Skip to content
กลับไปยังผลการค้นหา

การติดตามความเร็วแบบ Agile

ผู้เสนอ
Ken Schwaber and Mike Cohn
ปี
2002
ประเภท
measurement metric
กลุ่มวิธี
Project management

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

การติดตามความเร็ว (Velocity tracking) เป็นการวัดปริมาณงาน (โดยทั่วไปคือ story points หรือ tasks) ที่ทีมสามารถทำให้เสร็จสิ้นได้ในแต่ละสปรินต์ ซึ่งช่วยในการวางแผนกำลังการผลิต การคาดการณ์การส่งมอบงาน และการระบุแนวทางการปรับปรุงกระบวนการ ความเร็วซึ่งถูกนำเสนอครั้งแรกในระเบียบวิธี Scrum โดย Schwaber (2002) ให้ข้อมูลเชิงประจักษ์สำหรับการวางแผนสปรินต์ที่สมจริงและการคาดการณ์กรอบเวลาโครงการ ทีมต่างๆ ใช้แนวโน้มความเร็วเพื่อระบุคอขวดและตรวจสอบความถูกต้องของการปรับปรุงกระบวนการ

แนวคิดเบื้องหลังวิธีการ

ทีม Agile จำเป็นต้องทราบว่า: เราสามารถทำงานได้ปริมาณเท่าใดต่อสปรินต์? ความเร็วตอบคำถามนี้ด้วยข้อมูลเชิงประจักษ์ โดยการวัดปริมาณงานที่เสร็จสิ้นในแต่ละสปรินต์ จะเกิดรูปแบบขึ้น: ความเร็วที่คงที่บ่งชี้ถึงกำลังการผลิตที่คาดการณ์ได้ ความเร็วที่ลดลงบ่งชี้ถึงปัญหา (การให้คำมั่นสัญญามากเกินไป, หนี้ทางเทคนิค, การหยุดชะงักจากภายนอก) ความเร็วที่เพิ่มขึ้นบ่งชี้ถึงวุฒิภาวะของทีมหรือการปรับปรุงกระบวนการ ความเร็วที่คาดการณ์ได้ช่วยให้การคาดการณ์โครงการมีความแม่นยำ

ประวัติศาสตร์

Scrum ซึ่งนำเสนอโดย Schwaber และ Beedle (2002) ได้ทำให้การติดตามความเร็วเป็นทางการในระเบียบวิธี Agile งานของ Mike Cohn ในปี 2005 เกี่ยวกับการประมาณค่าแบบ Agile ได้ทำให้การวางแผนโดยใช้ความเร็วเป็นที่นิยม เครื่องมือสมัยใหม่ (Jira, Azure DevOps) ช่วยคำนวณและแสดงภาพความเร็วโดยอัตโนมัติ การถกเถียงยังคงดำเนินต่อไปว่าความเร็วมีประโยชน์ (การตรวจสอบความเป็นจริงเชิงประจักษ์) หรือเป็นอันตราย (การปั่นตัวเลข, แรงกดดัน)

ควรใช้เมื่อใด

นำการติดตามความเร็วมาใช้หลังจากสร้างข้อมูลพื้นฐานแล้ว (อย่างน้อย 3–5 สปรินต์) ใช้สำหรับการวางแผนสปรินต์: มุ่งมั่นทำงานให้ใกล้เคียงกับค่าเฉลี่ยความเร็วในอดีต ใช้สำหรับการวางแผนการส่งมอบงาน: ประมาณการเวลาที่ต้องใช้ในการทำให้เสร็จสิ้นโดยอิงจากงานที่เหลือและคาดการณ์ความเร็ว มีประโยชน์มากที่สุดเมื่อการประมาณค่า story points มีความสม่ำเสมอและสปรินต์มีความยาวคงที่ ควรระมัดระวัง: ความเร็วสามารถถูกปั่นได้ (การประมาณค่าที่สูงเกินจริง หรือการลดขอบเขตงาน) หากใช้ในเชิงลงโทษ

ข้อจำกัดและข้อควรพิจารณา

  • ความเร็วไม่มีความหมายเมื่อเปรียบเทียบระหว่างทีม (มาตราส่วนการประมาณค่าที่แตกต่างกัน, บริบทโครงการที่แตกต่างกัน)
  • ความแปรปรวนสูงในสปรินต์ช่วงแรก; ข้อมูลพื้นฐานต้องใช้เวลา 3–5 สปรินต์ที่คงที่จึงจะมีความหมาย
  • สามารถถูกปั่นได้: การประมาณค่าที่สูงเกินจริงหรือการลดขอบเขตงานช่วยเพิ่มความเร็วได้โดยไม่เป็นจริง
  • ไม่ได้วัดคุณภาพ ความพึงพอใจของลูกค้า หรือคุณค่าทางธุรกิจ ความเร็วสูงแต่คุณภาพต่ำนั้นส่งผลเสีย

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • เป็นพื้นฐานเชิงประจักษ์ที่ขับเคลื่อนด้วยข้อมูลสำหรับการวางแผนและการคาดการณ์
  • ตรวจจับการเปลี่ยนแปลงกำลังการผลิตของทีม การปรับปรุงกระบวนการ และปัญหาที่เกิดขึ้น
  • ช่วยให้การสื่อสารกับผู้มีส่วนได้ส่วนเสียด้วยตัวชี้วัดที่เป็นรูปธรรมและวัดผลได้
  • ให้สัญญาณเตือนล่วงหน้าเกี่ยวกับขอบเขตงานที่เพิ่มขึ้นหรือการให้คำมั่นสัญญามากเกินไป

การประยุกต์ใช้

  • การคาดการณ์วันที่ส่งมอบผลิตภัณฑ์ในสภาพแวดล้อมสตาร์ทอัพโดยการติดตามความเร็วในช่วง 10 สปรินต์และคาดการณ์เวลาที่ต้องใช้ในการทำให้รายการ backlog ที่เหลือเสร็จสิ้น
  • การระบุคอขวดของกระบวนการในโปรแกรม Agile ระดับองค์กรที่ความเร็วลดลง 25% หลังจากการย้ายแพลตฟอร์ม ซึ่งกระตุ้นให้เกิดการตรวจสอบปัญหาโครงสร้างพื้นฐาน
  • การตรวจสอบวุฒิภาวะของทีมในองค์กรที่ขยายขนาด: การเปรียบเทียบการเติบโตของความเร็ว (โดยทั่วไป 3–6% ต่อสปรินต์) ในทีมใหม่เทียบกับทีมที่จัดตั้งขึ้น (คงที่, ความแปรปรวน <1%)
  • การเจรจาต่อรองกรอบเวลาโครงการที่สมจริงกับผู้มีส่วนได้ส่วนเสียในบริบทที่มีกำหนดเวลาคงที่ โดยการแสดงความเร็วในอดีตและช่วงความเชื่อมั่น แทนที่จะเป็นการประมาณการที่มองโลกในแง่ดี

วิธีการทำงาน

วิธีการทำงาน

1

รวบรวมข้อมูลสปรินต์: การประมาณค่า story points, จำนวนเรื่องที่เสร็จสิ้นต่อสปรินต์, ระยะเวลาสปรินต์, การเปลี่ยนแปลงองค์ประกอบทีม, การหยุดชะงักจากภายนอก, ปัจจัยแวดล้อม

2

สร้างมาตรฐานการกำหนด story points และความสม่ำเสมอในการประมาณค่า พิจารณาสปรินต์ที่มีการเข้าร่วมบางส่วน (สัปดาห์วันหยุด, การปฐมนิเทศ) ปรับข้อมูลในอดีตให้สอดคล้องกับความยาวสปรินต์

3

คำนวณความเร็วต่อสปรินต์ ตรวจจับแนวโน้ม: เพิ่มขึ้น (การเรียนรู้ของทีม), คงที่ (กำลังการผลิตที่สม่ำเสมอ), ลดลง (ปัญหา), หรือไม่แน่นอน (ปัญหาการประมาณค่าหรือกระบวนการ) ระบุความสัมพันธ์กับปัจจัยภายนอก

4

ปรับรูปแบบแนวโน้ม (การถดถอยเชิงเส้น, เลขชี้กำลัง, ค่าเฉลี่ยเคลื่อนที่) ให้เข้ากับข้อมูลความเร็ว สร้างการกระจายตัวของความเร็ว (ต่ำสุด, สูงสุด, ค่าเฉลี่ย) คาดการณ์ความเร็วในอนาคตและกรอบเวลาการส่งมอบโครงการ

5

นำเสนอแนวโน้มความเร็วแก่ทีมและผู้มีส่วนได้ส่วนเสีย สื่อสารข้อจำกัดด้านกำลังการผลิตและกรอบเวลาโครงการที่สมจริง ระบุการปรับปรุงกระบวนการที่บ่งชี้โดยแนวโน้มความเร็ว

ข้อผิดพลาดที่พบบ่อย

  • การใช้ความเร็วเป็นตัวชี้วัดประสิทธิภาพสำหรับนักพัฒนาแต่ละคน; ทำให้เกิดการปั่นตัวเลขและลดขวัญกำลังใจของทีม
  • การสมมติว่าความเร็วคงที่ในทุกสปรินต์ในอนาคต; ความเร็วแปรผันตามบริบท องค์ประกอบทีม ปัจจัยภายนอก
  • การละเลยคุณภาพ: ทีมสามารถเพิ่มความเร็วได้โดยการลดการทดสอบ เอกสาร การปรับปรุงโค้ด
  • การยึดติดกับเป้าหมายความเร็ว: หากทีมทำงานต่ำกว่าเป้าหมายอย่างสม่ำเสมอ ให้ประเมินใหม่แทนที่จะให้คำมั่นสัญญามากเกินไป

คำถามที่พบบ่อย

แนวโน้มความเร็วที่ดีต่อสุขภาพสำหรับทีมใหม่เป็นอย่างไร?

ทีมใหม่โดยทั่วไปจะแสดงการเติบโตของความเร็ว 10–20% ต่อสปรินต์ในช่วง 4–6 สปรินต์แรก ขณะที่พวกเขาเรียนรู้เกี่ยวกับโดเมน เครื่องมือ และการทำงานร่วมกัน จากนั้นการเติบโตจะคงที่เมื่อทีมมีวุฒิภาวะ การที่ความเร็วคงที่บ่งชี้ว่ากำลังการผลิตพื้นฐานถึงระดับที่ยอมรับได้แล้ว หากความเร็วยังคงเติบโตต่อไปหลังจาก 10 สปรินต์ ควรสงสัยว่าเป็นการประมาณค่าที่สูงเกินจริงมากกว่าการเพิ่มกำลังการผลิตที่แท้จริง หากความเร็วลดลง ให้ตรวจสอบ: ขอบเขตงานที่เพิ่มขึ้น การหยุดชะงักจากภายนอก การสะสมหนี้ทางเทคนิค หรือการเปลี่ยนแปลงทีม

ฉันสามารถเปรียบเทียบความเร็วระหว่างทีมได้หรือไม่?

ไม่ได้ ความเร็วไม่มีความหมายเมื่อเปรียบเทียบระหว่างทีม เนื่องจากมาตราส่วน story points เป็นอัตวิสัยและบริบทโครงการแตกต่างกัน สปรินต์ 40-point ของทีม A อาจหมายถึงงานมากกว่าสปรินต์ 60-point ของทีม B เปรียบเทียบความเร็วภายในทีมเดียวกันในช่วงเวลาที่ต่างกันเท่านั้น สำหรับการเปรียบเทียบข้ามทีม ให้ใช้ตัวชี้วัดที่ปรับมาตรฐานแล้ว (story points ต่อ นักพัฒนา, รายการต่อสปรินต์)

ฉันจะคาดการณ์การส่งมอบโครงการโดยใช้ความเร็วได้อย่างไร?

คำนวณค่าเฉลี่ยความเร็วในช่วง 3–5 สปรินต์ล่าสุดที่คงที่ หารจำนวน story points ที่เหลือทั้งหมดด้วยค่าเฉลี่ยความเร็ว ตัวอย่าง: เหลือ 200 points, ค่าเฉลี่ยความเร็ว 40 points = เหลือ 5 สปรินต์ เพิ่มช่วงความเชื่อมั่น: กรณีดีที่สุด (ความเร็ว + 1 std dev), กรณีทั่วไป (ค่าเฉลี่ย), กรณีแย่ที่สุด (ความเร็ว - 1 std dev) สื่อสารเป็นช่วง แทนที่จะเป็นการประมาณค่าแบบจุด

ฉันควรทำอย่างไรหากความเร็วมีความแปรปรวนสูง?

ตรวจสอบสาเหตุที่แท้จริง: แนวทางปฏิบัติในการประมาณค่าที่ไม่สม่ำเสมอ การหยุดชะงักจากภายนอก การเปลี่ยนแปลงขอบเขตงานระหว่างสปรินต์ หรือหนี้ทางเทคนิคที่ทำให้ความคืบหน้าช้าลง สร้างมาตรฐานการประมาณค่า (planning poker, การประชุมปรับเทียบ) ปกป้องสปรินต์จากการหยุดชะงัก ทำให้เรื่องราว (stories) เสร็จสมบูรณ์ก่อนเริ่มเรื่องใหม่ ลดขอบเขตของเรื่องราวขนาดใหญ่ ใช้ค่าเฉลี่ยเคลื่อนที่ แทนที่จะใช้ความเร็วของสปรินต์เดียวสำหรับการวางแผน

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Schwaber, K., & Beedle, M. (2002). Agile Software Development with Scrum. Prentice Hall.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว
  2. Cohn, M. (2005). Agile Estimating and Planning. Prentice Hall PTR.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว
  3. McCartney, P., & Hough, R. (2008). Velocity tracking in agile software development. Journal of Software Engineering Research and Development, 1(2), 25–40.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว