教年轻 AIoT 创业者如何从 0 到 1 实现AIoT 创业项目 了解详情
写点什么

讨论:统计向敏捷过渡的成功率, 益大还是弊大?

  • 2008-04-17
  • 本文字数:2007 字

    阅读完需:约 7 分钟

最近,很多敏捷社区都在讨论有关向敏捷过渡的成功率的问题。作为对 Niraj Khanna 提出的问题,“谁有判断向敏捷过渡是否成功的度量数据?”的回应,业内专家包括 Kent Beck、Ron Jeffries、Alistair Cockburn、Chet Hendrickson 等很多人都参与了“关于建立这样的统计数据的价值和风险”的讨论。

极限编程 yahoo 讨论组中,Niraj Khanna 的这个问题 差不多有 250 个跟帖:

我一直试图寻找“向敏捷过渡的成功率到底是多少”的答案,但结果基本为零。我将成功定义为:
a)这种过渡达到了客户或公司所想要的目标或改进。这些目标或改进可以是任何形式,包括最低利润、生产率、更少的缺陷以及更短的项目交付时间;
b)是否实现了敏捷教练(第三方或者内部)向公司所承诺的改进;
c)是否有未预期却令人愉快的改进。 而失败可以简单地定义为:花在这种过渡上的时间和金钱都没有达到结果。最糟糕的就是,由于这种过渡使软件开发组织降低了开发质量和开发速度,甚至失去了客户的信任。

在最初的讨论中,很多跟帖都是根据“搜集这种度量数据是否会导致美梦幻灭”而展开的。这些辩论的根源大约可以归于 Chris Wheeler 提出的一个观点——敏捷社区可能会对这些结果所暴露出来的现实感到害怕: > 多年来,“用度量数据与高级管理层沟通”一直被敏捷社区所排斥……但我认为我们的知识最起码还是够用的,所以我们才能够因为这些数字与我们所描述的动人故事不一致而恐慌。

而很多人最进一步提出“害怕数据”并不是问题所在。为了使“我们害怕这些数据吗?”这个讨论更客观和更积极, Kent Beck 如是说: > 正确的做法是:对成本、烦恼、风险以及 XP 的回报的绝对公开化。它处在主导地位,而且能够生效。恐怕再继续讲述有趣的故事会使敏捷社区成为一个纯粹的技术能力讨论区。

不久,很多讨论就集中在“如何校验这些数据的有效性”的问题上了。其中很多着眼于试图收集那些看上去不太可靠的数据上,如 Steve Gordon 所述:> 我反对将那些案例研究处理成数字,因为只有我们所掌握的这些案例是随机样本时,那些数字才有效。而这些案例不是随机样本,所以那些数据无法反映现实,无论那些数据是否对我们有利。

Max Guernsey 也提醒大家,即使这些统计数据是准确的,对其误解也会产生危害: > 来自于“历史调查”的统计数据真的不是很有效的工具,因为对其的筛选过程扮演了非常重要的角色。它们具有真正的科学一样的可信度,但缺乏一个非常关键的因素:可验证性。释诠者或多或少地会把他的想法与“结果”混在一起……

Chris Wheeler 对此持反对意见,并断言:如果不把它看作是科学的标准度量而只是作为高层管理者的辅助工具来达到某种比较好的“内在感觉”的话,这些数据还是很有效的: > 没人会说:“是的,你百分之百会成功”,或者“百分之七十五会成功”,但可能会说,“在自动化领域,80% 的公司花了一百万到一百五十万美元做这种过渡。 在所有的敏捷规划中,50% 将在三年后收回所有的过渡成本,40% 会将在四年后,而有 10% 将在五年后。五年以后,这些公司中,其中会有 60% 的公司继续使用 Agile,20% 会使用一些敏捷技术,而另外 20% 会完全放 弃敏捷。” 现在,请设想一下,作为一个 CIO,我得到了这一信息!我可能会在我所在的业务 环境下使用这些信息来支持我做出某种决定。对于实现回报来说,三年可能显得太长,但也许它是对的,所以我愿意承担这一风险。也许我不愿意承担这一风险,三 年收回我的一百五十万美元太赔本了,这种决定也是对的。真正的花费也可能才一百万美元,但我不能冒着“五年后我的全部投资化为乌有”的风险。

问题的提出者 Niraj Khanna 也用下面这段话来支持 Wheeler 的观点:> 我认为,象成功率这样宽泛的指标对于销售人员或我们这样参与变革的人来说,对某种目的可能还是有意义的。我认为,可以把它比作股市的道琼斯指数。这个指标 本身并不能告诉你股市为什么涨 / 跌了 200 点。它仅仅是告诉投资者那天整个市场发生了什么。而投资者要自己发现为什么会发生这样的涨跌。

在所有跟帖中,达成一致意见的方面就是:收集成功和失败的真正案例的价值在于为后来者提供更多有用的信息,使他们在决定走向敏捷时,有可能正确地判断出他们的预期。大概,这些讨论中最有报导价值的就是由 Kent Beck 始创的一个新的 Wiki 网站,它志力于从本社区收集更多这样的案例: > 站在数据胜过投机,群策群力胜过个人英雄主义的角度,我创建了一个 Wiki 网站,用于收集这类信息: http://xpprojects.wikispaces.com/ 。请花十分钟写下你所在组织的经验吧。

……
假如能和这个帖子的跟帖人一样多的话,我们能且应该很快就有上百个案例可供参考了。只有把这种学习做为一种首要条件,我们才能说二十年后的软件开发是体现质量和价值的典范。

Ron Jeffries 表示认同,并说到: > 那简直太棒了。

正如你所料的,这仅仅是 XP 雅虎讨论组中该帖的部分亮点。如果你感兴趣的话,自己查看跟帖吧。查看英文原文: Debate: Agile Transition Success Rates, Help or Harm?

活动推荐:

2023年9月3-5日,「QCon全球软件开发大会·北京站」 将在北京•富力万丽酒店举办。此次大会以「启航·AIGC软件工程变革」为主题,策划了大前端融合提效、大模型应用落地、面向 AI 的存储、AIGC 浪潮下的研发效能提升、LLMOps、异构算力、微服务架构治理、业务安全技术、构建未来软件的编程语言、FinOps 等近30个精彩专题。咨询购票可联系票务经理 18514549229(微信同手机号)。

2008-04-17 00:05587
用户头像

发布了 100 篇内容, 共 20.3 次阅读, 收获喜欢 4 次。

关注

评论

发布
暂无评论
发现更多内容

污点分析是什么神奇的代码检查技术?

华为云PaaS服务小智

云计算 华为云 华为开发者大会2023 代码检查

千亿参数开源大模型 BLOOM 背后的技术

EquatorCoco

开源 数据 bloom

工业软件芯片国产化:数智化自主可控的重要保障

用友BIP

国产替代

软件测试/测试开发丨Python闭包函数和计时器学习笔记

测试人

Python 程序员 软件测试 函数

传承敬老美德,志愿服务伴我行

科技热闻

美团面试真题和答案

王磊

java面试

国内数据库第一梯队!柏睿数据RapidsDB通过“可信数据库”评测

新消费日报

低代码平台——少量编码即可快速生成应用程序

这我可不懂

低代码 可视化 JNPF

武装你的WEBAPI-OData与DTO

高端章鱼哥

OData WebApi

华为云GaussDB圈层活动走进香港,赋能金融政企数字化转型

华为云开发者联盟

数据库 后端 华为云 华为云开发者联盟 企业号 7 月 PK 榜

使用 Navicat 的数据生成插入大量测试数据

hungxy

用友iuap:社会级数智化底座,助力企业实现国产替代

用友BIP

国产替代

日本加密货币市场报告: 行业趋势和未来前景研究

Footprint Analytics

加密货币 区块链游戏 NFT Web3 游戏

生成式AI下的企业:是不是该成立新部门封新官了?

FinClip

超燃!用友大易走进晨光,探索人才管理创新之道

用友BIP

招聘

服务器安全加固 - Linux

高端章鱼哥

Linux 网络安全 运维安全

软件测试/测试开发丨Pytest配置文件pytest.ini

测试人

Python 程序员 软件测试 测试开发 pytest

Unity Joint用法及案例

EquatorCoco

Unity

企业为什么需要软件的应用框架?

力软低代码开发平台

KaiwuDB 获 2023 可信数据库发展大会“双料”荣誉

KaiwuDB

KaiwuDB 2023可信数据库发展大会

influxdb 中得 fields 与 tag 区别总结

互联网工科生

Influxdb

从GaussDB(DWS)的技术演进,看数据仓库的积淀与新生

华为云开发者联盟

数据库 后端 华为云 华为云开发者联盟 企业号 7 月 PK 榜

大型企业全面预算管理该何去何从?

用友BIP

全面预算

开源项目推荐 【SkyEyeSystem】

程序员阿杜

Java 爬虫 springboot

基于Web的智慧交通3D可视化系统

2D3D前端可视化开发

智慧交通 智慧交通系统 智能运输系统 ITS 智慧公交

SpringBoot 3.0来了,你准备好了吗? | 社区征文

bug菌

后端 年中技术盘点

全面数字化业务时代亟需升级企业数智底座

用友BIP

数智底座

什么是GPU与CPU?有什么不同?哪个更好?

Finovy Cloud

如何理解低代码平台的定制化服务?

互联网工科生

低代码 软件定制

瞬间抠图!揭秘 ZEGO 绿幕抠图算法背后的技术

ZEGO即构

人工智能 图像处理 AI抠图 绿幕 主体分割

  • 扫码添加小助手
    领取最新资料包
讨论:统计向敏捷过渡的成功率, 益大还是弊大?_研发效能_Mike Bria_InfoQ精选文章