श्रम और मूल्य प्राथमिकता क्यों काम नहीं करती है

और यह इसका उपयोग करने लायक क्यों है

लेख बताता है कि बैकलॉग को प्राथमिकता देने का सबसे लोकप्रिय तरीका उतना अच्छा नहीं है जितना आप सोचते हैं, और इसे बेहतर बनाने के लिए क्या किया जा सकता है।

विकास श्रम और मूल्यों का मूल्यांकन (श्रम पर वापसी) उत्पाद बैकलॉग में प्राथमिकता का मुख्य तत्व है: यह एक सरल, समझने योग्य दृष्टिकोण है, और इसलिए बहुत लोकप्रिय है। आपके पास संभवतः किराने के बैकलॉग में 2 ऐसे कॉलम हैं (और यदि नहीं, तो भी आपको उन्हें जोड़ना चाहिए):

कॉलम: फ़ीचर / प्रोजेक्ट, श्रम, मूल्य।
पहले कॉलम की कोशिकाओं में सामग्री:
सामुदायिक टैब
रिफ्रेश स्ट्रीम भेजें
पेपैल बिलिंग जोड़ें
रसीद की त्रुटि
प्रबंधक से संपर्क करें
सेवा की शर्तें अद्यतन करें

श्रम लागत को मानव-सप्ताह में या कार्य की कठिनाई के स्तर (सरल / आसान / कठिन) द्वारा निर्धारित किया जा सकता है। जैसे ही आपके पास नंबर होते हैं, उन विशेषताओं को चुनना महत्वपूर्ण हो जाता है जो सबसे बड़ा वित्तीय रिटर्न प्रदान करेंगे। लेकिन यहां सब कुछ थोड़ा और जटिल हो जाता है। यह समझने के लिए कि क्यों, हम अपने कार्यों को एक आयताकार समन्वय प्रणाली में व्यवस्थित करें:

एक्स अक्ष वर्कलोड है, वाई अक्ष मूल्य है

यह काफी स्पष्ट है कि ऊपरी बाईं परियोजनाएं अन्य सभी की तुलना में बेहतर हैं, और निचले सही वाले सबसे खराब हैं। लेकिन बाकी सब चीजों की तुलना कैसे करें? सौभाग्य से, एक समाधान मौजूद है। आप पहले से ही श्रम और मूल्य के मैट्रिक्स से परिचित हो सकते हैं। यदि आप इसे Google करते हैं, तो आप मैट्रिक्स के हजारों भिन्न रूप पा सकते हैं - यह लंबे समय से उद्योग में सबसे अच्छा अभ्यास है।

एक्स अक्ष पर: छोटे श्रम लागत - वृद्धिशील सुधार, बड़ी श्रम लागत - "मनी पिट" (लगभग। अनुवाद: अन्य स्रोतों में, "समय खाने वाले")।
Y अक्ष पर: छोटे श्रम की आसान जीत की लागत होती है, बड़े श्रम की बड़ी जीत की लागत होती है।

यह विचार बहुत सरल है - चतुर्थांश में विभाजित करने से यह देखने में मदद मिलती है कि परियोजनाएं कैसे व्यवस्थित होती हैं।

निचले बाएँ कोने में लघु / लघु चतुर्थांश में मामूली मामूली उत्पाद सुधार होते हैं। प्रत्येक किराने के बैकलॉग में इस प्रकार के कई कार्य शामिल हैं और ये सभी डाउनटाइम्स को भरने में महत्वपूर्ण भूमिका निभाते हैं, लेकिन साथ ही उनकी प्राथमिकता कम होती है।

दूसरी ओर, कई / कई चतुर्थांश बड़ी परियोजनाओं को कवर करते हैं जो एक बड़ी आय का वादा करते हैं। कई महत्वाकांक्षी टीमें ऐसी परियोजनाओं पर विशेष रूप से दांव लगाना पसंद करती हैं।

सबसे वांछनीय परियोजनाएं हैं छोटे श्रम लागत और ऊपरी बाएं कोने में उच्च रिटर्न का संयोजन - कोई भी आसान जीत से इंकार नहीं करेगा (और कौन जानता है, शायद इन परियोजनाओं में से एक और बटन बन जाएगा जो आपको $ 300 मिलियन कमाने की अनुमति देगा ... )।

और, अंत में, निचले दाएं चतुर्थांश - महान प्रयास और कम रिटर्न - तथाकथित पैसे के गड्ढे, धन्यवाद कार्यों, एक हैंडल के बिना एक सूटकेस। निश्चित रूप से कोई भी ऐसी चीज़ों के निर्माण पर पहले से ही सीमित संसाधनों को खर्च नहीं करना चाहता है जिसमें बहुत काम की आवश्यकता होती है और बहुत कम मूल्य होता है।

इस मैट्रिक्स के लिए हमारी योजनाओं को ओवरलैप करने से आप जल्दी से एक स्पष्ट तस्वीर प्राप्त कर सकते हैं:

... और अब प्राथमिकता काफी सरल है:

1. सबसे पहले, हम उन सभी चीजों से छुटकारा पा लेते हैं जो धन गड्ढे के चतुर्थांश में है (यह एक अच्छा वितरण है)।
2. फिर हमने आसान जीत को उच्च प्राथमिकता दी।
3. और अंत में, हम उपलब्ध संसाधनों और हमारे भूख के आधार पर वृद्धिशील सुधार और बड़े दांव का मिश्रण बनाते हैं।

बहुत आसान है?

इतनी जल्दी नहीं ...

उपरोक्त सभी के रूप में स्पष्ट है, समस्या यह है कि श्रम लागत और मूल्य का मूल्यांकन करने की विधि द्वारा प्राथमिकता हमें गलत "विजेता" चुनने के लिए मजबूर करती है। सबसे पहले, क्योंकि इस पद्धति में भविष्य की घटनाओं की भविष्यवाणी के आधार पर आकलन करने की आवश्यकता शामिल है - कार्य को लागू करने के लिए आवश्यक प्रयासों, और इन प्रयासों के परिणामस्वरूप उपयोगकर्ताओं को होने वाले लाभ। जैसा कि आप पहले से ही जानते हैं, लोग पूर्वानुमान लगाने में बहुत गरीब हैं।

श्रम को कम आंकने की प्रवृत्ति

1979 में, व्यवहारवादी मनोवैज्ञानिक डैनियल काह्नमैन और अमोस टावर्सकी ने एक घटना का वर्णन किया कि उन्होंने नियोजन गलती कहा था । उन्होंने दिखाया कि किसी कार्य को पूरा करने में लगने वाले समय का अनुमान लगाने में लोग और टीम नियमित रूप से अत्यधिक आशावादी होते हैं, जो अंततः आकलन को कम आंकता है। कई अन्य अध्ययनों में भी इस घटना की पुष्टि हुई है।

अगर आप आईटी सेक्टर में काम करते हैं, तो यह खबर आपके लिए चौंकाने वाली खोज नहीं है। कार्य और परियोजनाओं में लगातार देरी हो रही है और मूल योजना से अंतर 2-3 गुना (और कभी-कभी बहुत अधिक) तक पहुंच सकता है। अनुभवी टीम लीडर और प्रोजेक्ट मैनेजर एक मार्जिन के साथ समय की योजना बनाना पसंद करते हैं, वे बफ़र जोड़ते हैं या बस स्कोर को 2 से गुणा करते हैं, लेकिन यहां तक ​​कि इसे ध्यान में रखते हुए, प्रोजेक्ट अभी भी समय पर खत्म नहीं होते हैं और इससे भी अधिक समय ( उदाहरण ) के आगे खत्म नहीं होते हैं।

इसके कारण कुछ विशेषताएं हैं, जिनमें से अधिकांश विभिन्न संज्ञानात्मक विकृतियाँ हैं:

• आशावाद और वांछित के बारे में विचार।
• अतीत में एक समान कार्य के लिए कितनी देर लग गई थी, इसकी गलत यादें।
• किसी कार्य को पूरा करने पर अत्यधिक ध्यान केंद्रित करना।
• मामले के प्रभाव को कम करके आंका जाना।
• कार्यों का पैमाना - परियोजना जितनी बड़ी होगी, अवधि अनुमान की सटीकता उतनी ही कम होगी।

अधिक रिटर्न की संभावना

2003 में, Kahneman और Lovallo ने नियोजन त्रुटि की परिभाषा का विस्तार किया, जिसमें भविष्य के कार्यों के समय, लागत और जोखिमों को कम आंकने की प्रवृत्ति शामिल थी और साथ ही साथ इन कार्यों के लाभों को अनदेखा किया। दूसरे शब्दों में, प्रोजेक्ट प्लानिंग में समस्याएं न केवल समय के साथ बढ़ती हैं, बल्कि पैसे की अधिकता और कुल लाभों की कमी से भी जुड़ी हैं।

तकनीकी क्षेत्र में, हम इस बारे में विशेष रूप से अनुभवहीन नहीं हैं। समय के बाद, मैं ऐसे प्रबंधकों और टीमों को देखता हूं जो "जिगर के लिए स्वभाव" के आधार पर भविष्य के लाभों के अपने अनुमानों पर विश्वास करते हैं, इससे कोई फर्क नहीं पड़ता कि पिछली भविष्यवाणी कितनी अच्छी थी। इसके लिए योगदान करने वाले दो मुख्य कारक निम्नानुसार हैं:

• कोई स्पष्ट मैट्रिक्स नहीं हैं - अक्सर इस सवाल का जवाब है कि क्या कोई परियोजना सफल है, परिणामों की व्याख्या से बनाई गई है, क्योंकि सफलता के मापदंड पहले से निर्धारित नहीं किए गए हैं।
• हम अपनी सफल भविष्यवाणियों को याद करते हैं और असफल लोगों को भूल जाते हैं (या उन्हें दूसरों को बता देते हैं)।

जैसे ही आप व्यवस्थित रूप से सफलता और विफलता को मापना शुरू करते हैं, एक स्पष्ट तस्वीर प्रकट होती है कि हम निकास का अनुमान लगाने में कितने खराब हैं। Microsoft, Netflix और Booking द्वारा स्वतंत्र रूप से किए गए A / B प्रयोगों के विश्लेषण से पता चला है कि सबसे अच्छे रूप में, परीक्षण किए गए 3 विचारों में से केवल एक सकारात्मक औसत दर्जे का परिणाम दिखाता है। शेष अध्ययनों ने या तो अध्ययन किया या तो बिल्कुल भी परिणाम नहीं दिया, या यह नकारात्मक था। लेकिन ये संख्या पूरे उद्योग की स्थिति को नहीं दर्शाती है। तीन में से एक जीत का विचार एक बहुत अच्छा परिणाम है, केवल परिपक्व उत्पादों और कंपनियों के साथ ही संभव है जिन्होंने अपने उपयोगकर्ताओं और ग्राहकों पर शोध करने में बहुत समय बिताया है। एक स्टार्टअप 1:10 अनुपात (या इससे भी बदतर) के करीब होगा, और थोड़ा अधिक परिपक्व कंपनियां बेहतर प्रदर्शन पर भरोसा कर सकती हैं।

“यह देखने के लिए अपमानजनक है कि विशेषज्ञ (हमारे सहित) मूल्य सुविधाओं को कितना खराब करते हैं। विकास टीम द्वारा बनाई गई प्रत्येक विशेषता बनाई गई है क्योंकि किसी का मानना ​​है कि इसका मूल्य होगा, लेकिन वास्तविकता के साथ सामना करने पर कई फायदे गिर जाते हैं। ”

एक Microsoft अध्ययन , 2009 से

हार्वर्ड बिजनेस स्कूल के जॉन टी। गुरविले ने अपने 2006 के शोध लेख में, इस बात के बीच एक मजबूत विसंगति का वर्णन किया है कि कंपनियां क्या उम्मीद करती हैं कि उपभोक्ता नवाचार के परिणामस्वरूप वितरित करें और उपभोक्ता स्वयं इसे कैसे देखते हैं। Gurville के शोध के अनुसार, कंपनियां किसी उत्पाद के लाभों को कम करती हैं, जबकि उपयोगकर्ता पहले से उपयोग किए गए समाधान में बहुत अधिक मूल्य देखते हैं और एक नए समाधान पर स्विच करने की लागत का पुनर्मूल्यांकन करते हैं। हर्विल के अनुसार, कंपनियां 9 गुना मूल्य को कम करती हैं।

वापस "श्रम / मूल्य" मैट्रिक्स के लिए

इसलिए, परियोजनाएं आमतौर पर हम जितना सोचते हैं उससे कहीं अधिक खर्च करते हैं और हम जितना सोचते हैं उससे कम मूल्यवान हैं।

मैट्रिक्स को देखते हुए, यह हमारे लिए स्पष्ट हो जाता है कि वास्तव में स्थिति इस प्रकार है:

हां, सबसे अधिक संभावना है, आप पैसे के गड्ढे के क्षेत्र में गिर जाएंगे।

लेकिन फिर भी बदतर। ए / बी परीक्षणों के विश्लेषण के परिणाम के रूप में, कुछ परियोजनाओं का नकारात्मक परिणाम होता है - यह एक ऐसी चीज है जिसे लगभग कोई विकास टीम ध्यान में नहीं लेती है। इस प्रकार, जोखिम का एक तत्व प्रकट होता है जो इस मैट्रिक्स में किसी भी तरह से प्रकट नहीं होता है।

वास्तविक "श्रम / मूल्य" मैट्रिक्स कुछ इस तरह दिखता है:

शून्य से नीचे y- अक्ष पर - नकारात्मक, नुकसान जनरेटर।

अगर हम अपडेट की गई मैट्रिक्स पर अपनी परियोजनाओं को सुपरमायोज करते हैं, तो हमें एक नई, बहुत कम आशावादी तस्वीर मिलती है - कुछ परियोजनाएं जो अब बड़ी जीत से संबंधित थीं, वे पैसे के छेद में हैं:

मुझे लगता है कि यह "श्रम / मूल्य" मैट्रिक्स को अलविदा कहने का एक अच्छा क्षण है। यह मॉडल बहुत सरल है और सुझाव देता है कि एक निश्चित डिग्री के साथ, आप पहले से बता सकते हैं कि विकास में कितना खर्च आएगा और नई सुविधा का सकारात्मक प्रभाव कितना होगा। यदि वास्तविक स्थिति का एक मैट्रिक्स था (और मुझे लगता है कि यह मौजूद नहीं है), तो, शायद, यह इस तरह दिखाई देगा:

ग्रीन - जिन परियोजनाओं पर आप विचार करना चाहते हैं।
ऑरेंज - ऐसी परियोजनाएं जो आप नहीं करना चाहते हैं।
लाल - परियोजनाएं जो आप वास्तव में नहीं करना चाहते हैं।

"लेबर / वैल्यू" मैट्रिक्स को व्यवहार्य बनाने के लिए 5 कदम

सबसे पहले, आपको यह महसूस करने की आवश्यकता है कि आपके बैकलॉग में 60-90% परियोजनाएं बेकार हैं - वे बस कम से कम कोई सार्थक परिणाम नहीं देंगे या आपके द्वारा भुगतान करने के लिए तैयार होने की तुलना में बहुत अधिक खर्च होंगे। उन हीरे को खोजने के लिए प्राथमिकता और प्रयोगों की आवश्यकता होती है जो अभी भी लाभ लाएंगे (उन्हें भी शब्दों में देरी के साथ लागू किया जाएगा, लेकिन यह सामान्य है)।

दूसरे, मैं अभी भी "श्रम / मूल्य" मैट्रिक्स का समर्थन करता हूं और इसे बहुत सुविधाजनक मानता हूं। वास्तव में, मैं अक्सर उन कंपनियों के लिए सलाह देता हूं जिनके साथ मैं काम करता हूं। हालांकि, मैं इस प्राथमिकता दृष्टिकोण को थोड़ा सुधारने के प्रयासों को भी प्रोत्साहित करता हूं।

एक नैपकिन पर वापसी की गणना करें

आमतौर पर, यदि आप कार्य को भागों में विभाजित करते हैं और इन भागों का अलग-अलग मूल्यांकन करते हैं, तो आप गणना की सटीकता को काफी बढ़ा सकते हैं। मेरा पसंदीदा उदाहरण विपणन अभियान है, जो उत्पाद के भीतर पुसी या प्रचार के वितरण पर बनाया गया है। वे लगभग हमेशा "10%" रूपांतरण रूपांतरण या राजस्व वृद्धि का वादा करते हैं, लेकिन यदि आप यह पता लगाते हैं कि फ़नल कैसे वास्तविकता में काम करेगा - कितने लोग प्रोमो देखेंगे, कितने प्रतिशत क्लिक करेंगे, तो उनमें से कितने क्लिक में परिवर्तित होंगे - इसकी संभावना है कि परिणामी संख्या नहीं होगी "10%," और एक प्रतिशत के अंश तक कम हो जाएगा। हां, दो-मिनट की त्रुटि दो मिनट से भी कम समय में देखी जा सकती है।

उपलब्ध डेटा या नए डेटा का उपयोग करें

अक्सर हम जो डेटा पहले से इकट्ठा करते हैं, वह जल्दी से बता सकता है कि एक नई सुविधा या परियोजना कितनी मूल्यवान हो सकती है - आमतौर पर इसकी तुलना कुछ इसी तरह से की जाती है कि यह पहले ही लॉन्च हो चुकी है।

उदाहरण के लिए, पिछले प्रचार आपको बता सकते हैं कि आप किस सीटीआर से नए पदोन्नति की उम्मीद कर सकते हैं। किसी भी सुविधाओं या परियोजनाओं में महत्वपूर्ण कार्य की आवश्यकता हो सकती है, इसलिए लापता डेटा को इकट्ठा करने के लिए घटनाओं और काउंटरों को जोड़ना उपयोगी होता है जो मूल्यांकन में मदद कर सकता है।

अपनी परिकल्पना का परीक्षण करने के सस्ते तरीकों के बारे में सोचें

बड़ी परियोजनाओं के लिए, प्रारंभिक अनुसंधान करने के लिए अक्सर उपयोगी होता है:

• पोल
• धुआँ परीक्षण - उदाहरण के लिए, फेसबुक का नकली दरवाजा विज्ञापन अभियान
• कस्टम साक्षात्कार
• एमवीपी

ये सभी अध्ययन प्रत्येक सुविधा के लिए आवश्यक नहीं हैं, क्योंकि उन्हें स्केल करना मुश्किल है।

आत्मविश्वास अंतराल

अब जब आप जानते हैं कि श्रम लागतों को कम करके और मूल्य को कम करके आंकने का क्या प्रभाव है, तो आप गणना में कितना आत्मविश्वास रखते हैं, इस बात को ध्यान में रखने के लिए अपने किराने के बैकलॉग में एक अतिरिक्त "ट्रस्ट" कॉलम जोड़ना चाह सकते हैं।

आत्मविश्वास का एक निम्न स्तर 0.1 हो सकता है, बहुत उच्च 0.8 (विश्वास के स्तर की गणना के बारे में अधिक जानकारी)।

प्राथमिकता गणना सूत्र अब इस प्रकार है:

$$

$$प्राथमिकता = \ frac {निकास} {प्रयास} विश्वास का स्तर$$

ए / बी परीक्षण

ए / बी परीक्षण लगभग सभी अनुमानों को नष्ट कर देते हैं और अधिकांश जोखिमों को खत्म कर देते हैं। यदि आप लॉन्च से पहले एक विशेषता का परीक्षण करते हैं, तो आपको पूर्वाभास और अंतर्ज्ञान पर भरोसा करने की आवश्यकता नहीं है - आप पर्याप्त देखेंगे कि क्या विचार सफल है या नहीं। ए / बी परीक्षण आपको अपेक्षाकृत कम जोखिम वाले दांव लगाने की अनुमति देता है। इस कारण से, नेटफ्लिक्स जैसी कंपनियां सब कुछ परीक्षण कर रही हैं - दोनों छोटे और बड़े बदलाव।