🎯 Radical Product Thinking: Видение важнее итераций

Подробный разбор здесь: https://teletype.in/@kiniabulatov/radical-product-thinking

Преамбула: A/B тесты идут, фидбек собираем, каждые 2 недели релизим — а продукт всё равно какой-то странный получается.

Про авторку: В 2021 году Радика Датт (MIT, 4 больших M&A) выпустила книгу, которая объяснила, в чём проблема (с ее точки зрения). Мы научились быстро итерироваться, но разучились ставить правильные цели (вот все как просто!). Книга описывает диагностику этих "болезней" и как это лечить.

🦠 7 продуктовых болезней

Узнаёте симптомы?

- Hero Syndrome (Синдром героя) — незаменимый человек в команде
- Strategic Swelling (Стратегическое распухание) — продукт решает всё и сразу
- Hypermetricemia (Гипер-метрик-иемия) — одержимость метриками, не связанными с прогрессом
- Pivotitis (Пивот - когда меняешь концепцию или бизнес-модель( — постоянная смена направления без видения
- Narcissus Complex (Комплекс нарцисса) — строим для себя, а не для пользователей

💊 RPT Framework: 5 элементов которые помогут выстроить правильный вижон

- Vision → Strategy (RDCL)* → Prioritization → Execution → Culture

RDCL = Настоящие, реальные проблемы пользователей + Как мы их решаем + Какие функции несем этим решением + Как масштабируем

👊 Противостояние подходов Vision-driven (Радика любит его) vs Iteration-led (это статус-кво подход)

Vision-driven (Tesla): Чёткое видение изменений → итерации уточняют КАК достичь
Iteration-led (GM): Краткосрочный фидбек диктует направление → локальные максимумы

⏳ Актуально ли в 2025?

4 года прошло, ИИ ускорил итерации ещё больше, в итоге без четкого компаса еще сильнее упарываешься в локальные максимумы.

Метафора: чем быстрее едет машина без навигатора, тем быстрее ты потеряешься.

А у вас какой подход?
🔥 - Итеративный
♥️ - Радикальный

#books

Дорогой дневник читатель!

📊 Сегодня покроем базу по метрикам (на примере с едой). Она супер-короткая.
Но для начала договоримся: метрики это инструмент. На самом-то деле мы хотим предсказуемости и прогнозов на его основе!

🧑‍🍳 Ситуация: ты менеджер в пиццерии.
Клиент спрашивает: “Когда будет готова моя пицца?”
Что отвечаешь? “Скоро” или всё-таки можешь дать конкретику?

🔮 Любой прогноз = диапазон + вероятность
“С вероятностью 85% ваша пицца будет готова через 20 минут” (про вероятности поговорим в следующих постах). Дословно про 85% говорить не нужно :)

А вот индикаторы разберём прямо сейчас. Я за минимализм — достаточно трёх показателей:

🍽️ Throughput (Пропускная способность)

Сколько блюд кухня выпускает за час. Это пульс ресторана:
- 25 блюд в обычный день
- 40 в пятницу вечером

⏰ Cycle Time (Время цикла)

От заказа до подачи (упрощенный пример):
- Паста — 15-20 минут
- Стейк — 20-30 минут
Важно: считаем только завершённые заказы!

🥞Item Aging (Состаривание элемента)

Сколько времени текущие заказы уже готовятся (и еще недоготовились).
Если стейк готовится 25 минут, а средний Cycle Time — 20, это сигнал проверить кухню.
Это моя любимая метрика.


А теперь главный вопрос:

🤔 Ой, а разве это натягивается на айтишечку? - спросите вы.

💪Да, да, и еще раз - да! При этом учитывает и всю вашу размерную вариативность задач, и время простоя, и все потери, которые можно оптимизировать!

Что будет дальше?

- В следующих постах — детальный разбор каждой метрики. Но у Саши Торгашева (Delivery Manager в Т-Банке) уже есть подобное: Throughput, Lead Time - если не терпится почитать.

- Поиграться с данными и понять как работают метрики можно в моём инструменте: predictable.team

- ❓А у тебя в команде какие показатели отслеживаете?
Мини-срачик в @AgileUfa — уже тебя ждет!

- А еще у нас будет митап по этим метрикам в середине августа. 👍 Тык для регистрации

#metrics #throughput #cycletime #aging #predictability

🍣 😊 Лайк, если тоже любите суши!

📈 Сегодня детальнее про Throughput (пропускная способность) на примере суши-ресторана — главную метрику для всех, кто не любит угадывать и предпочитает честно считать, сколько реально «блюд» выдает кухня. Мы уже проходили по верхам базовые метрики для предсказуемости в посте выше.

👨‍🔬 На Throughput можно смотреть
- на масштабе за период (неделя-месяц-квартал),
- исследовать в микро- или макро-режимах чтобы найти паттерны,
- смотреть срезы по типам и источниками.
Сегодня рассмотрим как читать метрику, делая zoom in / zoom out.

🎭 Занавес, пятничный вечер, полный зал в здесь-могла-бы-быть-реклама-Тануки, суши-мастера не успевают нарезать рыбу, официанты спасают от голода фанатов темаки и сашими.

В 19:00 кухня выдаёт 50 порций в час — круто! Но уже к 22:00 throughput падает, сеты тянутся, а посетители начинают задумываться, не пора ли просто перебиться эдамаме и кимчи вместо полноценных блюд.

🗺 Zoom out:
В среднем по неделе throughput — 32 порции в час. Но этого мало! Если смотреть шире — видны пятничные пики, субботние провалы, идеальная среда. Это база для любого серьёзного планирования: хотите запускать happy hour или готовить новые акции — смотрите сюда!

🔍 Zoom in:
Приближаем: с 20:00 до 20:40 в пятницу часть заказов застревает в производстве (помните пресловутые Lead Time, Aging). Может, узкое место именно на сборке сложных сетов? Или повара устают от наплыва темпуры и роллов с лососем?

В следующих постах мы с вами разложим throughput по полочкам — покажем, как разные масштабы анализа меняют взгляд на цифры, и почему суши-ресторан — лучшая лаборатория для таких экспериментов!

❓🎁 А на вашу команду на каком масштабе (час/день/месяц/квартал) лучше смотреть, чтобы прогнозировать работу? (потом на Agile Ufa или СДЭКом наградим самых активных)

#metrics #throughput