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 😂😂

Ну что! Практикум прошел отлично! 🎉🎉
Не смотря на то, что сломали Rows 😂😂

Так, кто участвовал в Практикуме сегодня, поделитесь в комментариях 👇
👉 Что вам запомнилось больше всего?
👉 А что понравилось больше всего?
👉 И какие инсайты по итогам Практикума?

Что мне понравилось:
1) Все активно участвовали ❤️
2) holst отработал на отлично, хотя пару раз удивил 👍
3) в этот раз получилось сбалансированно составить группы, и общение внутри было, как мне кажется гармоничным, и полезным для участников 👯
4) совместно таки сформировали список рекомендаций для клиента из кейса 🎉

До новых встреч!

Ваша версия, Ватсон?🕵️‍♂️

Если я когда-нибудь напишу "Методичку по анализу процессных метрик",
то после главы про цели обязательно будет отдельный раздел про гипотезы 🧩

Потому что, даже если вы уже поняли, для какой цели будете делать анализ, он может быстро превратиться в болото из догадок, версий и бесконечных «а вдруг дело вот в этом?» 🌪🤔

В прошлом посте (с Сенекой и кораблями 🚢) мы выяснили, что любые метрики имеют смысл только после чёткой постановки цели и очерчивания границ процесса 🗺

Что дальше? ⏭️

Как только контур определён и известно, что именно вы измеряете — возникает новый важный вопрос:

Какие гипотезы нам нужно проверить? 🔍

Почему это так важно?
Потому что данных всегда тонна📊, и если не выбрать направление для анализа, можно закопаться в деталях так, что потом даже ИИ не разберётся, где искать ответ 🤖🫣

Здесь без шляпы детектива 🕵️‍♂️ не обойтись! Придётся распутывать клубок версий, мнений и офисных легенд:

— Пострадавшие говорят одно
— Свидетели — другое
— Улики намекают вообще на третье

Как настоящий Шерлок Холмс, чтобы продвинуться, надо выдвигать гипотезы и проверять их одну за другой 🧐

Какие гипотезы обычно появляются на старте анализа процессных метрик?

— Гипотезы заказчиков
Обычно это жалобы на текущее положение дел, объяснённые по-своему, с поправкой на личный опыт.
Мой опыт показывает: чем выше по иерархии заказчик, тем меньше совпадает его версия с реальностью. Сверху плохо видно, что происходит внизу 🤷‍♂️

— Гипотезы руководителей
Тут появляется больше конкретики, но и внутренней политики тоже много: выгодно что-то сказать, о чём-то умолчать, аккуратно намекнуть, что «виноваты» соседи.
Не потому что люди плохие — часто просто корпоративная культура такая: главное найти виноватого, а не разобраться в процессе 🏢

— Гипотезы сотрудников
Тут часто самая настоящая правда — но только о своей части процесса. Люди отлично видят то, что под их контролем, но редко понимают всю картину

Первые гипотезы часто говорят об одном и том же разными словами. Но бывает и наоборот: гипотезы могут сильно противоречить друг другу ⚡️

Например, после общения со всеми могут появиться такие гипотезы:
1️⃣ ИТ-отдел медленный, забюрократизированный, много дефектов в результате
2️⃣ Аналитиков заваливают идеями без приоритезации, заказчики недоступны, сроки сжаты — в итоге «пишем как поняли», а потом программисты делают не то
3️⃣ У тимлидов завал задач на код-ревью, а ручное тестирование всё тормозит

Теперь у нас есть направления для исследования, что поможет не шарахаться из стороны в сторону, а вдумчиво отбирать данные для анализа и проверки гипотез 🎯

И вот тут начинается самое сложное. Надо понять, какие данные и метрики могут подтвердить или опровергнуть эти гипотезы? 🤔📈

Но об этом в следующем посте ➡️

#методичка
#data_driven_management

Данные в действии

📊 Декомпозиция гипотез до измеримости

Если я когда-нибудь напишу «Методичку по анализу процессных метрик» 📖, то после главы про гипотезы будет раздел о том, как свести гипотезы к метрикам.
Потому что чаще всего здесь все и буксует: люди плохо мыслят метриками, особенно в отношении расплывчато описанных нежелательных явлений, оценочных осуждений и тп.

В прошлый раз мы дошли до этапа, где гипотезы на столе: кто-то говорит «медленно» 🐢, кто-то — «забюрократизировано» 📚, а у кого-то всё завалено дефектами 🐞.
Самое время разложить эти оценочные суждения на конкретные, измеримые характеристики. Потому что пока не перевели “медленно” и “много” на язык цифр — анализ останется болтовнёй.

❓Почему это сложно?
Во-первых, без насмотренности будет больно 😭
Во-вторых, гипотезы надо уметь деконструировать до конкретных свойств 🔍

Пример гипотез:
1️⃣ ИТ-отдел медленный, забюрократизированный, много дефектов
2️⃣ Аналитиков заваливают идеями без приоритезации, заказчики недоступны, сроки сжаты — итог: «пишем как поняли», а потом программисты делают не то
3️⃣ У тимлидов завал задач на код-ревью, ручное тестирование всё тормозит

🧩Разбираем гипотезы на атомы

В каждой гипотезе — куча оценочных суждений. Если их не декомпозировать, анализ будет ни о чём.

Например, гипотеза 1️⃣:

- "Медленный" —Что это значит? Lead time большой? По сравнению с чем: нормативом, рынком, ощущениями? 😟

- "Забюрократизированный" — много этапов? Долгие согласования? А сколько времени задача проводит в ожидании? 📚

- "Много дефектов" — много, это сколько? По сравнению с чем? Каковы измеримые последствия дефектов? 🐞

Лучше всего эти вопросы обсуждать с участниками процесса — пусть объяснят, что для них значит каждое слово. 💬

Разбор гипотезы 2️⃣:

- "Заваливают идеями без приоритезации" — что считается завалом? Что значит "без приоритезации" - это когда "важгно все" или или когда приоритеты меняются каждый день? ♾

- "Заказчики недоступны" — сколько раз, в среднем, происходит контакт аналитика с заказчиком прежде чем задача идет в разработку? 📞

"Сроки сжаты" — что значит "сжатые"? По сравнению с чем? А у всех задач они "сжатые" или есть те, у которых "разжатые"? 🗜

- "Делают не то" — какой процент задач возвращают на переделку? Когда становится ясно, что сделали не то? Каковы последствия? 💥

Гипотезу 3️⃣ оставлю вам: Попробуйте сами расписать, какие метрики можно вытащить из “завал на код-ревью” и “ручное тестирование тормозит”.

Что на выходе?
Такой разбор даст список метрик, которые действительно описывают гипотезы и позволяют выразить их на языке цифр.

Дальше — надо понять, что реально можно померить, а что нет. И какие из метрик нам нужны в первую очередь, а какие будут дополнением?

Но это уже тема для следующего поста.

Данные в действии

#методичка #data_driven_management

Эй, PMы! А вы не боитесь, что ИИ заменит вашу должность?

Я сделал серьёзный тест в несерьезном оформлении:
«Как легко ИИ может заменить вашу должность?»

Понимаю, многие скептически отнесуться к этому:
- «ИИ — это для технарей»,
- «Никогда он не заменит человека с опытом и харизмой»

Но статистика говорит, что половина увольнений менеджеров среднего звена (и PMов) в последние несколько лет оправдывались как раз автоматизацией и оптимизацией.

Этот тест — способ немного порефликсировать и проанализировать сильные и слабые стороны своей позиции.

Не воспринимайте слишком серьёзно, но данные про влияние ИИ на менеджмент — актуальные

Пройти тест можно здесь ◀

Ждём ваши впечатления в комментариях: совпало ли с ощущениями, или ИИ пока переоценивает себя?