OOP 2011: Bitter Scrum Chris Rupp Thomas Mödl

SOPHIST GmbH

Vordere Cramergasse 13

90478 Nürnberg

Tel.:+49 (0)911 40 900 - 0

Fax:+49 (0)911 40 900 - 99

www.sophist.de

heureka@sophist.de

Bitter Scrum

Auf der Suche nach den Sweet Spots

Chris Rupp & Thomas Mödl

Bild

quel

le:

© s

hutt

erst

ock|

G

olfe

r C

once

ntra

ting

by D

iego

Cer

vo

Bitter Scrum – Auf der Suche nach den Sweet Spots

Schluss-folgerung

5

Scrum

2

Intro

1

Scrum in der Projektrealität

4

Projektrealität

3

3

1 23Theorie Praxis

1/2 250agil“Wasserfall”

Scrum

Anforderungen

Softwareentwicklung

Bild

quel

le:

© s

hutt

erst

ock|

H

eart

car

diog

ram

with

hea

rt o

n it

by P

astu

shen

ko T

aras

TUM, Max-Planck

Programmierung

Schulungen

Produktentwicklung

Beratung

Projekte über 25 PJ.

DIN EN ISO 9001 TAW Cert Zert.Nr.:33010107

2003

2005

2000

2002

2004

2006 … 2010:

1997

1995

1991 1990

1989

1986

Individualsoftware seit 1989. B

ildqu

elle

: ©

shu

tter

stoc

k|

Clo

se-z

p W

oode

n Te

xtur

e by

Vic

tor

Leon

idov

ich

Kap

iteln

am

e

CR

U

M

Thomas Moedl• Geschäftsführer der

DialogData GmbH & Co KG

• Supporter im IREB e.V.

• Trainer, Berater und Coach

• Certified Scrum Product Owner

Kap

iteln

am

e

Chris Rupp

• Geschäftsführerin der SOPHIST GmbH

• Vorstandsvorsitzende des IREB e.V.

• Trainerin, Beraterin und Autorin

Wer schreibt, der bleibtDie Bücher der SOPHISTen

Unsere KundenAuszug aus unserer Kundenliste

2

Scrum

Rollen Ablauf Backlog Grooming

Scr

um

Die Rolle Scrum Master

Der Scrum Master als Process Facilitator

© s

hutte

rsto

ck| C

olle

ge te

ache

r gi

ving

a le

ctur

e by

Mon

key

Bus

ines

s Im

ages

©

shu

tterstock| P

ortrait of a friendly, laughing policeman by Lisa F. Y

oung

Kap

iteln

am

e

PO

Bildq

ue

lle: ©

shu

ttersto

ck| Bu

sine

ssma

n disg

uised

in su

pe

rma

n by o

lly

Der Product Owner mit vielen Aufgaben

ROI

ReleasePlanungFachliche

KlärungenPrioritäten

Kap

iteln

am

e

1 – Seite 12Dialog Data & SOPHIST Scrum

„Pigs + Chickens“

© shutterstock|  eggs w

ith bacon by Marco M

ayer

Scr

um

Sprints, Meetings und ArtefakteDer Ansatz Scrum

#.1 – Seite 13Dialog Data Scrum

Sprint, Daily Scrum,

Review

Sprint Planning

Retrospective

ProductBacklog

SprintBacklog

ProductIncrement

Team Skill

BurndownChart

TaskBoard

Backlog Grooming, Estimating, Refinement

Release PlanningRelease Planning

Sprint Planning

Scr

um

Backlog Grooming

„Scrum is silent on howthis work is done …“

Empfehlungen:

Zeitaufwand umfasst 10% jedes Sprints

Enthält detaillierte Requirements Analyse

Aufteilen von Backlog Items

Requirements in Scrum

2 – Seite 14Dialog Data & SOPHIST Scrum

Bildq

uelle

: © shu

tterstock| m

ode

l with

post it b

y W. G

oldsw

ain

Backlog Grooming, Estimating, Refinement

Scr

um

Backlog Grooming

Dialog Data & SOPHIST Scrum 2 – Seite 15

Days / Month Working Days for Backlog GroomingTeam Members 7 20 140 10% 14Product Owner 1 20 20 100% 20

8 40 160 21,25% 34

Zeitaufwand

> 21%

Backlog Grooming, Estimating, Refinement

3

Projektrealität

Garbage-In … Goldene Regel Konsolidierungsterror Projektarten Lernstufen Wissen und Können

Kap

iteln

am

e

Garbage In - Garbage out

Pro

jekt

realit

ät

Worte sind bedeutungslosReferenz als Schlüssel zum Erfolg

Dialog Data & SOPHIST Scrum

Perfekte Kommunikation ist unmöglich!

Das gemeinsame Referenzmodell entscheidet

über den Kommunikationserfolg!

Gedankenübertragung funktioniert nicht. Worte an sich sind

bedeutungslos.

© iS

tockphoto | human brain by E

raxion

3 – Seite 18

Kap

iteln

am

e

macht die Regeln!Wer das Gold hat,

Bild

quel

le:

© is

tock

phot

o | I

n go

ld w

e tr

ust

by a

pcuk

Die Goldene Regel:

Kap

iteln

am

eKonsolidierung kostet Zeit und Nerven.

© iStockphoto | I quit by Trista

Kap

iteln

am

e

© iStockphoto | Rows of clothes washers in a store 2 by milkos

Die Realität entscheidet über das Entwicklungsvorgehen

Pro

jekt

realit

ät

Dreyfus Model of Skill AcquisitionFünf Lernstufen

Dialog Data & SOPHIST Scrum

Der Anfänger

Der Gewandte

Der Kompetente

Der Fortgeschrittene

Der Experte

3 – Seite 22

Kap

iteln

am

ePro

jekt

realit

ät

Unterschiedezwischen Wissen und Können

Meister Schüler

Können

Daten

Wissen

übersetzt in

repräsentiert in

Informationen

Wissen

Können

führen zu

ist die Grundlage für

Mut + Übung+ Talent !

erzeugen

4

Scrum in der Projektrealität

Daily Scrum Sprints Backlog Management Story Splitting Dokumente

Scr

um

in d

er

Pro

jekt

realit

ät

Daily Scrum

© iS

tock

phot

o | B

usin

ess

Talk

s by

Tin

a R

ence

lj

Scr

um

in d

er

Pro

jekt

realit

ät

Daily Scrum

Täglich Time boxed Sprachschablone Rederecht (nur pigs)

Anwesenheitspflicht Keine Diskussionen im Stehen(Körperhaltung) Trocken

Regel Wirkprinzip

Kontinuität + Transparenz Zeitbegrenzung Transparenz + Gleichheit Fokussierung, Störungen

vermeiden Partizipation Fokussierung Aufmerksamkeit Aufmerksamkeit

Was steht hinter den Regeln?

Dialog Data & SOPHIST Scrum 4 – Seite 26

Kap

iteln

am

e

Sprints

© iS

tockphoto | Start by m

elhi

Kap

iteln

am

e

Backlog Management

© w

ww

.imdb

.com

| B

ruce

Alm

ight

y by

Tom

Sha

dyac

Kap

iteln

am

e

Rakete bauen. Astronauten ausbilden.

“Ich glaube, dass unser Land sich das Ziel setzen soll,noch vor Ende dieses Jahrzehnts einen Menschen auf den

Mond und sicher wieder zurück zur Erde zu bringen.” JFK, 1961

Bild

quel

le:

© s

hutt

erst

ock|

W

eltr

aum

fahr

er b

y P

eter

Han

sen

Vision

Konkretheit ist auf kurze Sicht wichtig.

Bild

quel

le:

© s

hutt

erst

ock|

G

PS

Veh

icle

Nav

igat

ion

by O

laru

Ale

xand

ru

Scr

um

in d

er

Pro

jekt

realit

ät

User Stories

Dialog Data & SOPHIST Scrum 2 – Seite 32

Scr

um

in d

er

Pro

jekt

realit

ät

Story-Mapping...

Durch die bewusste Schneidung und Priorisierung von User Stories können sich sinnvolle Releases ergeben – oder auch nicht ...

Dialog Data & SOPHIST Scrum 2 – Seite 33

Story Splitting

Bild

quel

le:

© s

hutt

erst

ock|

P

yram

id G

iza

by S

culp

i

Scr

um

in d

er

Pro

jekt

realit

ät

Weitere ThemesWeitere Themes

Themes

Story SplittingGranularität von großen User Stories, Epics und Themes

Dialog Data & SOPHIST Scrum 1 – Seite 35

große User Stories(Epics)

verfeinerte User Storiesverfeinerte

User Storiesverfeinerte User Storiesverfeinerte

User Storiesverfeinerte User Stories

Scr

um

in d

er

Pro

jekt

realit

ät

Story Splitting Cheat SheetPatterns zur Zerlegung von User Stories

Dialog Data & SOPHIST Scrum 2 – Seite 36

#1 Workflow Steps #2 Business Rule

Variations #3 Major Effort #4 Simple/Complex #5 Variations in Data #6 Data Entry Methods #7 Defer Performance #8 Operations (e.g.

CRUD) #9 Break out a Spike

Scr

um

in d

er

Pro

jekt

realit

ät

Patterns analyzed

Dialog Data & SOPHIST Scrum 2 – Seite 37

Name

Zweck:

Konsequenzen:

Anwendbarkeit:

Scr

um

in d

er

Pro

jekt

realit

ät

Fachlichkeit

Qualität

Technik

#1 Workflow Steps

#2 Business Rule Variations

#3 Major Effort

#4 Simple/Complex

#5 Variations in Data

#6 Data Entry Methods#7 Defer

Performance

#8 Operations

#9 Break Out a Spike

#4 Simple/Complex

Dialog Data & SOPHIST Scrum 1 – Seite 38

Klassifizierung nach Aspekten

Scr

um

in d

er

Pro

jekt

realit

ät

#1 Workflow Steps

#2 Business Rule Variations

#3 Major Effort

#4 Simple/Complex

#5 Variations in Data

#6 Data Entry Methods

#7 Defer Performance

#8 Operations

#9 Break Out a Spike

Klassifizierung nach Komplexität

Hoch >> Niedrig Niedrig >> Hoch

Dialog Data & SOPHIST Scrum 1 – Seite 39

Scr

um

in d

er

Pro

jekt

realit

ät

Das Schneidungs-Meta-Pattern

Dialog Data & SOPHIST Scrum 2 – Seite 40

#9 Break Out a Spike

1. Aspekt

Fachlichkeit

Technik

Qualität

2. Komplexität

Hoch >> Niedrig

Niedrig >> Hoch

Scr

um

in d

er

Pro

jekt

realit

ät

Konsequenzen

Dialog Data & SOPHIST Scrum 2 – Seite 41

Komplex >> Einfach Einfach >> Komplex

Fachlichkeit

Kein „Rosinen picken“. Früheres Erkennen von Projektrisiken und Wissensdefiziten

Frühere Erfolgserlebnisse, frühere Rückmeldungen

Technik

Stabile, tragfähige Architektur, einfache ErweiterbarkeitGefahr des Over-Engineering

Wahrscheinlich höhere Refactoring-AufwändeSchnellerer Wissensaufbau im Team

Qualität

Selbst einfache Funktionalität kommt erst spät

Potenziell geringere Nutzerakzeptanz

Pattern #9Kein auslieferbares Produkt für den ersten Teil der User Story

Scr

um

in d

er

Pro

jekt

realit

ät

Konsequenzen

Dialog Data & SOPHIST Scrum 2 – Seite 42

Komplex >> Einfach Einfach >> Komplex

Fachlichkeit

Kein „Rosinen picken“. Früheres Erkennen von Projektrisiken und Wissensdefiziten

Frühere Erfolgserlebnisse, frühere Rückmeldungen

Technik

Stabile, tragfähige Architektur, einfache ErweiterbarkeitGefahr des Over-Engineering

Wahrscheinlich höhere Refactoring-AufwändeSchnellerer Wissensaufbau im Team

Qualität

Selbst einfache Funktionalität kommt erst spät

Potenziell geringere Nutzerakzeptanz

Pattern #9Kein auslieferbares Produkt für den ersten Teil der User Story

Risiken minimierenStabilität erhöhen

Scr

um

in d

er

Pro

jekt

realit

ät

Konsequenzen

Dialog Data & SOPHIST Scrum 2 – Seite 43

Komplex >> Einfach Einfach >> Komplex

Fachlichkeit

Kein „Rosinen picken“. Früheres Erkennen von Projektrisiken und Wissensdefiziten

Frühere Erfolgserlebnisse, frühere Rückmeldungen

Technik

Stabile, tragfähige Architektur, einfache ErweiterbarkeitGefahr des Over-Engineering

Wahrscheinlich höhere Refactoring-AufwändeSchnellerer Wissensaufbau im Team

Qualität

Selbst einfache Funktionalität kommt erst spät

Potenziell geringere Nutzerakzeptanz

Pattern #9Kein auslieferbares Produkt für den ersten Teil der User Story

Frühe ErfolgserlebnisseEinfacher Wissensaufbau

Scr

um

in d

er

Pro

jekt

realit

ät

Anwendung des Meta-Patterns

Dialog Data & SOPHIST Scrum 2 – Seite 44

Szenario:Ein neues Entwicklungsteam entwickelt für einen ungeduldigen Kunden.

Möglichkeiten entsprechend dem Meta-Pattern und der Konsquenzen:1. Schneidung nach einfachen, technischen Aspekten

– zum Aufgleisen des Entwicklungsteams2. Schneidung nach einfachen, fachlichen Aspekten

– für eine schnelle Auslieferung an den Kunden

Scr

um

in d

er

Pro

jekt

realit

ät

Dokumente

Dokumente

Scr

um

in d

er

Pro

jekt

realit

ät

Vorstudie

Stakeholder

SystemSpecification

Specification Artifacts

ProductOwner Product Backlog

Sprint Backlog Deliverables

Wo steckt RE?

Scr

um

in d

er

Pro

jekt

realit

ät

Vorstudie

Stakeholder

SystemSpecification

Specification Artifacts

ProductOwner Product Backlog

Sprint Backlog Deliverables

Erhebung

Scr

um

in d

er

Pro

jekt

realit

ät

Stakeholder

SystemSpecification

Specification Artifacts

ProductOwner Product Backlog

Sprint Backlog Deliverables

Dokumentation

Vorstudie

Scr

um

in d

er

Pro

jekt

realit

ät

Vorstudie

Stakeholder

SystemSpecification

Specification Artifacts

ProductOwner Product Backlog

Sprint Backlog Deliverables

Validierung

Scr

um

in d

er

Pro

jekt

realit

ät

Vorstudie

Stakeholder

SystemSpecification

Specification Artifacts

ProductOwner Product Backlog

Sprint Backlog Deliverables

Verwaltung

Scr

um

in d

er

Pro

jekt

realit

ät

Exkurs: System Specification

Scr

um

in d

er

Pro

jekt

realit

ät

Vorstudie

Stakeholder

SystemSpecification

Specification Artifacts

ProductOwner Product Backlog

Sprint Backlog Deliverables

Scr

um

in d

er

Pro

jekt

realit

ät

SystemSpecificationProduct Backlog

vs

Zweck:

ProjektplanungZweck:

SystemübersichtInhalt:

ArbeitspaketeInhalt:

AnalyseergebnisseOrdnung:

Priorirität

Ordnung:

Systemaufbau

Verantwortung:

Product Owner

Verantwortung:

Analytiker

Scr

um

in d

er

Pro

jekt

realit

ät

SystemSpecificationProduct Backlog

Option 2: Master ist die Systemspezifikation

Product Backlog ist eine Sicht auf die Systemspezifikation

Option 3: Es gibt keinen Master – nur Nachvollziehbarkeit

Alle Artefakte in der Systemspezifikation sind mit Elementen des Product Backlog verknüpft

Option 1: Master ist der Product Backlog:

Die Systemspezifikation ist die Verfeinerung des Product Backlog

+ = ?

5

Schlussfolgerung

XP

RUP

S C R U M

Vorgehensweisen transportieren Wissen.Können entscheidet aber über den Erfolg!

Bild

quel

le: ©

shu

tters

tock

| tr

ucks

on

high

way

by

Kle

tr

Kap

iteln

am

e

User Story-Schneidung und -priorisierung gehört in Könnerhand oder denken Sie auf der Basis

guter Regeln darüber nach

z©

iStockphoto | S

incere Prayer by A

lex Motrenko

Prinzipien geben eine Richtung

Bild

quel

le: ©

shu

tters

tock

| lig

htho

use

at ta

lacr

e by

Mei

rion

Mat

thia

s

Regeln

Werte

Wirkprinzipien

Spannen Sie nicht den Karren vor das Pferd!

Bild

quel

le:

© w

ww

,shu

tter

stoc

k.co

m| m

embe

r of

Red

Sta

r hi

stor

y cl

ub

by S

erge

y K

amsh

ylin

BesuchenSie uns amStand 8.1

Chris RuppChris.Rupp@sophist.de

Thomas MödlThomas.Moedl@dialogdata.deBlog:www.einfachkomplex.net

Bild

quel

le: ©

ww

w.tw

itter

.com