以及为什么值得使用它
本文解释了为什么对积压工作进行优先级排序的最流行方法为何不如您想像的那样好，以及可以采取哪些措施来改善积压工作。
评估开发工作和价值（工作回报）是产品积压工作中优先次序的主要要素：这是一种简单易懂的方法，因此非常受欢迎。 您在杂货店积压中可能有2个这样的列（即使没有，也应该添加它们）：
列：功能/项目，人工，价值。
第一列单元格中的内容：
社区标签
刷新发送流
添加贝宝账单
更正收据错误
与经理联系
更新服务条款
人工成本可以用人工周数表示，也可以根据任务的难易程度（简单/容易/困难）来确定。 一旦有了数字，选择那些将提供最大财务收益的功能就变得很重要。 但是，这里的一切变得更加复杂。 为了理解原因，让我们将任务布置在直角坐标系中：
X轴是工作量，Y轴是值
显然，左上方的项目比所有其他项目都好，而右下方的项目则最差。 但是如何比较其他所有内容？ 幸运的是，存在一个解决方案。 您可能已经熟悉劳动和价值矩阵 。 如果您搜索它，可以找到数千种不同的矩阵变体-长期以来，它一直是业界的最佳做法。
在X轴上：较小的人工成本-增量改进，较大的人工成本-“钱坑”（大约Transl .：在其他来源中为“时间消耗者”）。
在Y轴上：小的劳动力消耗了容易获得的胜利，大的劳动力消耗了巨大的胜利。
这个想法非常简单-划分为多个象限有助于了解项目的排列方式。
左下角的小/小象限包含较小的次要产品改进。 每个杂货积压订单都包含许多此类任务，所有这些任务在填补停机时间中都起着重要作用，但同时它们的优先级较低。
另一方面，“多/多”象限涵盖了可带来高额收入的大型项目。 许多雄心勃勃的团队喜欢专门针对此类项目下注。
最可取的项目是那些将小劳动力成本和高回报率组合在左上角的项目-没有人会拒绝轻松获胜（而且谁知道，这些项目中的一个可能会成为另一个让您赚取3亿美元的按钮... ）。
最后，右下象限-努力工作，回报率低-所谓的钱坑，不计其算的任务，一个没有把手的手提箱。 绝对没有人愿意花已经有限的资源来创建需要大量工作且价值很小的东西。
通过将我们的计划与该矩阵重叠，您可以快速获得清晰的画面：
...现在，优先级划分非常简单：
- 首先，我们摆脱了钱坑象限中的所有内容（这是一个很好的交付方式）。
- 然后，我们将轻松获胜设置为高优先级。
- 最后，根据现有资源和我们的胃口，我们将不断改进和提高赌注结合在一起。
很简单吗？
没那么快...
如上所述，问题很明显，即通过评估劳动力成本和价值的方法确定优先级会迫使我们选择错误的“赢家”。 首先，因为此方法涉及需要基于对未来事件的预测进行评估-实施任务所需的努力以及由于这些努力而带给用户的收益。 如您所知，人们的预测能力很差。
低估劳动力的趋势
1979年，行为主义心理学家Daniel Kahneman和Amos Tversky描述了一种被称为计划错误的现象。 他们表明，人员和团队通常过于乐观地估计完成任务所需的时间，这最终低估了评估。 许多其他研究也证实了这种现象。
如果您在IT部门工作，那么此消息对您来说并不是一个令人震惊的发现。 任务和项目经常被延迟，与原始计划的差异可能达到2-3倍（有时甚至更多）。 经验丰富的团队负责人和项目经理更喜欢计划时间，他们增加缓冲区或将分数简单地乘以2，但即使如此，项目仍然无法按时完成，甚至更多，因此不能提前完成（ 例如 ）。
造成这种情况的原因是某些功能，其中大多数是各种认知扭曲：
- 对期望的乐观和想法。
- 过去完成类似任务花了多长时间的不准确记忆。
- 过于专注于完成任务。
- 低估了案件的影响。
- 任务的规模-项目越大，工期估算的准确性越低。
倾向于高估收益
在2003年，Kahneman和Lovallo扩大了计划错误的定义，以包括低估了未来行动的时间，成本和风险的趋势，同时又高估了这些行动的收益。 换句话说，项目计划中的问题不仅与时间超支有关，而且与资金超支和总收益不足有关。
在技术领域，我们对此并不特别幼稚。 一次又一次，我看到管理者和团队相信他们对未来利益的估计是基于“天才”，而不管以前的预测结果如何。 造成这种情况的两个主要因素如下：
- 没有明确的指标-因为结果的确定标准不是事先确定的，所以通常通过对结果的解释来确定项目是否成功的答案。
- 我们倾向于记住成功的预测，而忘记失败的预测（或归因于他人）。
一旦您开始系统地衡量成功和失败，就会清晰地显示出我们对排气量的预测能力。 由Microsoft，Netflix和Booking分别进行的A / B实验分析表明，充其量，最多只有3个测试构想中有1个显示出可衡量的积极结果。 其余的研究想法要么根本没有给出结果，要么是负面的。 但是这些数字并不能反映整个行业的状况。 三分之二的制胜法宝是非常好的结果，只有成熟的产品和花费大量时间研究用户和客户的公司才有可能。 一家初创公司的比例将接近于1:10（或更糟），并且成熟度稍高的公司可以依靠更好的业绩。
“看到专家们（包括我们）对功能的重视程度真是令人感到羞耻。 开发团队创建的每个功能都是因为有人相信它会有价值而创建的，但是当面对现实时，许多优势就会消失。”
根据Microsoft的研究 ，2009年
哈佛商学院的John T. Gurville在2006年的研究文章中描述了公司期望消费者通过创新实现的价值与消费者自己如何看待之间的巨大差异。 根据Gurville的研究，公司往往会高估产品的优势，而用户会发现已经使用的解决方案具有更多价值，并重新评估了使用新解决方案的成本。 根据赫维尔（Hurville）的说法，公司的价值高估了9倍。
返回“劳动力/价值”矩阵
因此，项目的成本通常比我们想象的要高得多，在用户眼中的价值也比我们想象的要低。
回顾矩阵，我们可以清楚地看到实际情况如下：
是的，很可能您会陷入钱池。
但仍然更糟。 正如对A / B测试的分析结果所示，某些项目的结果是负面的-几乎没有开发团队考虑到这一点。 因此，该矩阵中未公开任何风险要素。
真正的“劳动力/价值”矩阵如下所示：
在y轴上，零以下-负的损耗生成器。
如果我们将项目叠加在更新后的矩阵上，则会得到新的，不太乐观的图景-某些曾经属于重大胜利的项目现在处在资金缺口中：
我认为现在是告别“劳动/价值”矩阵的好时机。 该模型过于简化，建议您在一定程度上确定性的情况下，可以提前告知开发成本和新功能带来的积极影响。 如果存在真实情况的矩阵（我认为它不存在），则可能看起来像这样：
绿色-您要考虑的项目。
橙色-您不想执行的项目。
红色-您确实不想执行的项目。
使“劳动/价值”矩阵可行的5个步骤
首先，您需要认识到积压的项目中60-90％是无用的-它们根本不会给出任何有意义的结果，或者其成本会超出您愿意为之支付的费用。 为了找到仍能带来好处的钻石，需要进行优先级排序和实验（这些钻石的实施也会有所延迟，但这是正常的）。
其次，我仍然支持“劳动/价值”矩阵，并发现它非常方便。 实际上，我经常将其推荐给与我合作的公司。 但是，我也鼓励努力稍微改善这种优先排序方法。
计算餐巾纸上的收益
通常，如果将任务分为多个部分并分别评估这些部分，则可以显着提高计算的准确性。 我最喜欢的示例是市场营销活动，其建立在产品内随身携带物品或促销活动的分布上。 他们几乎总是承诺会带来10％的转化改善或收入增长，但是，如果您弄清楚了渠道如何在现实中发挥作用-有多少人看到了促销，点击了多少百分比，有多少次点击将转化-最终结果可能不会“ 10％”，并将减少到百分之一。 是的，可以在不到两分钟的时间内发现一个二阶错误。
使用可用数据或新数据
通常，我们已经收集的数据可以快速告诉您新功能或项目的价值-通常将其与已经发布的非常相似的内容进行比较。
例如，过去的促销活动可以告诉您可以期望获得新的促销活动的点击率。 在任何功能或项目中都可能需要大量工作，因此添加事件和计数器以收集有助于评估的丢失数据很有用。
考虑便宜的方法来检验您的假设
对于大型项目，进行初步研究通常很有用：
- 民意调查
- Smok测试-例如，Facebook的假门广告活动
- 自定义面试
- 最有价值球员
所有这些研究对于每个功能都是不必要的，因为 它们很难扩展。
置信区间
既然您知道了低估人工成本和高估价值的后果，您可能想要在杂货积压中添加一个额外的“信任”列，以考虑您对计算的信心。
极低的置信度可以是0.1，非常高的0.8（有关此处计算置信度的更多信息）。
现在，优先级计算公式如下：
A / B测试
A / B测试几乎消除了所有猜测，并消除了大多数风险。 如果在发布之前测试功能，则无需依赖预感和直觉-无论想法成功与否，您都将看到足够的信息。 A / B测试可让您以较低的风险下注。 因此，像Netflix这样的公司正在测试所有内容 -大小更改。