В интерактивном справочнике всех "Канбан Метрик" исправил ссылки, так чтобы кликая по ним можно было перемещаться по доске без открытия новой вкладки.

При этом команда Unidraw.io добавила мини карту, и навигироваться по справке стало удобнее.

Напомниаю, что это наш коллективный проект от сообщества Канбан Толк, и в нем так же можно поучаствовать в улучшении этого материала, обращайтесь ко мне если хотите стать со-автором.

Зачем нужна эта интерактивная карта?
Вы всегда можете сослаться на эту справку при обсуждении метрик, или в поиске решения и ответов для самих себя

Приняли мой доклад на Codefest 15.

Мой доклад будет о "Проблемах поиска эффективности ИТ компаний".
Та тема, которая победила в последнем опросе в этом канале.

После доклада, буду готовить и статью.

Тезисы
Не секрет, что 2025 год станет годом оптимизаций. Слово «эффективность» сегодня в приоритете у руководителей всех уровней, однако не всегда ясно, что именно под ним подразумевается и как формулировать тезисы, которые помогут достичь поставленных целей.

Давайте разберемся с понятием эффективности:
— Где находятся точки соприкосновения разных уровней компании в «вероятностном поле» решений «Эффективности»?
— Возможно ли в принципе повысить эффективность в области вашего влияния?
— Какие инструменты помогут выявить эти точки и создать руководство к действию для повышения результативности бизнеса?

В докладе я раскрою:
— Как связать финансовые показатели (P&L) с операционными процессами (L) и правильно оценить ценность решений (P), для команд разрабатывающие продукты
— Как определять эффективность для команд создающие внетренние сервисы и не связанные на прямую с бизнесом
— Как влияет размер команды на эффективность результата
— Как метрики ИТ-разработки влияют на общую эффективность компании, и какие из них стоит выбрать в вашем контексте.
— Определим, что поиск эффектисности — это вероятностное поле поиска решений
— А так же узнаем, что повышение эффективности может лежать за пределами вашей области влияния

Для кого этот доклад:
— Тимлиды, Project Manager’ы и Scrum-мастера;
— Все, кто работает на стыке бизнеса и разработки.

Что вы узнаете:
— Как определить понятие «эффективность» связанную с вашими целями для вашей ИТ-команды
— Как выбрать метрики процессов, которые влияют на результат, а не создают иллюзию контроля.

В итоге вы получите:
- Гайд вопросов для ретроспективы, которые  помогут вам лучше формулировать гипотезы для улучшения результата ваших команд.
- Готовые примеры наборов метрик, для анализа и поиска точек эффективности.

#доклады

Увидимся в Новосибирске?!

А вот и наконец на сайте CodeFest вывели тезисы моего будущего доклада

https://15.codefest.ru/lecture/3165

#доклады

Игорь Моисеев написал статью
"К управлению задачами через статистику"
в рамках которой сделал разбор моей статьи на Хабр.

Считаю, что он достаточно интересный сделал разбор, и тем кто занимается статитстикой процессных метрик точно будет полезной
https://habr.com/ru/articles/802361/

Сегодня посетил ярмарку интеллектуальных книг
https://moscowbookfair.ru/

С целью таки получить книгу Вячаслава Дубынина с подписью.

Цель выполнена.
Но и Ярмарка интересная, столько очкариков в одном месте давненько не видел (сам очкарик так же)

К сожалению на такую Ярмарку нужно много энергии, чтобы проходить мимо кладези такого количества интересных книг.

По сим решил идти от чувства, а чего хочу в ближайшее время для своего развлечения.

И вот собственно на чем остановился.

#прокниги

Коротко про "оценку"

Глава 1. Критическое мышление в эпоху данных
Глава 2. Корреляция: что это такое и для чего она нужна?
Глава 3. Причинно-следственная связь: что это такое р для чего она нужна?
Глава 4. Не бывает корреляции без вариаций
Глава 5. Применение регрессии в описании и прогнозировании
Глава 6. Выборки, неопределенность и статические выводы
Глава 7. Завышенные значимости и занижение отчётности
Глава 8. Возврат к среднему значению
Глава 9. Почему корреляция и причинно-следственная связь не одно и тоже
Глава 10. Выявление и ограничение искажающих факторов
Глава 11. Рандомизированные эксперименты
Глава 12. Модель разрывной регрессии
Глава 13. Метод разности различий
Глава 14. Механизмы причинно-следовательных связей
Глава 15. Как наделать статистику смыслом
Глава 16. Измерение показателей вашей миссии
Глава 17. О пределах возможностей оценки.


Рекомендую к прочтению.
Но, мне кажется для интереса главы этой книги надо было сортировать от последней к первой, чтобы было интереснее.

#прокниги

Очень многие знают тезисы этой книги.
Но, редко встречаю кто ее читал.
А ведь стоит!

Вот как вижу эти тезисы я:
- Все мифы, религии и сказки народов мира объединены общей структурой — мономифом (единым мифом)
- Мономиф — это паттерн описывает путь архетипического героя, проходящего через этапы познания нового через опыт: призыв к приключению, испытания, преодоление кризиса и возвращение с трансформацией
- История любого мифа героя расскрывается по стадиям:
1. исход: Герой получает призыв покинуть обычный мир, часто сопротивляясь ему, но в итоге принимая вызов.
2. инициация: Прохождение испытаний, встреча с наставником, борьба с "тенью" (антигероем), символическая смерть и возрождение.
3. возвращение: Герой приносит в обычный мир "эликсир" — знания или силу, способные изменить реальность.

- Путь героя — это метафора личностного роста
- Любой миф это общее движение любого сущного во вселенной как и самой вселенной от рождения к смерти, от хаоса к порядку.

Джозэф психолог, и его работа — это идея помочь в ориентации личностного роста, помочь осознать стадии изменения мышления, когда переходишь из одной роли в другую, выравнять свой компас.

Как например:
- из врача в программиста
- из программиста в тимлида
- из тимлида в СТО
- из СТО в фермера

Каждый раз при этом переходе приходитя встречаться с новым языком, новым устройством общества куда попадаешь и с новыми испытаниями.

Мне лично эта книга помогла, справится со своим изменениями в карьере и помочь другим достичь больших вершин своей картеры.

Использование языка "Мифа", особенно через символизм, позволяет расставить все по полочкам в работе с людьми и помочь выходить из кризиса.
Если понять где и в каком месте истории или "игры" находится человек, ему становится проще, а уже после настроить цель через практику используя метод Уитмора.

Чем может помочь эта кига и идеи изложенные в ней?
1. Создание историй, для презентаций, для игр или описания задач
2. Личностный рост. Если использовать модель Джозефа, то это помогает ориентироваться в сложных ситуациях
3. При работе со своими падаванами, чтобы помогать расти им и разбираться со сложными ситуациями раскладывая все в координатах Архитипов по Юнгу и Мономифу Джозефа
4. Чтение книг — особо выделю, что при анализе историй из книг идея "мономифа" особенно полезна

Ключевая цитата из книги, на мой взгляд:

"Герой — это тот, кто отдал себя чему-то большему, чем он сам"

Идея которая подчеркивает, что истинная цель пути — не личная слава, а служение миру.

Рекомендую ее к прочтению любому кто стремится к управлению, в первую очередь своей историей

#прокниги

Прошёл обучения у Пименова по Картам Гипотез

И похоже, что это тот инструмент которого не хватало в моей жизни для связи между целями и задачами.

Сейчас перерабатываю стратегии используя этот инструмент по своим продуктам.

Это не серебряная пуля, КГ (карта гипотез) не инструмент штурминга идей, а очень хорошо систематизирует связь между целями и задачами, строя их по определённой схеме формируя графическое представление выражения повествовательной логики с ответом на вопросы.

По существу это визуальное представление по которому строится стратегия в рамках законов логики:

- Наблюдение ->
- Предположение ->
- Метрики ->
- Цель ->
- Факты (на метриках и опросах, субъектах) ->
- Аргументы (гипотезы) ->
- Способ проверки аргумента ->
- План ->
- Проверка (бьют ли в цель) ->

При этом КГ закрывает вот эту связку:
- Цель ->
- Факты (на метриках и опросах, субъектах) ->
- Аргументы (гипотезы) ->
- Способ проверки аргумента ->

Остальное за рамками, и там рекомендуется использовать другие инструменты.

Да, на КГ, приносим известные факты, уточняем что нам ещё не известно.

В итоге уже сейчас применили для себя вот такой цикл:
1. Исследуем (рынок, пользователей) формируем идеи излогаем в opportunity map
2. Получаем метрики
3. Связывает метрики и выражаем предположения на opportunity map
4. Определяем целевые метрики
5. Собираем данные о субъектах воздействия (клиенте, системе) всего того или тех кто влияет на достижение целевых метрик
6. Строим Карту Гипотез
7. Желаем несколько подходов, призывая разных спецов (стратегов, аналитиков, спецов) изменяя КГ с учётом новой информации, изменяя линии влияния дополняя или убирая элементы на карте
8. Как только сформулировал гипотезы и связали их с задачами идём делать оценку по RICE
7. Перестраиваем план по задачам. При этом на самом плане, а он по срокам раскинут, можно ещё и отобразить каких чисел в значениях целевых метрик к этому сроку ожидаем. Это позволяет задать новый вопрос - а точно ли задача влияет на эту метрику. Что позволяет вновь перепроверить логику.

После применения КГ, мы получаем формальные ответы на вопросы
— "чтобы что?"

Сама карта гипотез хороша как артефакт в который можно показать всем причастным и отвечать на их запросы.

Мне точно не хватало такого инструмента.
Рекомендую.

в Unidraw уже есть готовые шаблоны для изучения КГ, и использования:
- для изучения
- для использования
- есть еще и связанный SWOT-анализ

Все шаблоны от автора метода Александра Бындю @alexanderbyndyu

#проинструменты

Началась реклама в канале CodeFest2025

#доклады

В Питере вечером увидемся

Огромное спасибо СПБ Delivery Meetup за приглашение на юбилейный выпуск митапа. Особая благодарность за теплую встречу и жаркий прием комьюнити.
Было много вопросов, позитивной обратной связи и замечательное застолье.

Как и обещал слайды доклада и дополнительные материалы доступны на доске Unidraw

Подкатом немного фоточек с Питера (в часике прикрепленным к каналу)

#благодарности

Интересная статья о том, что от четверти до половины работы PM, может выполнить AI.

Когда мы ехали на DSPB в поезде, обсуждали с Василием Савуновым, что достаточно большой спектр задач и по управлению работой тоже можно автоматизировать с ИИ.

И да, это уже скорое будущее.
У нас в компании мы работаем над системой анализа метрик, которая позволяет командам находить точки улучшений и многие показатели уже возможно автоматизировать до момента предложений что делать надо чтобы стало лучше, T-Meter

Совсем не далёкое будущее когда мы добавим туда RAG, который сможет помогать делать анализ и предлагать решения.

И я вполне вижу историю о том, что не далеко то будущее когда и в системах управления работой сразу будут как минимум подсказки не только по формулированию задач, но и по управлению процессом.

Пример:
- помошник в приоретизации
- подсветка рисков по задачам (на основе статистики)
- экономическая целесообразность реализации задачи
- автоматизация управления зависимостями
- управление блокировками (с подсказками какие задачи блокируют текущую)
- ...

#интересное

А вот и слайды с доклада CodeFest 2025

В рамках доклада раскрыли проблему понятия “Эффективности” и того, что на самом деле все понимают под этим совершенно разное исходя из того факта, что мы просто говорим на разных языках и имеем свою область видимости.

У Эффективности, при этом, есть общая форма, через которую уже выражают частные примеры.

В докладе приведены простые формы расчета эффективности
- инвестиций (через unit-экономику)
- delivery через Kanban-метрики

Пример выбора фокуса улучшения процессов исходя из оценки с чего проще начать.

Вопросы и критика от сообщества приветствуется в тред к этому сообщению

#доклады

Как просто можно посмотреть на "Предсказуемость" через распределение Lead Time.

Вот три графика Lead Time на светлом фоне: A, B, C

А - самое широкое
B - меньше A но шире C
C - самое компактное

При том, что задачи в выборке C делаются дольше чем в A и B.

Но, именно компактность распределения и говорит нам о том, что этот тип задач (по этой выборке) более предсказуемый.

Как можно иначе говорить про оценку предсказуемости?

Представим, что самый оптимистичный срок на который можно пойти "под дулом пистолета" это 50-тый процентиль по Lead Time, а самый писсимистичный это 98% (оставляем право на стат ошибки в 2%)

Тогда можем сказать, что
чем меньше отношение самого писсимистичного срока к оптимистичному, тем более предсказуемее будет срок выполнения задач.

Или "98%/50%" -> должно стремится к "1"

Умники взяли придумали константу 5.6, и это стало удобно.

Давайте, мол прикинем, что если самый оптимистичный срок короче самого писсимистичного в 5 раз и 6 десятых этого срока, то будем считать в общем время по этому распределению Lead Time как предсказуемое.

Однако, вы же часто сами любили умножать на "3"? сроки. А значит для вас можно взять константу близку к "3". И в ваших метриках вполне использовать π как индикатор предсказуемости.

Давайте утвердим, что для ИТ, если распределения Lead Time имеют характеристику 98%/50% <= π — тогда считаем, что время решения задач предсказуемое.

А вот эту вот не понятную константу 5.6 оставим тем кто людит играть с распределением Вэйбула, и смотря на красоту перехода состояния распределения в вид с длинным хвостом. В общем оставим им.

Ставь лайк к сообщению если готов принять новый принцип предсказемости!
98%/50% <= π — предсказуемо.

И ЛОР наш будет сходится не только в сказаниях умножения на π планируемых сроков, но и в реальности математического обоснования принятого сообществом.

#интересное

Это что-то невероятное от таких новостей хочется верить в науку.

В Корее открыли метод восстановления зрения

#интересное

Ученые научились возвращать зрение одним уколом

Исследователи из Корейского института науки и технологий заставили повреждённые клетки сетчатки регенерировать сами себя. Единственная инъекция антител вернула зрение мышам с пигментным ретинитом более чем на шесть месяцев.

Пигментный ретинит поражает около 1.5 миллиона человек по всему миру и считается главной причиной наследственной слепоты. Заболевание разрушает светочувствительные фоторецепторы в сетчатке, вызывая прогрессирующую потерю зрения вплоть до полной слепоты. Эффективного лечения до сих пор не существовало.

Вдохновение учёные нашли в неожиданном месте — изучив рыб-зебр. Эти удивительные создания способны полностью восстанавливать повреждённую сетчатку благодаря клеткам Мюллера, которые формируют связь между внутренними и внешними слоями сетчатки, удаляют отходы и помогают передаче света.

При повреждении сетчатки у рыб клетки Мюллера превращаются в клетки-предшественники, которые генерируют новые нейроны и восстанавливают зрение. У млекопитающих такой регенерации не происходит, и корейские учёные выяснили почему.

Виновник — белок PROX1, присутствующий в повреждённых глазах человека и мышей. PROX1 блокирует способность клеток Мюллера к дифференциации у млекопитающих. Без этой способности глиальные клетки не могут заняться восстановлением сетчатки.

Решение оказалось элегантным: исследователи разработали антитело, которое связывается с PROX1 и нейтрализует его действие. Когда антитело вводили в сетчатку мышей с пигментным ретинитом, восстановление зрения происходило естественным путём — клетки Мюллера получали свободу действий и запускали регенерацию.

Результаты впечатляют: зрение у подопытных мышей восстановилось и сохранялось более шести месяцев. Это не временное улучшение, а настоящая регенерация повреждённых тканей. Механизм работает на клеточном уровне, заставляя организм самостоятельно чинить повреждения.

Команда уже основала стартап Cellia Inc. для коммерциализации разработки. Если клинические испытания пройдут успешно, миллионы людей с наследственными формами слепоты получат шанс на восстановление зрения.

@vselennayaplus

Други, позвольте использовать силу сообщества и получить обратную связь про созданную площадку "Канбан Метрик"
Хочу сделать
- более читабельным
- более удобным

По сему прошу закинуть в подкат рекомендаций что можно улучшить.
Спасибо!