Estimación | Definición Paramétrica, Ejemplos, Usos

Cuando necesita estimar el costo de un proyecto o partes de un proyecto, casi inevitablemente se encuentra con la técnica de estimación paramétrica. Este es un enfoque cuantitativo para determinar el costo esperado basado en datos históricos o de mercado. También es un método que se utiliza en el proceso de «estimación de costos» en el Cuerpo de Conocimiento de Gestión de Proyectos de PMI (ver PMBOK®, 6a ed., ch. 7.2).

En este artículo, presentamos la técnica de estimación paramétrica. También proporcionaremos orientación y un ejemplo del uso práctico de este método.

¿Qué Es La Estimación Paramétrica?

La estimación paramétrica es una técnica basada en estadísticas para calcular la cantidad esperada de recursos financieros o tiempo que se requiere para realizar y completar un proyecto, una actividad o una parte de un proyecto. Es un método establecido en varios marcos de gestión de proyectos, como el Cuerpo de Conocimientos de Gestión de Proyectos PMI del Instituto de Gestión de Proyectos (PMBOK), donde se enumeran en las herramientas y técnicas de los procesos de «estimación de costos» y «estimación de la duración de la actividad».

La determinación de una estimación se basa en una correlación estadística (o supuesta) entre un parámetro y un valor de coste o tiempo. Esta correlación observada se escala luego al tamaño del proyecto actual (fuente: PMI Practice Standard for Project Estimating, 2a edición, cap. 4.2.2). Por ejemplo, en la construcción de carreteras, el costo y el tiempo para construir 1 milla en un proyecto anterior podrían ser la base para calcular los recursos y el calendario del proyecto de construcción actual. Sin embargo, esto requiere que haya pruebas estadísticas de la correlación y si las características de ambos proyectos son comparables).

Para calcular el costo o la duración por parámetro, se requiere un conjunto de datos históricos. Esto podría obtenerse de proyectos anteriores (las empresas de construcción, consultoría, TI y otras industrias a veces almacenan estos datos de forma centralizada), datos de mercado disponibles al público o agencias que proporcionan estadísticas para la evaluación comparativa.

Mientras que la estimación paramétrica es una técnica común para estimar costos en diferentes niveles de granularidad, la forma de su implementación varía mucho.

Algunos proyectos construyen modelos estadísticos complejos y realizan un análisis de regresión exhaustivo para varios parámetros. También podrían desarrollar algoritmos y asignar un número significativo de recursos para implementar y (volver)probar dichos modelos. Este es un enfoque aplicable a grandes proyectos o a los llamados «megaproyectos» en los que incluso pequeñas deficiencias en la precisión de las estimaciones podrían causar un impacto material.

El Estándar de Práctica de PMI para la Estimación de proyectos proporciona una guía detallada para la estimación de costos del proyecto. Los miembros de PMI pueden acceder a él a través del sitio web de PMI.

Los proyectos más pequeños, en el otro extremo del rango, pueden usar la estimación paramétrica desarrollando funciones o simplemente aplicando la «regla de tres» si hay evidencia o una suposición razonable de que los parámetros y valores observados se correlacionan. Esto también puede implicar algún juicio de expertos sobre si las regresiones supuestas son razonables y aplicables al proyecto o actividad.

De acuerdo con el Estándar de práctica de PMI, hay 2 tipos de resultados:

• Estimaciones deterministas y probabilísticas
• .

Estimaciones deterministas

El tipo de resultado determinista de la estimación paramétrica es un número único para la cantidad de costo o tiempo necesario, calculado en función de la escala paramétrica. A veces se ajusta manualmente para tener en cuenta las diferencias entre los proyectos actuales e históricos (por ejemplo, los diferentes niveles de experiencia de los equipos) o para agregar una reserva para imprevistos.

Estimaciones probabilísticas

Este tipo de resultados no produce una sola estimación, sino un rango de estimaciones basadas en la probabilidad de diferentes cantidades de costo y duración. Esto a menudo se presenta en forma de una curva de densidad de probabilidad, como se muestra en el gráfico siguiente.

Un método para convertir esta función en un rango más práctico de estimaciones es la identificación de tres puntos en la curva:

• La estimación más probable, que normalmente es el valor de costo o tiempo con la probabilidad única más alta,
• La pesimista, y
• La estimación optimista.

Las estimaciones optimistas y pesimistas de costes y duración pueden determinarse definiendo una probabilidad objetivo (por ejemplo, 90%, 95% o 99%, en función de la calidad de los datos subyacentes y del tipo de distribución del valor) y/o un multiplicador de sus desviaciones estándar. Dependiendo de la forma de la curva de densidad de probabilidad, estos 3 puntos se pueden transformar en una llamada estimación final, un enfoque similar al de la distribución beta triangular o PERT.

¿Cómo realizar la Estimación Paramétrica?

Esta sección describe los pasos necesarios para realizar una estimación paramétrica. Como se mencionó anteriormente, el alcance y la complejidad del proceso de estimación y de las herramientas desplegadas deben adaptarse a las necesidades de un proyecto. En los pasos a continuación, hemos agregado una nota donde esperaríamos diferencias entre proyectos pequeños y complejos.

Determine las Partes de Su Proyecto para Las Que Puede(Potencialmente) Usar la Estimación Paramétrica

Como primer paso, un gerente de proyecto necesita identificar qué partes del trabajo. Los criterios de selección son principalmente

• El nivel de precisión requerido, es decir, para una estimación aproximada, puede estimar todo el proyecto a la vez (por ejemplo, el costo de construcción por pie cuadrado), pero para estimaciones definitivas, deberá entrar en un nivel más granular.
• Correlación de parámetros y valores, p. ej. solo puede estimar el trabajo o los recursos utilizando esta técnica si sabe o asume que existe una correlación entre un parámetro y la duración y/o el costo (totalización de temas).
• Disponibilidad de datos para la estimación paramétrica (véase el paso siguiente).

La estructura de desglose de trabajo (WBS) puede ser un buen punto de partida para seleccionar el alcance de la estimación paramétrica.

Investigue Datos Históricos y de Mercado sobre los Requisitos de Coste y/o Tiempo de Proyectos similares

Si ha identificado áreas para las que la estimación paramétrica podría ser aplicable, debe recopilar los datos relevantes. Las fuentes de datos potenciales son bases de datos internas de costes, tiempo y recursos que se alimentan con valores observados de proyectos anteriores (a menudo disponibles en empresas que trabajan regularmente en ciertos tipos de proyectos), datos disponibles públicamente, como estadísticas públicas o puntos de referencia de la industria.

Identifique los Parámetros que Desea probar para la correlación con los Valores de Costo o Tiempo

Una vez que haya creado un conjunto de datos, debe seleccionar los parámetros que podrían correlacionarse con los requisitos de costo o tiempo. Estas correlaciones estarán sujetas a análisis estadísticos adicionales si está utilizando un modelo.

En proyectos más pequeños, probablemente aplicaría el juicio de expertos o el sentido común para decidir qué parámetros serían razonables. Si esto satisface las necesidades de su proyecto, puede omitir los dos pasos siguientes y pasar a la sección de cálculo.

Determinar los Parámetros que Impulsan el Coste o la Duración (por ejemplo, a través de un Análisis de Regresión y Análisis Estadísticos Adicionales, si es Necesario)

Probar el conjunto de parámetros identificados en el paso anterior para correlaciones y/o regresiones. Esto generalmente implicará el uso de software estadístico como R u otras soluciones gratuitas o comerciales. También puede considerarse el uso de la inteligencia artificial (aprendizaje automático), por ejemplo, para identificar patrones en conjuntos de datos complejos. Al final del análisis, seleccione los parámetros que sean apropiados para su modelo de estimación.

Desarrolle un modelo y realice pruebas (retrospectivas)si es posible

Desarrolle un modelo para predecir los montos de costo y duración de su proyecto en función del conjunto de parámetros que se identificaron en el paso anterior. Asegúrese de realizar una prueba retrospectiva de los resultados con los datos históricos.

Tenga en cuenta que este paso requiere conocimientos estadísticos y experiencia en análisis de datos. De hecho, estos modelos pueden ser bastante complejos, en particular para grandes proyectos. Por lo tanto, tenga en cuenta el costo, el tiempo y los recursos que se necesitan para desarrollar este tipo de modelo. Equilibre esto con los beneficios potenciales y los requisitos del proyecto y sus partes interesadas con respecto a la estimación.

Calcule las Estimaciones paramétricas

Si ha construido un modelo, calculará una estimación probabilística o determinista introduciendo los parámetros del proyecto actual en el modelo.

Si ha utilizado el criterio de un experto más que un modelo para identificar los parámetros relevantes, primero deberá calcular la cantidad de costo o tiempo por unidad de parámetro.

A continuación, puede desarrollar y aplicar una función de orduración de costes que considere estos parámetros como variables independientes. Si rellena los valores de los parámetros de su proyecto actual, el resultado será la estimación de costo o duración (determinista) para este proyecto.

En su forma más simple, la estimación de parámetros se compone de un solo parámetro y una relación lineal entre los parámetros y la cantidad de costo o tiempo. En este caso, puede utilizar el cálculo de «regla de tres» y multiplicar el costo o la duración por unidad de parámetro con el valor del parámetro en su proyecto actual. La fórmula es:

E_parametric= a_old / p_old x p_curr,

donde:
E_parametric = estimación paramétrica,
a_old = cantidad histórica de costo o tiempo,
p_old = valor histórico del parámetro,
p_curr = valor de ese parámetro en su proyecto actual.

Encontrará algunos ejemplos en la sección correspondiente a continuación. Estos ejemplos de estimación paramétrica también se basan en un enfoque de «regla de tres».

¿Cuáles son las Ventajas y desventajas de la parametrización?

Ejemplos

Esta sección consta de 2 ejemplos simples que le ayudarán a comprender los principios de la estimación paramétrica. Sin embargo,tenga en cuenta que los modelos y el análisis estadístico suelen ser más complejos en la práctica.

Ejemplo 1: Determinación del Costo de construcción Utilizando una estimación aparamétrica

Un equipo de proyecto de una empresa de construcción debe estimar el costo de construcción de un nuevo edificio de oficinas. La empresa ha completado varios proyectos similares en los últimos dos años. Utiliza una base de datos interna para realizar un seguimiento detallado de la duración de las actividades y los costes de los proyectos anteriores.

Para una estimación inicial, un orden aproximado de magnitud, la empresa tiene la intención de utilizar la estimación paramétrica con el costo del edificio por pie cuadrado como parámetro de entrada relevante para la estimación paramétrica. La estimación se calculará entonces con la regla de tres.

Para tipos similares de edificios, el costo medio de construcción ascendía en el pasado a 200 dólares por pie cuadrado (= costo por unidad de parámetro).

Se supone que el nuevo edificio tiene un área total de 3,000 pies cuadrados (=valor de parámetro en el nuevo proyecto).

El cálculo del orden de magnitud del costo de construcción, utilizando una estimación paramétrica (determinista)determinada con la regla de tres, es el siguiente:

Costo estimado de construcción = $200 x 3,000 pies cuadrados = $6,000,000.

En la práctica, obviamente hay muchos factores más a considerar y el modelo sería mucho más complejo, obviamente. Sin embargo, este simple cálculo puede incluso ser suficiente para un orden aproximado de magnitud en la fase de inicio de un proyecto.

Ejemplo 2: Estimación del costo de implementación de un sistema de TI

Se pide a un proveedor de software que calcule el costo de implementación de su solución. La implementación consta de 4 partes: instalación, personalización, establecimiento de interfaces con otros sistemas y pruebas (la migración de datos no está en el alcance de este proyecto).

Si bien el costo de la instalación es fijo, el proveedor está utilizando diferentes parámetros para determinar el costo y las estimaciones de tiempo de las otras piezas. Estos se basan en datos históricos y se han incluido en la siguiente hoja de estimación de muestra.

Parte	Parámetro	Histórico avg. Costo por Unidad de parámetro	Promedio histórico. Tiempo por cada Parámetro de la Unidad	Valor del Parámetro en el Proyecto Actual	Costo Estimado	Duración Estimada
Instalación	Fix	$25,000	10 días	Fix	$25,000	10 días
Personalización de	Número de diferentes líneas de productos que el cliente produce	$12,000	5 días	15 líneas de productos	$180,000	75 días
Creación de Interfaces	Número de Interfaces con otros sistemas	$20,000	5 días	5 interfaces de sistema	$100,000	25 días
Testing	Coste de personalización + Coste de interfaces	$300 (por cada parameter 1,000 gastado en parámetro)	0.0089 días por cada $1,000 gastados en parámetros	Suma de costos de personalización e interfaz= $280,000	$84,000	25 días
SUMA					$389,000	135 días

Probablemente haya notado que el proveedor aplicó diferentes parámetros para personalizar y establecer interfaces. Para los ensayos, la estimación hace referencia cruzada a los resultados de las estimaciones de las otras dos áreas.

Conclusión

La estimación paramétrica puede ser un enfoque altamente preciso para el costo, las necesidades de recursos y la duración si se dispone de datos históricos suficientes y si existe una correlación comprobada entre los parámetros y los valores estimados.

En la práctica, la estimación paramétrica se despliega en forma de modelos estadísticos complejos, así como en la forma directa de realizar cálculos de la «regla de tres» (como se muestra en los ejemplos anteriores). Por lo tanto, la complejidad de la estimación depende de la necesidad de precisión, la disponibilidad y calidad de los datos históricos y los recursos disponibles para la estimación.