Modelo para priorização do Backlog Kanban de uma Tech Banking
DOI:
https://doi.org/10.20397/2177-6652/2024.v24i1.2658Palavras-chave:
Priorização de backlog, AHP Gaussiano, GLMNET, XGBoost, Processamento de Linguagem NaturalResumo
Objetivo do estudo: Este trabalho teve como objetivo desenvolver um modelo de aprendizado de máquina que faz a priorização e a sugestão de itens de “backlog Kanban”, executáveis dentro de um ciclo de desenvolvimento, para um time ágil responsável pelo produto de conta corrente de um tech banking.
Metodologia: A pesquisa utilizou o método exploratório de natureza aplicada, seguindo a metodologia “Team Data Science Process” (Processo de ciência de dados de equipe) [TDSP] desenvolvida pela Microsoft.
Relevância: Com times reduzidos, causados pelo apagão de mão de obra especializada no Brasil e uma lista de demandas em espera cada vez maior, as empresas de tecnologia precisam saber o que priorizar, ter a noção do que o time é capaz de executar e ao mesmo tempo preservar a qualidade de vida dos seus colaboradores.
Principais resultados: A implementação com o algoritmo XGBoost se mostrou o melhor modelo supervisionado de aprendizado de máquina para realizar a estimativa dos prazos das atividades. O algoritmo final fez a sugestão das demandas na qual o time tem a capacidade de executar em um ciclo.
Contribuições teóricas/metodológicas: A pesquisa aponta uma deficiência nos processos de desenvolvimento de times ágeis e sugere a aplicação de inteligência artificial para cobrir essa lacuna.
Contribuições para a gestão: O método algoritmo proposto apoia a gestão na tomada de decisão e na previsibilidade do que o time é capaz de entregar em um período definido.
Referências
Anderson, D. J. (2011). Kaban, Mudança Evolucionária de Sucesso para Seu Negócio de Tecnologia. Blue Hole Press.
Atlassian. (2023a). What is an issue? Retrieved from https://support.atlassian.com/jira-software-cloud/docs/what-is-an-issue/.
Atlassian. (2023b). O que é o Jira Software? Retrieved from https://www.atlassian.com/br/software/jira/guides/getting-started.
Atlassian. (2023c). REST APIs. Retrieved from https://developer.atlassian.com/server/jira/platform/rest-apis/.
Atlassian. (2023d). REST API V2. Retrieved from https://developer.atlassian.com/cloud/jira/platform/rest/v2/intro/.
Atlassian. (2023e). Search for issues using JQL. Retrieved from https://developer.atlassian.com/cloud/jira/platform/rest/v2/api-group-issue-search/#api-rest-api-2-search-get.
Atlassian. (2023f). What is advanced searching in Jira Cloud? Retrieved from https://support.atlassian.com/jira-software-cloud/docs/what-is-advanced-searching-in-jira-cloud.
Associação das Empresas de Tecnologia da Informação e Comunicação (TIC) e de Tecnologias Digitais [BRASSCOM]. (2020). Estudo da Brasscom aponta demanda de 797 mil profissionais de tecnologia até 2025. Retrieved from https://brasscom.org.br/estudo-da-brasscom-aponta-demanda-de-797-mil-profissionais-de-tecnologia-ate-2025.
Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer Science+Business Media.
Chen, T., & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Retrieved from https://dl.acm.org/doi/10.1145/2939672.2939785.
Cohn, M. (2005). Agile Estimating and Planning. Pearson Education.
Delignette-Muller, M. L., & Dutang, C. (2015). fitdistrplus: An R Package for Fitting Distributions. Retrieved from https://www.jstatsoft.org/article/view/v064i04.
Dunn, P. K., & Smyth, G. K. (2018). Generalized Linear Models With Examples in R. Springer Science+Business Media.
Fávero, L. P., & Belfiore, P. (2019). Data Science for Business and Decision Making. Elsevier Inc.
Fávero, L. P., & Belfiore, P. (2017). MANUAL DE ANÁLISE DE DADOS: Estatística e Modelagem Multivariada com Excel®, SPSS® e Stata®. Elsevier Editora Ltda.
Feinerer, I., Hornik, K., & Meyer, D. (2008). Text Mining Infrastructure in R [tm]. Retrieved from https://www.jstatsoft.org/article/view/v025i05.
Friedman, J., Hastie, T., & Tibshirani, R. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition. Springer Science+Business Media.
Friedman, J., Hastie, T., & Tibshirani, R. (2010). Regularization Paths for Generalized Linear Models via Coordinate Descent. Retrieved from https://www.jstatsoft.org/article/view/v033i01.
Freedman, D. A. (2009). Statistical Models: Theory and Practice. Cambridge University Press.
Friedman, J., Hastie, T., Tibshirani, R., Narasimmhan, B., Tay, K., Simon, N., & Yang, J. (2023). The family Argument for glmnet. Retrieved from https://glmnet.stanford.edu/articles/glmnetFamily.html.
Kuhn, M., & Johnson, K. (2013). Applied Predictive Modeling. Springer Science+Business Media.
Leavy, P. (2017). Research Design: Quantitative, Qualitative, Mixed Methods, Arts-Based, and Community-Based Participatory Research Approaches. The Guilford Press.
Meirelles, F. S. (2022). Panorama do Uso de TI no Brasil – 2022. Retrieved from https://portal.fgv.br/artigos/panorama-uso-ti-brasil-2022.
MICROSOFT. (2023). What is the Team Data Science Process? Retrieved from https://learn.microsoft.com/en-us/azure/architecture/data-science-process/overview.
Munzert, S., Rubba, C., Meißner, P., & Nyhuis, D. (2015). Automated Data Collection with R: A Practical Guide to Web Scraping and Text Mining. John Wiley & Sons Ltd.
Ooms, J., Lang, H., Temple, D., & Hilaiel, L. (2022). jsonlite. Retrieved from https://github.com/jeroen/jsonlite/.
Saaty, T. L., & Vargas, L. G. (2012). Models, Methods, Concepts & Applications of the Analytic Hierarchy Process, Second Edition. Springer Science+Business Media, LLC.
Santos, M. dos C., Costa, I. P. de A., & Gomes, S. C. F. (2021). Multicriteria decision-making in the selection of warships: a new approach to the AHP method. International Journal of the Analytic Hierarchy Process, 13(1), 833.
SINONIMOS. (2011). Dicionário online de sinônimos. Retrieved from https://www.sinonimos.com.br/.
Spinu, V., Grolemund, G., & Wickham, H. (2022). lubridate. Retrieved from https://lubridate.tidyverse.org/.
Vajjala, S., Majumder, B., Gupta, A., & Surana, H. (2020). Practical Natural Language Processing: A Comprehensive Guide to Building Real-World NLP Systems. O’Reilly Media, Inc.
Wickham, H. (2022). rvest. Retrieved from https://rvest.tidyverse.org/.
Wickham, H., Grolemund, G. (2017). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. O’Reilly Media, Inc.
Wickham, H., François, R., Henry, L., Müller, K., & Vaughan, D. (2022). dplyr. Retrieved from https://dplyr.tidyverse.org/.
XGBoost. (2022). XGBoost R Package. Retrieved from https://xgboost.readthedocs.io/en/latest/R-package/index.html.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Revista Gestão & Tecnologia
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Os direitos, inclusive os de tradução, são reservados. É permitido citar parte de artigos sem autorização prévia desde que seja identificada a fonte. A reprodução total de artigos é proibida. Em caso de dúvidas, consulte o Editor.
