为什么敏捷估算采用斐波那契数列？

我在ThoughtWorks经历的一些敏捷交付项目中，估算方式有采用人天的“绝对”估算，估算值采用的是自然升序序列，比如1、2、3、4、5... 。也有采用复杂度相对估算，估算值有采用自然升序数列的，最多的还是斐波数列（1，2，3，5，8，13，21，34.....，前头去掉了一个1）。我还听过一种相对估算，估算值采用衣服尺寸，比如：S，M，L，XL，XXL，XXL。由于经验匮乏，这种估算我本人只是听说过，实际中没有经历过，但我对这种估算是心存疑虑的...

那为什么斐波那契数列是被使用最多的呢？是因为它是一组神奇的数字吗？是因为它背后有推动者在推动吗？这些原因可能都有吧。

回到估算活动本身，它注定只是一个估计值，通常不可能做到精确，也没必要做到精确。因为软件开发工作不像流水线上固定的工序这么简单，它面临了很多的不确定性，由于这些不确定性的存在，我们只能凭借已有的知识和经验做出一个估算，知识和经验越丰富，估算会越接近实际。所以，估算只是一个帮助我们更好衡量工作、管理项目交付的手段而已。至于那些试图做出“绝对”精确估算的项目通常会吃闭门羹（预留了巨大Buffer行为的不在本文讨论范围内）。

既然是相对精确的估算，那如何区分两个不同对象差别呢？如果两者看起来差不多，反正都是估算嘛，何不用一个数字代表呢，比如，自然升序序列中的4和5，本身两者差异不大，我好像都用4或者都用5也可以，反正也没那么精确，没必要非得说A是4，B是5。所以，为了体现出两个目标对象的相对差异，通常建议是采用能够有较为明显差异的数值。而且这个差异通常是通过半分比凸显出来的 -- 韦伯定律。

韦伯定律，德国生理学家E.H.韦伯通过对重量差别感觉的研究发现的一条定律，即感觉的差别阈限随原来刺激量的变化而变化，而且表现为一定的规律性，刺激的增量(△I)和原来刺激值(I)的比是一个常数(K)，用公式表达即K=△I/I，这个常数叫韦伯常数、韦伯分数或韦伯比率。

针对韦伯定理举个例子。给你两个分别为1斤、2斤中的两个铅球，你会较为容易感受到重量的不同，当给你30斤、31斤重的铅球，你就可能就很难区分两个孰轻孰重了，同样是1斤的差值，但差值比例一个是(2-1) / 1 = 100%，一个是 (31-30) / 30 = 3%。

如何更明显体现出两个对象相对的差异，斐波那契额数列就是一个很好的手段，这个数列中两个数差比接近黄金分割0.618（不信，你计算试一试），这个差异（韦伯常数）已经能够很明显体现出差异了。基于此，你也可以采用翻倍序列，比如1、2、4、8、16....，这个差异也很明显，但这种具有翻倍规律的数字可能会让人不禁想问一个问题 -- 这个工作量真的是那个的两倍吗？即便如此，Scrum Alliance创始人Mike Cohn对翻倍序列给与了一定认可。

在你经历的交付项目中，你有用过其他的估算方式吗？期待你的分享~