生成式AI领域的最新成果都在这里!抢 QCon 展区门票 了解详情
写点什么

如何避免重要需求遗漏?

  • 2019-10-15
  • 本文字数:1895 字

    阅读完需:约 6 分钟

如何避免重要需求遗漏?

避免重要需求遗漏,首先我们需要反问一句:为什么这些紧急重要的需求无法更早预见?同样的,我们需要了解:


  • 具体是哪些外界原因?这些原因是否有共性,有的话,那就针对性处理;

  • 增加的需求有无共性特点?有的话,可以针对性处理;

  • 临时增加有多临时?我们是否有提高或改善响应能力的空间,如果我们可以更快调整和响应,使得这些临时需求对我们产生不了什么影响,那么这个问题也就不再是问题了;

  • 既然是常态,为何我们的流程没有做出调整去应对?是调整过流程或工作方式,还是无法解决问题,还是说不知道该怎么调整流程或工作方式去适应?

具体操作方法

具体操作,可以按照事前、事中、事后各个阶段来采取不同的措施处理。


一、事中的处理


根据具体情况不同,在发现需求遗漏的当时,可以采取如下一些做法:


  • 重要需求遗漏,不紧急:既然不紧急,按照常规做法增加进去即可,但如果经常出现遗漏,就要考虑是否是需求分析和规划的实践做法有问题,才会导致问题持续出现,这种情况,应强化需求结构化管理,从全局出发进行思考和规划,避免因为思考的片面化和局部性导致的遗漏;

  • 重要需求遗漏,紧急:既然是又重要又紧急的需求,那么必然就得调整当前开发工作的顺序,把这个遗漏的重要紧急需求插进去,把工作安排下去;然后就要考虑从需求的优先级和需求的结构化管理两个方面入手复盘,并切实改进,避免类似情况再次发生;

  • 需求遗漏:如果是不太重要的需求遗漏,按照常规做法处理即可;可以根据其紧急程度和影响,决定是否调整工作顺序让这个需求插队;如果这种情况反复出现,那建议可以考虑进行复盘,从需求结构化管理的角度进行分析,并商讨改进措施;

事后处理

事后其实就是复盘,复盘的关键是要基于盘来推演和分析,这个盘就是事前制定的模型和规范。是我们有模型有规范,但执行出了问题?还是说这几个需求情况特殊,模型比较简单没有覆盖到这些特殊情况?还是说模型和规范都没问题,就是人员能力不足,导致判断偏差大?只有找到正确的根因,才能够真正有效的解决问题,所以我们不复盘则已,要复盘就务必要认真严格地进行复盘。


怎么复盘?复盘也是有方法有套路的,业界也有相关书籍可供我们参考借鉴。例如温伯格在《成为技术领导者》中提出的 MOI 模型就可以用作复盘的一种思路。


  • M:激励(Motivation),是不是人们没有动力去做这件事情?

  • O:组织(Organization),是不是无组织无纪律、一片混乱,人们不知道自己或别人该做什么?

  • I:想法或创意(Idea/Innovation),是不是缺少如何解决这些问题的点子或创意,不知道有什么办法解决这个问题?


复盘时要注意,受限于能力或经验以及出问题次数多少的影响,我们可能无法得出一个准确的结论和必然有效的解决方案。此时一方面需要秉持持续改进的心态,我们可以先落实当前已经比较明确的改进措施,后续再观察效果,持续复盘、持续改进即可。另一方面我们也可以先采取一些临时措施。


  1. 预留时间:比如,如果确实很难分析清楚为什么总是会遗漏需求,无法进行非常有针对性的处理时,也可以采取较为模糊应对的方式。可以拉取过去一段时间的工作记录,评估这段时间每个迭代的突发需求所消耗的工作量投入,可以取个平均值,然后在后续进行迭代工作安排的时候,固定的预留出一定量的时间,用于应对极有可能会出现的突发需求。

  2. 需求拆细:当出现突发需求,导致我们需要调整工作顺序时,很有可能会因为需求颗粒度大以至于腾挪余地有限,而难以避免突发需求带来的影响,因而还应该尽可能地采取拆细需求的方式,将颗粒度比较大的需求拆分为较小颗粒度的需求,可以增加调整需求工作顺序时的灵活性;


要确定到底要预留多少时间,可以利用 DevCloud 的 Epic-Feature-Story 结构,把突发需求汇集在一起,便于统计。例如创建一个特殊的 Epic“突发需求”,下一级是为每个迭代创建的 Feature,用来承载各个迭代里面具体的那些突发需求(体现为 Story),并做好工时的记录,迭代结束后,就可以来计算出现了多少个突发需求、投入了多少工作量了。



也可以采用“模块”字段来辅助记录和统计突发需求的数据。例如,新建一个模块,取名“突发需求”,所有突发需求都标注为这个模块,那么后续就可以基于模块进行筛选或查看报表等方式来统计突发需求所消耗的工作量了。


事前处理

事前的处理放到最后来介绍,是因为之所以会出现问题一般都是因为事前没有做好,但已经出现了问题就需要在当时尽快处理,所以先介绍了事中的处理。但当我们处理完问题也完成了事后复盘,就需要考虑未来的事前,尽可能的避免问题发生。


简单来讲,事前的话,就是要做好需求的结构化管理和需求的优先级管理,以及做好相关规范的宣导、人员的动员和能力的培养,这样就能够有效的避免或减小突发需求带来的影响了。


2019-10-15 16:372399

评论

发布
暂无评论
发现更多内容

测试管理实战:优化测试流程,提升项目质量与效率

测吧(北京)科技有限公司

测试

深入Linux设备模型:开发者指南

GousterCloud

Linux Kenel 设备

精通测试规划:打造完备的测试计划与总结报告

测吧(北京)科技有限公司

测试

Linux内核探幽:深入浅出IO模型

GousterCloud

io Linux Kenel

ClickHouse集群搭建及ODBC配置

百度搜索:蓝易云

Linux 运维 Clickhouse 云服务器 ODBC

关于程序员如何解决35岁焦虑的一点个人思考

孔令飞

35岁焦虑

AI投研分析,模块化赛道可能会出现新的头部公链

股市老人

基于HIL+RCP的三相整流电路实验

攻城狮Wayne

电压 电源 三相整流

Linux IO:打开数据之窗的魔法

GousterCloud

io Linux Kenel

精通Linux性能优化:掌握CPU、内存、网络和IO性能调优的技巧与工具

测吧(北京)科技有限公司

测试

在ubuntu下远程链接仓库gitte/github

百度搜索:蓝易云

Linux ubuntu gitlab 运维 云服务器

解析名企测试流程:从项目立项到产品上线的完整指南

测吧(北京)科技有限公司

测试

从零开始编写的下一代逻辑编排引擎 NopTaskFlow

canonical

低代码 工作流引擎 逻辑编排 协程原理 行为树

解决Debian系统通过cifs挂载smb后,中文目录乱码问题

百度搜索:蓝易云

云计算 Linux 运维 云服务器 Debian

驾驭数据的能力,如同使用ChatGPT一样,是现代职场人的必修课

feng

大数据 开源项目 企业数据化运营

淘宝商品评论API:连接消费者与商家的桥梁,提升购物体验新途径

技术冰糖葫芦

API 文档

性能测试中的唯一标识问题研究

FunTester

Linux IO的奥秘:深入探索数据流动的魔法

GousterCloud

io Linux Kenel

企业架构设计原则之品质均衡性(一)

凌晞

企业架构 架构设计 架构设计原则

云原生数据库下一站:像 MySQL 一样流行,让更多人受益于新技术的发展

百度Geek说

云计算 云原生数据库

Rust 解码 Protobuf 数据比 Go 慢五倍?记一次性能调优之旅

Greptime 格睿科技

Go rust 性能 序列化 企业号 4 月 PK 榜

高效管理测试资源:工具化管理测试用例与Bug漏洞

测吧(北京)科技有限公司

测试

Centos安装openjdk11并配置JAVA_HOME

百度搜索:蓝易云

Linux centos 运维 Openjdk 云服务器

Linux文件管理知识:查找文件

百度搜索:蓝易云

云计算 Linux 运维 云服务器 ECS

Linux设备深探:桥接硬件与软件的秘密通道

GousterCloud

Linux Kenel 设备 设备模型

Linux设备全览:从字符到块,揭秘每种设备的秘密

GousterCloud

Linux Kenel 设备

ERC314协议代币开发及合约开发详解

区块链软件开发推广运营

dapp开发 区块链开发 链游开发 NFT开发 公链开发

深度探索名企项目开发:揭秘经典开发流程与测试策略

测吧(北京)科技有限公司

测试

AI投研分析,模块化赛道可能会出现新的头部公链

股市老人

C++ Break、Continue 和 数组操作详解

小万哥

程序人生 编程语言 软件工程 C/C++ 后端开发

从模型到部署,教你如何用Python构建机器学习API服务

华为云开发者联盟

Python 机器学习 华为云 华为云开发者联盟 企业号2024年4月PK榜

如何避免重要需求遗漏?_文化 & 方法_华为云容器服务团队_InfoQ精选文章