SlideShare a Scribd company logo
1 of 23
Изменение sprint scope по средине разработки:
кто виноват и что делать?
Давайте знакомиться ;)
Алена Прихнич
Co-founder & trainer @ E5
Agile Project manager @ Ciklum
IC Agile certified professional
Прошла путь от сотрудника отдела поддержки до менеджера
проектов и руководителя офиса. Проводжу тренинги по гибким
методологиям, менеджменту и мотивации.
Последний проект - открытие киевского офиса аутсорсинговой
компании в Киеве.
А вы? ;)
Все как в жизни ;)
А что вообще происходит?
 Product Owner хочет
добавить в sprint новые
user stories
 Разработчик во время
выяснения деталей с PO
понимает, что размер
user story больше, чем
думали изначально
 Тестировщики во время
тестирования понимают,
что размер user story
больше, чем думали
изначально
Product Owner хочет добавить в
sprint новые user stories
Почему?
 У PO может быть
контракт/ внешние
обезательства/ он кому-
то что-то пообещал и
забыл
 PO не понимает/ ему все
равно, что sprint scope
нельзя менять
 Совещание PO с
бизнесом после вашего
sprint planning и
утверждения им sprint
scope
Что делать?
 Выясняем почему РО хочет
добавить новые stories
 Обьясняем последствия для
sprint
 Говорим «Нет» (без фанатизма)
 Предлагаем варианты решения:
• Сделать это в следующем sprint
• Выкинуть что-то в замен
• Играемся с классикой проектного
менеджмента ;)
Resources
Quality
Scope
Как предотвратить?
 Просвещаем PO относительно
Agile, Scrum etc.
 Вовлекаем PO в планирование
(делаем частью команды)
 Показываем потери компании в
у.е. от таких действий
 Создаем и обновляем план
релизов с разбивкой на спринты,
делимся им с РО, бизнесом и
всеми заинтересоваными
 Делаем PBR до того как бизнес/
РО утвердили sprint scope
Разработчик во время выяснения деталей с PO
понимает, что user story больше, чем он оценил
Почему?
 Разработчик не вникал
в суть истории во
время планирования/
PBR
 ВА не получил ответы
на вопросы
разработчиков
 PO не предоставил
всю информацию
изначально
Что делать?
Оцениваем объем изменений
 Вам повезло и доп. работа
до нескольких часов
 Вам не повезло...
идем к РО с вариантами
решения:
• Сделать это в
следующем sprint
• Выкинуть что-то в замен
• Опять этот треугольник ;)
Resources
Q
uality
Scope
Как предотвратить?
 Мотивируем разработчиков читать
истории перед PBR
 Договариваемся с РО о выделении
на это времени
 Пишем recaps & follow-ups на PBR
 Добавляем вопросы в конкретные
истории
 Не берем историю без всей
информации, используем definition
of ready для story
 Проводим двухуровневое
планирование
 Push PO на daily basis ;)
Тестировщики во время тестирования понимают,
что user story больше, чем они оценили
Почему?
 Тестировщики не
вовлечены в
планирование/ PBR/
эстимацию
 Тестировщики не
правильно оценили объем
работы
 Новые детали в результате
лучшего понимания
продукта
Что делать?
Да то же, что и в случае с
разработчиком ;)
Оцениваем объем изменений
 Вам повезло и доп. работа
до нескольких часов
 Вам не повезло...
идем к РО с вариантами
решения:
• Сделать это в
следующем sprint
• Выкинуть что-то в замен
• Опять этот треугольник ;)
Resources
Q
uality
Scope
Как предотвратить?
 Мотивируем тестировщиков
читать истории перед PBR
 Добавляем в definition of story
ready утверждение ее
тестировщиками
 Оценка истории
тестировщиками – must have
 Пишем тест кейсы в начале
спринта
 Обсуждаем тест кейсы с
разработчиками
А как правильно?
2 weeks sprint
Team
Product
Owner
Scrum
master
Sprint
backlog
Sprint
Planning
Daily
Stand up
Sprint Review
Retrospective
Epic
grooming
Story
grooming
PBR – Product Backlog
Refinement
1.Чтение
2.Вопросы
3.Предварительная оценка
4.Предварительный выбор
команды
1. Все вопросы отвечены
2. Детали реализации готовы
(wireframes, mockups,
scenarios)
3. Приоритеты выставлены
4. Четкое понимание
1. Мелкие уточнения
2. Проблемы?
1. Понимание scopeследующего спринта2. Оформление
доработок
Расставляем акценты
Обучаем команду
 Обучаем команду
Agile
 Они должны уметь
“push back” PO ;)
Понять и помочь ;)
1) Ищем причины
изменения sprint
scope
2)Помогаем их
устранить
А что дальше?
Product Development Mindset
Спасибо за внимание!
helen@e-5.com.ua
E5Trainings
E5Trainings
E5
www.e-5.com.ua

More Related Content

Viewers also liked

экологизация
экологизацияэкологизация
экологизацияnm-8604
 
Short formvideo longtermlearning_041415h
Short formvideo longtermlearning_041415hShort formvideo longtermlearning_041415h
Short formvideo longtermlearning_041415hBizLibrary
 
iFonts for logo
iFonts for logoiFonts for logo
iFonts for logo08WaittA
 
excellence award certificate
excellence award certificateexcellence award certificate
excellence award certificateIbrahim Ige
 
Planos de saúde querem reajuste acima de 9,65% - por Marinella Castro
Planos de saúde querem reajuste acima de 9,65%  - por Marinella CastroPlanos de saúde querem reajuste acima de 9,65%  - por Marinella Castro
Planos de saúde querem reajuste acima de 9,65% - por Marinella CastroEditora Roncarati
 

Viewers also liked (8)

экологизация
экологизацияэкологизация
экологизация
 
Short formvideo longtermlearning_041415h
Short formvideo longtermlearning_041415hShort formvideo longtermlearning_041415h
Short formvideo longtermlearning_041415h
 
EngMohamedNabil
EngMohamedNabilEngMohamedNabil
EngMohamedNabil
 
iFonts for logo
iFonts for logoiFonts for logo
iFonts for logo
 
Autumn Vine
Autumn VineAutumn Vine
Autumn Vine
 
excellence award certificate
excellence award certificateexcellence award certificate
excellence award certificate
 
Internet
InternetInternet
Internet
 
Planos de saúde querem reajuste acima de 9,65% - por Marinella Castro
Planos de saúde querem reajuste acima de 9,65%  - por Marinella CastroPlanos de saúde querem reajuste acima de 9,65%  - por Marinella Castro
Planos de saúde querem reajuste acima de 9,65% - por Marinella Castro
 

More from GeeksLab Odessa

DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...
DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...
DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...GeeksLab Odessa
 
DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...
DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...
DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...GeeksLab Odessa
 
DataScience Lab 2017_Блиц-доклад_Турский Виктор
DataScience Lab 2017_Блиц-доклад_Турский ВикторDataScience Lab 2017_Блиц-доклад_Турский Виктор
DataScience Lab 2017_Блиц-доклад_Турский ВикторGeeksLab Odessa
 
DataScience Lab 2017_Обзор методов детекции лиц на изображение
DataScience Lab 2017_Обзор методов детекции лиц на изображениеDataScience Lab 2017_Обзор методов детекции лиц на изображение
DataScience Lab 2017_Обзор методов детекции лиц на изображениеGeeksLab Odessa
 
DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...
DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...
DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...GeeksLab Odessa
 
DataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-докладDataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-докладGeeksLab Odessa
 
DataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-докладDataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-докладGeeksLab Odessa
 
DataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-докладDataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-докладGeeksLab Odessa
 
DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...
DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...
DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...GeeksLab Odessa
 
DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...
DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...
DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...GeeksLab Odessa
 
DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко
DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко
DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко GeeksLab Odessa
 
DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...
DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...
DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...GeeksLab Odessa
 
DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...
DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...
DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...GeeksLab Odessa
 
DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...
DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...
DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...GeeksLab Odessa
 
DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...
DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...
DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...GeeksLab Odessa
 
DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...
DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...
DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...GeeksLab Odessa
 
DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...
DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...
DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...GeeksLab Odessa
 
DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот
DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот
DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот GeeksLab Odessa
 
JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...
JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...
JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...GeeksLab Odessa
 
JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js
JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js
JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js GeeksLab Odessa
 

More from GeeksLab Odessa (20)

DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...
DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...
DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...
 
DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...
DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...
DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...
 
DataScience Lab 2017_Блиц-доклад_Турский Виктор
DataScience Lab 2017_Блиц-доклад_Турский ВикторDataScience Lab 2017_Блиц-доклад_Турский Виктор
DataScience Lab 2017_Блиц-доклад_Турский Виктор
 
DataScience Lab 2017_Обзор методов детекции лиц на изображение
DataScience Lab 2017_Обзор методов детекции лиц на изображениеDataScience Lab 2017_Обзор методов детекции лиц на изображение
DataScience Lab 2017_Обзор методов детекции лиц на изображение
 
DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...
DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...
DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...
 
DataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-докладDataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-доклад
 
DataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-докладDataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-доклад
 
DataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-докладDataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-доклад
 
DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...
DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...
DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...
 
DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...
DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...
DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...
 
DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко
DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко
DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко
 
DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...
DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...
DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...
 
DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...
DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...
DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...
 
DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...
DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...
DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...
 
DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...
DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...
DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...
 
DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...
DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...
DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...
 
DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...
DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...
DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...
 
DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот
DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот
DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот
 
JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...
JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...
JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...
 
JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js
JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js
JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js
 

PMLab. Алена Прихнич. “Изменение Scope спринта посередине разработки”

  • 1. Изменение sprint scope по средине разработки: кто виноват и что делать?
  • 2. Давайте знакомиться ;) Алена Прихнич Co-founder & trainer @ E5 Agile Project manager @ Ciklum IC Agile certified professional Прошла путь от сотрудника отдела поддержки до менеджера проектов и руководителя офиса. Проводжу тренинги по гибким методологиям, менеджменту и мотивации. Последний проект - открытие киевского офиса аутсорсинговой компании в Киеве.
  • 4. Все как в жизни ;)
  • 5. А что вообще происходит?  Product Owner хочет добавить в sprint новые user stories  Разработчик во время выяснения деталей с PO понимает, что размер user story больше, чем думали изначально  Тестировщики во время тестирования понимают, что размер user story больше, чем думали изначально
  • 6. Product Owner хочет добавить в sprint новые user stories
  • 7. Почему?  У PO может быть контракт/ внешние обезательства/ он кому- то что-то пообещал и забыл  PO не понимает/ ему все равно, что sprint scope нельзя менять  Совещание PO с бизнесом после вашего sprint planning и утверждения им sprint scope
  • 8. Что делать?  Выясняем почему РО хочет добавить новые stories  Обьясняем последствия для sprint  Говорим «Нет» (без фанатизма)  Предлагаем варианты решения: • Сделать это в следующем sprint • Выкинуть что-то в замен • Играемся с классикой проектного менеджмента ;) Resources Quality Scope
  • 9. Как предотвратить?  Просвещаем PO относительно Agile, Scrum etc.  Вовлекаем PO в планирование (делаем частью команды)  Показываем потери компании в у.е. от таких действий  Создаем и обновляем план релизов с разбивкой на спринты, делимся им с РО, бизнесом и всеми заинтересоваными  Делаем PBR до того как бизнес/ РО утвердили sprint scope
  • 10. Разработчик во время выяснения деталей с PO понимает, что user story больше, чем он оценил
  • 11. Почему?  Разработчик не вникал в суть истории во время планирования/ PBR  ВА не получил ответы на вопросы разработчиков  PO не предоставил всю информацию изначально
  • 12. Что делать? Оцениваем объем изменений  Вам повезло и доп. работа до нескольких часов  Вам не повезло... идем к РО с вариантами решения: • Сделать это в следующем sprint • Выкинуть что-то в замен • Опять этот треугольник ;) Resources Q uality Scope
  • 13. Как предотвратить?  Мотивируем разработчиков читать истории перед PBR  Договариваемся с РО о выделении на это времени  Пишем recaps & follow-ups на PBR  Добавляем вопросы в конкретные истории  Не берем историю без всей информации, используем definition of ready для story  Проводим двухуровневое планирование  Push PO на daily basis ;)
  • 14. Тестировщики во время тестирования понимают, что user story больше, чем они оценили
  • 15. Почему?  Тестировщики не вовлечены в планирование/ PBR/ эстимацию  Тестировщики не правильно оценили объем работы  Новые детали в результате лучшего понимания продукта
  • 16. Что делать? Да то же, что и в случае с разработчиком ;) Оцениваем объем изменений  Вам повезло и доп. работа до нескольких часов  Вам не повезло... идем к РО с вариантами решения: • Сделать это в следующем sprint • Выкинуть что-то в замен • Опять этот треугольник ;) Resources Q uality Scope
  • 17. Как предотвратить?  Мотивируем тестировщиков читать истории перед PBR  Добавляем в definition of story ready утверждение ее тестировщиками  Оценка истории тестировщиками – must have  Пишем тест кейсы в начале спринта  Обсуждаем тест кейсы с разработчиками
  • 19. 2 weeks sprint Team Product Owner Scrum master Sprint backlog Sprint Planning Daily Stand up Sprint Review Retrospective Epic grooming Story grooming PBR – Product Backlog Refinement 1.Чтение 2.Вопросы 3.Предварительная оценка 4.Предварительный выбор команды 1. Все вопросы отвечены 2. Детали реализации готовы (wireframes, mockups, scenarios) 3. Приоритеты выставлены 4. Четкое понимание 1. Мелкие уточнения 2. Проблемы? 1. Понимание scopeследующего спринта2. Оформление доработок Расставляем акценты
  • 20. Обучаем команду  Обучаем команду Agile  Они должны уметь “push back” PO ;)
  • 21. Понять и помочь ;) 1) Ищем причины изменения sprint scope 2)Помогаем их устранить
  • 22. А что дальше? Product Development Mindset

Editor's Notes

  1. Хто стикається з проблемами? Хто знає як їх вирішувати?
  2. Ми всі будуємо продукт, тому наша ціль - єдина