惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Blog — PlanetScale
Blog — PlanetScale
J
Java Code Geeks
月光博客
月光博客
Engineering at Meta
Engineering at Meta
WordPress大学
WordPress大学
Jina AI
Jina AI
小众软件
小众软件
U
Unit 42
云风的 BLOG
云风的 BLOG
Stack Overflow Blog
Stack Overflow Blog
雷峰网
雷峰网
博客园 - Franky
Microsoft Security Blog
Microsoft Security Blog
罗磊的独立博客
宝玉的分享
宝玉的分享
B
Blog
C
Check Point Blog
爱范儿
爱范儿
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
量子位
阮一峰的网络日志
阮一峰的网络日志
Vercel News
Vercel News
酷 壳 – CoolShell
酷 壳 – CoolShell

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания
От хаоса к системе: как мы выстроили процесс Discovery (ч...
Anton_OR · 2026-04-26 · via Все публикации подряд на Хабре

Уровень сложностиПростой

Время на прочтение6 мин

Охват и читатели261

Кейс

Сколько людей - столько и мнений о процессах в команде (с). 

Давайте поразмышляем - как выстроить процесс анализа так, чтобы он стал для команды не формальным набором этапов, а рабочим инструментом? Опираемся на наш опыт работы в командах разработки одного из операторов электронного документооборота. Все описанные процессы формировались и развивались на практике.

За отправную точку возьмем несколько потребностей: 

  • управлять неопределённостью,

  • повышать качество требований,

  • снижать риски на этапе разработки. 

Поделимся опытом работы в команде разработки продукта электронного документооборота. 

Расскажем о своих решениях, ошибках, находках, и компромиссах и о рабочей модели, которой мы сейчас придерживаемся.

Отдельно благодарим команду деливери-менеджеров, которые направляли нас в этом движении и предлагали различные инициативы. 

Команда сама должна прийти к решению о необходимости изменений (с).

Начали свою работу мы в тот момент, когда накопился ряд неотвеченных вопросов о нашей работе:

  • Кто, когда и зачем согласует требования? 

  • В какой момент задача действительно готова к разработке? 

  • Какие этапы действительно нужны, а какие лишь создают иллюзию контроля?

Для тех, кто сейчас задается одним из этих вопросов и всех интересующихся ниже мы расскажем, как смогли на них ответить.

Если вам покажется смутно знакомым стиль - вы не ошибаетесь - каркасом для изложения информации послужит шаблон ценностного предложения Остервальдера (Value Proposition Canvas). 

Аналитический бэклог

Бэклог аналитических задач формируется до того, как задача назначается на аналитика, но так было не всегда. 

С момента старта работы над продуктом мы сталкивались с разными вызовами и последовательно решали их. 

Тут можно посмотреть список наших трудностей и решения, которые мы приняли для себя:

Задачи 

Сформировать бэклог, который помогает управлять работой

Проанализировать задачи в бэклоге разработки на итерацию вперед

Построить понятный поток от идеи до реализации

Четко обозначить границы эпиков

Сократить уточнение постановок при реализации

Решение

Канбан-доска аналитиков для управления потоком

Ориентир по Lead Time для этапов процесса

User Story Mapping

PI-планирования для коммита перед бизнесом

Боли

Беспорядок в бэклоге

Хаотичное получение задач

Частая смена приоритетов и пересмотр планов

Многократное переключение контекста

Работа “в стол”

Зависание задач по разным причинам

 Нет полного списка сценариев по эпику

Сложно оценить объем работы по задаче

Сложно прогнозировать сроки и риски

Много лишних согласований

Лекарство

Планирование времени

Оценка трудозатрат

Отслеживание причин “зависания” задач

Анализ узких мест

WIP-лимиты на работу

Декомпозиция задач на этапе исследования

Выгоды

Прозрачность работы

Управление процессом

Инструмент

Бэклог аналитических задач в трекере

USM в Miro

Для первичного наполнения бэклога мы используем инструмент USM (User Story Mapping): в рамках исследовательской работы по новому эпику декомпозируем его на пользовательские сценарии и user stories. Это помогает нам понять функциональность целиком, выявить ключевые сценарии и зависимости и подготовить набор задач для PI-планирования.

На PI-планировании, участники совместно формируют и согласовывают с бизнесом бэклог на следующий квартал.

В бэклог аналитиков попадают истории из декомпозированных эпиков, отдельные инициативы, исследования следующего квартала. Особое место здесь занимают задачи по документации (15-20% емкости).  Если не планировать эту работу явно, поддержка базы знаний постоянно проигрывает запланированным фичам и срочным доработкам.

После PI-планирования задачи попадают в трекер, для них указываются приоритеты, сроки, ответственные аналитики, и они переходят в статус «Ожидает анализ», формируя рабочий аналитический бэклог.

Для этапов аналитического канбана мы зафиксировали SLA по Lead Time. Например, подготовка постановки в статусе «Анализ» занимает до 7 рабочих дней, а согласование в статусе «Согласование» — до 3 дней. Для остальных этапов также заданы свои ориентиры. Выход за эти значения становится сигналом для разбора причин: перегруз, слишком крупная декомпозиция, блокировка со стороны бизнеса или техническая неопределённость.

Дополнительно мы ввели WIP-лимиты и ограничили количество задач в активной работе: один аналитик одновременно работает не более чем над 2–3 задачами. Это помогает меньше переключаться между контекстами, быстрее доводить задачи до результата и лучше контролировать сроки прохождения по этапам.

Работа над постановкой

В таблице ниже видно, какие сложности мы испытывали в процессе подготовки постановок и как научились их преодолевать.

Задачи 

Управлять потоком аналитических задач легко

Измерять и контролировать Lead Time по этапам процесса

Подготовить требования, понятные для команды разработки

Уточнить границы задачи перед подготовкой постановки

Структурировать требования и контекст задачи

Сформировать единый подход к описанию требований

Подготовить задачу к передаче в разработку

Решение

Выделение этапов аналитической проработки задачи

Введение этапа «Преданализ»

Использование единой структуры аналитических постановок

Проверка требований по чек-листам

Многоэтапное согласование требований

Боли

Нечёткие границы задач

Разрозненные требования и пожелания

Разный уровень детализации постановок

Ошибки и упущенные сценарии

Несогласованность требований между бизнесом и разработкой

Выявление проблем уже на этапе разработки

Неучтённые технические ограничения

Лекарство

Предварительный анализ задачи

Структурирование требований на этапе анализа

Использование согласованной структуры требований

Рецензирование постановки

Совместное согласование с техлидом

Проверка постановки тестировщиком

Груминг с участием всей команды разработки

Выгоды

Более структурированные и понятные требования

Раннее выявление рисков и ограничений

Снижение количества доработок требований

Повышение качества требований

Более точная оценка задач

Инструмент

Корпоративная база знаний

Шаблоны аналитических постановок

Чек-листы проверки постановки

Процесс ревью аналитических задач

DoR для upstream и downstream

Работа над плановой задачей начинается со статуса «Преданализ». Перед переходом в этот статус задача должна соответствовать критериям DoR для upstream, которые помогают понять её готовность к аналитической проработке. 

Upstream DoR:

  • эпик и задача оформлены по шаблону;

  • определены критерии приёмки для аналитика;

  • указана команда-исполнитель.

Основным критерием старта является наличие верхнеуровневого описания задачи, оформленного по утверждённому шаблону. На практике такое описание включает минимально необходимую информацию:

  • Бизнес-цель — описание задачи в формате user story;

  • Затрагиваемые системы — какие сервисы или модули участвуют в изменении;

  • Критерии готовности — что аналитик должен подготовить по итогам проработки;

  • Зависимости от других команд — внешние согласования и связанные задачи;

  • Дополнительный контекст — важные детали для качественного анализа.

Такая структура помогает аналитику увидеть границы задачи, её пользовательскую ценность и ключевые особенности реализации.

Мы отдельно зафиксировали обязательные критерии DoR для команды разработки.

Downstream DoR:

  • подготовлена согласованная постановка;

  • зафиксированы критерии приёмки для команды разработки;

  • пройден груминг;

  • выполнена оценка в Story Points.

Участие аналитика на этапе разработки

А с такими задачами и болями мы столкнулись на этапах downstream: 

Задачи 

Сопровождать реализацию задачи после передачи в разработку

Поддерживать требования в актуальном состоянии

Передать команде знания о реализованной функциональности

Решение

Вовлечение аналитика на всех этапах downstream

Актуализация постановки по мере реализации

Внедрение мероприятия аналитического демо

Боли

Расхождение реализации с изначальными требованиями

Неочевидные решения остаются «в голове» разработчиков

Сложно понять, как именно реализован функционал

Нет обмена опытом внутри команды

Повтор одних и тех же ошибок в будущих задачах

Лекарство

Регулярная актуализация постановки

Подготовка документации по итогам разработки

Проведение аналитического демо

Выгоды

Требования остаются актуальными в ходе реализации

Прозрачность принятых решений

Повышение качества реализации

Распространение знаний внутри команды

Использование накопленного опыта в новых задачах

Инструмент

Документация по реализованной функциональности

Актуализированная аналитическая постановка

Аналитическое демо

После перехода задачи в downstream аналитик продолжает сопровождать её реализацию. Он отвечает на вопросы команды, помогает разбирать возникающие нюансы и при необходимости уточняет требования.

Все изменения, возникающие в downstream, фиксируются в истории изменений аналитической постановки: что было скорректировано, по какой причине и на каком этапе реализации принято решение. За счёт этого команда всегда может быстро восстановить контекст, отследить принятые решения и понять, какие изменения повлияли на итоговую реализацию.

Аналитическое демо

После завершения разработки аналитик подготавливает документацию по реализованной функциональности и проводит аналитическое демо.

На демо команда разбирает:

  • бизнес-ценность реализованной задачи;

  • ключевые пользовательские сценарии;

  • интерфейсы и интеграции;

  • архитектурные решения и возникшие сложности;

  • практические выводы, полученные в ходе реализации.

Формат аналитического демо был внедрён относительно недавно, но уже показал свою ценность. Даже за короткое время команда успевает передать большой объём практического опыта — как по реализованной функциональности, так и по неочевидным решениям и рекомендациям.

Такая практика помогает делиться знаниями внутри команды, повышать общее понимание системы и учитывать накопленный опыт при подготовке новых требований.

В этой части мы показали общий процесс работы аналитиков — от формирования бэклога до сопровождения задачи на этапе разработки и передачи знаний по реализованной функциональности. Главный результат — выстроенный процесс, который помогает управлять потоком задач, повышать качество требований и делать знания внутри команды прозрачными.

Подробно этапы upstream-процесса разберём во второй части.