V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
1000copy
V2EX  ›  程序员

喜欢和有效是两码事

  •  
  •   1000copy · 2023-10-31 06:44:53 +08:00 · 1600 次点击
    这是一个创建于 387 天前的主题,其中的信息可能已经有所发展或是发生改变。

    敏捷宣言和实践刚刚出来的时候,得到了非常多的认可,因为程序员很喜欢。

    如今有人在反思,它是否真的象承诺的一样的有效,抑或不过是一场开心的狂欢。

    以项目估计时间为例,有些东西有趣但是全无用处,比如 Scrum 的故事点,认真的话,大家不过是默默的把故事点转成小时或者天,不认真的话,估计完了该干嘛干嘛;有些则恰恰相反,看起来面目可憎,用起来却非常舒适。比如 delphi 背对背专家估计时间法。

    我引入到团队中,给大家介绍的时候,会去掉专家两字,这样就面目稍微好看一点。我带着团队用这个估计方法,从怀疑懵懂到主动适应和使用,不过三五次就完成了这样的过渡。随着使用次数的增加和过程中解决问题,注意几个要点口诀,信心是逐步加强的。

    估计时间这个事情,常用而令开发团队反感,因为不容易做的好。一旦找到方法,把事情做对了且做的不费力,那么就可以很好的和其他的团队协作。因为不管别人想要什么功能,你总是能比较快、无犹豫、可以经受考验的开发时间,也就是给出成本和代价。愿意承担的,那么干起来,不愿意的,就先搁置。

    合作起来,爽快,不糟心。

    回过头来说,干项目这件事,不仅仅是程序员,还有其他的工种和其他的人,仅仅讨好程序员自己是不够的。也就是敏捷联盟的致命之处。故事点不可靠,那么基于故事点的都不可靠,比如燃尽图。除了估计时间之外,还有不少硬伤。尤其是和其他工种配合的部分。这个可以相见,毕竟程序员有其自身的限制。

    也有好的地方,Sprint 提出的快速迭代,一般 2 周到 2 月这个,思路非常好,实践起来也不错。它可以不让错误一直积累,而是给一个重启的机会,其实也是尊重了程序员作为工作主体的诉求,在我看来吗,这是敏捷的比较大的一个进步。然而,没有很好的故事分解的技术作为支撑的话,那么就很容易变成一个价值观而不是可行的实践,那就大打折扣了。

    GeekGao
        1
    GeekGao  
       2023-10-31 10:30:21 +08:00
    给团队制定发版计划:2 周一个版本。 固定这个节律,产品迭代速度特别稳。
    yesterdaysun
        2
    yesterdaysun  
       2023-10-31 11:03:23 +08:00
    个人理解: 敏捷里面, 快速迭代是最核心的价值, 2 周是一个合适的时间, 超出这个时间, 团队整体就会效率低下, 因为大家需要在一个不长不短的时间节点收到反馈, 互相沟通, 改进方案, 重启下一个迭代

    所以估算任务也需要确保所有任务的点数在 2 周范围内完成, 如果超出, 就需要拆分任务到 2 周之内, 分解任务是确保估算准确的核心

    虽然理论上故事点不该和天数挂钩, 但是确实事实上一定会挂钩, 只不过不同团队标准不一样罢了, 比如我会定每天的人力为 3 点, 一周 15 点, 2 周 30 点, 我会确保所有分解后任务在 15 点以下.
    所以如果我估算一个任务 3 点, 意味着要 1 天做完, 估算 10 点, 大概 3 天做完, 15 点一周做完.

    估算故事点的难点在于不同团队的任务是不一样的, 如果是维护型的任务或者 CRUD 之类的, 很好估算, 因为有参照, 但是复杂的任务, 非功能性需求, 或者探索性的任务是不好估算的,
    这个时候给出的估算基本上就是纯凭经验, 相当于只是给一个截止日期, 想要准确的话就要 leader 参与分析, 给出他的估算, 最后决定, 不知道这算不算"背对背专家估计"

    总之敏捷的核心我认为还是在快速迭代中去应对"变化", 即使我个人认同敏捷宣言中的各项价值观, 但是保不齐就是有人更喜欢文档,流程,计划,工具这些, 所以如何和这些人和谐相处合作, 也算是"敏捷"的一部分
    1000copy
        3
    1000copy  
    OP
       2023-10-31 21:43:00 +08:00
    @yesterdaysun 背对背专家估计作为一个历史悠久用于预测的工作方法,它有些标准的定义和说明。这些内容显得冗长而且面目可憎。但是他的基本点非常不错。

    那就是,对于高度被环境影响的社会问题,遵循数理统计,而不是确定性的计算。

    确定演绎和数理统计的差别何在?

    高中物理中力学问题走的路线,基本上是漂亮干净的数学,都是牛顿爵爷搞出来的东西,物理运动中的每一个参与的物体小到小球答道天体,都有高度的确定性。

    还有一类问题,是热力学,应用数理统计方法。其中的每一个粒子高度不确定,但是作为整体表现出来的物理特性是有确定性的。

    这样的方法是有效的。案例就在身边。计算机的底层的二极管三极管的输入输出 20%的计算误差算正常,而搭建的操作系统之上的层次,却可以表现出可靠的服务能力。

    社会问题,人类协作,项目管理,咋一看混乱不堪,每一个人都有自己的想法,分别为自己奋斗或者躺平,但是整体社群有体现出确定性,这个社群,不一定是海量的人群,十几人和几十人也就是一个社群了。因此数理统计就比较合适。

    背对背专家估计就是一种数理统计,看起来每一个专家都是不可靠的,然后搭在一起,一定的方法和组织,却常常提供稳定可靠的估计。当然,实际上我们看到的大量搭配的不好的,所以面目可憎。
    以上说的都是理论。说说执行:
    人少的项目团队,这个方法意义不大。多少人合适?我试过的 15 人以上的多个类型的团队中,不同的估计场景,效果还是不错的。人再少的,我没试过,因为动机不足。

    估计场景类似这样:

    1. 你们估下,这个能做不?
    2. 还这么简单,你们这个迭代加进去行不?
    3. 这个要得急,不加客户不买

    要做估计,必须能够应对质疑,可能来自老板和协作团队:

    1. 你的估计怎么来的?
    2. 你的估计执行下去,是否真的误差不大?
    3. 类似的功能,为什么你的估计前后看起来不一致?
    4. 你们加个班,每天多工作八小时,是不是就可以减少一半时间?
    5. 这个活一小时就干完了,怎么会需要 3 小时?

    估计做的不好,你休想干干净净的干活。且任何一件质疑,没有现场有一个好的应对,或者经受不了时间的考验,你的估计方法会立刻被击溃,很难翻身。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   1777 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 26ms · UTC 16:36 · PVG 00:36 · LAX 08:36 · JFK 11:36
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.