Scrum Patterns(66):昨日天气(译)

A Scrum Book——The Spirit of the Game

Posted by Bruce Wong on September 19, 2021

Bruce有话说

昨日天气,乍一听的时候感觉和天气预报要做的事情正好相反。但是仔细想想预报的能力其实是基于大量以往数据的基础上进行研究后得出的预判结果。所以以往的历史数据其实是预测的基础,也直接影响预测的准确性。敏捷是一种基于经验的持续改进的过程。这里的经验指的团队、个人在已经经历过的工作中的感受和实际情况,基于这些经历设定改进计划。因为只有实际的经历过才是真实并有参考价值的。其它都是假设,基于假设的改进等同于空中楼阁。 今天说的这个Scrum Pattern就是对这部分进行解说。为什么团队需要应用昨日天气模式:

  • 团队设定的Sprint目标是否有合理的根据?是为了测试自身吞吐量的极限?还是单纯为了炫耀团队能力?
  • 团队承诺的速率是被外界压力迫使的(销售,市场等业务部门)不切实际的吗?
  • 团队能否接受自身速率速率存在波动这一事实?即 不存在持续增加,速率本身是存在上下波动的。

希望本文能够引发你更多的视角和思考。

正文

一个团队在稳定Sprint长度和稳定团队的情况下,会持续进步。是时候预测一下团队接下来一段时间内产品的交付内容了。

✥ ✥ ✥

有自尊的个人和团队会为自己设定越来越高的目标,这是人类的天性([1])。团队过于雄心勃勃也是人的天性,这可能导致他们为了避免让自己和干系人失望而选择走捷径,或者干脆无法实现他们的预期([2])。 团队可以通过学习来实现这些目标。有时候这样的努力会带来立竿见影的改进,特别是当团队通过使用新技术来挑战自己的时候。然而,有时新技术并不奏效,团队的表现保持不变甚至会变得更糟。

有时候,团队提高标准只是为了提高标准,要么是为了测试极限,要么是(可能是无意识地)炫耀自己。这些自己设定的挑战可以带来回报,特别是在短期内。更常见的情况是,从长期来看,这些更高的水平是不可持续的,业绩会恢复到原来的水平。

YesterdaysWeather_Pre

在一些组织中,团队面临着压力,需要交付比团队认为他们可以承诺的更多的工作。短语“stretch goal”或“BHAG”(Big Hairy Audacious Goal))是使用大量看起来令人兴奋或具有挑战性的短语来作为目标。在团队中规定这些目标将破坏自主性,并忽视团队的改善方法(参见kaizen和Kaikaku),后者能带来更高的工作效率。

因此:

在大多数情况下,上一个Sprint中完成的评估点的数量是团队在下一个Sprint中完成工作的评估点的可靠预测器。

YesterdaysWeather_Post

✥ ✥ ✥

团队可以通过选择适合即将到来的Production Episode的持续时间和条件来帮助管理干系人的期望。我们将每个Sprint总结的评估点的短期平均值定义为开发团队的速率(参见速率注释)。由于速率是一个具有平均值和标准偏差的统计量,团队应该能够预计大约一半的sprint不能达到“昨日天气”(Yesterday’s Weather),而大约一半的sprint会超过它。我们的目标是改进过程,通过减少团队的外部干扰,确保产品负责人(PO)提供启用规范(Enabling Specifications),并确保团队采用良好的核心实践,从而减少速度中的差异。

使用平均速率来消除差异,当多个团队一起工作在一个产品上时,使用聚合速率。

如果给定的Sprint的速度真的提高了,请考虑更新的速度。

阿姆斯特朗([3],p. 12)早在20世纪80年代就已经建议各参赛队“使用昨天的数值”进行预测。而他的论文则引用了Spyros Makridakis和Michèle Hibon的预测研究。这项研究也被称为 M-Competitions或Makridakis Competitions。

[1] Gary P. Latham and Edward A. Locke. “New developments in and directions for goal-setting research.” In European Psychologist 12(4), 2007, pp. 290-300.

[2] Lisa D. Ordóñez, Maurice E. Schweitzer, Adam D. Galinsky, and Max H. Bazerman. “Goals gone wild: The systematic side effects of overprescribing goal setting.” In Academy of Management Perspectives 23(1), 2009, pp. 6-16.

[3] J. Scott Armstrong. “Forecasting by Extrapolation: Conclusions from Twenty-five Years of Research.” In Interfaces 14(6), http://repository.upenn.edu/cgi/viewcontent.cgi?article=1083&context=marketing_papers, 1984, p. 12 (accessed 2 November 2017).

Picture credits: Image Provided by PresenterMedia.com.

原文引用