Помедитировал на своим календарем, и понял, что вариантов не много.
Голосуем выше 👆

Можно выбрать несколько слотов

Всем привет!

Простите за долгое молчание - завалило текущей работой.

Итак: практикум 21,23 июля - ТОЧНО БУДЕТ!
Так что если вы еще не поставили в календарь себе резерв на 18:00-20:00 21 и 23 июля - то ставьте.

Регистрация в закрытый канал с доступами к практикуму, еще делается 🤷‍♂️

Кстати, если найдется среди читателей человек, который делал оплаты себе в Телеге - отзовитесь в личку пожалуйста, есть вопрос.

Кто сможет помочь - с меня бонус: бесплатное участие в этом и всех последующих практикумах 😊

#практикум

А пока мы все с вами готовимся к этом событию, у меня ВОПРОС на понимание!
Какой алгоритм работы с данными их интерпретацией, вам кажется более правильным?

Вариант 1. Идти от общего к частному

Вариант 2. Идти от частного к общей картинке.

Лично я когда прихожу к клиенту чтобы сделать аудит рабочих процессов - мне обычно на старте ничего не понятно 🤷‍♂️

Ну потому что, у всех как всегда "своя атмосфера", и сразу лезть в частности - это значит потонуть в деталях и потерять время.

Поэтому я обычно действую по Варианту 1 - вначале смотрю картинку "в целом", и делаю такой Helicopter View, который позволяет мне увидеть "точки удивления" в рабочих процессах, а они в свою очередь, позволяют сгенерить первые гипотезы дисфункций и точки понимания "как оно вобще работает?".
И только потом уже я иду "вглубь", в частности, в особенности устройства и на основе этой информации проверяю свои гипотезы.

Вот как обычно делаю я:

1) Смотрю общий CFD (тем более что как правило только он и доступен на старте, если есть JIRA)
1а) какие паттерны CFD видны?
1b) Видна ли какая-то периодичность? привязка событий к праздничным дням, к выходным?
1c) Что вообще привлекает внимание на CFD? Какие-то необычности, нелогичности, странности, повторения?

2) Смотрю общий Lead Time Scatterplot (aka "Control Chart" в JIRA или "контрольный график" в Кайтен)
2a) Какие паттерны LT Scatterplot можно увидеть?
2b) Корреляции с данными CFD - есть или нет?
2d) Видна ли периодичность релизов или пустот? Есть ли привязка массивов данных к праздничным дням или выходным?

3) Что нам говорят диаграммы Inflow (входящий поток) и Throughput (пропускная способность) по месяцам или неделям?
3a) Inflow больше чем Throughput, или наоборот?
3b) Есть ли корреляция с жалобами заказчиков и со с временем во входных буферах?
3b) Как эти данные коррелируют с CFD и LT Scatterplot?

4) Что мы видим на общем LT Distribution Chart?
4a) Какие задачи обладают аномальным LT? Есть ли между ними какая-то схожесть - в названии, в затрагиваемых системах, в заказчиках которые их ставит?
4b) Какие моды видны на общем LT Distribution Chart? Что общего в задачах каждой моды?

5) Что мы видим на LT Distribution Chart по отдельным типам задач? Тут все аналогично тому, как в шаге 4, только разбито по типам

6) Соотношение Upstream Lead Time и Downstream Lead Time - что дольше?
6a) В каких колонках Upstream и Downstream cосредоточены основные задержки?

7) время в колонках-буферах - какой 85% перцентиль? Где он больше, а где меньше?

8) WIP Aging Chart - сколько у нас задач уже сейчас в зоне оранжевого или красного риска?

И я всегда был уверен, что это единственно адекватный способ изучения данных 🤷‍♂️.
Но недавно я подумал - может у меня профессиональная деформация? 🤯
Я-то всегда "снаружи" смотрю на систему. Может быть у моих читателей все не так?

Большинство моих читателей, как правило, смотрят на систему "изнутри". И у меня вопрос к вам - а вам насколько полезен Helicopter View?
Может не очень?
Может гораздо интереснее и важнее увидеть и понять причины какой-то частной флуктуации?

Ну например - увидеть и доказать на данных серию отдельных "косяков", а потом уже из них сложить системную картинку, например о том, что "если Петя касается этой системы, а затем Вася за ним проверяет - жди беды"?

Так? Или все-таки первична общая картинка процесса, а частности потом?

Или и то и другое в какой-то комбинации?

Расскажите пожалуйста, очень интересно! 👇

Ребят, готовлю лист Miro для практикума и как в прошлый раз большой вопрос : сколько рабочих мест готовить? 🤔

Обозначьтесь, пожалуйста в опросе ниже 👇 придёте вы, или не придёте? Или ещё думаете.

#практикум

Ну что, остался 1 час до начала Практикума! И у нас 22 участника которые железно примут в нем участие и уже перешли в закрытую группу!

Кто еще не определился - пора определяться!

#практикум

Пошел первый тайм.
Анализируем пропускную способность и входящий поток

#практикум

Первый день закончили. Команды подобрались мощные, внимательные, зубастые и очень умные! Класс! 👍

В конце обсудили животрепещущие вопросы: какой алгоритм анализа данных выбрать, и как людей вовлекать в сбор и анализ метрик

Ребята, большое спасибо! Вы лучшие! ❤️

#практикум

Прошу прощения за долгое отсутствие новых статей и материалов. Очень много времени заняла подготовка к Практикуму.

НО! Сейчас готовится к выпуску web-версия инструкции по анализу LTD Chart и LT Scatterplot. Оказалось, что многим удобнее пользоваться форматом статьи, а не PDF

А так же недели через 1.5 выпущу второй материал про опережающие метрики в Канбан-методе. Первая статья на эту тему уже была ранее

#анонс

Во время Практикума обнаружился казус 🥵 Оказалось, что диаграмма CFD на скрине - перевернутая. То есть статус "закрыто" наверху, а статус "открыто" - внизу 😱🙈

Но участники не растерялись, и - имея на руках исходные данные - построили правильный CFD и нашли столько выводов и инсайтов, сколько только было возможно!

После этого мы перепроверили наши выводы с помощью ИИ-инструмента

Кайфую от участников! Не растерялись, собрались, пришли сообщили, сами поправили и нашли массу полезностей!
Люблю вас ребята! ❤️❤️

#практикум

Статья про анализ LTD Chart по мотивам моей PDF-инструкции

Многим удобнее дать ссылку на статью, чем переслать PDF.
Пользуйтесь

PS до этого была статья про анализ CFD

#канбанпросто

Тут Кайтен мою статью опубликовал.

Про принятие управленческих решений на основе Канбан - метрик.

Думаю вам будет интересно
https://kaiten.ru/blog/kanban-metriki-for-managers/

Запись вебинара "Как менеджеру узнать срок выполнения задачи, не отвлекая подчиненных, и ошибиться всего на 15%?"

https://rutube.ru/video/f00374f65ceddfb2ba7da0e00b688b7a/

Распространяйте среди ваших менеджеров, которые по старинке меряют сроки линейкой экспертно в человеко-часах, умножают на число Пи и прибавляют 20%. И все равно не укладываются в прогноз 🤷‍♂️

Они вечно в огне, руководство ими вечно недовольно. Разработчики не хотят ходить на планирование. И вообще все плохо. 🙈😭

Но есть выход! Попадать в прогноз с вероятностью 85%! Как? Смотрите вебинар

PS Ссылка на презентацию - в описании под видео на Rutube

Данные в действии