一、Sprint目标完不成?先搞懂什么是“合理的迭代规划”
很多做敏捷开发的团队,尤其是刚接触Scrum的新手,都会碰到一个头疼的问题:每次迭代一开始拍胸脯定的目标,到结束时总能差一大截。比如这个迭代说要做完“用户登录、密码找回、个人中心”三个功能,结果到点只做完了登录,另外两个连一半都没碰。要么是中途插了一堆紧急需求,要么是原来预估的开发时间太不准,要么是开发过程中突然发现一堆没考虑到的坑。
其实问题大多不是出在开发人员的能力上,而是一开始的迭代规划就没做对——说白了就是没搞清楚“合理的迭代规划”到底该满足什么标准。合理的迭代规划,核心是两个字:“匹配”。匹配什么呢?匹配团队的实际产能,匹配需求的真实复杂度,匹配整个迭代周期里的各种变数。
1.1 不合理规划的常见坑
举个最常见的例子:一个由2个前端、2个后端、1个测试组成的团队,迭代周期是2周(10个工作日,每天有效工作时间按6小时算,团队总产能就是2610 + 2610 + 1610 = 300小时)。结果迭代规划时,产品经理为了冲KPI,硬塞了总预估工时450小时的需求,还要求必须做完。这种规划从一开始就注定完不成,相当于让一个能扛100斤的人扛150斤,不是偷懒就是累垮。
还有一种坑是“需求拆解太粗”。比如把“做一个电商商品详情页”当成一个需求,预估工时给8小时,结果开发时才发现要做商品信息展示、库存校验、价格计算、评论加载、规格选择、图片懒加载、分享功能……加起来实际要花40小时,差了5倍。
二、迭代规划的合理性校验:3个核心维度
判断一个迭代规划合不合理,不能凭感觉拍脑袋,得有可落地的校验标准。我总结了3个核心维度,每个维度都有具体的校验方法和示例。
2.1 维度一:产能匹配校验——你给的任务“装得下”吗?
产能匹配是最基础的校验,核心是“团队实际能做的事”和“迭代要做的事”在工作量上要对得上。这里的工作量不能用“个数”算,得用“标准工作量”,比如工时、故事点(Story Point),其中工时对新手团队更友好,容易理解。
2.1.1 具体校验方法
第一步:先算团队的“可用产能”。要把所有非开发时间扣掉:比如每周有1次站会、1次迭代会、1次复盘会,每次会占1小时;迭代中间有法定节假日;开发人员可能有请假、有其他临时任务(比如线上bug排查)。比如刚才说的2周迭代,原本总产能300小时,扣掉会议的5小时(站会10次*1小时?不对,站会一般15分钟,10次就是2.5小时,迭代会1次2小时,复盘会1次1.5小时,总共扣掉6小时),再扣掉1天的线上bug排查(6小时),实际可用产能是300-6-6=288小时。
第二步:算所有需求的“预估总工时”。注意每个需求的预估工时不能是拍的,得是团队一起拆解后算出来的。
第三步:校验比例。一般来说,迭代规划的总预估工时,不能超过可用产能的80%。留20%的缓冲是为了应对突发情况,比如临时的小bug、需求的微小调整、开发时发现的未知问题。如果超过80%,说明规划太满,得砍需求。
2.1.2 示例(技术栈:JavaScript/TypeScript)
我们拿一个真实的前端开发团队的迭代需求来举例,团队是2个前端(A和B),迭代周期2周,可用产能算下来是200小时(扣掉了各种非开发时间)。
先把每个需求拆解成子任务,再预估工时:
// 需求1:用户登录页开发
// 子任务拆解与工时预估
const loginPage = {
name: '用户登录页开发',
subTasks: [
{ name: '搭建登录页基础结构', hours: 2 }, // 写HTML结构、基础CSS
{ name: '对接账号密码登录接口', hours: 3 }, // 调后端接口、处理请求逻辑
{ name: '对接短信验证码登录接口', hours: 3 }, // 同上
{ name: '表单校验逻辑(非空、格式)', hours: 2 }, // 写校验规则、错误提示
{ name: '登录成功后的路由跳转', hours: 1 }, // 跳转到首页
{ name: '测试&修复bug', hours: 2 } // 自测、提测后修复
],
totalHours: 2 + 3 + 3 + 2 + 1 + 2 // 总工时:13小时
};
// 需求2:密码找回页开发
const resetPasswordPage = {
name: '密码找回页开发',
subTasks: [
{ name: '搭建找回页基础结构', hours: 2 },
{ name: '对接验证身份接口(手机号/邮箱)', hours: 3 },
{ name: '对接重置密码接口', hours: 3 },
{ name: '表单校验', hours: 2 },
{ name: '测试&修复bug', hours: 2 }
],
totalHours: 2 + 3 + 3 + 2 + 2 // 总工时:12小时
};
// 需求3:个人中心页开发
const userCenterPage = {
name: '个人中心页开发',
subTasks: [
{ name: '搭建个人中心基础结构', hours: 3 },
{ name: '对接用户信息获取接口', hours: 2 },
{ name: '对接用户信息修改接口', hours: 3 },
{ name: '对接退出登录接口', hours: 1 },
{ name: '表单校验', hours: 2 },
{ name: '测试&修复bug', hours: 3 }
],
totalHours: 3 + 2 + 3 + 1 + 2 + 3 // 总工时:14小时
};
// 所有需求总工时
const totalTaskHours = loginPage.totalHours + resetPasswordPage.totalHours + userCenterPage.totalHours;
console.log('所有需求总工时:', totalTaskHours); // 输出:39小时
团队可用产能是200小时,39小时远低于200*80%=160小时,所以这个规划的产能匹配是合理的。如果总工时算下来是170小时,超过了160,那就要砍需求,比如把个人中心的“用户信息修改”子任务放到下一个迭代。
2.2 维度二:需求颗粒度校验——你拆解的任务“够细”吗?
很多团队的需求预估不准,根源就是颗粒度太粗。一个合理的迭代任务,颗粒度应该满足“3天原则”:任何一个子任务的工时预估,不能超过3天(也就是24小时)。为什么是3天?因为如果一个任务超过3天,中间很容易出变数,比如需求变了、发现了没考虑到的技术问题,而且一旦任务延期,很难提前发现,到迭代快结束才发现完不成,就来不及调整了。
2.2.1 具体校验方法
把每个需求拆成子任务后,检查每个子任务的预估工时,如果有超过24小时的,就继续拆解。比如“做一个电商商品详情页”,原来拆成一个任务预估40小时,超过了24小时,就要拆成:商品信息展示(8小时)、库存校验(6小时)、价格计算(4小时)、评论加载(6小时)、规格选择(6小时)、图片懒加载(4小时)、分享功能(4小时)、测试修复(2小时),每个子任务都不超过24小时,这样就合理了。
2.2.2 示例
还是用刚才的JavaScript团队的例子,我们把“用户登录页开发”拆成子任务后,每个子任务的工时分别是2、3、3、2、1、2小时,都远低于24小时,所以颗粒度是合理的。如果原来把“用户登录页开发”当成一个子任务,预估13小时,虽然没超过24小时,但其实还可以再拆,比如把“对接账号密码登录接口”拆成“写请求逻辑(2小时)”和“处理响应逻辑(1小时)”,这样更细,预估更准。
2.3 维度三:风险预留校验——你留了“缓冲空间”吗?
没有任何一个迭代是完全按计划走的,总会有各种突发情况:比如线上突然出了一个严重的bug,需要团队花1天时间修复;比如产品经理突然说“这个功能要加一个小需求,不做的话上线会有问题”;比如开发人员突然请假,导致任务延期。所以迭代规划必须留缓冲。
2.3.1 具体校验方法
缓冲分两种:一种是刚才说的产能预留(总工时不超过可用产能的80%),另一种是任务缓冲(每个子任务的预估工时可以留10%-20%的冗余)。比如一个子任务预估要花5小时,你可以按6小时来算,这样即使中间出点小问题,也不会影响整体进度。
2.3.2 示例
还是刚才的登录页的子任务,“对接账号密码登录接口”预估3小时,我们可以留10%的缓冲,按3.3小时算,向上取整为4小时。这样即使开发时发现接口的参数和之前约定的不一样,需要花1小时调整,也不会影响整体进度。
三、规划不合理?调整逻辑:从“砍”到“调”的完整步骤
如果校验后发现规划不合理,比如总工时超过了可用产能的80%,或者有子任务颗粒度太粗,或者缓冲不够,该怎么调整?很多人的第一反应是“砍需求”,但其实调整有更合理的逻辑,不是一刀切的砍。
3.1 第一步:先排优先级,再砍需求
调整的第一步是给所有需求排优先级,优先级一般按“对业务的重要性”和“紧急程度”来分,比如可以用“MoSCoW方法”:必须做的(Must have)、应该做的(Should have)、可以做的(Could have)、不要做的(Won’t have)。调整时,先砍“可以做的”和“不要做的”,再砍“应该做的”,最后才砍“必须做的”。
3.1.1 示例
比如刚才的JavaScript团队,原本的迭代需求总工时是170小时,超过了可用产能160小时,需要砍10小时的需求。先给需求排优先级:
- 必须做的(Must have):用户登录页开发(13小时)、密码找回页开发(12小时)
- 应该做的(Should have):个人中心页开发(14小时)
- 可以做的(Could have):个人中心的“用户信息修改”子任务(3小时)
那么调整时,先砍“可以做的”子任务,把“用户信息修改”放到下一个迭代,这样总工时就变成170-3=167小时,还是超过7小时;再砍“应该做的”子任务,把个人中心的“测试&修复bug”子任务(3小时)放到下一个迭代,总工时变成167-3=164小时,还是超过4小时;再砍“应该做的”子任务,把个人中心的“对接用户信息修改接口”子任务(3小时)放到下一个迭代,总工时变成164-3=161小时,还是超过1小时;最后砍“应该做的”子任务,把个人中心的“表单校验”子任务(2小时)放到下一个迭代,总工时变成161-2=159小时,低于160小时,这样就合理了。
3.2 第二步:如果必须做的需求砍不掉,怎么办?
有时候会碰到一种情况:必须做的需求的总工时已经超过了可用产能的80%,比如产品经理说“这个迭代必须上线登录和找回密码,否则下周一的营销活动没法做”,这时候不能砍需求,该怎么调整?
这时候有两个方法:一个是“加人”,但加人要注意,新加入的人需要花时间熟悉项目,所以不能马上产生产能,一般要1-2周的适应期;另一个是“调整迭代周期”,比如把2周的迭代改成3周,这样可用产能就增加了,能装下更多的需求。
3.2.1 示例
比如刚才的团队,必须做的需求总工时是170小时,可用产能是200小时,170超过了160(20080%),产品经理说必须做,不能砍。那么可以把迭代周期从2周改成3周,可用产能变成300小时,170远低于240(30080%),这样就合理了。
3.3 第三步:调整后再校验,确保新规划合理
不管是砍需求还是调整迭代周期,调整完后都要重新做一次合理性校验,确保新的规划满足三个核心维度的要求:产能匹配、颗粒度合理、风险预留。
四、应用场景、优缺点与注意事项
4.1 应用场景
这套校验与调整逻辑,适用于所有采用Agile/Scrum的团队,不管是互联网公司的产品开发、软件公司的项目开发,还是传统企业的数字化转型项目。特别适合刚接触Scrum的新手团队,能帮他们快速避免迭代规划的常见坑,提高迭代交付率。
4.2 技术优缺点
优点
- 可落地:有具体的校验标准和步骤,不是空泛的理论,团队可以直接照着做;
- 易理解:用通俗的语言和具体的示例,不同基础的开发者都能看懂;
- 适应性强:不管是小团队还是大团队,都能根据自己的情况调整参数(比如可用产能的计算、80%的比例)。
缺点
- 依赖准确的预估:如果需求的预估工时不准,校验结果也会不准,需要团队经过几次迭代后,积累足够的预估经验;
- 有一定的学习成本:新手团队第一次做的时候,可能会觉得步骤有点多,需要花时间熟悉;
- 不能应对极端情况:如果团队突然有大量的线上bug,或者产品经理突然加了很多必须做的需求,即使预留了缓冲,也可能无法应对。
4.3 注意事项
- 产能计算要准确:一定要把所有非开发时间都扣掉,比如会议、请假、线上bug排查等,不能只算理论产能;
- 需求拆解要细致:颗粒度越细,预估越准,调整也越灵活;
- 优先级要明确:排优先级时,一定要和产品经理、业务方达成共识,不能自己拍脑袋;
- 不要为了满足规划而压缩质量:调整时,不能为了赶进度而降低代码质量、减少测试环节,否则会留下更多的技术债务,影响后续的迭代。
五、文章总结
Sprint目标完不成,本质上是迭代规划的合理性出了问题。合理的迭代规划,核心是满足三个核心维度:产能匹配(总工时不超过可用产能的80%)、颗粒度合理(子任务工时不超过24小时)、风险预留(留足够的缓冲应对突发情况)。如果规划不合理,调整的逻辑是先排优先级砍需求,再考虑加人或调整迭代周期,最后重新校验。
这套逻辑不是一成不变的,团队可以根据自己的实际情况调整参数,比如有的团队可以把产能预留的比例调到70%,有的团队可以把子任务的工时限制调到20小时。关键是要形成适合自己团队的迭代规划流程,不断优化,才能提高迭代交付率,避免Sprint目标完不成的尴尬。
评论
围绕“Sprint目标难达成?Agile/Scrum迭代规划的合理性校验与调整逻辑”参与讨论