🎓 Про Notebook LM. Back to school (как в песне Deftones) , так сказать.
Общаемся с книжками, слушаем ИИ-подкасты,провоцируем шизофрению.
Где-то год назад я открыл для себя NotebookLM*, это инструмент от гугла который достаточно сильно поменял мой подход к изучению информации.
Фактически это, да простят меня технари, RAG-модель от Google. Она превращает ваши документы в умного собеседника. Теперь не надо листать книгу или PDF, в поисках цитаты.
🥸 Как это работает:
1. Загружаешь до 50 источников — Книги, статьи, видео YouTube, Google Docs.
2. Спрашиваешь что угодно — он отвечает ТОЛЬКО на основе загруженных документов.
3. Получаешь точные ответы со ссылками на источники!
💡Мои сценарии использования:
- Изучаю как разные источники рассматривают одну и ту же проблему — закидываю, к примеру, книги по платформенным командам: Team Topologies, Platform Engineering, Scaling Teams (изучаю тему платформ).
- Product research — собираю пользовательский фидбек на разные инструменты, нахожу паттерны
- Academic Research - можно не грузить самому, а попросить инструмент походить по академическим источникам и составить список материалов, на которые он будет опираться.
🍰 В итоге:
Экономия времени, никакого муторного поиска. И всегда супер-явно можно сослаться на данные из конкретных источников.
🎧 ИИ-подкасты
А еще там есть генерация подкастов из ваших материалов! Это уже совсем космос и шизофрения, но я этим пользуюсь. Закинул три книги по теме, попросил сделать подкаст - и там два ИИ-хоста обсуждают твой материал
* чтобы пользоваться из России, надо зайти "не-из-России"
Общаемся с книжками, слушаем ИИ-подкасты,
Где-то год назад я открыл для себя NotebookLM*, это инструмент от гугла который достаточно сильно поменял мой подход к изучению информации.
Фактически это, да простят меня технари, RAG-модель от Google. Она превращает ваши документы в умного собеседника. Теперь не надо листать книгу или PDF, в поисках цитаты.
🥸 Как это работает:
1. Загружаешь до 50 источников — Книги, статьи, видео YouTube, Google Docs.
2. Спрашиваешь что угодно — он отвечает ТОЛЬКО на основе загруженных документов.
3. Получаешь точные ответы со ссылками на источники!
💡Мои сценарии использования:
- Изучаю как разные источники рассматривают одну и ту же проблему — закидываю, к примеру, книги по платформенным командам: Team Topologies, Platform Engineering, Scaling Teams (изучаю тему платформ).
- Product research — собираю пользовательский фидбек на разные инструменты, нахожу паттерны
- Academic Research - можно не грузить самому, а попросить инструмент походить по академическим источникам и составить список материалов, на которые он будет опираться.
🍰 В итоге:
Экономия времени, никакого муторного поиска. И всегда супер-явно можно сослаться на данные из конкретных источников.
А еще там есть генерация подкастов из ваших материалов! Это уже совсем космос и шизофрения, но я этим пользуюсь. Закинул три книги по теме, попросил сделать подкаст - и там два ИИ-хоста обсуждают твой материал
* чтобы пользоваться из России, надо зайти "не-из-России"
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5🔥2😁1
У меня тут вышел большой практический гайд на Хабре про Throughput (динамику и паттерны) и прогнозирование симуляцией 🎲 Монте-Карло.
🔍 Разбор Throughput со стороны
- Значимых периодов и частоты замеров
- Вариативности
- Кластеризации по типам работ
🤖 Алгоритм составления прогнозов через симуляцию Monte-Carlo на основе Throughput - Когда будут готовы следующие 50 элементов
+ Обзор инструментов визуализации и прогнозирования
+ Почему Throughput уже учитывают вариативность в работе команде
+ Почему Story Points менее эффективны для прогнозирования
https://habr.com/ru/articles/940882/
#mcs #montecarlo #throughput #forecasting
🔍 Разбор Throughput со стороны
- Значимых периодов и частоты замеров
- Вариативности
- Кластеризации по типам работ
🤖 Алгоритм составления прогнозов через симуляцию Monte-Carlo на основе Throughput - Когда будут готовы следующие 50 элементов
+ Обзор инструментов визуализации и прогнозирования
+ Почему Throughput уже учитывают вариативность в работе команде
+ Почему Story Points менее эффективны для прогнозирования
https://habr.com/ru/articles/940882/
#mcs #montecarlo #throughput #forecasting
Хабр
Throughput: как научиться перестать гадать сроки и начать их предсказывать через симуляцию Monte-Carlo
Как использовать метрику потока Throughput и реалистично прогнозировать на основе симуляции Монте-Карло. Разберем динамику Throughput (пропускной способности) за значимые периоды времени, насколько...
🔥4👍3
Media is too big
VIEW IN TELEGRAM
🚀 Вы только посмотрите до чего дошли технологии.
Из статьи можно делать видео-презу с аудио и графиками, причем качественно и автоматически!
Вчера, интереса ради закинул свою статью про Прогнозирование с помощью симуляции Монте-Карло с Хабра и попросил сделать NotebookLM видео-обзор (я уже писал для чего использую NotebookLM).
📹 Так он сделал целую презу с хорошим визуалом, нарративом (пусть и излишне оптимистичным). Такое можно хоть на youtube запихивать! Воистину, как пела SuperAlisa, "Безнен жирда жана технологиялар" (на нашей земле горят технологии) в своем шлягере "Су Анасы".
🙄 Если кому-то было лень читать и вы не в числе 2,4к прочитавших -> ролик-преза на английском (на русском он пока не могёт).
Из статьи можно делать видео-презу с аудио и графиками, причем качественно и автоматически!
Вчера, интереса ради закинул свою статью про Прогнозирование с помощью симуляции Монте-Карло с Хабра и попросил сделать NotebookLM видео-обзор (я уже писал для чего использую NotebookLM).
📹 Так он сделал целую презу с хорошим визуалом, нарративом (пусть и излишне оптимистичным). Такое можно хоть на youtube запихивать! Воистину, как пела SuperAlisa, "Безнен жирда жана технологиялар" (на нашей земле горят технологии) в своем шлягере "Су Анасы".
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3❤2😁1
Воскресное чтиво: Какое есть ии-железо в Китае на замену Nvidia (и насколько они мощные).
https://habr.com/ru/articles/944548/
Я на работе занимаюсь внедрением AI в разработку. И интересуюсь ИИ-темой во всех ее проявлениях. И ROI, и adoption, и в целом насколько это реально помогает командам разработки.
На выхожных читал статью, на которую наткнулся в канале The Edinorog - какие в Китае есть производители ИИ чипов. Перевел статью и добавил мяса (ато как-то неинтересно без деталей) - какие по техническим характеристикам есть чипы в сравнении с Nvidia A100/H100 , AMD Ryzen.
https://habr.com/ru/articles/944548/
Я на работе занимаюсь внедрением AI в разработку. И интересуюсь ИИ-темой во всех ее проявлениях. И ROI, и adoption, и в целом насколько это реально помогает командам разработки.
На выхожных читал статью, на которую наткнулся в канале The Edinorog - какие в Китае есть производители ИИ чипов. Перевел статью и добавил мяса (ато как-то неинтересно без деталей) - какие по техническим характеристикам есть чипы в сравнении с Nvidia A100/H100 , AMD Ryzen.
Хабр
Какое в Китае есть ИИ-железо. Насколько эти чипы мощные в сравнении с моделями Nvidia / AMD
Статья - частичный перевод поста на Rest Of World: China’s chip startups are racing to replace Nvidia и собственного дополнения (характеристики и сравнения с ближайшими аналогами от Nvidia). Для сбора...
👍5
📚 Книжка "Неслучайная случайность: как управлять удачей и что такое серендипность." (en: The Serendipity Mindset: The Art and Science of Creating)
🦋 Долго и нудно, на протяжении 300 страниц автор предлагает видеть необычное в обычном, быть “открытым к неожиданностям” и прокачивать тот самый serendipity – “искусство счастливых случайностей”. Не рекомендую.
🔍 Короткий обзор и духота от меня
В 2020 году профессор Кристиан Буш решил легализовать удачу (мол, это не просто "удача", это целый процесс) и описал новый “майндсет” поиска возможностей в хаосе.
🎱 Основа - принципы “серендипного” мышления:
- Будь внимательнее: замечай детали, на которые обычно бы не обратил взор (развивай внимание, периферийное зрение и вот это всё).Тут про насмотренность и осознанность.
- Мысли с разных сторон: рассматривай привычные ситуации с других сторон (в идеале — не только своих).Тут как бы просто про критическое/латеральное/ дивергентное мышление.
- Расширяй связи: общайся шире, спрашивай про “что-то еще” в Small Talk — вдруг подвернется “касание удачи”.Я переведу - просто будь экстравертом и делай нетворкинг.
- Порождай триггеры: вместо “Я маркетолог” во время знакомста удиви (вау) всех словами — “Я изучаю поведение людей, делаю подкасты, люблю сканди-детективы” — и смотри, к чему это приведет.Именно так люди запоминают тебя лучше и образовываются связи.
- Не жди чуда, а сам создавай предпосылки: чем больше действий, тем выше шанс “случайного” открытия (но это не точно).Ну чем не проактивность.
☦️ К чему скепсис (мой)
Неплохо, что тут есть практики self-reflection и упражнений в конце каждой главы. Но если коротко — почти всё, о чем пишет Буш можно найти в любой self-help литературе.
Много историй уровня “один парень что-то сделал -> случайно повезло -> теперь миллионер”. Сама идея, что “сознательно можно тренировать удачу”, не нова. Но в этой книге глубокое знание и эрудиция как фундамент серендипности — отодвинули на второй план. Зато техник, сторителлинга который бесконечно повторяется — с лихвой.
"Видеть возможности в случайностях”, как говорит автор, всегда полезно — особенно если крутишься в стартапах или креативных продуктах. Но никакой “серендипный майндсет” без системного подхода, осознанности, привычки критично смотреть на вещи и работы с культурой не жизнеспособен
Ozon / Альпина / Амазон
PS: Лучше прочитайте эту "Неслучайную случайность"
🦋 Долго и нудно, на протяжении 300 страниц автор предлагает видеть необычное в обычном, быть “открытым к неожиданностям” и прокачивать тот самый serendipity – “искусство счастливых случайностей”. Не рекомендую.
🔍 Короткий обзор и духота от меня
В 2020 году профессор Кристиан Буш решил легализовать удачу (мол, это не просто "удача", это целый процесс) и описал новый “майндсет” поиска возможностей в хаосе.
🎱 Основа - принципы “серендипного” мышления:
- Будь внимательнее: замечай детали, на которые обычно бы не обратил взор (развивай внимание, периферийное зрение и вот это всё).
- Мысли с разных сторон: рассматривай привычные ситуации с других сторон (в идеале — не только своих).
- Расширяй связи: общайся шире, спрашивай про “что-то еще” в Small Talk — вдруг подвернется “касание удачи”.
- Порождай триггеры: вместо “Я маркетолог” во время знакомста удиви (вау) всех словами — “Я изучаю поведение людей, делаю подкасты, люблю сканди-детективы” — и смотри, к чему это приведет.
- Не жди чуда, а сам создавай предпосылки: чем больше действий, тем выше шанс “случайного” открытия (но это не точно).
Неплохо, что тут есть практики self-reflection и упражнений в конце каждой главы. Но если коротко — почти всё, о чем пишет Буш можно найти в любой self-help литературе.
Много историй уровня “один парень что-то сделал -> случайно повезло -> теперь миллионер”. Сама идея, что “сознательно можно тренировать удачу”, не нова. Но в этой книге глубокое знание и эрудиция как фундамент серендипности — отодвинули на второй план. Зато техник, сторителлинга который бесконечно повторяется — с лихвой.
"Видеть возможности в случайностях”, как говорит автор, всегда полезно — особенно если крутишься в стартапах или креативных продуктах. Но никакой “серендипный майндсет” без системного подхода, осознанности, привычки критично смотреть на вещи и работы с культурой не жизнеспособен
Ozon / Альпина / Амазон
PS: Лучше прочитайте эту "Неслучайную случайность"
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2👍1
Как правильно прогнозировать, когда команда закончит следующие X задач и причем тут прогнозирование через симуляцию Монте-Карло?
❌ Точную дату говорить не надо "Эпик будет готов ровно через 42 дня" — это неправда.
✅ Правильный прогноз: 10 задач за 35-45 календарных дней, где:
- 35 дней = 50% вероятности
- 45 дней = 85% вероятности
У любого прогноза есть
- Разброс,
- Вероятность,
- Мы предполагаем что работа в будущем будет похожа на работу в прошлом.
Работает следующим образом:
- 1️⃣ Собираем историю throughput команды
- 2️⃣ Запускаем 1000+ симуляций со случайной выборкой
- 3️⃣ Получаем распределение вероятностей
Главное условие: нужны WIP-лимиты!
"Нет WIP-лимита = нет потока = нет предсказуемости" — Daniel Vacanti
👩🔬 Исследования и материалы:
-🖥 На прикрепленной картинке пример прогноза из приложения: Predictable.team (я когда-нибудь переведу его на русский) — загружаете CSV из Jira (или demo data) и тыкаете во вкладку Монте-Карло.
- ActionableAgile доказали: простая случайная выборка работает лучше сложных алгоритмов.
- Российские кейсы (Тинькофф, SportMaster) подтверждают точность 80-90%.
- Daniel Vacanti "Actionable Agile Metrics".
- Моя статья на Хабре
- Материалы на Scrum.ru, Neogenda.
Впрочем, это все неважно если продажники уже подписали контракт, обещая новую фичу клиенту. Но хотя б вы им покажете данные.
❌ Точную дату говорить не надо "Эпик будет готов ровно через 42 дня" — это неправда.
✅ Правильный прогноз: 10 задач за 35-45 календарных дней, где:
- 35 дней = 50% вероятности
- 45 дней = 85% вероятности
У любого прогноза есть
- Разброс,
- Вероятность,
- Мы предполагаем что работа в будущем будет похожа на работу в прошлом.
Работает следующим образом:
- 1️⃣ Собираем историю throughput команды
- 2️⃣ Запускаем 1000+ симуляций со случайной выборкой
- 3️⃣ Получаем распределение вероятностей
Главное условие: нужны WIP-лимиты!
"Нет WIP-лимита = нет потока = нет предсказуемости" — Daniel Vacanti
👩🔬 Исследования и материалы:
-
- ActionableAgile доказали: простая случайная выборка работает лучше сложных алгоритмов.
- Российские кейсы (Тинькофф, SportMaster) подтверждают точность 80-90%.
- Daniel Vacanti "Actionable Agile Metrics".
- Моя статья на Хабре
- Материалы на Scrum.ru, Neogenda.
Впрочем, это все неважно если продажники уже подписали контракт, обещая новую фичу клиенту. Но хотя б вы им покажете данные.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3😁2
Marat @ Predictable.Team
Воскресное чтиво: Какое есть ии-железо в Китае на замену Nvidia (и насколько они мощные). https://habr.com/ru/articles/944548/ Я на работе занимаюсь внедрением AI в разработку. И интересуюсь ИИ-темой во всех ее проявлениях. И ROI, и adoption, и в целом насколько…
Если на прошлой неделе я ресерчил - какие китайские альтернативы Nvidia скоро появятся. То на этой - а сколько ведущие страны-производители полупроводников вкладывают (государственных и частных денег) в ИИ-железки. И сравнил с Россией.
При сохранении текущей ситуации мы доберемся до стран-лидеров никогда (но может и не надо и будем пользоваться китайским железом). Сейчас у нас все железки по старым техпроцессам и в основном для военки.
https://habr.com/ru/articles/948144/
При сохранении текущей ситуации мы доберемся до стран-лидеров никогда (но может и не надо и будем пользоваться китайским железом). Сейчас у нас все железки по старым техпроцессам и в основном для военки.
https://habr.com/ru/articles/948144/
💔2
🤖 Пятничный опрос: может ли AI в своем текущем виде заменить Scrum Master / Agile Coach.
🔬 В комментах напишите, какую главную функцию Scrum Master / Agile Coach надо автоматизировать AI-агентом, чтобы специалист стал ненужен! Шутки приветствуются :)
🔬 В комментах напишите, какую главную функцию Scrum Master / Agile Coach надо автоматизировать AI-агентом, чтобы специалист стал ненужен! Шутки приветствуются :)
Final Results
34%
💯 Конечно, чо там - автоматизировать?!
44%
38%
👀 Я, чесслово, все еще не понимаю чего они вообще делают и зачем нужны!
Please open Telegram to view this post
VIEW IN TELEGRAM
😁6
🪦 Посмотрите реальный пример на скриншоте выше - там состарилась целая свора задач, какие-то явно протухли.
WIP (work in progress) Aging — это количество времени, которое задача уже провела в работе, но еще не завершена. Помогает понять, где работа "застревает" в процессе и сигнализирует о рисках для потока.
Мы считаем начало "в работе" как точку, когда вы втягиваете в свою систему работу (у разных команд она может разная).
📈 Где посмотреть:
- Jira Metrics Plugin - бесплатное расширение для хрома, которое показывает Aging Chart (скрин оттуда)
- Predictable.Team - анализатор выгрузок из Youtrack / Jira, есть визуализация Aging
👆 Почему это важно?
- Чем дольше задача "стареет" в потоке, тем выше риск, что она устареет для бизнеса, попадёт в зависимости, или просто потеряется ценность работы.
- Следить за Aging надо до завершения задачи - ваш шанс оперативно реагировать на проблемы в процессе, а не ждать, когда цикл завершится и станет "слишком поздно" для улучшений.
- Всё в Kanban — визуализация, блокировки, Pull-политики — заточено на то, чтобы не позволять задачам стареть без необходимости.
🕸 Какие основные паттерны Aging встречаются в практике?
- Стабильный рост: WIP Aging растёт равномерно — признак стабильного процесса и правильных WIP-лимитов.
- Плато или затор: Aging резко увеличивается на каком-то этапе — вероятен bottleneck или проблемы формата слишком крупных задач.
- Волнообразные скачки: Aging периодически ускоряется — возможны внешние зависимости/нестабильность команды.
- Разделение на мелкие задачи: Когда Aging сигнализирует о "застрявшей" задаче, best practice — разделить её на более мелкие части.
- Экспоненциальный рост: Очевидная перегрузка WIP — новые задачи начинают быстрее, чем завершаются старые.
Tips & Tricks:
- WIP Aging — один из лучших ранних индикаторов проблем (если выбирать одну метрику, то Aging — самая полезная для начала).
- Комбинируйте её с Lead Time и Throughput, чтобы видеть общую картину. Lead Time = ваш исторический SLA, а Aging - возможность увидеть в realtime что сейчас пробьёт SLA.
- При превышении допустимого возраста задачи — обсуждайте и разбивайте крупные работы. Например, начинайте разбирать все, что выше 85-перцентили.
- Правильно используйте WIP-лимиты: лимит не спасёт, если не анализировать aging, а просто "сжимать поток".
- На VC недавно вышла статья про опережающий индикатор: WIP Aging от Васи Савунова.
📈 Где посмотреть:
- Jira Metrics Plugin - бесплатное расширение для хрома, которое показывает Aging Chart (скрин оттуда)
- Predictable.Team - анализатор выгрузок из Youtrack / Jira, есть визуализация Aging
#aging #flowmetrics
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3🔥1
Рассказали как строить дешборды для сравнения метрик команд, какие есть возможности у AI-ассистента по анализу метрик, и многое другое.
Очень круто видеть живой интерес в глазах людей, желание вместе "вваливать" своё время чтобы дополнить документацию и гайды по оптимизации. В ближайшее время я проведу подобное еще и в @AgileUfa и аудитории канала. Даешь data-driven подход в работе с командами!
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5👍2
Forwarded from JiraMetrics.pro
Мы провели демо JiraMetrics.Pro для сообщества Канбан Стандарт — экспертов, которые делают канбан-метод понятнее и доступнее для индустрии.
Это была не просто демонстрация. Мы получили ценный фидбэк и поддержку от людей, чья экспертиза формирует практику канбан-метода в России и СНГ. Такая обратная связь помогает нам делать продукт ещё понятнее, полезнее и ближе к задачам команд.
Для нас это подтверждение: мы идём в правильном направлении, а значит, у пользователей будет меньше рутины и больше фокуса на результате.
Отдельная благодарность Алексею Пименову за организацию этого созвона🤝
Подписывайтесь на канал, чтобы первыми узнавать о следующих демо и новых возможностях продукта.
Это была не просто демонстрация. Мы получили ценный фидбэк и поддержку от людей, чья экспертиза формирует практику канбан-метода в России и СНГ. Такая обратная связь помогает нам делать продукт ещё понятнее, полезнее и ближе к задачам команд.
Для нас это подтверждение: мы идём в правильном направлении, а значит, у пользователей будет меньше рутины и больше фокуса на результате.
Отдельная благодарность Алексею Пименову за организацию этого созвона
Подписывайтесь на канал, чтобы первыми узнавать о следующих демо и новых возможностях продукта.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👍2
Media is too big
VIEW IN TELEGRAM
или как из идеи сделать интерактивную лекцию родился прототип "Motivation 3.0 - конструктора мотивации".
Не люблю читать лекции. Люблю, когда ребята сами осваивают и рефлексируют над материалом. На прошлой неделе готовился читать небольшой докладик по нематериальной мотивации и подумал: «А что если дополнить презентацию интерактивом?»
🗿 Презентация была основана на "Теории Самодетерминации":
- 3 основных кита мотивации: Автономность, Компетентность, Связанность.
- 2 фактора нематериальной мотивации: внутренние или внешние.
- Факторы также можно делить по скорости эффекта: быстрые, отложенные, долгосрочные.
🧑💻 За полчаса накидал прототип в Loveable (мой фаворит среди вайб-кодинг инструментов) — простой конструктор мотивационных практик. Для пилотирования пообстукивал об ребят в Ufa IT Coworking.
На практической части поделил руководителей на мини-группы и оставил на полчаса обсуждать практики и делать планы повышения мотивации исходя из заданных кейсов. По итогу ребятам очень зашла практика, на дебрифе попросили: «Дай ссылку, будем пользоваться!».
✅ Ссылку-preview давать негоже, посему на выходных допилил:
- Добавил полноценные практики ко всем 9 факторам мотивации,
- Прикрутил ссылки на курсы и статьи,
- Купил домен с SSL (шоб солидно и секурно).
- Добавил экспорт планов в md / txt.
⌛ Сделано за пару часов:
30 минут на прототип (буквально с телефона перед сном) + 2,5 часа на продукт + 1,5 часа на изучение литературы = работающий инструмент, который просят сохранить.
Короче лень и интерактив - двигатель прогресса
*Тут есть приписка, что все таки я работаю с мотивацией персонала с 2015 года, поэтому нельзя говорить что я с нуля изучил тему.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥13
Forwarded from JiraMetrics.pro
Встречайте Марата Киньябулатова — нового члена команды JiraMetrics.Pro.
Марат — эксперт по flow-метрикам и предсказуемости, автор практических гайдов по метрикам и активный участник agile-сообщества. За его плечами — руководство PMO в MetaMap (InCode), развитие сообщества Agile Ufa, работа с ядром банковских сервисов в системно-значимом финтехе на периметре 45 команд.
Что особенно важно — он давно сам пользуется JiraMetrics.Pro и знает плагин изнутри. На недавнем демо для канбан-тренеров Марат показал все возможности инструмента, поделился лучшими практиками использования и примерами, как метрики помогают командам работать предсказуемее и понятнее.
И это только начало. Мы планируем регулярно проводить демо и воркшопы, чтобы превращать данные в понятные шаги и реальный результат.
👉 Подписывайтесь, чтобы быть в курсе следующих встреч.
Марат — эксперт по flow-метрикам и предсказуемости, автор практических гайдов по метрикам и активный участник agile-сообщества. За его плечами — руководство PMO в MetaMap (InCode), развитие сообщества Agile Ufa, работа с ядром банковских сервисов в системно-значимом финтехе на периметре 45 команд.
Что особенно важно — он давно сам пользуется JiraMetrics.Pro и знает плагин изнутри. На недавнем демо для канбан-тренеров Марат показал все возможности инструмента, поделился лучшими практиками использования и примерами, как метрики помогают командам работать предсказуемее и понятнее.
И это только начало. Мы планируем регулярно проводить демо и воркшопы, чтобы превращать данные в понятные шаги и реальный результат.
👉 Подписывайтесь, чтобы быть в курсе следующих встреч.
❤5🔥5
Робяты, мы тут объединились с командой плагина Jira Metrics - чтобы в сообществе поддерживать культуру принятия решений, основанных на данных. Так что здесь будут анонсы воркшопов по работе с метриками в Jira, сравнению показателей команд.
Мы с автором плагина ещё в 2012-2015 работали в месте в небезызвестной конторе в Уфе - Frumatic. Сейчас я в Райфе а Анвар в HH.ru, и вновь сошлись на почве работы с метриками.
Сейчас у плагина больше 3000 регулярных пользователей, действительно стоящие своих денег дополнительные фичи (супер гибкие дашборды для разных срезов данных и AI-чатбот с навороченной базой знаний для анализа метрик).
Если вы пользуетесь плагином, то вот пара полезных ссылок:
- @JiraMetricsPro - канал плагина на русском языке
- @akhakimov - канал Анвара про работу Lead Project Manager’а, метрики и вызовы
- @JiraMetrics - чат и поддержка плагина
Мы с автором плагина ещё в 2012-2015 работали в месте в небезызвестной конторе в Уфе - Frumatic. Сейчас я в Райфе а Анвар в HH.ru, и вновь сошлись на почве работы с метриками.
Сейчас у плагина больше 3000 регулярных пользователей, действительно стоящие своих денег дополнительные фичи (супер гибкие дашборды для разных срезов данных и AI-чатбот с навороченной базой знаний для анализа метрик).
Если вы пользуетесь плагином, то вот пара полезных ссылок:
- @JiraMetricsPro - канал плагина на русском языке
- @akhakimov - канал Анвара про работу Lead Project Manager’а, метрики и вызовы
- @JiraMetrics - чат и поддержка плагина
jirametrics.pro
Jira Metrics Plugin
A lightweight analytics plugin that helps you track and analyze your team's performance metrics directly from Jira boards.
🔥7👍1
Очень плотные две недели перед отпуском. Поздние рейсы, ночные посиделки с презентациями, last minute changes.
📣 Во вторник проводил с коллегами «Квартальную встречу» для руководителей 20 команд (60 человек) в нашем периметре.
TL;DR в один абзац:
💡Наши копания в метриках процессов у команды часто нивелируется тем что другие команды от этого лучше не работают. А подобные мероприятия позволяют развивать прозрачность в масштабе - а это минимизирует ненужную работу (один из принципов бережливого производства).
🚦 Что делаем на ивенте:
- Смотрим статусы годовых целей - так называемый "светофор целей" (чтобы увидеть общую динамику подразделения на текущий момент).
- Опрозрачиваем зависимости и связность команд (чтобы проработать системные причины).
- Отслеживаем изменения скоупа и новые вызовы (смотрим на причины изменения целей, а также увеличились они в большую сторону или наоборот).
- Штормим, коллективно отвечая на важные вопросы и вырабатывая единую позицию и экшн-айтемы для движения вперед.
📣 Во вторник проводил с коллегами «Квартальную встречу» для руководителей 20 команд (60 человек) в нашем периметре.
TL;DR в один абзац:
Квартальные встречи менеджмента для подведения промежуточных итогов - это один из наиболее эффективных форматов запуска изменений и оптимизации работы. При условии что мы фасилитируем это правильно: подсвечиваем взаимозависимости, запускаем правильные диалоги. И это точно лучший способ внедрения культуры непрерывных улучшений.
💡Наши копания в метриках процессов у команды часто нивелируется тем что другие команды от этого лучше не работают. А подобные мероприятия позволяют развивать прозрачность в масштабе - а это минимизирует ненужную работу (один из принципов бережливого производства).
🚦 Что делаем на ивенте:
- Смотрим статусы годовых целей - так называемый "светофор целей" (чтобы увидеть общую динамику подразделения на текущий момент).
- Опрозрачиваем зависимости и связность команд (чтобы проработать системные причины).
- Отслеживаем изменения скоупа и новые вызовы (смотрим на причины изменения целей, а также увеличились они в большую сторону или наоборот).
- Штормим, коллективно отвечая на важные вопросы и вырабатывая единую позицию и экшн-айтемы для движения вперед.
🔥5
Marat @ Predictable.Team
Очень плотные две недели перед отпуском. Поздние рейсы, ночные посиделки с презентациями, last minute changes. 📣 Во вторник проводил с коллегами «Квартальную встречу» для руководителей 20 команд (60 человек) в нашем периметре. TL;DR в один абзац: Квартальные…
⁉️ Почему это критично:
Работа на уровне отдельных команд не даёт системной картины. Квартальное выравнивание руководителей позволяет предвосхитить проблемы и действовать на опережение.
За квартал в организации происходит очень многое. У команд свой роудмап. Они выравниваются в начале квартала и бегут каждый по своей дорожке на пути к общим целям.
Анализ состояния целей в подобном событии это всего лишь пререквизит.
Он погружает коллег в контекст текущего состояния (as is) и задает тон тому, как нам надо адаптироваться к новой реальности (to be). А мы, как оркестраторы события, добавляем активности которые помогут выработать единый вектор движения к целевому состоянию (how).
🏉Офлайн-формат добавляет магии: живая энергия, новые руководители знакомятся с командой, укрепляются связи между лидерами. Никогда не стоит недооценивать как люди заряжаются от совместной офлайновой работы.
🤘Задротская аналогия: у группы Meshuggah (это такой шведский экстрим метал) в композициях часто каждый инструмент играет свою партию в своём размере. Но в определенных точках музыканты сходятся и размер на коротком периоде совпадает. Вот квартальное планирование, это как раз такой период где все выравниваются и вновь начинают новый раунд.
Еще в Metamap мы силами нашего отдела (Technical Program Management) запускали квартальный цикл совместного планирования > пристрелки в середине квартала по > обзора результатов и метрик выпущенных фич и статуса по целям. Это был один из самых сильных инструментов выстраивания совместной работы на наши 500 членов команды, раскиданых по земному шару.
Работа на уровне отдельных команд не даёт системной картины. Квартальное выравнивание руководителей позволяет предвосхитить проблемы и действовать на опережение.
За квартал в организации происходит очень многое. У команд свой роудмап. Они выравниваются в начале квартала и бегут каждый по своей дорожке на пути к общим целям.
Анализ состояния целей в подобном событии это всего лишь пререквизит.
Он погружает коллег в контекст текущего состояния (as is) и задает тон тому, как нам надо адаптироваться к новой реальности (to be). А мы, как оркестраторы события, добавляем активности которые помогут выработать единый вектор движения к целевому состоянию (how).
🏉Офлайн-формат добавляет магии: живая энергия, новые руководители знакомятся с командой, укрепляются связи между лидерами. Никогда не стоит недооценивать как люди заряжаются от совместной офлайновой работы.
🤘Задротская аналогия: у группы Meshuggah (это такой шведский экстрим метал) в композициях часто каждый инструмент играет свою партию в своём размере. Но в определенных точках музыканты сходятся и размер на коротком периоде совпадает. Вот квартальное планирование, это как раз такой период где все выравниваются и вновь начинают новый раунд.
👍3❤2💯2
🤖 Хотите чтоб ваш AI-агент отвечал на вопросы по требованиям из Confluence / коду из репозитория?
Без Context Engineering каши не сваришь? (1 пост из 4)
🤌🏽 Суть проблемы:
Сегодня дело не в том, КАК спросить у AI, а в том, ЧТО (какие источники информации и данные) дать ему как контекст. Потому что всю вашу предметную область, документацию и тонну чувствительных данных вы в промпт не впихнете).
💻 Представьте контекстное окно как оперативки (RAM) — ограниченную рабочую память.
Если просто подключить агента к вашему confluence и коду - то получится наше с вами любимое "без ТЗ результат хз". Так происходит, потому что информации может быть очень много, она на может быть с чувствительными данными, противоречивой - короче говоря, с ней надо уметь работать.
🍄 Все это выливается в галлюцинации LLM / агента по следующей классификации:
- Context Rot — "испортившиеся" (устаревшие, подпорченные) данные
- Context Poisoning — одна или несколько ошибок портит весь остальной контекст
- Context Clash — противоречия в контексте из-за противоречий в источниках
- Context Overflow — слишком много информации
🍳 Чтоб такого не было, надо уметь "готовить" - информацию с помощью техник Записи, Чтения, Сжатия и Изоляции контекста. У каждой техники есть свои инструменты. И паттерны того, когда что использовать надо знать.
Без Context Engineering каши не сваришь? (1 пост из 4)
В прошлый четверг коллегами провели воркшоп на 50 IT-руководителей по Context Engineering и разобрали почему промпт-инжениринга не хватает от слова совсем. Дальше ещё напишу про сам воркшоп и техники работы с информацией.
🤌🏽 Суть проблемы:
Сегодня дело не в том, КАК спросить у AI, а в том, ЧТО (какие источники информации и данные) дать ему как контекст. Потому что всю вашу предметную область, документацию и тонну чувствительных данных вы в промпт не впихнете).
💻 Представьте контекстное окно как оперативки (RAM) — ограниченную рабочую память.
Если просто подключить агента к вашему confluence и коду - то получится наше с вами любимое "без ТЗ результат хз". Так происходит, потому что информации может быть очень много, она на может быть с чувствительными данными, противоречивой - короче говоря, с ней надо уметь работать.
- Context Rot — "испортившиеся" (устаревшие, подпорченные) данные
- Context Poisoning — одна или несколько ошибок портит весь остальной контекст
- Context Clash — противоречия в контексте из-за противоречий в источниках
- Context Overflow — слишком много информации
🍳 Чтоб такого не было, надо уметь "готовить" - информацию с помощью техник Записи, Чтения, Сжатия и Изоляции контекста. У каждой техники есть свои инструменты. И паттерны того, когда что использовать надо знать.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6👍1👀1