همه محصولات

اولویت‌بندی بک‌لاگ محصول با هوش مصنوعی

فهرست کارهای پیشنهادی رو با یک قاعده مشترک امتیاز بدید و فرمول هر ردیف رو کنار رتبه ببینید. تیم می‌تونه درباره فرض‌ها بحث کنه، حتی اگر با ترتیب اولیه موافق نباشه.

اولویت‌بندی بک‌لاگ محصول با هوش مصنوعی وقتی مفیده که چند پیشنهاد مختلف دارید و هر کس برای زودتر انجام شدن کار خودش دلیل متفاوتی میاره. اسکیل backlog-prioritization-assistant با یک فایل از کارها شروع می‌کنه و بسته به روش انتخابی، اثر رو به تلاش می‌سنجه یا داده‌هایی مثل تعداد افراد تحت تاثیر، اطمینان به برآورد و هزینه تاخیر رو هم وارد محاسبه می‌کنه. برای هر ردیف می‌تونید ببینید چه عددهایی اون رو به این جای فهرست رسونده.

فرض کنید یک اصلاح کوچک برای بیشتر مشتری‌ها مفیده و یک قابلیت بزرگ فقط برای گروه محدودی. در یک روش، تعداد افراد و میزان اطمینان اثر دارن. در روش دیگه، هزینه عقب افتادن کار مهم‌تره. نتیجه به شما اجازه می‌ده به جای بحث کلی درباره «مهم بودن»، سر خود فرض‌ها حرف بزنید. قبل از محاسبه هم باید ستون‌های عددی رو چک کنید، چون تلاش خالی یا صفر می‌تونه یک کار رو اشتباهی بالای فهرست ببره.

کاربردها

  • برای امتیازدهی کارهای محصول، اثر و تلاش هر پیشنهاد رو روی مقیاس ثابت وارد کنید.
  • در روش RICE، تعداد افراد تحت تاثیر و اطمینان به تخمین رو مشخص کنید.
  • برای مقایسه هزینه تاخیر، اندازه کار و اثر عقب افتادنش رو کنار هم بذارید.
  • فرمول امتیاز هر ردیف رو در گزارش جلسه برنامه‌ریزی نگه دارید.
  • کارهای با ورودی ناقص یا تلاش صفر رو پیش از تصمیم‌گیری پیدا کنید.

نصب و استفاده

  1. اسکیل رو در ایجنت‌تون نصب کنید و پایتون ۳ و فایل CSV مجاز بک‌لاگ رو آماده کنید. شناسه، عنوان، اثر و تلاش لازمن. برای روش‌های دیگه ستون‌های مربوط به همون روش رو هم کامل کنید.
  2. بگید «این فهرست رو با RICE مرتب کن. پیش از امتیازدهی ورودی‌های خالی رو نشون بده و فرمول سه مورد اول رو کنار رتبه بیار.»
  3. رتبه‌ها رو با تیم مرور کنید و وابستگی‌ها یا تعهدهایی رو که در این فرمول نیومدن جدا در تصمیم لحاظ کنید.

سوالات متداول

منبع

ساخته sisodiabhumca. نام اصلی: backlog-prioritization-assistant، منتشرشده در GitHub با مجوز MIT.

مشاهده در GitHub