1
1
---
2
- sidebar_label : ' 需求交付周期 '
2
+ sidebar_label : ' 需求交付时长 '
3
3
---
4
4
5
- # 需求交付周期
5
+ # 需求交付时长
6
6
7
7
## 概念
8
8
9
9
### 定义
10
10
11
- 需求交付周期是需求从创建到交付的总时长 。可按照需求在实践域或项目管理系统中流转的状态划分,统计各个状态阶段的时间占比,帮助定位拖长需求交付周期的阶段 。如果需求的颗粒度不统一,可以统计需求的功能点、故事点、代码当量等进行校准。其中功能点是常用于估算软件规模的单位,有国家标准作为依据,适用于小颗粒需求或小规模专业性强的团队,或航天、军工、政务等行业。为了校准需求的实际颗粒度,可以采用每个需求交付后对应的代码当量作为一个统计指标,来观察各个需求颗粒度的分布。如果它们的代码当量符合正态分布,则需求交付周期的结果可作为观察交付速率的有效参考 ,否则应重点排查代码当量过大或过小的需求,首先统一需求颗粒度,再采用需求交付周期指标 。
11
+ 需求交付时长是需求从创建到交付的总时长 。可按照需求在实践域或项目管理系统中流转的状态划分,统计各个状态阶段的时间占比,帮助定位拖长需求交付时长的阶段 。如果需求的颗粒度不统一,可以统计需求的功能点、故事点、代码当量等进行校准。其中功能点是常用于估算软件规模的单位,有国家标准作为依据,适用于小颗粒需求或小规模专业性强的团队,或航天、军工、政务等行业。为了校准需求的实际颗粒度,可以采用每个需求交付后对应的代码当量作为一个统计指标,来观察各个需求颗粒度的分布。如果它们的代码当量符合正态分布,则需求交付时长的结果可作为观察交付速率的有效参考 ,否则应重点排查代码当量过大或过小的需求,首先统一需求颗粒度,再采用需求交付时长指标 。
12
12
13
- 例如,下图展示了几个月份中,需求交付周期的均值和低80 %分位值。
13
+ 例如,下图展示了几个月份中,需求交付时长的均值和低80 %分位值。
14
14
15
15
![ image] ( https://user-images.githubusercontent.com/592493/147876210-e897227e-4119-441c-b58e-edb7abaf6346.png )
16
16
17
17
### 价值
18
18
19
- 需求交付周期反映研发团队的快速响应能力 。理论上,向客户交付价值的速度越快越好,但必须综合考虑交付价值是否满足顾客期望、需求吞吐率和交付质量等其他方面。快速交付不一定等同于优秀的研发实践。
19
+ 需求交付时长反映研发团队的快速响应能力 。理论上,向客户交付价值的速度越快越好,但必须综合考虑交付价值是否满足顾客期望、需求吞吐率和交付质量等其他方面。快速交付不一定等同于优秀的研发实践。
20
20
21
21
## 应用
22
22
@@ -32,9 +32,9 @@ sidebar_label: '需求交付周期'
32
32
33
33
#### 计算方法
34
34
35
- 对于某个需求,需求交付周期 = 需求发布时间 - 需求创建时间。可以按照需求在各个状态中停留的时长,将需求交付周期细分为多个组成部分 。可以只统计指定范围内的需求,计算它们的交付周期。
35
+ 对于某个需求,需求交付时长 = 需求发布时间 - 需求创建时间。可以按照需求在各个状态中停留的时长,将需求交付时长细分为多个组成部分 。可以只统计指定范围内的需求,计算它们的交付周期。
36
36
37
- * 统计项目维度需求交付周期 。
37
+ * 统计项目维度需求交付时长 。
38
38
* 统计周期内平均或 80% 的需求的交付周期。
39
39
40
40
![ ] ( img/xu-qiu-jiao-fu-zhou-qi-1.png )
@@ -47,7 +47,7 @@ sidebar_label: '需求交付周期'
47
47
### 分析(Analyze)
48
48
49
49
* 对比不同项目的需求交付速度,找到交付最快和最慢的项目。
50
- * 分析各个周期内平均需求交付周期的变化趋势 ,进行纵向对比,定位最大值、最小值、连续上升周期、连续下降周期等关键点。
50
+ * 分析各个周期内平均需求交付时长的变化趋势 ,进行纵向对比,定位最大值、最小值、连续上升周期、连续下降周期等关键点。
51
51
* 分析各个周期内80%的需求的交付周期的变化趋势,进行纵向对比,定位最大值、最小值、连续上升周期、连续下降周期等关键点。
52
52
53
53
::: info
@@ -56,13 +56,13 @@ sidebar_label: '需求交付周期'
56
56
通常情况下,均值和80%分位数的统计结果会出现两倍的差距,80%分位数和99%分位数也往往是约两倍关系。
57
57
因此,80%分位数是一个很好的预测平衡点。
58
58
* 分析对比需求在不同实践域或不同状态的停留时长,识别耗时最长的环节,找到影响整体交付速度的关键瓶颈。
59
- * 需求交付周期与需求吞吐量关联分析 ,辨别需求交付趋势是否健康。
60
- * 健康趋势:需求交付周期缩短并且需求吞吐量增加 。
61
- * 不健康趋势:需求交付周期延长并且需求吞吐量降低 。
59
+ * 需求交付时长与需求吞吐量关联分析 ,辨别需求交付趋势是否健康。
60
+ * 健康趋势:需求交付时长缩短并且需求吞吐量增加 。
61
+ * 不健康趋势:需求交付时长延长并且需求吞吐量降低 。
62
62
63
63
### 回顾(Review)
64
64
65
- 基于分析结果,聚焦少数关键点,采用石川图(鱼骨图)或根因分析法(RCA),进行根本原因的分析、调研和回顾。例如:连续几个统计周期,需求交付周期变长 ,需要进一步调研需求在不同阶段的停留时长,找到耗时最长的阶段进行根因分析:
65
+ 基于分析结果,聚焦少数关键点,采用石川图(鱼骨图)或根因分析法(RCA),进行根本原因的分析、调研和回顾。例如:连续几个统计周期,需求交付时长变长 ,需要进一步调研需求在不同阶段的停留时长,找到耗时最长的阶段进行根因分析:
66
66
67
67
* 需求阶段耗时过长:需求不明确、变更频繁、[ 需求颗粒度] ( https://www.openmari.dev/ ) 过大、需求优先级没有定义清楚、需求分析师或产品经理的资源或经验不足?
68
68
* 设计阶段耗时过长:需求文档不清晰、研发负责人或架构师的资源或经验不足?
0 commit comments