Download to read offline
Uploaded bySuyama Ikuo
Data & Metrics in Agile2018
Line Developer in Tokyo #44 -Agile2018 Conference 報告会- の登壇資料です。
Data & Metrics in Agile2018
- 1. Data & Metrics InAgile2018 CyberAgent I. Suyama 2018.08.28
- 2. HELLO! I am IkuoSuyama apprentice “Agile Programmer” Lodeo AdTech Studio CyberAgent, inc. @martin_lover_se 2
- 3. 1. Retrospective Data &Metrics In Agile2018 3
- 4. About Data &Metrics 4 Agile領域でのデータへの関心の高まり ▸ ２回目のKeynoteがData関連 ▸ Data&Metricsカテゴリで６つのセッション ▹ 別カテゴリでMetrics関連セッションもあり ▸ Output vs Outcome ▹ Efficiency VS Effectiveness ▸ でもまだまだ発展途上...? ▹ 可視化してインサイトを得よう！の域を出ない印象
- 5. Visualization Agile2018 5 Collaboration Culture& Teams Enterprise Agile Data Metrics POPULAR & Popular Session
- 6. 2. Keynote: What's the storyabout Agile data? 6 By Troy Magennis
- 7. What's the storyabout Agile data? 7 By Troy Magennis
- 8. What's the storyabout Agile data? 8 By Troy Magennis Summary ▸ データは美しい ▸ データは人の問題 ▸ 予測可能性の対価 ▸ 予測はどのように間違うか ▸ ストーリーポイント vs スループット ▸ 依存性の壊滅的な影響 ▸ 大きなチームの可能性
- 9. What's the storyabout Agile data? 9 By Troy Magennis Data is beautiful データは美しい ▸ 可視化することでストーリーを見いだす
- 10. What's the storyabout Agile data? 10 By Troy Magennis Data is a people problem データは人の問題 ▸ 経験だけ -> 認知バイアスで間違う ▸ 過去データだけ -> コンテキストで間違う ▸ Data + Conversation ▹ 対話とともに用いることが大切
- 11. What's the storyabout Agile data? 11 By Troy Magennis Data is a people problem データは人の問題 ▸ 人にとって ▹ 恥をかかせるような方法 ▹ 安全でない方法 ▹ バグの数を比べるとか ... ▸ これらがデータを破壊する
- 12. What's the storyabout Agile data? 12 By Troy Magennis Data is a people problem データは人の問題 ▸ `安全に` データを使う方法を見つけよう ▹ 対話による良質なデータ ▹ Make Data Awesome ▹ 人々を幸せにする ▹ Use Data Safely
- 13. What's the storyabout Agile data? 13 By Troy Magennis Price we pay for Predictability 予測可能性の対価 1. Output ▹ 進捗管理 2. 優先順位付け ▹ Planning 3. Outcome ▹ 顧客満足度, etc... 1. Outcome 2. 優先度 3. Output 何を `分析` してる？
- 14. What's the storyabout Agile data? 14 By Troy Magennis Price we pay for Predictability 予測可能性の対価 ▸ ビジネス価値があることは不安定 ▹ 新しいこと ▹ クリエイティブなこと ▸ 不安定性こそが対価 ▸ 予測可能性とバランスをとる必要がある ▸ 新しい情報をより早く取り入れる
- 15. What's the storyabout Agile data? 15 By Troy Magennis How we got Forecasting wrong 予測はどのように間違うか ▸ GoogleMap から学ぼう ▹ 単数 < 複数の選択肢 ▹ 日付 < 期間 ▹ 更新し続ける ▸ いつ始めるか？を知るための予測 ▹ 納期遅延はいつも 始めるのが遅すぎる から起こる！！ ▸ 間違いを見つけるために予測する
- 16. Story points vsThroughput throwdown ストーリーポイント vs スループット ▸ Item Count(Throughput) がいい場合 ▹ 開発時間 < 遅延（依存待ち） ▹ = 依存が多いとき ▸ Story Pointがいい場合 ▹ 開発時間 > 遅延（依存待ち） ▹ = 依存が少ないとき What's the story about Agile data? 16 By Troy Magennis I'm consultant, so It's depends!
- 17. How much datado I need? (予測に必要な)データの数は？ ▸ 最新の１０個のサンプルを使おう What's the story about Agile data? 17 By Troy Magennis １１人付き合ってその中で最 高の一人と結婚すべし
- 18. Devastating Impact ofDependencies 依存性の壊滅的な影響 ▸ 「遅れる」「遅れない」の２択を取りうる ⇒依存の数 n とすると、遅れないケースは (全員「遅れない」が揃うパターン) ▸ 依存を可視化して減らそう What's the story about Agile data? 18 By Troy Magennis 1 in 2n 遅れない確率 1/128
- 19. What's the storyabout Agile data? 19 By Troy Magennis Teams could/should be larger 大きなチームの可能性 ▸ 戦略が必要 ▸ チームを比べる必要がある ▹ 共通の原因 vs 固有の原因 ▹ コンテキストの中で比べる ▹ 安全な環境を作る ▸ データは人の問題
- 20. 20 By Larry Maccherone 3. Session: Theimpact of lean / agile quantified
- 21. The impact oflean / agile quantified ▸ パフォーマンスの定量比較 ▹ SDPI ▸ Agileチームの条件 => SDPIの応答 ▹ 科学的、客観的 ▸ Troyのセッションでも引用 21 By Larry Maccherone
- 22. 22 By Larry Maccherone SDPI SoftwareDevelopment Performance Index 1. Productivity / 生産性 ▹ Throughput 2. Predictability / 予測可能性 ▹ Stability of Throughput 3. Responsiveness / 応答性 ▹ Time in Process 4. Quality / 品質 ▹ Defect Density The impact of lean / agile quantified
- 23. 23 By Larry Maccherone IterationLength The impact of lean / agile quantified
- 24. 24 By Larry Maccherone IterationLength ▸ 2週間がバランスよいパフォーマンス ▸ 長いイテレーション期間は品質と正相関 ▸ 短いイテレーション期間は生産性、反応性高 The impact of lean / agile quantified
- 25. 25 By Larry Maccherone ControllingWip The impact of lean / agile quantified Little’s law 負荷L = 到着率λ x 平均時間W
- 26. 26 By Larry Maccherone ControllingWip ▸ WIPを最大制限すると... ▹ Time in Processが 1/ 2 ▹ 不具合が1 / 4 ▹ 生産性は -34% ▸ WIPを減らそう The impact of lean / agile quantified
- 27. 27 By Larry Maccherone Teamsize The impact of lean / agile quantified
- 28. 28 Team size ▸ 小さいサイズ(1~ 3)のチーム ▹ 17% 品質低い ▹ 17% 生産性高い ▸ 7 ± 2 人でチームをセットアップしよう ▹ 大きいチームでうまくいっている場合に、サイズダ ウンしたときの証拠はないので注意 By Larry Maccherone The impact of lean / agile quantified
- 29. ▸ 他にも面白い結果が多数 ▹ リモートVS オンサイト ▹ 見積もり手法 ▹ 結成からの時間 ▹ テスター / 開発者 ▸ この手の話題が好きな人は要チェック！ 29 By Larry Maccherone https://www.linkedin.com/in/larrymaccherone/ The impact of lean / agile quantified
- 30.
- 31.
- 32. ▸ What’s theStory About Agile Data(Video) ▹ Slide ▹ See Also… ▹ FocusedObjective - GitHub ▹ Doing Team Metrics Right - Focused Objective ▹ SDPI Cheat Sheet ▹ SDPI Cheat Sheet - Spreadsheet ▹ Metric Driven Coaching ▹ By Troy Mageniss ▹ Twitter Appendix 32 ▸ The impact of lean/agile quantified(Video) ▹ Slide ▹ See Also… ▹ The Impact of Agile. Quantified. ▹ The Seven Deadly Sins of Agile Measuremen ▹ ODIM A framework for choosing the right metrics ▹ By Larry Maccherone ▹ Twitter ▹ LinkedIn