🎯 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

Мы уже увидели, как throughput в суши-баре меняется на разных масштабах — теперь время докопаться до сути: какие именно заказы 🍜🍣🍥 идут по ленте, и почему это так важно использовать в прогнозах!

🌙🍸 Воображаем тот же вечер пятницы: В зал набилось народу, кто-то тыкает в меню на классический маки с тунцом 😊 , за соседним столиком ждут сашими 😨 ,а компания заказывает авторский сет аж из 12 позиций.

📝 Типы заказов важны для throughput (и типы задач если приземлять на наши реалии) для диагностики, ведь часто у них разные Lead Time (время реализации):

- 5 простых маки — приготовят за 7 минут.
- 2 темаки с креветкой — требуют аж 12 минут.
- 4 сашими-сета — рыбу нарезать делов на 5 минут.
- 2 больших сета — отнимут 20 минут минимум и займут на линии двух мастеров.

Вот где собака 🐽 зарыта: не все блюда и их количество одинаковы для потока. На масштабе частенько считать "по штукам" может быть ок, но при этом важно следить за динамикой наполнения этих "штук".

⌛Что еще влияет на ваш поток?

Выше я приложил картинку с источниками заказов, будь то Яндекс Еда, Bolt, Uber Eats, заказ на поесть внутри ресторана. Ведь заказы на месте и на доставку грузят разные этапы: упаковка задерживает даже быстрые блюда.

Иногда на кухне притормаживает один мастер — потому что только он умеет делать особо хитрые нигири.

Бывают внезапные всплески новых позиций в меню — и никто не знает, как их быстро собирать! (ого, да это ж работа с новой технологией!)

⚡ Почему throughput - грут крут:

Он автоматически учитывает реальный микс заказов: простых, сложных, эксклюзивных. Не надо гадать и “калибровать” — просто честно считать фактический выход.
В этом его выигрыш перед разными баллами и оценками «на глаз» — наши суши уже рассказывают достаточно информации о потоке.

🖥 А как в айтишечке видна динамика Throughput в этих срезах?

- Начали больше выпускать работы, но в составе задач резко увеличились дефекты.
- Часто дефектов больше перед первым релизом продукта, а количество задач (в абсолютных значениях) увеличивается.
- Задачи с фиксированным дедлайном часто выполняются за другое количество времени, нежели стандартные задачи.
- Разброс времени выполнения спайков (исследовательских задач) может быть существенно больше, чем у стандартной работы.

❤️ А что нам важно-то?

- Стабильный Throughput - признак предсказуемости. На больших периодах не должен прыгать на +- 30% (можно использовать скользящее отклонение от среднего значения за последние 4-6 периодов)
- Рост / снижение это не плохо, а входная точка для диагностики вместе с другими метриками.
- Стабильность Throughput будет всегда скакать, если команда активно растет или продукт/сервис потихоньку декомиссится.


❕Есть ли разрезы информации в Throughput (кроме типов работы (блюда), источников заказов с особенностью выполнения (на вынос или в рестике), временных периодов (zoom in / out)) - которые мы не учли?

#metrics #throughput

🛠️ Инструменты мониторинга метрик команды и что почитать по теме.

Начал смотреть второй сезон Wednesday (который пока так себе).
- 🔥если тоже смотрите сериал
- 🤔если не смотрите

🕵️‍♂️ Где смотреть на метрики вашей команды

- Jira: без плагинов посмотреть на Throughput в задачах не получится и гаджетов для дешборда. Но есть решение ⬇️

- Jira Metrics Plugin (автор @akhakimov, hh.ru) - такой ультимативный плагин для хрома, читает данные с вашей Jira, причем безопасно (на сайте есть целый блок про секурность и его разрешают в этих ваших энтерпрайзах). Я даже у себя на его основе провожу обучение. Скоро будет AI-агент внутри с анализом и рекомендациями 🚀

- Predictable.team (это уже моё приложение): умеет кушать CSV / XLS выгрузки с Jira, Youtrack, кастомные форматы и визуализировать все flow-метрики. В дополнение - есть раздел с выводами по динамике команд и рекомендациям - что делать чтоб стало лучше. 🔮

- ActionableAgile: сильная визуализация флоу‑метрик (scatterplot cycle time, aging WIP, Монте‑Карло). Но для россиян доступ только через VPN. 📈

- Scope360: плагин для хрома и сайт, встраивается в Jira, но если есть Jira Metrics Plugin - будто б и не нужен. 🔭


📚 Список литературы

- Daniel Vacanti — Actionable Agile Metrics for Predictability [EN] — базовая книга по метрикам потока, aging и вероятностным прогнозам.

- Troy Magennis (классный дядька, автор блога observable hq) — вот тут инструменты и калькуляторы, вот тут статьи (что точнее) по прогнозированию и Монте‑Карло (Observable/Focused Objective)

- Bye Bye Velocity. Hello Throughput (статья на Scrum.org). Коротко о причинах сдвига от velocity/SP к потоку.

- Обзорные и критические материалы по SP (иллюзии измерения и сравнения между командами).

- Mike Cohn — Agile Estimating and Planning (полезно как набор практик).

#metrics