Channels

Top 100 Trending New

Categories

Crypto Gaming News Entertainment Music Sports Tech Gambling Bots and mini apps Finance Business Education Lifestyle Health Travel Auto Fashion Jobs Dating Deals and shopping

Stickers

Stickers Emoji Themes Wallpapers

Bots Gifts Tools

Currency

$ USD ₽ RUB € EUR ₴ UAH ₸ KZT ₺ TRY zł PLN ₪ ILS AED AED R$ BRL Rp IDR RM MYR ¥ JPY ₩ KRW CN¥ CNY

Theme

Português (Brasil)

Bahasa Indonesia

Беларуская

Українська

Channels Categories Stickers Bots Gifts Tools

Premium Wiki Glossary Legal

Notifications Settings Log in

Control Quantitative Laboratory: post #216 — TG.ME

Control Quantitative Laboratory@controlcharts · 728 subscribers Open in TelegramOpen

t.me/controlcharts/216

7

June 9, 2026 486 5 1

More from this channel

RICE, ACE, WSJF Какой фреймворк принятия решений используешь ты? Принятие решения - одно из главных задач которыми занимается продукт, управленец При этом в лесу разных фреймворков часто можно увидеть, что какой-либо знакомый набор аббревиатура набор букв фактически работают не так как задумано по той причине, что используются не для той среды для которой придуманы. Примеры RICE Score = (Reach × Impact × Confidence) / Effort - Reach — Сколько пользователей затронет за период - Impact — Насколько сильно повлияет на целевую метрику - Confidence — Уверенность в оценке (отражает способ проверки информации и достоверность которую дает метод) - Effort — Относительная сложность реализации выраженная в положительном исчислении Применяется для Гипотез, и только! Он не подходит для выбора инициатив, которые готовы к тому, чтобы быть запущенными в реализацию. Если уж говорить про инициативы, то тут из известного лучше всего подходит WSJF (Weighted Shortest Job First) используется для приоритизации готовых инициатив (фич) в очереди Delivery. WSJF = Cost of Delay / Job Size - Cost of Delay — Сколько стоит задержка (бизнес-ценность, время на рынок, риск) - Job Size — Оценка объёма работы WSJF — Приоритет (чем выше, тем важнее) Когда исопльзуеться? - Для готовых инициатив (фич) в Delivery - Когда инициативы (фичи) прошли валидацию и готовы к реализации - Когда нужно выбрать, какую фичу делать следующей WSJF в классическом виде предполагает единую очередь для одного стрима. Когда у нас несколько стримов (Desktop, Mobile, Backend), работающих над одной инициативой: Но имеет свои проблемы: 1. Неделимость инициативы. Инициатива уровня E2E требует участия всех трёх стримов. Вы не можете запустить фичу на Mobile, если Backend не готов. 2. Разная скорость стримов Delivery. У каждого стрима свой Throughput, свой Cycle Time. Задача, которая для Backend — 3 дня, для Mobile может быть 2 недели. 3. Конкуренция за ресурсы между инициативами. Если у вас 5 инициатив в бэклоге, и каждая требует участия всех трёх стримов, то вы не можете просто отсортировать их по WSJF и брать сверху. В случае мульти-стримной системе поставки (в Delivery) при этом есть решения Рекомендация: Перед тем как взять инициативу в Delivery, проверить доступность всех необходимых стримов. Если хотя бы один стрим перегружен — инициатива не стартует, а ждёт освобождения. Бэклог Delivery сортируется по WSJF, но старт инициативы происходит только при готовности всех стримов. - Ввести WIP-лимиты на уровне «количество одновременных E2E-инициатив», а не на уровне отдельных стримов. Например: не более 3 инициатив одновременно в Delivery. - Использовать узкое горлышко как драйвер расписания. Если Backend — узкое горлышко, то приоритизировать бэклог Delivery по тому, что максимально загружает Backend ценной работой. - Для квартального планирования — метод критической цепи, если у вас фиксированный набор инициатив на квартал. Если же разложить на какую-то простую понятную форму, когда что использовать, то можно представить так: - Value vs Effort (ICE) — Базовая приоритизация - RICE — Гипотезы в Discovery - WSJF — Готовые фичи в Delivery - WSJF + WIP-лимиты — Мультистримная среда (Delivery) Конечно, если вы переходите к использованию более автоматизированных систем, где за приоритизацию может отвечать машина, то стоит рассмотреть подробнее о том, что такое Симплекс Метод, который является более универсальным походом, и наиболее качественно решает проблему упаковки и получения максимального Value. --- Из интересного, это то, что WSJF наиболее близок к теории игр В теории игр используется метод Неймана–Моргенштерна (Neumann–Morgenstern), который позволяет оценить ожидаемую полезность для каждого игрока в сложной игре. Как можно связать с теорией игр? Шаг 1. Определите «полезность» для вашего продукта Полезность — это не просто деньги. Это может быть: - Бизнес-ценность (рост конверсии, удержание, выручка), - Стратегическая важность (выход на новый рынок), - Снижение рисков (техдолг, безопасность), - Удовлетворённость ключевых клиентов. Шаг 2. Оцените неопределённость по каждой задаче Для каждой user story или фичи оцените несколько сценариев по времени и результату: - Оптимистичный (всё гладко) — вероятность, время, полученная ценность, - Наиболее вероятный, - Пессимистичный (всплыли подводные камни). Шаг 3. Примените функцию полезности с учётом отношения к риску Команды часто избегают задач с большим разбросом (рискованных), даже если их ожидаемая ценность высока. Фон Нейман–Моргенштерн позволяют ввести выпуклую/вогнутую функцию (например, логарифмическую), чтобы отразить вашу толерантность к риску. Пример: - Если вы стартап, готовы рисковать — функция линейная. - Если продукт в стабильной фазе, штрафуете пессимистичные сценарии (вогнутая функция). Вместо сложных формул на практике часто используют «взвешенный по риску» приоритет: вычитаете из ценности, скажем, 10% за каждый день отклонения сверх ожидаемого. Шаг 4. Решите задачу оптимизации на итерацию У вас есть ограничение — сумма человеко-дней команды (например, 100 ч/дней). Теперь: - Для каждой задачи рассчитайте отношение ожидаемой полезности к ожидаемым затратам (ROI). - Отсортируйте задачи по убыванию этого отношения. - Последовательно добавляйте их, пока не упрётесь в бюджет итерации. Это классический «жадный» алгоритм, близкий к Weighted Shortest Job First (WSJF), который используется в SAFe — он как раз основан на той же логике ожидаемой полезности. Шаг 5. Проведите анализ чувствительности Посмотрите, как изменится выбор, если вы немного измените оценки вероятностей или времени. Если приоритет топ-задач остаётся стабильным — вы уверены в решении. Если нет — обсудите оценки повторно с командой. #интересное 214·Aug 18

Не дня без ИИ. И так, как вы оценивате на сколько вам ИИ помог в достижении результата? Или вы теперь стали делать больше задач но не целевых? 268·Aug 15 Добре, жители уютного канальчика про data подход в упралении Кто пойдет на ИТ-Пикник https://it-picnic.ru/? С кем увидимся? 526·Jul 21 Для тех кто отвечает за роси on boarding в продукт Вчера наткнулся на отличную статью про когортный анализ удержания в продукте. Решил поделиться, чтобы утро началось с полезного инсайта. Коротко о главном (мои выжимки): 1. Средний процент удержания — зло. Он усредняет «шум» и ничего не говорит о реальном положении. Смотрите не на цифру, а на форму кривой каждой когорты (падение, плато, «улыбка» — каждая история своя). 2. Первый месяц (M0) обманчив. В нём полно случайных «туристов», которые уходят на 2–5 неделе и занижают статистику. Реальную картину видно только с третьего месяца (M3) — вот оттуда и считайте. 3. Делите когорты по поведению, а не только по дате. Так вы поймёте почему люди уходят, а не просто когда. 4. У каждой проблемы — своё лекарство. Провал на онбординге, медленный спад после 3-го месяца, обрыв на 12-м или негативный эффект от нового функционала — всё это лечится по-разному, и когорты подскажут, что именно делать. 5. Анализ без действий — пустая трата времени. В статье показывают, как сразу внедрять изменения в продукт (подсказки, чеклисты, опросы) на основе полученных инсайтов. Моя рекомендация: выделите 15 минут и прочитайте целиком — там очень практично, с примерами и готовыми сценариями. Особенно полезно тем, кто отвечает за рост и удержание. Вот ссылка: https://userpilot.com/blog/cohort-retention-analysis/ Отличного вам начала трудовой среды! 663·Jun 24 Самое худшее что дает AI для тех кто с ним работает чувство уверености в том, что он может решать сложные задачи в любой подходящий момнт. Именно ощущение момента сокращает потребность человека к планирванию и подготовке к сложным задачам, выстраивание стратегии на подготовку информации. По моему мнению именно этот навык наиболее эффективно помогает деградации. 568·Jun 12

An open web layer over public Telegram — search, stats and channel reading right in your browser, no account, no install.

Not affiliated with Telegram FZ-LLC; all data comes from public sources.

Catalog

Top channels Categories Countries Search

Content

Stickers Emoji Gifts Themes Wallpapers

Help

Tools Wiki Glossary Blockchain Safety Premium Advertisers Advertising

© 2026 TG.ME · G.Media network· Updated 08/28/2026 · v0.2.0 · c9ad1b1

Privacy Terms DMCA & complaints Report a violation

Similar channels

Пименов Вещает1.6K subscribers

Sharovatov5.8K subscribers

Оптимизация процессов в Т2K subscribers

Данные в ДейSTвии1.1K subscribers

Неогенда1.9K subscribers

Kanban Club | Петров помогает934 subscribers

Мысли Коноплёва | IT Management1.2K subscribers

Delivery Community SPB1.4K subscribers