微服务产品级敏捷: 重新定义平台开发的需求管理

2016.11.9, 深圳, Ken Fang

微服务平台往往需要为多类不同的产品提供服务。

当多类不同的产品, 向微服务平台涌入海量的需求时, 微服务平台的需求分析人员, 便常常会为了如何为多类不同产品的需求, 进行优先级排序, 而耗费大量的时间、人力与物力; 顺了姑意, 却违了嫂意。

针对微服务平台在需求管理上所面临的严峻的挑战, 建议微服务平台在需求管理上, 应遵循下列的原则:

1. 避免产品的市场人员, 产品管理人员, 微服务平台的研发人员总是为了所谓的需求优先级, 工作量, 微服务平台的人力管道… 等等的议题, 而耗费大量的时间、人力, 彼此间进行著无谓的争吵。

因此, 市场、产品管理的负责人, 微服务平台的架构师, 应负起责任; 从产品市场与微服务平台架构的面向, 制订微服务平台需求管理的规则。

2. 微服务平台在需求管理决策上所需的面向 (纬度) , 应要能尽量的精简; 简单而不简化。以使微服务平台的需求管理决策, 能高效且精准的完成。使得微服务平台可高效且精准的决策, 快速的开发、部署, 快速的获得反馈, 快速的修正决策, 快速的持续改善。

3. 微服务平台的研发人员应更专注于各产品所提的需求的场景分析; 需求深度的挖掘。使得自身的微服务平台, 能以最少的工作量, 却能对各产品发生最大的正面影响。

基于微服务平台在需求管理上的原则, 微服务平台在需求管理上的作法, 建议如下:

1. 市场、产品管理的负责人在每个版本, 需制订各类产品的重要性权重。

例如: 共有 “A, B,C, D, E”, 5 类产品, 同时会在某版本中, 对某个微服务平台提出需求。

市场、产品管理的负责人, 便需依照市场的路标, 制订各类产品在某版本中的重要性权重。

A类产品

B类产品

C类产品

D类产品

E类产品

重要性权重

3

2

5

1

2

5: 最重要  1:最不重要

2. 微服务平台架构师在每个版本, 需制订各架构质量属性的重要性权重。

例如: 微服务平台架构师依照微服务平台的架构路标、架构质量现况与市场所需的产品竞争力, 制订架构各质量属性的重要性权重。

可靠性

性能

安全性

易用性

重要性权重

2

4

3

1

4: 最重要  1:最不重要

3. 微服务平台需求分析人员, 依照各类产品在某版本中的重要性权重与架构各质量属性的重要性权重, 计算出各类产品所提需求的重要性。

各类产品需求的重要性 = Σ各类产品在某版本中的重要性权重 * 架构各质量属性的重要性权重

A类产品

B类产品

C类产品

D类产品

E类产品

可靠性

性能

安全性

易用性

各类产品需求的重要性累计

重要性权重

3

2

5

1

2

2

4

3

1

R0001

V

V

3*1=3

R0002

V

V

5*4=20

R0003

V

V

V

2*4+2*3=14

R0004

V

V

V

V

1*4+1*3+1*1=13

R0005

V

V

V

2*3+2*1=8

4.  微服务平台需求分析人员, 便可将计算完重要性的各类产品需求, 依所算得的重要性, 依序放入到Program Backlog 中; 此时便完成了版本中需求的 “广度” 的定义。

5.  微服务平台需求分析人员, 再运用微服务产品级敏捷中的 “场景分析” 的工程实践, 与微服务平台的骨干人员, 举行 “价值业务场景切片” Workshop; 识别各类产品需求中 “有价值” 的 “业务场景切片”。

6.  微服务平台需求分析人员, 将由 “价值业务场景切片” Workshop , 所识别出的各类产品需求中 “有价值” 的 “业务场景切片”, 与市场、产品管理的负责人、架构师做再度的澄清与确认; 此时便完成了版本中需求的 “深度” 的定义。

7.  当版本中需求的 ”广度” 与“深度” 都已定义完成后, 微服务平台需求分析人员, 便可将各类产品需求中 “有价值” 的 “业务场景切片”, 从 Program Backlog依序放入到 Team Backlogs 中。此时, 团队便可正式进入微服务版本开发准备的阶段…

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏前沿技墅

从ITOM到AIOps:IT运维管理向智能运维的进化

1765
来自专栏BestSDK

3分钟让你分清,数据管理与数据治理的区别

 数据管理和数据治理有很多地方是互相重叠的,它们都围绕数据这个领域展开,因此这两个术语经常被混为一谈。   此外,每当人们提起数据管理和数据治理的时候,还有一...

2785
来自专栏CSDN技术头条

运行于云端的Hadoop——数据即服务的论证

导语 就像Docker是容器的代名词一样,Hadoop [hædu:p]也是大数据的代名词,作为云计算所青睐的一种分布式架构,这只黄色的小象也和那只蓝色的鲸鱼一...

1806
来自专栏ThoughtWorks

常用的几种大数据架构剖析 | 洞见

数据分析工作虽然隐藏在业务系统背后,但是具有非常重要的作用,数据分析的结果对决策、业务发展有着举足轻重的作用。随着大数据技术的发展,数据挖掘、数据探索等专有名词...

2936
来自专栏大数据和云计算技术

数据治理的基本概念

刘同学的第四篇,坚持就是胜利,太棒了。 在 2009年,《大数据资产:聪明的企业怎样致胜于数据治理》一书中提到,如果基本数据不可靠,大多数企业的大数据计划或者失...

3115
来自专栏程序你好

如何进行有效的数据管理

在过去的半个世纪里,数据管理极大地改变了计算机处理数据的方式。如今,数据可以不按顺序存储,而且仍然可以有效地使用。适当数据管理的有用性并没有丧失,因为它的原则远...

612
来自专栏架构之美

转转大数据平台从 0 到 1 演进与实践

912
来自专栏PPV课数据科学社区

数据管理与数据治理的区别

当我们谈数据资产管理时,我们究竟在谈什么?就目前而言,我们谈论得最多的非数据管理和数据治理这两个概念莫属。但是对于这两个概念,两者的准确定义是什么,具体区别又...

3486
来自专栏大数据挖掘DT机器学习

【经验】数据质量在商业智能中扮演的角色

对于增强数据资产准确度和价值而言,将数据质量规则与活动(探查、清洗和监测)和MDM流程相集成显得十分关键。在启动任何MDM项目之前,您都需要了解源数据...

3375
来自专栏数据之美

转转数据平台从 0 到 1 的演进与实践

1、背景 在转转开始大数据平台建设之前,整个数据从需求提出到研发流程再到数据报表、数据产品,也是经历过一段非常混沌的时期,而且效率和质量往往很难得到保障,主要表...

1866

扫码关注云+社区