Estimering kan hjælpe agile teams til at blive mere opmærksomme deres egen formåen og kan være et vigtigt redskab til at styre frem mod en deadline.
Estimering er også et nyttigt redskab til hurtigt at afklare funktionalitetsområder, afdække risici og udfordringer inden vi bruger for lang tid på et forberede et funktionalitetsområde til implementering.
Fokus vil være på relativ estimering af funktionalitet og ikke på estimering af udviklingsopgaver (tasks) i timer i forbindelse med fx. sprint planning.
1 of 15
Download to read offline
More Related Content
Bliv en ørn til estimering nov 2015
1. Bliv
en
ørn
*l
es*mering
November
2015
Jesper
Thaning,
Partner
BestBrains
AS
5. Planning
poker
med
points
1. Kort
diskussion
2. Spil
kort
på
samme
*d
3. Højst
og
Lavest
forklarer
4. Spil
igen
5. Konkludér
6. Øvelse:
Rela*v
es*mering
1. I
kuverten
er
et
antal
”user
stories”
2. Sorter
dem
eVer
s*gende
kompleksitet
3. Lav
en
baseline:
Den
simpleste
gives
værdien
2
points
4. Es*mér
resten
rela*v
*l
denne
ved
anvendelse
af
points
og
planning
poker
1. Kort
diskussion
2. Spil
kort
på
samme
*d
3. Højst
og
Lavest
forklarer
4. Spil
igen
5. Konkludér
7. Hvad
kan
es*meres
rela*vt?
Feature/epic
User
story
Projekt
1
Projekt
2
Projekt
3
Projekt
4
8. Formål
med
es*mering:
1. Planlægning
–
når
vi
en
deadline?
2. Prioritering
–
ønsker
jeg
det
(hele)?
3. A`laring
–
hvad
består
den
af?
4. Måling
af
fremdriV
–
hvad
er
vores
has*ghed?
Feature/epic
User
story
11. Øvelse:
T-‐shirt
sizing
–
Webshop
1. Udvælg
kortene
3
(Small),
8
(Medium)
og
20
(Large)
og
læg
resten
*l
side
2. Vælg
en
facilitator,
der
hjælper
gruppen
med
at
få
es*meret
alle
features
3. Es*mér
følgende
features
rela*vt
med
Small
–
Medium
–
Large
Feature
Beskrivelse
Es2mat
(S-‐M-‐L)
Fleksibel
produktsøgning
Søgning
på
navn,
produktbeskrivelse,
kategorier
Levering
og
betaling
Oversigt
over
samlet
ordre
og
pris
Valg
af
foretrukne
levering
(fx.
pakkelevering
eller
ajentning)
Angivelse
af
fakturaadresse
og
leveringsadresse
Betaling
med
kreditkort
via
betalingsgateway
Kvikeringsside
KviBering
for
ordre
Kunden
modtager
email-‐kvikering
med
ordredetaljer
(samme
data
som
på
leveringsside)
Browse
eEer
produkter
Produkthierarkier
og
kategoriseringer
gør
det
muligt
at
browse
i
produkter
som
alterna*v
*l
søgninger
Tilbud
Produkter
kan
få
*lknyket
særlig
rabat
og
vises
særskilt
i
webshoppen
12. Hvad
kalder
vi
det?
• Point
• Feature
points
• Epic
points
• Story
points
• …
Bare
ikke
noget
med
”*d”:
ideal
*mer/dage
Es*mering
er
ikke
et
commitment!
13. Øvelse:
Story
Points
–
Webshop
1. Brug
alle
kortene
2. Vælg
en
ny
facilitator,
der
hjælper
gruppen
med
at
a`lare
relevante
aspekter
(fx
udvikling,
UX
og
test)
3. Es*mér
følgende
user
stories
rela*vt
med
story
point
i
prioriteret
rækkefølge
User
Story
(prioriteret)
Beskrivelse
Es2mat
(SP)
1.
Produktdetaljer
-‐
vis
pris
uden
moms
1. Prisen
uden
moms
beregnes
pba.
prisen
med
moms
2. Prisen
u.
moms
afrundes
*l
hele
øre
(fx.
245,45
kr.)
3. Prisen
u.
moms
vises
under
prisen
med
moms
2
2.
Tilbudsside
1. Administrator
udvælger
et
produkt
*l
at
være
*lbud
og
sæker
periode
og
rabat
2. Tilbudssiden
*lføjes
*l
hovedmenu’en
med
blikfang
3. Tilbudssiden
viser
alle
*lbudsprodukter
sorteret
på
største
rabatprocent
øverst
4. Rabakerne
vises
med
særlig
visuel
fremtoning
på
søgelister
og
produktdetaljer
3.
Produkt
detaljer
-‐
leverings2d
1. Leverings*d
vises
på
produktdetaljer
(fx.
2
dage,
3
uger)
2. Produktets
leverings*d
hentes
fra
lagersystemet
som
antal
hele
dage
fra
dags
dato
3. Hvis
leverings*d
ikke
kendes
vises
info-‐boks
med
forklaring
4. Der
vises
link
*l
at
læse
mere
om
leverings*d
4.
Produkt-‐ra2ng
1. Brug
fem-‐stjernet
ra*ng
system
2. Kunder
kan
rate
produkt
de
har
indkøbt
3. Andre
kunder
kan
se
den
gennemsnitlige
ra*ng
på
produktet,
hvis
der
er
over
4
registrerede
ra*ngs
5.
Produktdetaljer
-‐
produktanbefalinger
1. For
et
givent
produkt
anbefales
1-‐3
andre
produkter
og
vises
2. Anbefalingerne
baseres
primært
på
den
aktuelle
kundes
*dligere
indkøb
og
andre
kunders
*dligere
indkøb
samt
produktrela*oner
som
opsækes
af
administrator
3. Anbefalingerne
fremkommer
ved
at
anvende
machine
learning
(kuns*g
intelligens)
4. Datamodellerne
og
algoritmerne
for
anbefalingerne
konfigureres
af
administrator
14. Hvem
skal
es*mere?
• Relevant
formål!
• Eksperiment
–
lad
os
se
hvad
det
giver
Hvordan
får
vi
dem
med
på
det?
• Teamet
es*merer
• Udviklere
og
testere
og
…