迭代回顾会议咨询记录
发布于 2024-10-01
1436
版权声明
我们非常重视原创文章,为尊重知识产权并避免潜在的版权问题,我们在此提供文章的摘要供您初步了解。如果您想要查阅更为详尽的内容,访问作者的公众号页面获取完整文章。
麦哲思科技任甲林
扫码关注公众号
扫码阅读
手机扫码阅读
敏捷迭代回顾会议摘要
敏捷迭代中的回顾会议是一个重要的调整环节,它允许团队反思并改善过程,推动团队向自学习组织转型。本摘要总结了一次敏捷迭代回顾会议的观察结果,包括团队在迭代过程中遇到的问题,优缺点,以及给出的建议措施。
改进点
- 每日站立会议需要每个角色通报任务进展并更新看板以实现任务状态的可视化。
- 测试人力出现瓶颈时,应及时增加人手以缓解压力。
- 开发人员应避免过度设计,通过简化原则和及时沟通保持需求对接。
- 缺乏UI设计人员,建议尽快招聘或培训前端开发人员。
- 工作量估计不足,需通过策划会议和需求梳理会议充分沟通。
- 对于未识别的任务,应在估算时考虑可用时间并排除非项目任务。
- 产品负责人(PO)应至少每周与开发团队协作一天,以保证需求沟通。
- 回顾会议不应详尽列出每个任务,而是应侧重于完成的需求和未完成任务的进展。
- Scrum Master(SM)应控制会议不跑题并在会中积极发言。
- 迭代回顾中要积累迭代数据并展示,以便未来的估算和改进。
- 海星法应用于回顾会议,以提供思考主线并鼓励全员参与。
- 会议纪律需要强调,避免中断他人发言并鼓励提出具体的改进建议。
- 开发和部署环境应保持一致性,且环境应固化。
优点
- 坚持后端设计文档编写,有助于减少接口错误。
- 需求反讲方法被证明是有效的。
- SM宣布会议纪律有助于保持会议的秩序和效率。
- 开发和测试之间的需求沟通提升了测试效率。
- 单元测试的培训和实践有助于提高代码质量。
- 全员使用Confluence和Jira等工具提高了项目管理的效率。
- 团队认识到了进度和效率的提升,对敏捷开发模式建立了信心。
麦哲思科技任甲林
麦哲思科技任甲林
扫码关注公众号
麦哲思科技(北京)有限公司总经理 敏捷性能合弄模型评估师 认证的Scrum Master 认证的大规模敏捷顾问SPC CMMI高成熟度主任评估师 COSMIC MPC,IAC 成员,中国分部主席
440 篇文章
浏览 717.2K
还在用多套工具管项目?
一个平台搞定产品、项目、质量与效能,告别整合之苦,实现全流程闭环。
查看方案
麦哲思科技任甲林的其他文章
软件研发过程客观体检指标
在给软件企业做差距分析时,经常听到大家说:“我们需求变更很频繁”,“我们项目拖期很严重,客户很不满意”,“我们开发人员太忙了”等等各种主观的说法,这些论断基本上是有通用性的,各个组织都存在,表面上看,软件组织的问题都是类似的。这些论断也是有争议性的,因为不同的人得出的结论可能是不同的,张三认为需求变更频繁,而李四可能认为就是正常的。因此,我们需要客观准确地刻画企业的现状、描述问题的原因。
例解:过程性能模型的概念辨析
CMMI模型的4,5级是需要建立过程性能模型(PPM)的,在CMMI中对PPM的定义如下: A description of relationships among the measurableattributes of one or more processes or work products that is developed fromhistorical process perfor
快速学习COSMIC方法之十三:如何识别读和写?
在实践中识别读和写是比较简单的,出错的概率比较小。读和写都是被度量的软件与存储介质之间的数据交互动作。读是从持久存储介质移动数据到功能处理内部,写是从功能处理移动数据到存储介质,二者的方向是相反的。在识别读和写时,要注意以下几点:1 每个读或写移动的是一个兴趣对象的一个数据组。如果是移动的多个兴趣对象的数据组,则需要识别为多个读或写。如果是一个兴趣对象的不同数据组,也是要识别为多个读或写。如果一个...
例解:目标、性能基线与性能模型的关系
目标是对未来的期望。性能是历史的表现。性能基线是对性能分布规律的定量刻画。性能模型是对性能因果规律的定量刻画。它们之间的关系是什么呢?举例说明如下:总目标:总成绩400分以上,进入班级前5名子目标:语文130分以上,数学135分以上,英语140分以上性能基线:1)语文成绩的历史分布规律:2)数学成绩的历史分布规律:3)英语成绩的历史分布规律:基于性能基线的预测达成目标的概率基于已知的历史三科成绩的分布,可以预测总成绩超过4...
AI重构研发:不止是工具革新,更是全维度组织重塑
同时,度量的核心不再是“单一数据”,而是“数据背后的效能提升逻辑”——比如,通过分析AI辅助前后的工作数据,判断AI对整体研发效能、质量的提升幅度,进而优化AI与人工的配合模式。而AI的介入,彻底打破了这种固有模式——未来的研发工作,将是“人+AI结对协作”的全新形态。其实仔细梳理会发现,AI给研发领域带来的这五个维度的变化,并不是孤立存在的——文化变革是基础,组织结构变革是载体,流程变革是核心,考核评价机制变革是引导,度量体系变革是支撑,五者相互关联、层层递进,共同构成了AI时代研发工作的全新框架。
加入社区微信群
与行业大咖零距离交流学习
PMO实践白皮书
白皮书上线
白皮书上线