《敏捷可执行需求说明 Scrum提炼及实现技术》—— 3.2 应用短周期反馈环

简介:

本节书摘来自华章出版社《敏捷可执行需求说明 Scrum提炼及实现技术》一 书中的第3章,第3.2节,作者:(美)Mario Cardinal,更多章节内容可以访问云栖社区“华章计算机”公众号查看。

3.2 应用短周期反馈环

为了实现考虑周全的探索过程,敏捷框架(例如Scrum)力求采用严格的试错流程。他们通过短周期反馈环不断地根据干系人的需求说明检查和调整软件。频繁的反馈环提供给人们以最小的成本代价修正错误的能力。团队的责任是不仅要从问题中学到教训,还要帮助干系人理解团队正在给他们构建的是什么。对于需求探索来说,需要很早就启动不断循环的反馈环。
在Scrum框架里,一个反馈回路就是一个Sprint。如图3-1所示,一个Sprint就是一个可以交付产品增量的迭代时间盒。
screenshot

同一个项目里,每一个Sprint的周期都是一致的,大概是一个日历月(或更短)。它们以同样的节奏依据需求进行检查。新的Sprint从上一个Sprint结束后马上开始。Sprint引起的反馈环使得团队能够根据干系人的愿望进行调整。
最好的反馈环来自干系人跟团队一起检查和调整正在进行中的Sprint。每个Sprint,团队都在构建为干系人带来价值的功能。这些能够运行的功能以迭代的形式进行交付。可运行的软件是用来帮助挖掘理想结果的基本机制。Sprint促进开发团队和干系人之间的对话,建立了一个更好地了解后者的认知。当干系人能够尽早看到可运行的软件时,就会产生强大的且重要的反馈环。干系人们通过真实的软件来进行试验,产生新想法,并改变他们的旧想法和认知。
反馈环和发布
很多开发团队都以一个由若干Sprint组成的发布为周期交付软件。笔者的观点是,一个发布应当交付单个Sprint的产出。不幸的是,在许多组织里,发布与Sprint之间仍然存在着差别。因为有许多约束使得团队无法以Sprint的节奏部署软件。结果,只有发布才能交付可工作的软件。在这种情况下,就会有两种反馈环:发布反馈环和Sprint反馈环。Sprint和发布之间的区别并不可取,因为它降低了团队拥抱变化的能力。干系人不能参与研发团队的每月一次的Sprint里。

相关文章
|
10月前
|
安全 数据安全/隐私保护 Android开发
【05】2025年1月首发完整版-篇幅较长-苹果app如何上架到app store完整流程·不借助第三方上架工具的情况下无需花钱但需仔细学习-优雅草央千澈详解关于APP签名以及分发-们最关心的一篇来了-IOS上架app
【05】2025年1月首发完整版-篇幅较长-苹果app如何上架到app store完整流程·不借助第三方上架工具的情况下无需花钱但需仔细学习-优雅草央千澈详解关于APP签名以及分发-们最关心的一篇来了-IOS上架app
1684 75
|
人工智能 PyTorch TensorFlow
分布式训练:大规模AI模型的实践与挑战
【7月更文第29天】随着人工智能的发展,深度学习模型变得越来越复杂,数据集也越来越大。为了应对这种规模的增长,分布式训练成为了训练大规模AI模型的关键技术。本文将介绍分布式训练的基本概念、常用框架(如TensorFlow和PyTorch)、最佳实践以及可能遇到的性能瓶颈和解决方案。
1640 2
python并发执行request请求
选择哪种并发方式取决于我们的具体需求。对于I/O密集型任务,多线程或异步I/O通常是更好的选择;对于CPU密集型任务,多进程可能是更好的选择。此外,异步I/O通常比多线程具有更好的性能,特别是在高并发的网络应用中。
|
前端开发 JavaScript
前端 JS 经典:递归
前端 JS 经典:递归
202 0
|
芯片
脉冲波形的产生与变换
脉冲是指一种瞬间突变、持续时间极短的电压或电流信号。它可以是周期性变化的,也可以是非周期性的或单次的。
3358 0
脉冲波形的产生与变换
|
存储 安全 应用服务中间件
谷粒学院(十六)OAuth2 | 微信扫码登录 | QQ扫码登录(一)
谷粒学院(十六)OAuth2 | 微信扫码登录 | QQ扫码登录(一)
谷粒学院(十六)OAuth2 | 微信扫码登录 | QQ扫码登录(一)
|
机器学习/深度学习 传感器 算法
【智能优化算法】基于Singer混沌映射与莱维飞行改进灰狼算法附Matlab代码
【智能优化算法】基于Singer混沌映射与莱维飞行改进灰狼算法附Matlab代码
|
机器学习/深度学习 编解码 数据可视化
Text to image论文精读 从菜谱描述自动生成菜肴照片 CookGAN: Causality based Text-to-Image Synthesis(基于因果关系的文本图像合成 )
文章被2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)会议录用。 论文地址:[https://ieeexplore.ieee.org/document/9157040/citations#citations](https://ieeexplore.ieee.org/document/9157040/citations#citations) CookGAN旨在解决因果关系效应。食物图像的因果演化隐含在一个连续的网络中。 本博客是精读这篇论文的报告,包含一些个人理解、知识拓展和总结。
Text to image论文精读 从菜谱描述自动生成菜肴照片 CookGAN: Causality based Text-to-Image Synthesis(基于因果关系的文本图像合成 )
|
人工智能 搜索推荐 算法
AIGC技术未来在教育领域的探讨
随着人工智能技术的不断发展,越来越多的行业开始应用人工智能技术,其中包括教育行业。人工智能生成内容(AIGC)技术将极大地影响未来的教育方式。本文将对AIGC在未来教育方面的发展进行分析和探讨,以及谈论一个很有意思的问题“AIGC技术在未来教育能否替代老师”
1511 0
|
弹性计算 网络安全
ecs的vpc,交换机和安全组的关系
简单梳理下vpc,交换机,安全组的关系
1937 0
ecs的vpc,交换机和安全组的关系