LA PROPOSITION ÉTAIT FAUSSE Certitude Score 100% 200 90% 162 80% 128 70% 98 60% 72 50% 50 40% 32 30% 18 20% 8 10% 2 0% 0
    25. 25. Quel est votre score ?
    26. 26. Solutions ?
    27. 27. Arrêter d’estimer ? UN MODÈLE STATISTIQUE N’EST-IL PAS SUFFISANT ET MOINS COUTEUX ?
    28. 28. Arrêter d’estimer ? - Se base sur des données réelles et non des estimations - Nécessite d’avoir collecté des données pour définir le modèle - Constater le temps de traversée des éléments (de taille équivalentes) - Olivier Azeau : « ça prendra combien de temps ? » - Dimitar Bakardzhiev : « #noestimates Project Planning Using Monte Carlo Simulation » - Vasco Duarte : « No estimates - 10 new principles for testing »
    29. 29. S’entraîner… DOMPTER LES ESTIMATIONS POUR AVOIR MOINS SOUVENT TORT 
    30. 30. S’entraîner… Marchés prédictifs : https://hypermind.com/hypermind/app.html En anglais : http://www.predictionbook.com https://www.gjopen.com
    31. 31. Merci à vous ! ET À ARTHUR SCHOPENHAUER ET SES STRATAGÈMES…

    ×