[Scrumtrek] Управление проектами и продуктами в Data Science [Асхат Уразбаев, Алексей Могильников]

c 15 сентября по 13 октября 2020
Что такое LeanDS?
Lean DS — открытый подход к управлению DS проектами и продуктами

• Ориентированный на бизнес
• Основанный на гипотезах
• Строгий и воспроизводимый
• Командный и итеративный

LeanDS позволяет увеличить вероятность успеха за счет прозрачности процессов, снижения Time-to-Market и фокуса на инженерном совершенстве.
Программа занятий
Обзор LeanDS. Продуктовая гипотеза
Краткий обзор LeanDS. Практика по формулированию продуктовых гипотез. Также тренер ответит на вопросы участников по содержанию и формату курса.
Приоритезация продуктовых гипотез
Практика по приоритезации продуктовых гипотез по ICE/RICE. Работа в мини-командах, оценка и разбор результатов.
Декомпозиция продуктовых гипотез
Практика по декомпозиции продуктовых гипотез "методом Мерседеса". Учебный кейс и кейсы участников
Каскадирование метрик от продуктовых метрик до DS метрик
Практика по каскадированию метрик в учебном кейсе и в кейсах участников
Kanban и его применение в DS
Введение в Канбан-метод, обзор основных принципов и практик. Практическая симуляция метода в виде игры, метрики процесса
Внедрение LeanDS
Внедрение канбан методом STATIK. Проведение изменений в организации. Ответы на вопросы по курсу. Закрытие курса.
Помимо практических занятий, в курс входят 6+ часов видео
Что вы узнаете из курса
Курс содержит набор обязательных (ядро LeanDS) и дополнительных материалов (ответы на различные вопросы, которые не обязательно волнуют вас прямо сейчас)
Как спроектировать ML продукт

• Поиск зон применения ML в компании, оценка и приоритезация
• Создание бэклога ML продукта
• Оценка и приоритезация элементов бэклога

Как начать ML проект

• Создание DS команды: компетенции, роли и ответственность
• Как объяснить заказчику экспериментальный характер работы
• Переход от сервисной к продуктово-ориентированной команде

Как управлять процессом создания продукта

• Управление процессом при помощи Канбан
• Декомпозиция гипотез
• Управление сроками и бюджетом проекта

Как взаимодействовать с другими командами

• Организация параллельной работы команд на нескольких проектах
• Управление зависимостями между ML, Data Engineering и Software Engineering в продукте

Как развивать команду

• Развитие зрелости и самооорганизации
• Метрики качества работы процессов в DS
• Развитие data driven культуры на уровне компании

Заказная разработка ML продуктов

• Уход от фиксированной цены
• Управление рисками
• Взаимодействие со службами крупных компаний