極簡敏捷:故事點楚堤,理想人天,故事個數(shù)

故事點和估算方法

故事點 到底是什么含懊?

故事點身冬,理想人天,故事個數(shù) 有何區(qū)別岔乔?

團隊又要如何選擇呢酥筝?

針對這些問題,很多實踐了多年的敏捷教練也不一定能夠回答的清楚雏门。敏捷落地的過程中經(jīng)常會有人對點數(shù)估算覺得困惑和難以理解嘿歌,所以就更不容易執(zhí)行到位了。

有人說故事點是規(guī)模茁影,也有人說是工作量宙帝,還有人說是復(fù)雜度,還有人說其實就是理想人天(不是某一個人的人天募闲,而是大家達成相對一致的抽象的人天)步脓。

哪個才是最準確的?

甚至有些教練開始拋棄“晦澀難懂”的故事點蝇更,而直接采用理想人天(有些團隊實際落地會采用)沪编,或者不進行估算而直接采用數(shù)故事個數(shù)的方式(DevOps中經(jīng)常采用此方式)。

故事點的定義

來看看敏捷大師們是如何定義的年扩?

Mike Cohn:故事點是一個度量單位蚁廓,用于表示完成一個產(chǎn)品待辦項或者其他任何某項工作所需的所有工作量的估算結(jié)果。

Robert C.Martin:故事點是工作量的單位厨幻,被估算的不是時間相嵌,而是工作量腿时。

讓我們來給故事點做個通俗的解釋:

故事點就是? 工作量或規(guī)模 +復(fù)雜度因素+風(fēng)險因素+不確定性因素,采用相對估算法估算出來的一個抽象的綜合估值(數(shù)字)饭宾。

是不是依然感覺晦澀難懂批糟,頭有點暈?

讓我們換一種表達形式:

故事點數(shù) = 完成故事所需的工作量 + 復(fù)雜度/風(fēng)險/不確定性因素

(類似考試時候的:分數(shù) = 基礎(chǔ)分 + 附加分 )

這就是說我們在做點數(shù)估算的時候看铆,首先要對比基準點的故事徽鼎,進行相對故事工作量/規(guī)模大小的估算,然后要額外考慮故事的復(fù)雜度因素弹惦,風(fēng)險因素否淤,不確定性因素,并且為這些因素額外加上對應(yīng)的點數(shù)棠隐,這樣估算出來的點數(shù)就更加具有參考價值石抡,也具備了相對準確性(注意:不是絕對準確,也不應(yīng)該追求絕對準確)助泽。

注意:

1.一個點不代表任何時間長短啰扛,所以敏捷團隊只有通過迭代實際交付衡量驗證,才能知道團隊實際產(chǎn)能嗡贺,才能將速率(一個迭代Sprint交付的點數(shù)總和)和排期計劃結(jié)合起來做規(guī)劃隐解。

2.團隊每個迭代產(chǎn)出的故事點大小,只能團隊和自己比較暑刃,速率的變化厢漩。

3.故事點數(shù)衡量的是團隊,而非個人岩臣。并且不能用于績效考核溜嗜,以免產(chǎn)生負面效果,數(shù)據(jù)失真架谎。

估算數(shù)字選取

通常采用?斐波那契數(shù)列炸宵,有時根據(jù)具體情況也可以采用自然數(shù)來替代(具體要看故事之間的差別,思考怎樣的數(shù)字間隔差異更加適合團隊具體的情況)谷扣。

使用斐波那契數(shù)列有著源自自然的優(yōu)勢土全,斐波那契數(shù)列又稱為黃金分割數(shù)列,大自然的奧秘蘊含其中会涎,隨著數(shù)字間距的擴大裹匙,對于顆粒度較大的需求更加便于我們判斷選擇哪個數(shù)字,隱晦和模糊的數(shù)字有其美妙之處 -- “大數(shù)定律”末秃,當(dāng)數(shù)量變大時概页,模糊性就消失了!

估算方法

通常采用:?敏捷撲克估算法

基本過程:

1)選擇一個基準故事练慕,點數(shù)設(shè)為1(團隊達成共識惰匙,并且之后所有迭代以此故事為基準故事)

2)PO依次介紹故事背景技掏,內(nèi)容,驗收標(biāo)準 等信息

3)團隊成員對故事做各自的點數(shù)估算项鬼,同時出牌(常用 斐波那契數(shù)列:1哑梳,2,3绘盟,5鸠真,8,提供8倍的估算范圍)

4)團隊成員對牌面數(shù)字偏差較大的進行解釋估算理由(較大奥此,較小 都要簡單闡述理由)

5)然后重新進行第二輪估算(一般情況下弧哎,考慮到估算成本和效率雁比,每個故事2輪估算即可稚虎,必要時可以進行多輪)

6)直到團隊成員達成基本一致(不是絕對一致,最終結(jié)果簡單協(xié)商確定即可)

這樣做的好處是估算過程偎捎,團隊可以充分討論和溝通蠢终,信息得到充分快速的交流,并且避免一言堂或信息披露不足茴她。

這樣的方式可以加快風(fēng)險寻拂,障礙,依賴的提前發(fā)現(xiàn)丈牢,并促進了團隊信息交流和達成一致祭钉,團隊內(nèi)部信息披露也更加充分。

另外一種更加便捷的方法:用手指己沛,來替代撲克牌進行出牌(過程相同)慌核,省去了撲克牌的準備。

這里要注意的核心點是:敏捷估算是?相對估算申尼,所有故事的點數(shù)大小垮卓,均參考基準故事來進行相對比較。

那么 故事點师幕,理想人天粟按,故事個數(shù) 有何區(qū)別?團隊又要如何選擇呢霹粥?

下面我們來聊聊這些方法到底有哪些區(qū)別灭将,以及分別在什么場景下進行選擇,才是最適合我們的方式后控。

[故事點數(shù)]

場景:

經(jīng)典的敏捷團隊庙曙,團隊氛圍友好,跨職能自組織團隊忆蚀。促進團隊交流矾利,發(fā)揮團隊的力量姑裂。

優(yōu)點:

1.通過估算游戲,團隊成員對每一個故事進行了充分溝通和討論男旗,分享了彼此掌握的知識和信息點舶斧,提前發(fā)現(xiàn)了部分風(fēng)險和障礙,加強了對故事的認知和理解察皇,達成全方位的需求共識茴厉。

2.通過估算游戲,獲得了一個團隊共同認可的相對準確的數(shù)據(jù)衡量什荣。

3.所有迭代的基準點對齊后矾缓,可以對迭代計劃和團隊迭代交付速率有了數(shù)字量化的依據(jù)和衡量。(一個點不代表任何時間長短稻爬,所以敏捷團隊只有通過迭代實際交付衡量驗證嗜闻,才能知道團隊實際產(chǎn)能,才能將速率和排期計劃結(jié)合起來)

缺點:

1.估算過程需要花費一點時間桅锄,但實際執(zhí)行過程可以有簡化提效的空間琉雳,抓住核心點是溝通達成理解一致。

2.點數(shù)估算比較抽象友瘤,新的團隊不容易掌握和理解概念翠肘。

[理想人天]

場景:

涉及人力成本統(tǒng)計或者人員安排和排期預(yù)算等情況下。

優(yōu)點:

比較好理解和安排計劃辫秧,理想人天是對人天估算進行了人員抽象束倍,也可以采用敏捷撲克估算法。

缺點:

執(zhí)行起來盟戏,估算者容易和自己的實際工作情況聯(lián)系绪妹,干擾到估算結(jié)果。

估算結(jié)果很容易被拿來做績效考核抓半,或者和個人產(chǎn)出掛鉤喂急,導(dǎo)致對團隊產(chǎn)生負面影響(敏捷團隊考核團隊而非個人)

[故事個數(shù)]

場景:

在DevOps的需求流交付模式下,通常會采用此方法笛求,大量需求廊移,需求顆粒度相對均勻,團隊較為成熟探入,并且企業(yè)更加關(guān)注宏觀需求數(shù)量(通常作為一段時期的吞吐量數(shù)據(jù)被采集使用)狡孔。

優(yōu)點:

快速簡單易用,直接數(shù)個數(shù)蜂嗽,便于統(tǒng)計苗膝,省去了估算的成本。

缺點:

1.需求顆粒度不均勻的情況下植旧,導(dǎo)致偏差較大辱揭,數(shù)據(jù)的可信度較低离唐。

2.需要配合嚴格的需求拆分標(biāo)準執(zhí)行,例如規(guī)定較為嚴格的需求顆粒度上限问窃,并且需要立即執(zhí)行到位亥鬓,對于大顆粒度的需求缺少過度過程(敏捷需求是漸進明細,允許大顆粒度需求的存在域庇,點數(shù)可以有更大的用處)嵌戈,對于較為成熟的團隊比較合適,新團隊需要適應(yīng)听皿。

3.增加了較大的前期需求拆分成本熟呛,團隊缺少執(zhí)行的過度時間。

了解了以上內(nèi)容尉姨,我的團隊又該如何選擇呢庵朝?

如果你的團隊想了解經(jīng)典的敏捷實踐,并且前期需求顆粒度大小不夠均勻啊送,需求經(jīng)常需要討論偿短,請選擇故事點數(shù)。

如果你們的需求拆分的很到位馋没,顆粒度比較均勻,可以選擇不進行估算降传,直接數(shù)個數(shù)篷朵。

如果你需要盡快做出計劃和預(yù)算,或者外包項目需要提前上報人日成本婆排,可以選擇理想人日声旺。

當(dāng)理解了以上概念的深層次含義,你也可以根據(jù)實際需要將三種方式進行部分結(jié)合段只,靈活運用腮猖。

作為一名敏捷教練和工程效率專家,在經(jīng)過了多年以上三種實際實踐后赞枕,我個人最喜歡的方式還是 敏捷點數(shù)估算澈缺。

需要思考的是,在保持敏捷故事點數(shù)原滋原味的優(yōu)點基礎(chǔ)上炕婶,將點數(shù)估算的落地成本降低姐赡,并且基準點做必要的對齊和選擇,這樣你就可以靈活運用點數(shù)獲得你想要的效果柠掂。

那么你會如何選擇呢项滑?

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市涯贞,隨后出現(xiàn)的幾起案子枪狂,更是在濱河造成了極大的恐慌危喉,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,376評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件州疾,死亡現(xiàn)場離奇詭異姥饰,居然都是意外死亡,警方通過查閱死者的電腦和手機孝治,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,126評論 2 385
  • 文/潘曉璐 我一進店門列粪,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人谈飒,你說我怎么就攤上這事岂座。” “怎么了杭措?”我有些...
    開封第一講書人閱讀 156,966評論 0 347
  • 文/不壞的土叔 我叫張陵费什,是天一觀的道長。 經(jīng)常有香客問我手素,道長鸳址,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,432評論 1 283
  • 正文 為了忘掉前任泉懦,我火速辦了婚禮稿黍,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘崩哩。我一直安慰自己巡球,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 65,519評論 6 385
  • 文/花漫 我一把揭開白布邓嘹。 她就那樣靜靜地躺著酣栈,像睡著了一般。 火紅的嫁衣襯著肌膚如雪汹押。 梳的紋絲不亂的頭發(fā)上矿筝,一...
    開封第一講書人閱讀 49,792評論 1 290
  • 那天,我揣著相機與錄音棚贾,去河邊找鬼窖维。 笑死,一個胖子當(dāng)著我的面吹牛鸟悴,可吹牛的內(nèi)容都是我干的陈辱。 我是一名探鬼主播,決...
    沈念sama閱讀 38,933評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼细诸,長吁一口氣:“原來是場噩夢啊……” “哼沛贪!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,701評論 0 266
  • 序言:老撾萬榮一對情侶失蹤利赋,失蹤者是張志新(化名)和其女友劉穎水评,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體媚送,經(jīng)...
    沈念sama閱讀 44,143評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡中燥,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,488評論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了塘偎。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片疗涉。...
    茶點故事閱讀 38,626評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖吟秩,靈堂內(nèi)的尸體忽然破棺而出咱扣,到底是詐尸還是另有隱情,我是刑警寧澤涵防,帶...
    沈念sama閱讀 34,292評論 4 329
  • 正文 年R本政府宣布闹伪,位于F島的核電站,受9級特大地震影響壮池,放射性物質(zhì)發(fā)生泄漏偏瓤。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 39,896評論 3 313
  • 文/蒙蒙 一椰憋、第九天 我趴在偏房一處隱蔽的房頂上張望厅克。 院中可真熱鬧,春花似錦熏矿、人聲如沸已骇。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,742評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至卵渴,卻和暖如春慧域,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背浪读。 一陣腳步聲響...
    開封第一講書人閱讀 31,977評論 1 265
  • 我被黑心中介騙來泰國打工昔榴, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人碘橘。 一個月前我還...
    沈念sama閱讀 46,324評論 2 360
  • 正文 我出身青樓互订,卻偏偏與公主長得像,于是被迫代替她去往敵國和親痘拆。 傳聞我的和親對象是個殘疾皇子仰禽,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,494評論 2 348