Выбираем дату для повторного Практикума-2.0
Final Results
56%
2 и 3 сентября
52%
9 и 10 сентября
8%
22 и 24 сентября
28%
29 сентября и 1 октября
🎉2❤1🥰1
Василий Савунов
Выбираем дату для повторного Практикума-2.0
Итак.
В конкурсе дат на повторное проведение Практикума побеждает 2, 3 сентября.
Значит эти даты и возьмём в работу 🤝
В конкурсе дат на повторное проведение Практикума побеждает 2, 3 сентября.
Значит эти даты и возьмём в работу 🤝
🔥6❤4🥰1
Forwarded from Менеджер на Перезагрузке (Василий Савунов)
MIT: 95% ИИ-пилотов — провал? Или кто тут не дочитал?
Недавно новостные ленты облетела пугающая цифра:
Отчет MIT "STATE OF AI IN BUSINESS 2025" показывет — 95% AI-пилотов в бизнесе не дали ни прибыли, ни пользы.
Заголовки кричат громче самих отчётов:
- Fortune: "An MIT report that 95% of AI pilots fail spooked investors"
- РБК: "95% пилотных проектов по генеративному ИИ проваливаются"
- Forbes: "От хайпа к реальности: почему ИИ-проекты буксуют"
- Habr: "Отчёт MIT: 95% пилотов генеративного ИИ терпят неудачу"
Все облегченно вздохнули:
- Senior-разработчики — "наконец-то перестанут заставлять писать код с ИИ"
- Копирайтеры увидели свет в конце тоннеля
- Бухгалтеры поняли: "Excel ещё рано хоронить"
McKinsey со своими рассказами о том, что главный тормоз ИИ-трансформации - это менеджеры, оказались посрамлены.
Все бы так и забыли про эту "сенсацию", но тут вскрылся нюанс:
Если дочитать MIT-отчёт дальше 2-й страницы, оказывается, что всё не так однозначно.
————————————-
Кейс из жизни
Вчера общался с другом — ИТ-директором крупного банка.
Классика жанра:
- Есть централизованное подразделение, которое «спускает сверху» своих ИИ-ассистентов;
- В банке запрещены облачные ИИ (безопасность!), а локальные версии постоянно отстают от возможностей облачных версий;
- Сотрудники тихонько используют облачные ИИ «из-под полы», потому что только там есть нужные фичи;
- Официальные корпоративные ИИ народ использует только в крайнем случае, а ждать, когда их «дообновят», уже стало локальным корпоративным спортом.
В итоге «официальная» ИИ-революция топчется на месте, а неофициальная — идёт полным ходом.
————————————-
Главная мысл отчета MIT (если прочитать все 26 страниц)
Менеджмент медленно и печально внедряет ИИ "сверху", а реальная ИИ-революция уже сейчас происходит снизу, и менеджмент её часто не замечает или предпочитает делать вид, что ее нет.
Всё, как в отчёте McKinsey: сотрудники сами находят нужные инструменты, потому что «инициатива сверху» не успевает за жизнью.
Для любознательных
Вот статья-разбор отчета MIT для тех, кто реально читает отчёты до конца, а не только заголовки:
https://venturebeat.com/ai/mit-report-misunderstood-shadow-ai-economy-booms-while-headlines-cry-failure/
Сам отчет MIT приложу следующим сообщением
—————
А как у вас?
ИИ спускают сверху или “подпольщики” уже решают реальные задачи?
Пишите, у кого как этот “пилот” летает (или падает)! 👇
Недавно новостные ленты облетела пугающая цифра:
Отчет MIT "STATE OF AI IN BUSINESS 2025" показывет — 95% AI-пилотов в бизнесе не дали ни прибыли, ни пользы.
Заголовки кричат громче самих отчётов:
- Fortune: "An MIT report that 95% of AI pilots fail spooked investors"
- РБК: "95% пилотных проектов по генеративному ИИ проваливаются"
- Forbes: "От хайпа к реальности: почему ИИ-проекты буксуют"
- Habr: "Отчёт MIT: 95% пилотов генеративного ИИ терпят неудачу"
Все облегченно вздохнули:
- Senior-разработчики — "наконец-то перестанут заставлять писать код с ИИ"
- Копирайтеры увидели свет в конце тоннеля
- Бухгалтеры поняли: "Excel ещё рано хоронить"
McKinsey со своими рассказами о том, что главный тормоз ИИ-трансформации - это менеджеры, оказались посрамлены.
Все бы так и забыли про эту "сенсацию", но тут вскрылся нюанс:
Если дочитать MIT-отчёт дальше 2-й страницы, оказывается, что всё не так однозначно.
————————————-
Кейс из жизни
Вчера общался с другом — ИТ-директором крупного банка.
Классика жанра:
- Есть централизованное подразделение, которое «спускает сверху» своих ИИ-ассистентов;
- В банке запрещены облачные ИИ (безопасность!), а локальные версии постоянно отстают от возможностей облачных версий;
- Сотрудники тихонько используют облачные ИИ «из-под полы», потому что только там есть нужные фичи;
- Официальные корпоративные ИИ народ использует только в крайнем случае, а ждать, когда их «дообновят», уже стало локальным корпоративным спортом.
В итоге «официальная» ИИ-революция топчется на месте, а неофициальная — идёт полным ходом.
————————————-
Главная мысл отчета MIT (если прочитать все 26 страниц)
Менеджмент медленно и печально внедряет ИИ "сверху", а реальная ИИ-революция уже сейчас происходит снизу, и менеджмент её часто не замечает или предпочитает делать вид, что ее нет.
Всё, как в отчёте McKinsey: сотрудники сами находят нужные инструменты, потому что «инициатива сверху» не успевает за жизнью.
Для любознательных
Вот статья-разбор отчета MIT для тех, кто реально читает отчёты до конца, а не только заголовки:
https://venturebeat.com/ai/mit-report-misunderstood-shadow-ai-economy-booms-while-headlines-cry-failure/
Сам отчет MIT приложу следующим сообщением
—————
А как у вас?
ИИ спускают сверху или “подпольщики” уже решают реальные задачи?
Пишите, у кого как этот “пилот” летает (или падает)! 👇
Venturebeat
MIT report misunderstood: Shadow AI economy booms while headlines cry failure
A new MIT report reveals that while 95% of corporate AI pilots fail, 90% of workers are quietly succeeding with personal AI tools, driving a hidden productivity boom.
❤3
Forwarded from Менеджер на Перезагрузке (Василий Савунов)
Тот самый отчет MIT, вызвавший такой переполох
https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
❤2👍1
Основатель ScrumTrek Асхат Уразбаев нашел интересное в отчете MIT
Лично мне кажется рискованным ставка на отдельных людей, как бы их там не называли - prosumer, первопроходцы, early adopters и тд
Без системного решения, на голом энтузиазме можно очень быстро выгореть. Много раз видел такие трагедии из лучших побуждений.
Конечно, первопроходцы всегда есть, но по их следам, должны следовать душнилы-администраторы, которые систематизируют то, что нашли первопроходцы, и легитимизируют это в компании как решение к использованию.
Сейчас главный блокер - это опасения компаний за сохранность данных, и связанный с этим запрет для сотрудников использовать облачные решения. А корпоративные ИИ-решения часто сырые, неудобные и тд 🤷♂️🤷♂️
А это сдерживает "низовую инициативу", и темпы освоения ИИ
В итоге имеем то, что имеем - в компаниях ИИ есть, а какой-то ощутимой пользы он бизнесу не приносит.
Кто зачастую пользуются ИИ в компаниях на постоянной основе? CEO, и какой-нибудь "главный по ИИ" человек 🤷♂.
Остальные активно сопротивляются (как программисты), или пользуются ИИ "по партизански", не признаваясь в этом.
Какой тут Prosumer? Что он даст? 🤷♂
Вы согласны?
Там делается упор на термин prosumer = producer + consumer
Prosumer это больше чем Power User, он не просто пользуется инструментом, но и создает свои "продуктики" на его основе.
Prosumer — это не ИИ команда и не закупка. Это живой человек из функции, который первым показывает, где ИИ реально работает
Лично мне кажется рискованным ставка на отдельных людей, как бы их там не называли - prosumer, первопроходцы, early adopters и тд
Без системного решения, на голом энтузиазме можно очень быстро выгореть. Много раз видел такие трагедии из лучших побуждений.
Конечно, первопроходцы всегда есть, но по их следам, должны следовать душнилы-администраторы, которые систематизируют то, что нашли первопроходцы, и легитимизируют это в компании как решение к использованию.
Сейчас главный блокер - это опасения компаний за сохранность данных, и связанный с этим запрет для сотрудников использовать облачные решения. А корпоративные ИИ-решения часто сырые, неудобные и тд 🤷♂️🤷♂️
А это сдерживает "низовую инициативу", и темпы освоения ИИ
В итоге имеем то, что имеем - в компаниях ИИ есть, а какой-то ощутимой пользы он бизнесу не приносит.
Кто зачастую пользуются ИИ в компаниях на постоянной основе? CEO, и какой-нибудь "главный по ИИ" человек 🤷♂.
Остальные активно сопротивляются (как программисты), или пользуются ИИ "по партизански", не признаваясь в этом.
Какой тут Prosumer? Что он даст? 🤷♂
Вы согласны?
❤2
Media is too big
VIEW IN TELEGRAM
🔥8🤣2❤1🥰1
Василий Савунов
Итак. В конкурсе дат на повторное проведение Практикума побеждает 2, 3 сентября. Значит эти даты и возьмём в работу 🤝
По поводу повторного проведения практикума.
Время проведения:
2 и 3 сентября 19:00-21:00
Стоимость 2000 рублей
Бота для оплаты запущу сегодня. После оплаты получите доступ в закрытую группу практикума.
Время проведения:
2 и 3 сентября 19:00-21:00
Стоимость 2000 рублей
Бота для оплаты запущу сегодня. После оплаты получите доступ в закрытую группу практикума.
🔥8❤3🥰1
Практикум «Данные в действии» — не просто воркшоп, а настоящее расследование для менеджеров 🕵️♂️
Зачем идти?
Вы когда-нибудь смотрели на красивые графики в JIRA - все эти CFD, Lead Time, Throughput, и думали:
«И что мне теперь со всем этим делать?» 🤔
Спойлер: вы не одиноки! 99% менеджеров сталкиваются с той же проблемой: метрики есть, а пользы — кот наплакал. 😿
Если после любого курса по Канбан-методу у вас осталась в голове куча английских слов и разноцветных линий, а что с этим делать так и не стало ясно — этот практикум для вас. 🧩
Что вас ждет?
➡️ Реальный кейс реальной компании: вам как профессиональному менеджеру предстоит расследовать проблему, с которой действительно столкнулась ИТ-команда в жизни, а не в методичке. 🔎
➡️ Реальные данные и графики: не выдуманные таблички и не нарисованные для тренинга примеры, а живые цифры и графики из боевого проекта — вы увидите настоящую динамику, настоящие ошибки, настоящие успехи. 📊
➡️ Наглядные картинки-инструкции с примерами анализа метрик, которые быстро помогут сориентироваться в данных и сделать выводы
➡️ Мини-группа: разгадывать загадки проще и веселее вместе — обмен гипотезами, споры и совместные победы гарантированы. 🤝
Ваша задача: докопаться до истины, выяснить, что же стало реальной причиной проблем (спойлер: не всегда то, что кажется на первый взгляд!), и, главное — понять, как на практике использовать метрики, чтобы управлять, а не «считать ради отчёта»
Формат
2 онлайн-встречи по 2 часа (2 и 3 сентября, 19:00–21:00)
Будет жарко, скучно не будет — обещаю. 🔥
Кому будет полезно?
- Руководителям IT-подразделений, тимлидам, менеджерам проектов 👔
- Agile-коучам и практикам Канбана 🌀
- Всем, кто устал от пустых диаграмм и хочет наконец-то «прочитать» данные по-настоящему 🧐
Как записаться?
1. Подпишитесь на канал «Данные в действии» 📢
2. Ждите доступа к боту оплаты 🤖
3. Платите 2000 рублей (да, цена одной хорошей пиццы в Москве — но это про вашу карьеру, не про калории) 🍕
4. Получаете доступ к закрытому чату 🔒
5. Следуйте инструкциям в чате ✅
Вопросы? Пишите: @vsavunov
P.S. На воркшопе не будет воды, эзотерики и продаж «волшебных таблеток». Только реальные задачи и навыки, которые пригодятся на работе уже на следующий день. 🛠
Данные в действии
Зачем идти?
Вы когда-нибудь смотрели на красивые графики в JIRA - все эти CFD, Lead Time, Throughput, и думали:
«И что мне теперь со всем этим делать?» 🤔
Спойлер: вы не одиноки! 99% менеджеров сталкиваются с той же проблемой: метрики есть, а пользы — кот наплакал. 😿
Если после любого курса по Канбан-методу у вас осталась в голове куча английских слов и разноцветных линий, а что с этим делать так и не стало ясно — этот практикум для вас. 🧩
Что вас ждет?
Ваша задача: докопаться до истины, выяснить, что же стало реальной причиной проблем (спойлер: не всегда то, что кажется на первый взгляд!), и, главное — понять, как на практике использовать метрики, чтобы управлять, а не «считать ради отчёта»
Формат
2 онлайн-встречи по 2 часа (2 и 3 сентября, 19:00–21:00)
Будет жарко, скучно не будет — обещаю. 🔥
Кому будет полезно?
- Руководителям IT-подразделений, тимлидам, менеджерам проектов 👔
- Agile-коучам и практикам Канбана 🌀
- Всем, кто устал от пустых диаграмм и хочет наконец-то «прочитать» данные по-настоящему 🧐
Как записаться?
1. Подпишитесь на канал «Данные в действии» 📢
2. Ждите доступа к боту оплаты 🤖
3. Платите 2000 рублей (да, цена одной хорошей пиццы в Москве — но это про вашу карьеру, не про калории) 🍕
4. Получаете доступ к закрытому чату 🔒
5. Следуйте инструкциям в чате ✅
Вопросы? Пишите: @vsavunov
P.S. На воркшопе не будет воды, эзотерики и продаж «волшебных таблеток». Только реальные задачи и навыки, которые пригодятся на работе уже на следующий день. 🛠
Данные в действии
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
Данные в ДейSTвии
Менеджмент на основе данных и прогнозирования.
Инструменты, примеры, разборы кейсов.
Авторский канал Василия Савунова
https://scrumtrek.ru/trainer/4646/vasiliy-savunov/
Инструменты, примеры, разборы кейсов.
Авторский канал Василия Савунова
https://scrumtrek.ru/trainer/4646/vasiliy-savunov/
❤8🔥7🥰2
Василий Савунов
Почему ваши сотрудники до сих пор не используют ИИ? 🚨 McKinsey бьет тревогу: 94% рядовых сотрудников уже знакомы с ИИ-инструментами, но только 4% активно применяют их в работе. В чем реальная причина отставания? 🚧 Главный барьер — не технологии, а менеджмент…
Вышел перевод второй части исследования McKinsey "Сверхвозможности на рабочем месте" - про ситуацию в мире с освоением ИИ
Что во второй части:
— Хайп прошёл, а стратегии освоения так и нет.
— «Зумеры» и «бумеры» (59% рабочей силы) готовы использовать ИИ, но навыков мало.
— Пока в России раскачиваются, в Индии и Сингапуре ждут +10% к выручке, в США — скепсис и страх регулирования.
— Лидеры меряют скорость и экономику, игнорируя доверие и прозрачность.
Что во второй части:
— Хайп прошёл, а стратегии освоения так и нет.
— «Зумеры» и «бумеры» (59% рабочей силы) готовы использовать ИИ, но навыков мало.
— Пока в России раскачиваются, в Индии и Сингапуре ждут +10% к выручке, в США — скепсис и страх регулирования.
— Лидеры меряют скорость и экономику, игнорируя доверие и прозрачность.
Telegram
Менеджер на Перезагрузке
🚀 Почему ИИ растёт быстрее интернета, а результата всё нет? 🤷♂️
Вторая часть отчета McKinsey: Сверхвозможности на рабочем месте
Что в ней:
ChatGPT — 2 года, 300 млн активных пользователей каждую неделю.
90% Fortune 500 уже внедрили AI.
Интернет шёл к такому…
Вторая часть отчета McKinsey: Сверхвозможности на рабочем месте
Что в ней:
ChatGPT — 2 года, 300 млн активных пользователей каждую неделю.
90% Fortune 500 уже внедрили AI.
Интернет шёл к такому…
🔥3❤1🥰1👌1
Анализ без цели - деньги на ветер
Если я когда-нибудь напишу "Методичку по анализу процессных метрик", то первым делом там будет цитата из Сенеки:
Это правило работает и для анализа данных, и для менеджмента вообще.
Сначала нужно решить — чего вы хотите добиться?🏆
Какое состояние системы будет считаться успехом?
Чем вы недовольны сейчас?😤
Только после этого есть смысл собирать и анализировать данные.
Почему так? Да потому что данных можно собрать тонну!📊
Начнёте разбираться, и с гарантией запутаетесь. В мире метрик заблудиться легче, чем найти выход из Икеи.🌀
А вот распутаться обратно — уже более сложный квест.
Поэтому важно выбирать только те метрики, которые ведут вас к цели. Остальные — пока в сторонку, не время для них.
Тут и пригодится "образ результата" 🖼
Пример:
Менеджер хочет выяснить, почему у отдела низкая пропускная способность. Измерять динамику температуры на чердаке или время прихода сотрудников бессмысленно — хотя эти параметры тоже "как-то влияют", но не напрямую.
Если вы всерьёз начали считать температуру чердака — проверьте, не пора ли вам в отпуск 🏖
Итак, задача: понять, почему проседает пропускная способность. С чего начать?
Нужно определить, что вы вообще собираетесь измерять. "Рабочий процесс" звучит солидно, но что в нём считать? Тут важно понять: что движется по процессу? Какие именно "работы": задачи, инициативы, баги, идеи?
Дальше — задайте себе несколько прямых вопросов:
- Кто или что создаёт новую работу? 🤔
- Где начинается процесс появления новой работы? Может, с идеи гендира, спора на совещании, продуктового ресерча? 💡
- Где он заканчивается? В какой момент задача перестаёт нас интересовать и начинает приносить пользу? 🏁
Ответив на эти вопросы, вы очертили границы процесса — старт и финиш.🚦
Это важно: именно так вы получаете две ключевые точки для измерений. Если ваш путь — от идеи до поставки на рынок, то это классический Time To Market, любимец всех бизнесов.
А как же пропускная способность?
Пропускная способность — это сколько идей за единицу времени реально прошли через процесс и воплотились в результат. 100 идей в месяц? 20 в неделю? Чтобы считать, надо знать, где вход и выход. Сколько зашло, сколько вышло. 🔄
А вот считать "среднюю загрузку на сотрудника" или "размер задачи" сейчас рано. Мы пока только нарисовали контур карты, не влезая в детали. Проблема "затора" где-то внутри, но не надо пытаться вскрыть всё сразу — иначе опять потеряетесь. 🏝
Следующий шаг — построить модель процесса, чтобы понять, что происходит внутри, но не захлебнуться в деталях.
Об этом — в следующих постах.
И да, если на этом этапе вы уже запутались — вы не одиноки. 🤝 Это нормально.
Главное — не пытаться построить идеальный дэшборд из 50 метрик, которые ни на что не отвечают. Попутного ветра всё равно не будет. 🌬
#методичка #data_driven_management
Данные в действии
Если я когда-нибудь напишу "Методичку по анализу процессных метрик", то первым делом там будет цитата из Сенеки:
"Для корабля, который не знает куда плывёт, нет попутного ветра" (c) Cенека, лохматый год до нашей эры
Это правило работает и для анализа данных, и для менеджмента вообще.
Сначала нужно решить — чего вы хотите добиться?
Какое состояние системы будет считаться успехом?
Чем вы недовольны сейчас?😤
Только после этого есть смысл собирать и анализировать данные.
Почему так? Да потому что данных можно собрать тонну!📊
Начнёте разбираться, и с гарантией запутаетесь. В мире метрик заблудиться легче, чем найти выход из Икеи.🌀
А вот распутаться обратно — уже более сложный квест.
Поэтому важно выбирать только те метрики, которые ведут вас к цели. Остальные — пока в сторонку, не время для них.
Тут и пригодится "образ результата" 🖼
Пример:
Менеджер хочет выяснить, почему у отдела низкая пропускная способность. Измерять динамику температуры на чердаке или время прихода сотрудников бессмысленно — хотя эти параметры тоже "как-то влияют", но не напрямую.
Если вы всерьёз начали считать температуру чердака — проверьте, не пора ли вам в отпуск 🏖
Итак, задача: понять, почему проседает пропускная способность. С чего начать?
Нужно определить, что вы вообще собираетесь измерять. "Рабочий процесс" звучит солидно, но что в нём считать? Тут важно понять: что движется по процессу? Какие именно "работы": задачи, инициативы, баги, идеи?
Дальше — задайте себе несколько прямых вопросов:
- Кто или что создаёт новую работу? 🤔
- Где начинается процесс появления новой работы? Может, с идеи гендира, спора на совещании, продуктового ресерча? 💡
- Где он заканчивается? В какой момент задача перестаёт нас интересовать и начинает приносить пользу? 🏁
Ответив на эти вопросы, вы очертили границы процесса — старт и финиш.🚦
Это важно: именно так вы получаете две ключевые точки для измерений. Если ваш путь — от идеи до поставки на рынок, то это классический Time To Market, любимец всех бизнесов.
А как же пропускная способность?
Пропускная способность — это сколько идей за единицу времени реально прошли через процесс и воплотились в результат. 100 идей в месяц? 20 в неделю? Чтобы считать, надо знать, где вход и выход. Сколько зашло, сколько вышло. 🔄
А вот считать "среднюю загрузку на сотрудника" или "размер задачи" сейчас рано. Мы пока только нарисовали контур карты, не влезая в детали. Проблема "затора" где-то внутри, но не надо пытаться вскрыть всё сразу — иначе опять потеряетесь. 🏝
Следующий шаг — построить модель процесса, чтобы понять, что происходит внутри, но не захлебнуться в деталях.
Об этом — в следующих постах.
И да, если на этом этапе вы уже запутались — вы не одиноки. 🤝 Это нормально.
Главное — не пытаться построить идеальный дэшборд из 50 метрик, которые ни на что не отвечают. Попутного ветра всё равно не будет. 🌬
#методичка #data_driven_management
Данные в действии
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥13👍3
Кандидатский минимум для анализа Канбан-метрик
Практикум 2.0 постепенно набирается и 10 человек успешно освоили инструкцию, как подключиться к закрытому чату
А мы с вами давайте вспомним "кандидатский минимум" для анализа Канбан-метрик — коротко, по-человечески и без магии.
================
Как я обычно работаю с Канбан-метриками
Мне обычно у клиента нифига не понятно, поэтому я ищу какие-то "точки удивления", за которые можно уцепиться, и начать их перепроверять по другим метрикам.
0️⃣ Для начала — спрашиваю клиента:
Какие у вас вообще, проблемы, по-вашему? Чем недовольны?
1️⃣ Разбираюсь с доской и процессом
Где вход? Где выход? Как выглядит сама доска?
2️⃣ Пытаю менеджера на тему "а когда у заказчика начинают тикать часики?" и "как заказчик понимает, что задаче сделана?"
Где точка принятия обязательств которая разделяет Upstream и Downstream? И где точка отдачи обязательств, после которой можно метрики не считать?
3️⃣ Провожу границу на Канбан-доске
Четко отмечаю, где у нас что — чтобы не путать метрики.
———————-
Как смотреть на метрики?
4️⃣ Дальше самое сложное - надо понять как достать метрики
- С Kaiten все довольно просто - там из коробки неплохо сделано,
- В JIRA (простигосподи) — все в разы сложнее. Но я обычно ставлю Jira Metrics plugin на Google Chrome и так выкручиваюсь
5️⃣ Дальше смотрим CFD (Cumulative Flow Diagram)
Почему его? Потому что обычно он больше всего удивляет. А мне того и надо.
- смотрю, где был простои?
- смотрю другие шаблоны CFD ;
- пытаюсь понять периодичность поставки;
- заваливает ли ребят работой, или они в балансе?
6️⃣ Вооружаюсь этим, и иду смотреть Lead Time Scatterplot (aka Control Chart в JIRA)
— Смотрю на аномалии — они видны сразу. Выписываю ID-шники самых долгих задач (дольше 90% LT) и потом расспрашиваю менеджеров о каждой из них.
— Ну и заодно перепроверяю цикл поставки - сравниваю с тем что видно на CFD
7️⃣ Смотрю на Lead Time Distribuntion Chart
Опять же, он разный бывает:
— Customer Lead Time;
— System (Downstream) Lead Time;
— Upstream Lead Time;
— Time To Market
Вычисляю 85% и 90% перцентили этих времен, ищу пропущенные аномалии.
Не забываю про буферы:
ToDo, Ready To Develop, Ready To Test, Ready To Deploy...
Там работа не ведётся — задачи тупо ждут когда их не следующий этап заберут.
Как только померял разные Buffer Time — сразу видно, где затык.
8️⃣ Диаграмма пропускной способности:
Сравниваю с CFD:
— Завалило ребят работой?
— Или справляются?
9️⃣ WIP Aging Chart (если есть)
Но там обычно все плохо, так что особой пользы это не несет.
Зато можно удивленно спросить менеджера "а чейто у вас в системе какая-то задача уже 3 года живет и не собирается закрываться?" - порой много интересного слышишь в ответ
———————-
Итог
В конце возвращаюсь к пункту 0️⃣:
Проверяю гипотезы клиента.
В 90% случаев клиент не видит реальных проблем — он ловит только симптомы, а виноваты у него зачастую люди из IT. Хотя причина часто где-то "до IT", но этого не видно без нормального разбора.
Делаете так же? Или у вас по-другому?
Пишите в комментариях 👇
Данные в действии
Практикум 2.0 постепенно набирается и 10 человек успешно освоили инструкцию, как подключиться к закрытому чату
А мы с вами давайте вспомним "кандидатский минимум" для анализа Канбан-метрик — коротко, по-человечески и без магии.
================
Как я обычно работаю с Канбан-метриками
Мне обычно у клиента нифига не понятно, поэтому я ищу какие-то "точки удивления", за которые можно уцепиться, и начать их перепроверять по другим метрикам.
0️⃣ Для начала — спрашиваю клиента:
Какие у вас вообще, проблемы, по-вашему? Чем недовольны?
1️⃣ Разбираюсь с доской и процессом
Где вход? Где выход? Как выглядит сама доска?
2️⃣ Пытаю менеджера на тему "а когда у заказчика начинают тикать часики?" и "как заказчик понимает, что задаче сделана?"
Где точка принятия обязательств которая разделяет Upstream и Downstream? И где точка отдачи обязательств, после которой можно метрики не считать?
3️⃣ Провожу границу на Канбан-доске
Четко отмечаю, где у нас что — чтобы не путать метрики.
———————-
Как смотреть на метрики?
4️⃣ Дальше самое сложное - надо понять как достать метрики
- С Kaiten все довольно просто - там из коробки неплохо сделано,
- В JIRA (простигосподи) — все в разы сложнее. Но я обычно ставлю Jira Metrics plugin на Google Chrome и так выкручиваюсь
5️⃣ Дальше смотрим CFD (Cumulative Flow Diagram)
Почему его? Потому что обычно он больше всего удивляет. А мне того и надо.
- смотрю, где был простои?
- смотрю другие шаблоны CFD ;
- пытаюсь понять периодичность поставки;
- заваливает ли ребят работой, или они в балансе?
6️⃣ Вооружаюсь этим, и иду смотреть Lead Time Scatterplot (aka Control Chart в JIRA)
— Смотрю на аномалии — они видны сразу. Выписываю ID-шники самых долгих задач (дольше 90% LT) и потом расспрашиваю менеджеров о каждой из них.
— Ну и заодно перепроверяю цикл поставки - сравниваю с тем что видно на CFD
7️⃣ Смотрю на Lead Time Distribuntion Chart
Опять же, он разный бывает:
— Customer Lead Time;
— System (Downstream) Lead Time;
— Upstream Lead Time;
— Time To Market
Вычисляю 85% и 90% перцентили этих времен, ищу пропущенные аномалии.
Не забываю про буферы:
ToDo, Ready To Develop, Ready To Test, Ready To Deploy...
Там работа не ведётся — задачи тупо ждут когда их не следующий этап заберут.
Как только померял разные Buffer Time — сразу видно, где затык.
8️⃣ Диаграмма пропускной способности:
Сравниваю с CFD:
— Завалило ребят работой?
— Или справляются?
9️⃣ WIP Aging Chart (если есть)
Но там обычно все плохо, так что особой пользы это не несет.
Зато можно удивленно спросить менеджера "а чейто у вас в системе какая-то задача уже 3 года живет и не собирается закрываться?" - порой много интересного слышишь в ответ
———————-
Итог
В конце возвращаюсь к пункту 0️⃣:
Проверяю гипотезы клиента.
В 90% случаев клиент не видит реальных проблем — он ловит только симптомы, а виноваты у него зачастую люди из IT. Хотя причина часто где-то "до IT", но этого не видно без нормального разбора.
Делаете так же? Или у вас по-другому?
Пишите в комментариях 👇
Данные в действии
🔥10❤2
Forwarded from Менеджер на Перезагрузке
Исследование "Будущее менеджеров в эпоху Искусственного Интеллекта"
Сейчас много хайпа и споров вокруг ИИ. Особенно непонятно что будет с менеджерами, и есть ли какая-то угроза для них?
Мы как специалисты в организации и оптимизации процессов, тоже пытались в этом разобраться, и по ходу дела изучили массу всяческих отчетов, исследования, статистических данных - от большой тройки консалтеров (PwC, BCG, McKinsey), до авторитетных институтов (например MIT) и данных Всемирного Валютного Фонда.
В процессе исследования мы поняли, что эта информация будет интересна не только нам, но и широкой аудитории пользователей, особенно менеджерам.
Поэтому делимся с вами тем, что узнали!
Главным исследователем выступал мой коллега, Артемий Анцупов, на чей оригинальный пост я с удовольствием ссылаюсь
PS PDFку с полным исследованием я приложу следующим сообщением
Сейчас много хайпа и споров вокруг ИИ. Особенно непонятно что будет с менеджерами, и есть ли какая-то угроза для них?
Мы как специалисты в организации и оптимизации процессов, тоже пытались в этом разобраться, и по ходу дела изучили массу всяческих отчетов, исследования, статистических данных - от большой тройки консалтеров (PwC, BCG, McKinsey), до авторитетных институтов (например MIT) и данных Всемирного Валютного Фонда.
В процессе исследования мы поняли, что эта информация будет интересна не только нам, но и широкой аудитории пользователей, особенно менеджерам.
Поэтому делимся с вами тем, что узнали!
Главным исследователем выступал мой коллега, Артемий Анцупов, на чей оригинальный пост я с удовольствием ссылаюсь
PS PDFку с полным исследованием я приложу следующим сообщением
🔥5
Я уверен, вы уже заметили, что в канале стали довольно часто появляться посты про ИИ 🤖
Похоже, пора объясниться что происходит 🤔
За два года что я веду этот канал, я чего только не написал про Канбан и про метрики:
— Я писал инструкции по анализу Lead Time Distribution Chart, и другие метрики;
— Я писал про Run Chart , и то чем он не является (Control Chart);
— Я писал про "магическое число 5.6" ,
— И даже немного грыз фундаментальный труд Нассима Талеба 😂
И мне кажется, что просто прочитав материалы в дайджестах за 3 года (2023 часть 1, 2023 часть 2, 2024, 2025) - любой из вас найдет ответ практически на любую непонятку по Канбан-метрикам 🤷♂️ (только не спрашивайте меня "почему нельзя двигать карточки назад по доске - это запрещенный прием 😂😂😂)
Заскучав, я сделал для вас Практикумы по анализу Данных.
Это был эксперимент и авантюра, и я не рассчитывал на успех, и даже усиленно пугал вас в первый раз
Но все получилось 🤷♂️
И завтра будет уже третий Практикум 😊
И если честно, я немного подустал от этой темы про Канбан-метод и метрики🥱
Мне даже кажется, что я малость "исписался" 🤷♂️ и начал повторяться.
Помнится кто-то даже в комментариях пошутил, что я сейчас занимаюсь "LTD-пропагандой" 😂😂
Я не понимаю, что мне писать дальше, чтобы было интересно и мне и вам?
🔫 Начать утаскивать вас в глубины прогнозирования по Монте-Карло? А оно вам надо?
2/3 вообще не поймут в чем тут ценность, а 1/3 гиков и так читает Пашу Ахметчанова, и все знает лучше меня 😊
🔫 Или может быть начать печатать популярные статьи про "определение и ценности Канбан-метода"?
Вот увольте, ей-богу. Это невыразимо скучно 🙈
Тем более, что есть люди, которые справляются с этим лучше меня, и даже целый стандарт на эту тему запилили
🔫 Или мне начать рассказывать про то, что "Канбан без OKR - как пиво без водки"?
Ну так-то да, там синергия серьезная есть, не спорю.
Но мне эти темы не интересны, уж простите 🤷♂️
Может быть вы считаете, что я о многом еще не рассказал? Тогда welcome в комментарии!
Готов выслушать ваши пожелания, возмущения, предложения - и закрыть долги новыми статьями и постами
Но должен вам сказать, что я сейчас активно заинтересовался ИИ ❤️ - тем, как он меняет менеджмент, мир, социум, будущее
Я даже завел небольшой Телеграм-канал "Менеджмент на перзагрузке", где планирую постить самые интересные новости, темы и исследования про ИИ.
И часть материалов оттуда буду периодически постить сюда. Ну прост потому что там у меня 25 человек, а тут 1002 уже 🤷♂️ Дурак был бы, если бы не перепощивал на бОльшую аудиторию 😂
Обещаю этим не злоупотреблять.
Про Канбан и метрики я писать будут, и Практикумы проводить буду.
Но и на тему ИИ тоже буду делать посты🤖 :
🤖 переводы исследований и отчетов о том, как системно внедрять ИИ в работу компании;
🤖 лайфхаки для менеджеров - как сделать так, чтобы ИИ тебя не уволил;
🤖 прохладные истории про реальные кейсы ИИ-автоматизации;
🤖 и собственное мнение конечно 🤷♂️
Если для кого-то Канбан-метрики — это главная причина быть здесь, то сразу предупреждаю: я не планирую бросать тему, просто хочу расширить спектр тематик и писать о том что сейчас двигает и меняет мир - ИИ то, как он меняет мир
PS Если есть вопросы по ИИ или хотите что-то разобрать вживую — пишите. Можно в личку, можно в комменты. Я собираю темы, которые реально интересны вам, чтобы канал был полезным, а не только моим личным дневником
PS и не спрашивайте меня, почему у меня на картинку волосы черные - так меня ИИ видит 😂😂
Похоже, пора объясниться что происходит 🤔
За два года что я веду этот канал, я чего только не написал про Канбан и про метрики:
— Я писал инструкции по анализу Lead Time Distribution Chart, и другие метрики;
— Я писал про Run Chart , и то чем он не является (Control Chart);
— Я писал про "магическое число 5.6" ,
— И даже немного грыз фундаментальный труд Нассима Талеба 😂
И мне кажется, что просто прочитав материалы в дайджестах за 3 года (2023 часть 1, 2023 часть 2, 2024, 2025) - любой из вас найдет ответ практически на любую непонятку по Канбан-метрикам 🤷♂️ (только не спрашивайте меня "почему нельзя двигать карточки назад по доске - это запрещенный прием 😂😂😂)
Заскучав, я сделал для вас Практикумы по анализу Данных.
Это был эксперимент и авантюра, и я не рассчитывал на успех, и даже усиленно пугал вас в первый раз
Но все получилось 🤷♂️
И завтра будет уже третий Практикум 😊
И если честно, я немного подустал от этой темы про Канбан-метод и метрики
Мне даже кажется, что я малость "исписался" 🤷♂️ и начал повторяться.
Помнится кто-то даже в комментариях пошутил, что я сейчас занимаюсь "LTD-пропагандой" 😂😂
Я не понимаю, что мне писать дальше, чтобы было интересно и мне и вам?
🔫 Начать утаскивать вас в глубины прогнозирования по Монте-Карло? А оно вам надо?
2/3 вообще не поймут в чем тут ценность, а 1/3 гиков и так читает Пашу Ахметчанова, и все знает лучше меня 😊
🔫 Или может быть начать печатать популярные статьи про "определение и ценности Канбан-метода"?
Вот увольте, ей-богу. Это невыразимо скучно 🙈
Тем более, что есть люди, которые справляются с этим лучше меня, и даже целый стандарт на эту тему запилили
🔫 Или мне начать рассказывать про то, что "Канбан без OKR - как пиво без водки"?
Ну так-то да, там синергия серьезная есть, не спорю.
Но мне эти темы не интересны, уж простите 🤷♂️
Может быть вы считаете, что я о многом еще не рассказал? Тогда welcome в комментарии!
Готов выслушать ваши пожелания, возмущения, предложения - и закрыть долги новыми статьями и постами
Но должен вам сказать, что я сейчас активно заинтересовался ИИ ❤️ - тем, как он меняет менеджмент, мир, социум, будущее
Я даже завел небольшой Телеграм-канал "Менеджмент на перзагрузке", где планирую постить самые интересные новости, темы и исследования про ИИ.
И часть материалов оттуда буду периодически постить сюда. Ну прост потому что там у меня 25 человек, а тут 1002 уже 🤷♂️ Дурак был бы, если бы не перепощивал на бОльшую аудиторию 😂
Обещаю этим не злоупотреблять.
Про Канбан и метрики я писать будут, и Практикумы проводить буду.
Но и на тему ИИ тоже буду делать посты
🤖 переводы исследований и отчетов о том, как системно внедрять ИИ в работу компании;
🤖 лайфхаки для менеджеров - как сделать так, чтобы ИИ тебя не уволил;
🤖 прохладные истории про реальные кейсы ИИ-автоматизации;
🤖 и собственное мнение конечно 🤷♂️
Если для кого-то Канбан-метрики — это главная причина быть здесь, то сразу предупреждаю: я не планирую бросать тему, просто хочу расширить спектр тематик и писать о том что сейчас двигает и меняет мир - ИИ то, как он меняет мир
PS Если есть вопросы по ИИ или хотите что-то разобрать вживую — пишите. Можно в личку, можно в комменты. Я собираю темы, которые реально интересны вам, чтобы канал был полезным, а не только моим личным дневником
PS и не спрашивайте меня, почему у меня на картинку волосы черные - так меня ИИ видит 😂😂
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥7❤3👍3