說到敏捷估計,不得不提一下它的基本原則:使用相對估計單位(如故事點),促進對用戶故事內容的詳細討論,形成對解決方案的共識和承諾,增強團隊通過有凝聚力的協作。
我周圍的許多敏捷團隊都使用“計劃撲克”來估計故事點。雖然這種方法很流行,但它也有其局限性。
例如:
- 待估算的函數太大,用“計劃撲克”不易估算;
- 300個故事出來;
- 待估計的用戶故事沒有足夠的參考信息;
- 時間緊迫,來不及估算整個產品需求清單。
因此,本文不僅介紹了最流行的敏捷估計方法“計劃撲克”,還介紹了其他 6 種敏捷估計方法,可滿足您對用戶故事估計的所有需求
1. 規劃撲克
所有參與者都使用編號的撲克牌來估計用戶的故事,在估計時匿名投票,如果有很大的分歧進行討論,然後再次投票,直到整個團隊就估計的準確性達成共識。計劃撲克的使用有局限性,最適合小型團隊(5-8 人)和少量用戶故事(最多 10 個)。
提示: 雖然不是規則,但強烈建議將產品 backlog 中的用戶故事分解不超過 13 點;這樣您的團隊就可以清楚地了解用戶故事,達到可以輕鬆估計的詳細程度。
2. T卹尺碼
使用 T 恤的尺碼來估計用戶故事的尺碼:XS、S、M、L、XL。每種尺寸的大小代表了需要進行公開和誠實的討論。這種方法快速簡便,可以粗體估計產品需求列表的大小。
提示:此方法適用於估算大型用戶故事的海量需求列表,尤其是當多個 Scrum 團隊圍繞一個產品工作時。
3. 點票
這種方法適用於估計小的用戶故事,方法本身非常簡單有效。“點投票”是一種決策方式,但你也可以用它來估計用戶故事。方法是:給每個人分配幾張便利貼,自由選擇投票給哪些用戶故事。用戶故事獲得的點越多,它代表的數量就越大。
提示:此方法可用於大型和小型團隊,但您必須限制估計的用戶故事的數量。
4. 桶系統
假設您有大量需要估計的用戶故事,並且您希望加快整個過程。實際上,您正在尋找比計劃撲克更有效的估算,那麼“桶系統可能是一個理想的選擇”。
首先,按照“計劃撲克牌”的順序設置幾個“桶”,然後團隊將要估計的用戶故事寫在便利貼上,放入“桶”估計中。
3. 三點法
3點估計屬於時間管理知識領域。它也可以在成本估算期間使用。單點估計的問題在於它們很少是正確的。與單點估計相比,三點估計是更好的估計。
單點估計只是給你一個數字——例如,
開發: 完成訂單流程功能需要多長時間?
這個5 天的 估算值有多可靠 ?這將取決於開發人員,以及之前是否已完成此任務?如果它是一項例行任務,並且已經執行了很多次,那麼單點估計可能是要走的路。但如果它是從未做過的事情,或者是一項新活動,或者工程師對這項活動不熟悉,那麼這個數字很可能是不正確的。在這種情況下,進行三點估計會給你更多的可靠性。
三點估計著眼於最樂觀估計(O)、最可能估計(M)和悲觀估計(最不可能估計)或(L)。
6. 親和力估計
親和度估計是找到要估計的用戶故事的相似性。團隊的任務是對相似的用戶故事進行分組。“找到相似性”的最佳方法是將過程可視化並將小計組合成大組。
提示:這種方法在一小群人和少量用戶故事中效果最好,您必須將不同的估計分配給不同的組。
7 排序方法
這種方法可以讓你對用戶故事的相對大小有一個相對準確的判斷。如果一小群專家這樣做,效果最好。
方法如下:將所有用戶故事按任何順序放在從低到高的刻度標籤上,每個參與者都可以在刻度上移動一個用戶故事,每次移動只移動一幀低或高。或者放棄一輪。重複此過程,直到所有團隊成員都不想移動用戶故事或放棄一輪。
提示:這種排序方法可以得到一個細粒度的估計,適用於小群體和大量用戶故事。
概括
本文的目的是向您介紹這些方法的存在。在日常使用之前,您應該根據自己的用戶故事和員工規模嘗試不同的方法。
如果您對這些方法感興趣,請在評論部分留言。我可以在另一篇文章中更詳細地闡述這些方法。
Scrum 技術和工件中的其他文章
- 什麼是 Scrum 工件?
- 完成與驗收標準的定義
- Scrum 中就緒的定義是什麼?
- 如何編寫 Sprint 目標?
- Scrum 中的產品待辦列表是什麼?誰負責?
- 如何細化產品待辦列表?
- Scrum 中的 Sprint Backlog 是什麼?
- 如何使用 MoSCoW 方法對產品待辦事項進行優先排序
- 如何使用 100 分法確定產品待辦列表的優先級?
- Scrum 中的 Sprint 目標是什麼?
- Scrum 中的燃盡圖是什麼?
- 什麼是角色-特徵-原因模板?
- Sprint 增量 vs 潛在可交付產品 vs MVP vs MMP
- 為用戶故事編寫 SMART 目標和投資
- 產品待辦列表中的 DEEP 是什麼?
- 如何為 Scrum 項目編寫產品願景?
- 如何使用 Scrum Board 進行敏捷開發?
- 誰在 Scrum 中創建產品待辦事項或用戶故事?
- 什麼是敏捷估計?
- 敏捷中的故事點是什麼?如何估計用戶故事?