Отнюдь не претендую на оригинальность и авторство метода, который я буду описывать. Он более известен под названием Affinity Estimation и позволяет в течение короткого промежутка времени быстро оценить большое количество историй (элементов Беклога Продукта).
Очень полезная штука в случае если:
- Команда плохо понимает, что такое относительные оценки и продолжает пересчитывать все на часы.
- Команда не понимает, что значат магические цифры ряда Фиббоначи 1,2,3… и боится давать оценки.
- У нас большое количество историй (больше 15) и необходимо оценить все их «скопом». Например, такая потребность часто возникает при релизном планировании в самом начале проекта.
- Большая команда или несколько команд одновременно работают над одним продуктом.
- Нужна «калибровка» оценок и историй.
Часть№1. От мала до велика. Вся «соль» метода заключается в том, что сама оценка в основном происходит именно здесь, но участники пока не должны догадываються об этом. Мы просто просим команду расположить истории в порядке возрастания от самой маленькой до самой большой. Это упражнение удобно делать на столе или стене, поэтому заранее перенесите истории на физические носители. Для этого удобно использовать стикеры. Важно – цифры (ряд Фибоначчи) прячем пока подальше. Они нам понадобятся во второй части упражнения. Все действие происходит прмерно так:
Не забываем «таймбоксить» эту активность. В зависимости от размера команды и количества историй нам может понадобиться от 10 до 30 минут.
Часть№2. Расставляем оценки. Большая часть работы уже позади. К этому моменту у нас должен быть ряд из историй, выстроенный в порядке возрастания. Нам остается лишь расставить оценки. Вручаем команде стикеры с цифрами Фиббоначи и просим определить границы групп историй. Именно в этой части команда принимает решение, что для них в дальнейшем будет значить один «попугай» (стори пойнт). Если количество историй не очень большое, то, возможно, не весь ряд будет задействован. Как в приведенном примере ниже – команда не смогла найти истории с оценкой «2».
Часть№3. Формируем оценочную сетку. Помещаем оцененные истории на бумажный носитель (можно сделать электронную копию) и бережно храним. В дальнейшем – если нам понадобиться оценить новые истории – мы просто можем подойти к этой сетке и быстро определиться с оценкой, ведь теперь нам есть с чем сравнивать.
