Story Points sind eine Einheit zur relativen Aufwandsschätzung. Sie geben an, wie umfangreich eine Aufgabe im Vergleich zu anderen Aufgaben ist, anstatt die voraussichtliche Dauer in Stunden oder Tagen zu berechnen. Ein Team vergibt Punkte durch Vergleich mit bereits abgeschlossenen Referenzaufgaben. Die pro Iteration gesammelten Punkte dienen als Grundlage für die Prognose des zukünftigen Arbeitsaufwands.
Die Abstraktion existiert, weil Menschen relative Größen zuverlässiger einschätzen als absolute Dauern. Auf die Frage nach der Dauer einer Aufgabe gehen die Schätzer von optimistischen Annahmen aus, vernachlässigen Unterbrechungen und Nacharbeiten und liefern durchweg zu niedrige Werte. Werden sie hingegen gefragt, ob ein Objekt größer als ein anderes ist, liegen sie deutlich genauer. Punkte nutzen diese Asymmetrie, indem sie Vergleiche ermöglichen und den beobachteten Durchsatz zur Umrechnung in Zeit heranziehen.
Die Punkte sollen Umfang, Komplexität und Unsicherheit widerspiegeln, nicht nur den Aufwand. Eine kleine Änderung an unbekanntem Code mit unklaren Anforderungen kann aufwändiger sein als eine umfangreiche Änderung in einem gut verstandenen Bereich. Teams, die Punkte als Näherungswert für Stunden verwenden, verlieren diese Dimension und reproduzieren genau die Schätzungsprobleme, die diese Methode eigentlich vermeiden sollte.
Die Kennzahl ist per Definition lokal, was in der Praxis am häufigsten missachtet wird. Die Punkte werden anhand der Referenzelemente eines bestimmten Teams kalibriert und spiegeln dessen Kontext, Codebasis und Zusammensetzung wider. Ein Vergleich der Punktzahlen zwischen Teams ist daher sinnlos, und die Verwendung der Velocity als Produktivitätskennzahl über verschiedene Teams hinweg führt zuverlässig zu einer Überbewertung, da der Anreiz darin besteht, dieselbe Arbeit höher zu bewerten.
Dieselbe Verzerrung tritt innerhalb eines Teams auf, wenn die Geschwindigkeit zum Ziel wird. Ein Team, das die Geschwindigkeit steigern soll, kann dies sofort erreichen, indem es großzügiger schätzt, und der Wert verbessert sich, obwohl sich nichts ändert. Da die Kennzahl leicht manipulierbar ist und als Planungshilfe und nicht als Leistungsmessung konzipiert wurde, verliert sie durch ihre Verwendung in der Leistungsberichterstattung ihren eigentlichen Zweck.
Schätzungen sind mit realen Kosten verbunden, die einer genauen Betrachtung bedürfen. Verfeinerungs- und Planungssitzungen beanspruchen viel Teamzeit, und bei Arbeiten mit einer relativ gleichmäßigen Größenverteilung ist der Nutzen einer Prognose gegenüber dem einfachen Zählen der Elemente gering. Teams, die auf Schätzungen verzichten, zählen die abgeschlossenen Elemente und prognostizieren den Bedarf anhand des historischen Durchsatzes. Dies ist häufig genauso genau und deutlich kostengünstiger. Ob sich die Kosten für Schätzungen lohnen, ist eine berechtigte Frage und keine Ketzerei.
Eine Neukalibrierung ist immer dann notwendig, wenn die Referenzwerte nicht mehr aussagekräftig sind. Dies geschieht beispielsweise mit zunehmender Reife einer Codebasis, einer veränderten Teamzusammensetzung oder einer Verschiebung der Arbeitsanforderungen. Teams, die eine ursprüngliche Skala über Jahre hinweg beibehalten, stellen fest, dass ihre Punkte einen Kontext beschreiben, der nicht mehr existiert, und die daraus resultierenden Prognosen driften ab, ohne dass die Ursache erkannt wird.
Punkte sind weiterhin nützlich, um Meinungsverschiedenheiten bei der Schätzung aufzudecken. Wenn Teammitglieder demselben Element sehr unterschiedliche Werte zuweisen, zeigt die anschließende Diskussion meist, dass sie die Anforderung unterschiedlich verstanden haben oder dass eine Person eine Komplikation erkennt, die den anderen entgeht. Dieses Gespräch ist oft wertvoller als das Endergebnis, was dafür spricht, die Diskussion fortzusetzen und bei der Berechnung pragmatisch vorzugehen.
Da die Technik nur innerhalb eines Teams als Planungshilfe dient, hängt ihr Wert vollständig davon ab, wie die umgebende Organisation die Ergebnisse nutzt. In der Praxis wird die Schätzpraxis innerhalb eines Teams festgelegt. ,Und wenn mehrere Teams an einem Produkt arbeiten, lässt sich die Koordination besser durch Abhängigkeitsmanagement und Flussmessung über ein System hinweg bewältigen. Produktabteilung als durch Versuche, die Schätzungen zwischen den Teams zu normalisieren.