· 5 min czytania
Ten o trzech powodach braku rezultatu
Dlaczego dowieziona funkcja nie daje rezultatu? Trzy powody: problem wartości, złe rozwiązanie i zły kontekst. Przykłady i pytania do zadania przed startem.
W poprzednim wpisie serii rozpisałem cztery poziomy efektu pracy: wynik, rezultat, korzyść i dźwignię. Wynik zespół ma w ręku. Rezultat, czyli zmiana u użytkownika, pojawia się albo nie. W prezentacji o inżynierze produktu zebrałem powody, dla których się nie pojawia, w trzy grupy. Każda zdarza się przy wyniku bez zarzutu: kod przechodzi testy, funkcja jest na produkcji, ticket zamknięty.

Jakie są trzy powody braku rezultatu?
Problem wartości, złe rozwiązanie i zły kontekst. Na slajdzie opisałem je jednym zdaniem każdy:
- Problem wartości: działa, ale nikt tego nie potrzebował.
- Złe rozwiązanie: potrzebne, ale nie to, co powstało.
- Zły kontekst: dobre, ale gdzie indziej albo kiedy indziej.
Podział przydaje się wtedy, gdy funkcja nie zadziałała i zespół zastanawia się, co poprawić.
Jak wygląda problem wartości?
Produkt powstaje i działa, ale klienci go nie chcą. Amazon wprowadził Fire Phone 25 lipca 2014 roku, w Stanach wyłącznie w sieci AT&T, za 199 dolarów z dwuletnią umową. Kilka miesięcy później obniżył cenę do 99 centów. W raporcie za trzeci kwartał 2014 roku firma pokazała 170 milionów dolarów odpisu, głównie na wycenę zapasów telefonu i zobowiązania wobec dostawców. W magazynie zostały telefony warte 83 miliony dolarów.
W zespole problem wartości wygląda skromniej: funkcja, z której korzysta kilka osób, i raport, którego nikt nie otwiera. O tym, jak sprawdzać potrzebę, zanim powstanie kod, pisałem przy produkcie, którego nikt nie potrzebował. Sygnał ostrzegawczy przed startem: nikt nie umie powiedzieć, kto zauważy, jeśli tej funkcji nie będzie.
Jak wygląda złe rozwiązanie?
Potrzeba istnieje, ale to, co powstało, jej nie obsługuje. HealthCare.gov, amerykański serwis do kupowania ubezpieczeń zdrowotnych, wystartował 1 października 2013 roku i od pierwszego dnia miał awarie i błędy. Biuro Inspektora Generalnego amerykańskiego ministerstwa zdrowia przeanalizowało ten start w raporcie z 2016 roku. Za najważniejszą przyczynę uznało brak jasnego przywództwa, przez który decyzje zapadały z opóźnieniem. Wymieniło też złe zarządzanie kontraktem na budowę serwisu, słabą współpracę osób odpowiedzialnych za przepisy z zespołami technicznymi i trzymanie się planu mimo sygnałów ostrzegawczych.
Wszystkie przyczyny z raportu leżą w organizacji: w tym, jak zapadały decyzje i jak ludzie, którzy rozumieli potrzebę, rozmawiali z tymi, którzy budowali. W zespole złe rozwiązanie widać po tym, że użytkownicy próbują, rezygnują i piszą do obsługi klienta. Do tego przydaje się rozróżnienie weryfikacji i walidacji: testy mówią, że zbudowaliśmy to, co zamierzaliśmy, a dopiero użytkownicy pokazują, czy to rozwiązuje ich problem.
Jak wygląda zły kontekst?
Rozwiązanie jest dobre, ale trafia w złe miejsce albo w złym czasie. W notatkach do prezentacji zapisałem, że inaczej pracuje firma, która szuka dopasowania produktu do rynku, a inaczej ta, która się skaluje. W pierwszej szybki eksperyment z danymi klientów może być najlepszym ruchem. W dojrzałej firmie, która stawia na bezpieczeństwo infrastruktury i danych, to samo rozwiązanie nie przejdzie, bo naraża coś, na czym firma nie może popełnić błędu.
Drugi rodzaj złego kontekstu to czas. Rozwiązanie dostarczone pół roku za późno wpada do tej samej grupy. Sklep, który nie zdąży z nową funkcją przed Black Friday, czeka na następną okazję rok.
Po co rozróżniać te trzy powody?
Bo każdy z nich wymaga innego pytania i innej osoby. Problem wartości sprawdza się z klientami, zanim zespół zacznie budować. Złe rozwiązanie sprawdza się z użytkownikami w ich warunkach: w dniu największego ruchu, na ich urządzeniach, z ich danymi. Zły kontekst sprawdza się z ludźmi, którzy znają strategię firmy, terminy i ograniczenia, na przykład wymagania bezpieczeństwa.
Retrospektywa po nieudanej funkcji często kończy się wnioskiem „następnym razem lepiej testujmy”. To pomaga tylko przy drugim powodzie. Jeśli funkcji nikt nie potrzebował albo przyszła za późno, lepsze testy nic nie zmienią.
Co może zrobić developer?
Zadać trzy pytania, zanim zespół weźmie zadanie do sprintu:
- Kto tego potrzebuje i skąd to wiemy?
- Czy to rozwiązanie zadziała w warunkach, w jakich ludzie będą go używać?
- Dlaczego teraz i co w firmie może je zablokować?
Na drugie pytanie developer odpowie najlepiej, bo zna technikę i jej ograniczenia. Pierwsze i trzecie zwykle wymagają rozmowy z kimś spoza zespołu: z product ownerem, z obsługą klienta, z osobą odpowiedzialną za bezpieczeństwo. Kiedy AI obniża koszt wyniku, zespół może zbudować więcej funkcji w tym samym czasie. Tym ważniejsze, żeby każda z nich przeszła przez te trzy pytania, zanim powstanie.
Bibliografia
- Amazon takes $170M loss on Fire Phone (2014). GeekWire. https://www.geekwire.com/2014/amazon-takes-170m-loss-fire-phone/
- Office of Inspector General, U.S. Department of Health and Human Services (2016, 22 lutego). HealthCare.gov: Case Study of CMS Management of the Federal Marketplace (OEI-06-14-00350). https://oig.hhs.gov/reports/all/2016/healthcaregov-case-study-of-cms-management-of-the-federal-marketplace
💬 Dołącz do dyskusji na LinkedIn → Komentuj i podziel się swoim podejściem