Все хорошие менеджеры делают это...
Быть руководителем команды разработки непросто.
Зачастую ваш главный враг - это неопределённость, а одна из важнейших задач - обеспечить предсказуемость в том, что касается результатов работы команды, а именно в сроках и качестве.
Возникает вопрос, как достичь предсказуемости?
Вопрос не праздный, потому что разработка ПО строится не только на строгих алгоритмах, системном анализе и бездушных полупроводниковых вентилях. Она зиждется в первую очередь на людях, причём творческих, которые относятся к своей работе как творению и способу самореализации.
Начинающие руководители могут решить, что единственный верный выход - это полагаться на субъективную оценку результатов команды.
Возможно, в каких-то ситуациях это будет работать, но субъективную оценку будет полезно сочетать с более строгим анализом на основе метрик, применяя подход Data Driven Team Management. В чём его суть?
Ваша команда оставляет во время работы множество цифровых следов и артефактов. Сюда относятся задачи в условной Джире, код в Гитлабе, сообщения в корпоративном мессенджере. Используя эти данные, можно и нужно анализировать работу команды, строя метрики. Безусловно, такой анализ не может полностью заменить субъективную оценку руководителя, но является для него важным и полезным подспорьем.
Какие инструменты можно использовать для анализа цифровых следов команды?
1. Самописные, они же ad-hoc.
Многие предпочитают использовать свои самописные инструменты, например, вручную скачивая и загружая данные в Excel. Плюс такого подхода в том, что для разового анализа это самый простой из подходов. Главный минус в том, что такие инструменты не обладают должным уровнем автоматизации и оттого сложны в регулярном повседневном использовании.
2. Встроенные инструменты анализа в Jira, Github и так далее.
Плюс - простота, если вам хватает существующих дашбордов. Минусы в том, что не всегда инструменты для анализа вам доступны, а также возможностей, заложенных в инструменты, может не хватить, чтобы провести анализ специфических именно для вашей команды кейсов.
3. Готовые DDTM инструменты.
Из известных можно упомянуть, например, Captain-Bridge, с открытым кодом и хорошей документацией. Готовые инструменты DDTM позволяют при помощи конструктора запросов строить кастомные метрики по данным из систем, с которыми работает ваша система. Главный плюс - можно построить совершенно любые метрики, которые вас интересуют. Минус - нужно разобраться в том, как такие инструменты работают. Тут поможет документация.
