Astra gpt-6-astra · effort ultra срез: 2026-09-20 источников: 66 слов: 16316 complete

Методы оценки и приоритизации: от формул к проверяемым решениям

Приоритизация требует разделять выбор направлений, оценку ценности, отбор портфеля и очерёдность исполнения. Практическая основа — ограничения ёмкости, проверяемые основания, экономическая оценка крупных ставок и ретроспектива прогнозов; универсальная формула этого не заменяет.

Вердикт

Рекомендуемая конструкция — корзины ёмкости, оценка последствий решения и журнал проверяемых прогнозов, а не единый рейтинг всех инициатив компании. гипотеза Для компаний 20–500 человек разумен конвейер: обязательные ограничения → распределение ёмкости → короткий список возможностей → экономическая оценка крупных ставок → выбор выполнимого набора → очерёдность → проверка результата. гипотеза RICE, ICE и взвешенные матрицы полезны как дисциплина сравнения похожих вариантов, но их баллы сами по себе не доказывают экономическую ценность и не решают задачу портфеля. гипотеза

Деньги подходят как общая валюта лишь там, где прослеживается причинная связь с денежным потоком; иначе следует сохранять натуральный результат и отдельно показывать политическое решение о доле ресурсов. гипотеза Cost of delay помогает выбирать очередность уже обоснованных работ, NPV — сопоставлять денежные последствия, а value of information — решать, какое неизвестное стоит исследовать. гипотеза Kano, MaxDiff, conjoint и opportunity scoring изучают разные стороны клиентских предпочтений и не являются готовыми заменами экономической оценки. гипотеза

Самая сильная простая альтернатива скорингу — ограниченный набор качественных ставок с явным пределом потерь, владельцем и условием остановки. гипотеза Главный практический риск — точные вычисления над несопоставимыми предположениями, особенно когда влияние, уверенность и трудоёмкость выражены произвольными баллами. гипотеза Уверенность в математических ограничениях и необходимости проверять прогнозы высокая, в универсальном превосходстве какого-либо брендированного метода низкая: доступные источники не дают общего сравнительного испытания методов на портфелях компаний этого масштаба. гипотеза

Что это и как работает

1.1. Четыре разные задачи, которые нельзя сводить к одному score

Единица решения — изменение относительно альтернативы, обычно «ничего не менять», «сделать меньшую версию» или «провести исследование». Даже подробная оценка инициативы неполна, если не указан этот контрфактический вариант. Следующее разделение — предлагаемая архитектура методологии, а не общепринятый стандарт. гипотеза

Задача Вопрос Результат Подходящие механики
Распределение ресурсов Какие направления заслуживают ёмкости? Ограничения по корзинам и компетенциям Корзины, качественные правила, стратегические ставки
Оценка Какие последствия вероятны? Распределение эффектов и затрат NPV, ожидаемая ценность, клиентские данные, reference classes
Отбор Какой набор помещается в ограничения? Выполнимый портфель Сравнение наборов, зависимости, ограничения риска
Последовательность Что начать следующим? Порядок и условия пересмотра CoD/CD3, stack ranking, betting table

Список приоритетов не является расписанием: один и тот же лидер списка может быть недоступен из-за зависимости, занятого специалиста или отсутствия готового решения. Roadmap передаёт намерение, а оценка трудоёмкости здесь используется только как вход. гипотеза

1.2. Математическая гигиена

Тип данных Что означает Что допустимо Опасная подмена
Категория Тип работы, Must/Should, Kano-класс Фильтр, частоты, правила Присвоить классам 1–5 и объявить интервалы измеренными
Порядковая шкала «Выше/ниже», low/medium/high Упорядочивание Считать, что 4 означает вдвое больше 2
Интервальная шкала Равные разности имеют смысл Сравнение разностей Деление без содержательного нуля
Шкала отношений Есть единица и содержательный ноль Суммы и отношения при совместимых единицах Сложение разных горизонтов или разных объектов
Вероятность Частота/убеждение о конкретном событии Ожидаемая ценность, proper scoring rules Называть уверенность в документе вероятностью успеха

Числа, назначенные категориям, можно использовать как договорную функцию предпочтений, но это отдельное управленческое допущение, а не измерение. В иллюстрации оценки двух вариантов по двум критериям равны A=(3,3), B=(2,5): произведения 9 и 10 выбирают B. Допустимое для порядковой шкалы монотонное перекодирование 2→2, 3→4, 5→5 сохраняет все исходные порядки, но произведения 16 и 10 выбирают A. Следовательно, результат зависит от произвольной кодировки шкалы. гипотеза

У деления на effort две разные ловушки: ошибка знаменателя раздувает score и высокий score не гарантирует лучший набор неделимых проектов. В иллюстрации бюджет ёмкости 10, инициативы A=(ценность 12, effort 6), B=(9,5), C=(9,5): жадный выбор по value/effort берёт A и получает 12, тогда как B+C дают 18. Это контрпример универсальности рейтинга, а не аргумент против учёта стоимости. гипотеза

  • Горизонт фиксируется до оценки. «100 клиентов в месяц» нельзя прямо сравнивать с «100 клиентов за год». гипотеза
  • Произведение средних не равно среднему произведения. В общем случае E[XY]=E[X]E[Y]+Cov(X,Y); пренебрежимо малую ковариацию влияния и охвата нужно обосновать, независимость — достаточное условие. гипотеза
  • Отношение ожиданий не равно ожиданию отношения. E[V]/E[E] и E[V/E] отвечают на разные вопросы; распределение effort около нуля особенно опасно. гипотеза
  • Уверенность не обнуляет затраты. При выгоде B в случае успеха, нулевой выгоде неуспеха и неизбежной стоимости C, не включённой в B, ожидаемая чистая ценность pB−C, а не p(B−C). гипотеза
  • Веса фиксируются до просмотра победителя. Иначе формула становится способом оформить уже принятое решение. гипотеза

1.3. Скоринг-формулы

Метод Входы и точная процедура Что означает результат Данные и цена получения Статус метода
RICE R×I×C/E; R — охват за заданный период; I — 3/2/1/0,5/0,25; C — 1/0,8/0,5; E — человеко-месяцы Эвристически скорректированный impact на единицу труда в авторской шкале Аналитика охвата, исследование эффекта, участие исполнителей; дорого именно обоснование I Описание практики Intercom, не сравнительное испытание точности факт [S1]
ICE В описании GrowthHackers: (I+C+E)/3, каждый фактор 1–10; Ease возрастает с простотой Быстрое относительное предпочтение тестов Гипотеза эффекта, прошлые тесты, консультация исполнителя Авторская практика, не валидированная измерительная шкала факт [S2]
SAFe WSJF Relative CoD / relative duration; в числителе user/business value, time criticality, risk reduction/opportunity enablement Приоритет внутри совместно оценённого набора Совместная оценка относительных факторов и размера Официальное определение; подробности текущей страницы требуют входа факт [S3]
Взвешенная матрица Sᵢ=Σwⱼvⱼ(xᵢⱼ), wⱼ≥0, Σwⱼ=1; сначала шкалы ценности v, затем trade-off weights Предпочтение при заданных целях и компромиссах Определение критериев, крайних значений, весов, анализ чувствительности MCDA имеет формальную теорию; произвольная таблица 1–5 не равна корректной MCDA факт [S4]
Theme scoring Темы оцениваются по критериям 1–5 относительно базовой темы с оценкой 3; затем взвешиваются Относительное соответствие выбранным критериям Воркшоп владельцев направлений; небольшой расчётный труд Процедура Mike Cohn/Mountain Goat Software факт [S5]
Value vs effort Две оси, сначала доминирование, затем обсуждение компромисса; иногда V/E Карта вариантов, а не обязательно полный порядок Грубые диапазоны эффекта и труда Здесь рассматривается как общая процедура, без единственного стандарта гипотеза
Kano-взвешенный score Численные множители присваиваются Kano-классам и объединяются с другими факторами Предпочтение, заданное авторами весов Kano-опрос плюс нормативные веса Единой канонической формулы не установлено; коэффициенты требуют отдельного обоснования гипотеза

RICE полезен внутри одного типа продуктовых изменений, если охват не дублирует уже агрегированный эффект. Его Confidence — эвристический штраф за слабые основания, а не калиброванная вероятность; повторное умножение на него вероятностно скорректированной выгоды может дважды учесть один риск и занизить ожидаемую выгоду. гипотеза Исходное описание допускает отступление от рейтинга из-за зависимостей и обязательного минимума. факт [S1]

ICE необходимо хранить с версией формулы: распространённое произведение I×C×Ease и среднее дают разные ответы. Для иллюстрации A=(10,2,10), B=(6,6,6): среднее выбирает A (7,33 против 6), произведение B (216 против 200). При обычных порядковых оценках ни один вариант не превращает результат в экономическую величину. гипотеза

SAFe WSJF нельзя автоматически называть денежным CD3. Даже если формально сумма трёх относительных факторов делится на размер, единица результата остаётся условной, а одинаковые численные значения business value и time criticality не доказывают одинаковых денежных потерь. Для внутренней реализации следует записывать формулу как (BV+TC+RR_OE)/size, с явной пометкой «относительная эвристика»; наличие этих компонент подтверждается открытой частью официальной страницы, а полный текущий протокол шкал не проверен. гипотеза [S3]

В корректной взвешенной матрице вес относится к изменению от худшего к лучшему значению критерия, а не просто к абстрактной «важности». Аддитивная модель требует независимости предпочтений, которая отличается от статистической независимости; нельзя дважды учитывать один эффект под именами retention и LTV. Жёсткий запрет лучше проверять до суммы: высокие продажи не должны компенсировать невыполнимое обязательное условие. факт [S4]

Опорные значения шкалы следует фиксировать в версии модели. При нормализации по минимуму и максимуму текущего списка добавление новой инициативы меняет scores прежних без изменения их свойств; такой относительный режим нужно явно обозначать. В шкале v большее значение означает предпочтительный результат, поэтому снижение затрат кодируется самой функцией ценности, а не скрытым изменением смысла веса. гипотеза

Без отдельного прогноза наблюдаемого эффекта score нельзя проверить как прогноз бизнес-ценности. MCDA вправе моделировать предпочтения, не претендуя на измерение денег; но эффект в собственных баллах нельзя автоматически считать фактом после выпуска. Нужны одновременно score для обсуждения и отдельный прогноз наблюдаемого результата. гипотеза

1.4. Экономические методы

NPV, ROI и ожидаемая ценность

NPV оценивает приведённые денежные последствия, а не «стратегическую важность». Для периода t и сценария s: NPV_s=Σ[t=0..T] ΔCF_s,t/(1+r)^t, E[NPV]=Σ_s p_s×NPV_s, где вероятности взаимно исключающих исчерпывающих сценариев дают единицу. Ставка и денежные потоки должны использовать одинаковый период и одинаковое понимание инфляции; официальное руководство Green Book 2026 также рассматривает оценку альтернатив, неопределённость и оптимистическое смещение, но его государственные ставки не являются ставками частной компании. факт [S6]

Показатель Рабочее определение Для чего нужен Где ломается
NPV Приведённая сумма дополнительных денежных потоков Большие, долгие, денежно прослеживаемые решения Нет контрфакта, пропущены сопровождение/каннибализация, фиктивный terminal value
Expected value ΣpₛVₛ; результат может включать убыток Сопоставление альтернатив под неопределённостью Среднее скрывает банкротство, корреляции и лимит допустимого убытка
ROI (дополнительная выгода−дополнительные затраты)/затраты за объявленный горизонт Вторичный показатель эффективности вложения Не определяет масштаб, сроки потока и лучшую комбинацию
Payback Первый t, когда накопленный дополнительный поток покрывает вложение Ограничение ликвидности Игнорирует позднюю ценность и риск после окупаемости

Таблица задаёт предлагаемые определения корпоративной модели, а не утверждает единую бухгалтерскую трактовку всех ROI. В иллюстрации проект с затратой 1 и выгодой 3 имеет ROI 200%, а проект с затратой 100 и выгодой 180 — 80%; при достаточной ёмкости второй создаёт больше абсолютной ценности. Положительная ожидаемая NPV не разрешает ставку, которая способна лишить компанию оборотных денег. гипотеза

Данные стоят дороже формулы: нужны baseline, дополнительные продажи или экономия, маржа, расходы внедрения и сопровождения, сценарии принятия решения клиентами, временной профиль. Достаточно грубой модели с диапазонами, если лидер устойчив; уточнение всех строк одинаково подробно расточительно. Точность определяется входами и проверкой причинности, а не наличием знака валюты. гипотеза

Cost of delay, CD3 и очередь

Cost of delay — потеря ценности от переноса, а не стоимость разработки. В денежной модели на одной дате оценки L(t,δ)=NPV(start=t)−NPV(start=t+δ) и CoD(t)≈L(t,δ)/δ; денежный CD3 делит CoD на длительность занятия ограничивающего ресурса. Arnold использует этот показатель для последовательности, а Reinertsen связывает его с экономикой потока. факт [S7, S8]

Оптимальность отношения имеет строгие границы: порядок по убыванию wᵢ/pᵢ минимизирует ΣwᵢCᵢ для одной машины, всех доступных в начале независимых работ, wᵢ≥0 и известной длительности pᵢ>0, когда стоимость ожидания линейна. Это доказательство правила Smith, а не эмпирическое доказательство качества бизнес-прогнозов или относительных SAFe-баллов. факт [S9]

Ситуация Нужная модель Практическое следствие
Постоянная потеря в неделю CoD=c, CD3=c/d Можно сравнивать готовые независимые работы на одном ограничении
Сезонное окно Потеря скачком около даты Нужны сценарии дат; среднее €/нед может скрыть обрыв
Ухудшение с возрастом CoD(t) растёт Пересчитывать очередь при изменении состояния
Срочная авария Ограничение ущерба и восстановление Не ждать очередного скорингового заседания
Несколько команд и зависимости Сеть работ и общие ограничения Одиночный CD3 не гарантирует лучший график

Это авторское сопоставление применимости. Размер в человеко-неделях и календарная длительность не взаимозаменяемы: параллельная работа десяти человек неделю занимает календарную неделю, но потребляет десять человеко-недель. При зависимостях следует оценивать целый пакет до получения выгоды и его путь через ограничения; сам Arnold отдельно обсуждает параллельность и последовательность. гипотеза [S10]

Юнит-экономика

LTV/CLV — ожидаемая ценность клиентских потоков, а не универсальная формула ARPA/churn. Fader и Hardie предлагают суммировать ожидаемый поток при активном клиенте, умноженный на вероятность активности и дисконт-фактор; они различают контрактную и неконтрактную среду, возраст клиента и момент первого платежа. факт [S11]

Вход или формула Что обязательно уточнить Решение, которое поддерживает
E[CLV]=Σ E[margin_t \| active_t]×P(active_t)/(1+r)^t Когорта, маржа, расходы обслуживания, горизонт, начало отсчёта Сколько стоит сохранить или привлечь конкретный тип клиента
CAC=затраты привлечения / число новых клиентов Какие расходы включены, лаг затрат к клиентам, paid/blended/new Какой канал масштабировать
CAC payback≈CAC/(ARPA_month×gross_margin_fraction) Стабильность маржи/выручки, одинаковые единицы, churn Насколько быстро возвращается затраченная ликвидность
Δvalue=E[CLV при изменении]−E[CLV без изменения]−Δзатраты Причинный эффект именно инициативы Стоит ли улучшение retention или конверсии

В таблице — предлагаемые рабочие формулы; приближение payback игнорирует изменение потока и отток. Отраслевой KBCM SaaS Survey определяет payback через валовую прибыль, а не только выручку, что подтверждает необходимость учитывать gross margin. Ни популярное LTV:CAC=3, ни окупаемость за 12 месяцев здесь не принимаются как универсальная норма. гипотеза [S12]

Базовая ошибка — оценивать функцию всем LTV затронутых клиентов. Нужен дополнительный эффект: сколько клиентов изменят поведение именно из-за функции и на какой срок. Данные из CRM, биллинга и когортной аналитики умеренно дороги при налаженном учёте, но причинный uplift часто требует отдельной проверки. гипотеза

Real options: право продолжить после получения информации

Реальный опцион создаёт ценность через изменяемость будущего решения: отложить, расширить или прекратить инвестицию. У Damodaran важны наличие права, неопределённость, срок действия и ограниченность доступа к возможности; механический перенос финансового option pricing на обычный проект может завысить стоимость. факт [S13]

Практический вариант — дерево этапов: заплатить c за пилот, увидеть сигнал y, затем выбрать max(0, E[будущая выгода−оставшиеся затраты | y]). Ценность этапного пути равна −c+E_y[max_a E[V_remaining(a)|y]]; сравнивать её нужно с лучшим доступным действием сейчас, учитывая цену задержки. Если продолжение фактически неизбежно, «пилот» не даёт заявленного права остановиться. гипотеза

Applied information economics и value of information

AIE — сборка анализа решений, калибровки неопределённости и целевых измерений. Hubbard Decision Research описывает её как способ измерять те неизвестные, которые способны изменить решение; заявления об успехах всей методологии принадлежат её поставщику. вендор [S14]

Ценность информации определяется изменением выбора, а не точностью данных самой по себе. Для действий a, неизвестного состояния θ и результата исследования Y используются следующие величины. факт [S15]

EV_current = max_a Eθ[V(a,θ)]
EVPI = Eθ[max_a V(a,θ)] − EV_current
EVSI = EY[max_a Eθ[V(a,θ) | Y]] − EV_current
Net_information_value = EVSI − cost_of_measurement − loss_due_to_waiting

EVSI не превосходит EVPI при одной модели и оптимальном использовании информации; если верхняя граница EVPI ниже цены исследования, исследование не окупится в этой модели. AIE использует такие расчёты для направления измерений, но value of information не является изобретением бренда AIE. факт [S16, S15]

Иллюстрация ценности пилота: запуск даёт +100 тыс. € при успехе и −40 тыс. € при неудаче, вероятность успеха 0,3; отказ даёт ноль. Лучшее действие сейчас — запуск с EV=2, идеальная информация даёт 30, поэтому EVPI=28 тыс. €. У теста чувствительность 0,8 и специфичность 0,8: P(+) =0,38, P(success|+)=0,24/0,38, P(success|−)=0,06/0,62; после «+» запуск выгоден, после «−» лучше отказ. Ожидаемая ценность с тестом до его цены равна 0,24×100−0,14×40=18,4, EVSI=16,4; при цене теста 6 и потере задержки 3 чистая добавленная ценность информации составляет 7,4 тыс. €. гипотеза

Достаточно таблицы сценариев, если число ключевых неизвестных мало. Подробная вероятностная модель оправдана, когда ставка крупная и ответ действительно меняет выбор; нельзя подменять неизвестную информативность теста обещанием «мы получим больше уверенности». гипотеза

1.5. Методы на данных о клиентах

Kano: разные формы удовлетворённости

Kano задаёт пару вопросов о каждой функции: реакция на её наличие и на отсутствие, с пятью вариантами от «нравится» до «не нравится». Ответы классифицируют как A — attractive, O — one-dimensional, M — must-be, I — indifferent, R — reverse, Q — questionable; нужно сохранять распределение, поскольку модальная категория скрывает сегменты и неоднозначность. факт [S17]

Классы различаются реакцией на наличие и отсутствие: A радует наличием без недовольства отсутствием, M вызывает недовольство отсутствием и воспринимается как должное при наличии, O влияет на удовлетворённость в обе стороны. I означает безразличие, R — обратное предпочтение, Q — противоречивое сочетание ответов. факт [S17]

Наличие \ Отсутствие Нравится Должно быть Нейтрально Могу принять Не нравится
Нравится Q A A A O
Должно быть R I I I M
Нейтрально R I I I M
Могу принять R I I I M
Не нравится R R R R Q

Для частот ответов D=A+O+M+I, Better=(A+O)/D, Worse=−(O+M)/D; R и Q исключаются из знаменателя, но сохраняются отдельно. R может отражать настоящую противоположную потребность сегмента, Q требует проверки противоречия или понимания вопроса. Таблица и коэффициенты описаны в CQM compendium. факт [S17]

При D=0 коэффициенты не определены: отсутствие классификаций A/O/M/I нельзя превращать в нулевую удовлетворённость. гипотеза

Это классификация ожиданий, а не прогноз денег. Иллюстрация: обязательный для сегмента экспорт может требовать минимально приемлемого уровня, но его дальнейшее улучшение не становится бесконечно ценным. Цена данных — понятные сценарии, предварительное тестирование вопросов, выборка по сегментам и повторное измерение при изменении рынка; для незнакомой функции реакция на словесное описание особенно ненадёжна. гипотеза

MaxDiff / best-worst scaling

MaxDiff различает относительные предпочтения списка: респондент многократно выбирает лучший и худший объект в небольших поднаборах. Дизайн балансирует показы, модель оценивает utility; техническая документация Sawtooth описывает logit/HB и предупреждает о смешении силы предпочтения с шумом ответов. Нормировка utility в 0–100 не создаёт денежную шкалу. факт [S18]

Модель ответа нужно назвать явно. В варианте best/worst logit P(best=i)=exp(uᵢ)/Σexp(uⱼ) и P(worst=i)=exp(−uᵢ)/Σexp(−uⱼ); это одна модель, а не единственная формула всех best-worst исследований. Без anchor невозможно отличить «лучшее среди ненужного» от действительно приемлемого продукта. факт [S18, S19]

Применение — длинный список понятных потребностей одного сегмента. Нужны рекрутинг, экспериментальный дизайн, контроль ответов, интервалы и holdout; простой подсчёт (best−worst)/число показов допустим как описательная сводка сбалансированного дизайна, но не как полноценная индивидуальная модель спроса. Полученные предпочтения затем соединяются с затратами и возможностью реализации. гипотеза

Conjoint / choice-based conjoint

Conjoint изучает компромиссы между конфигурациями: задаются атрибуты и уровни, затем выбор между пакетами, включая отказ. В простой CBC-модели Uⱼ=Σβₖxⱼₖ, P(j)=exp(Uⱼ)/Σexp(Uₗ); предусмотренные взаимодействия добавляются отдельно. Part-worth оцениваются по ответам, а не назначаются менеджером. факт [S20]

Willingness to pay относительна к выбранной альтернативе. В линейной локальной модели WTP=−ΔU/β_price при отрицательном ценовом коэффициенте, но это не гарантированная реализуемая цена; бюджет клиента, конкуренты и вариант None меняют выбор. Sawtooth предостерегает от сложения независимых WTP и простой конвертации каждого utile в деньги. мнение [S21]

Метод оправдан для повторяемых решений о цене, комплектации и пакетах, когда ошибка дорогая. Требуются специалист, пилот дизайна, реалистичные уровни, достаточное число наблюдений и внешняя проверка поведения; для нескольких мелких функций подготовка может стоить больше решения. Отсутствующий в дизайне фактор не получит оценённого влияния. гипотеза

Opportunity scoring Anthony Ulwick

Объект оценки — желаемый результат клиента, а не готовое решение. Каноническая формула Strategyn: O=I+max(0,I−S), где I — importance, S — satisfaction; высокое значение обозначает важную, недостаточно удовлетворённую потребность. факт [S22]

Входы разных описаний несовместимы без преобразования: Eric Eskey объясняет I/S через доли top-two-box, но печатает формулу без max; другая страница Strategyn говорит о десятибалльной шкале и использует max. Следовательно, имя метода не определяет ни исходную шкалу, ни вариант алгоритма. факт [S23, S24]

Рабочая версия для продукта должна быть фиксирована. В иллюстрации I=0,8 и S=0,3 как доли дают O=1,3 на шкале 0–2; умножение входов на десять даст 13 на шкале 0–20. При I≥S формула равна 2I−S: двойной коэффициент важности является встроенным предпочтением, а не обнаруженным законом спроса. Цена исследования определяется формулировкой outcomes и выборкой, а не вычислением score. гипотеза

Данные использования и запросов

Поведение и запросы — свидетельства с разными смещениями. Использование показывает контакт с уже существующей функцией, а запрос — сформулированную потребность доступного канала; ни одно не измеряет автоматически эффект будущего изменения. Нужно различать людей, аккаунты, события, заинтересованную выручку и дополнительную выручку. гипотеза

Сигнал Полезный вход Проверка перед оценкой ценности
Воронка Охват, baseline, место потери Ошибка события, смена аудитории, сезонность
Support/CRM Проблема и контекст сегмента Дубли аккаунтов, активные просители, молчащие клиенты
Usage Частота использования Обязательное использование не равно любви; редкость не равно бесполезности
Выручка аккаунтов Размер экспозиции Какая доля реально изменится из-за решения?
Эксперимент Причинный uplift в условиях теста Мощность, guardrails, взаимодействия, перенос на долгий срок

Таблица — предлагаемое правило интерпретации, требующее внутренних данных. На практике Productboard CIS взвешивает запросы и дедуплицирует повторные сигналы пользователя, а aggregated customer fields могут суммировать ARR заинтересованных аккаунтов; эти продуктовые функции не определяют причинный прирост ARR. гипотеза [S25, S26]

Buy-a-feature Luke Hohmann

Игровой бюджет заставляет договариваться о компромиссах. В авторском описании 4–7 клиентов выбирают из 14–30 функций с назначенными ценами; средств хватает примерно на 1/3–2/3 набора, а дорогие функции требуют коалиций. Фиксируются покупки и причины переговоров; это не обещание реализации. факт [S27]

Результат — качественное свидетельство о предпочтениях под ограничением, не готовая willingness-to-pay реальными деньгами. Цены задаёт организатор, доминирующий участник влияет на группу, покупки в коалиции не независимы; для B2B следует отдельно учитывать роль человека и его организацию. Метод целесообразен после короткого списка, если интервью возвращают «нужно всё»; точность прогноза бизнес-ценности в найденных источниках не установлена. гипотеза

1.6. Подходы без скоринга и MoSCoW

Подход Процедура и входы Результат и ограничение Основание
Stack ranking Владелец сравнивает соседние варианты и записывает причины порядка Однозначный порядок, но без величины разрыва и проверки выполнимости Общая процедура, не единая брендированная методика гипотеза
Shape Up betting table Несколько подготовленных pitches, appetite, доступные команды, выбор ставок; у Basecamp цикл 6 недель и cool-down 2 недели Ограниченное обязательство и circuit breaker; outcome не гарантирован Авторская практика факт [S28]
Корзины Сначала выделить ресурсы направлениям, затем сравнивать внутри Видимый стратегический выбор; доли требуют пересмотра Strategic buckets Cooper/Edgett факт [S29]
Now-next-later Разделить текущие обязательства, следующие возможности и дальние намерения Коммуникация горизонтов; метод сам не вычисляет ценность Авторское описание Bastow факт [S30]
North Star / одна метрика Проверить причинную связь инициативы с выбранным результатом и ограничителями Фильтр внимания; одной метрики мало для риска, обязательств и неоднородных бизнесов Amplitude описывает замену своей North Star после изменения стратегии факт [S31]
Правила и вето До обсуждения scores установить запреты, обязательные условия, владельца исключений Отсечение недопустимого; нужна проверяемая причина Предлагаемая governance-механика гипотеза
MoSCoW Must, Should, Could, Won’t Have this time в указанном timeframe Классификация обязательств и изменяемого объёма, не полный рейтинг DSDM/Agile Business Consortium факт [S32]

Must в MoSCoW означает неприемлемость выпуска без требования, а не громкость заказчика. DSDM рекомендует обычно не более 60% effort для Must и около 20% для Could; Won’t текущего периода исключаются из расчёта, категории пересматриваются по временным горизонтам. Это рекомендации управления запасом объёма, не экспериментально установленный оптимум и не доли количества карточек. факт [S32]

Качественный выбор может быть строгим, если фиксируются ожидаемый результат, альтернативы, предел потери, запрещающие условия и ответственный. В маленькой команде это дешевле еженедельного пересчёта сотен scores; при нескольких руководителях без журнала оснований легко превращается в неявный HiPPO. гипотеза

1.7. Ёмкость и корзины как самостоятельная механика

Корзина — ограничение распределения, а не множитель ценности. Базовый порядок «сначала стратегические конверты ресурсов, затем приоритеты внутри» описан Cooper/Edgett; ниже предлагается упрощённая операционная версия для компании 20–500 человек. факт [S29]

C_available(r,t) = C_gross(r,t) − C_leave(r,t) − C_BAU(r,t) − C_overhead(r,t)
C_allocatable(r,t) = C_available(r,t) − Reserve_initial(r,t)
Budget(bucket,r,t) = share(bucket,r,t) × C_allocatable(r,t)
Σ_bucket share(bucket,r,t) = 1
Σ_bucket approved_transfer(bucket,r,t) = 0
Σ_i allocation(i,bucket,r,t) ≤ Budget(bucket,r,t) + approved_transfer(bucket,r,t) + reserve_grant(bucket,r,t)
reserve_grant(bucket,r,t) ≥ 0
Reserve_remaining(r,t) = Reserve_initial(r,t) − Σ_bucket reserve_grant(bucket,r,t) ≥ 0
Actual_use(bucket,r,t) = Σ_i actual_effort(i,r,t) × bucket_fraction(i,bucket)
Σ_bucket bucket_fraction(i,bucket) = 1

Предлагаемая модель хранит ёмкость по ресурсу r и периоду t, а не только общую сумму человеко-недель. Нельзя закрыть нехватку специалиста по данным свободными неделями дизайнера; нельзя одновременно вычесть поддержку из available и повторно включить её в корзину. Для многокорзинной инициативы учитывается доля труда, а эффект распределяется по отдельному правилу, чтобы его не удвоить. гипотеза

Выдача из резерва — отдельная балансирующая операция: увеличение доступного ресурса получателя на x уменьшает остаток резерва на x. Budget считается от первоначального резерва и не пересчитывается после выдачи; получателем может быть отдельная корзина незапланированной работы с исходным бюджетом ноль. Отчёт показывает обе стороны и сохраняет исходную политику. гипотеза

Решение политики Практическое правило Основание изменения
Ось разделения Одна основная ось: тип работы, продукт или горизонт; остальные — теги/аналитика Вторая ось нужна лишь при реальном конфликте ресурсов
Начальные доли Обязательный минимум, ожидаемая поддержка, предел риска, затем сравнение нескольких распределений Нет универсального 70/20/10
Нижний предел Только для реально защищаемого обязательства или долгосрочного направления Слабые проекты не запускать ради заполнения квоты
Резерв Отдельная незанятая ёмкость под наблюдаемые классы незапланированного Использование резерва учитывается, а не исчезает
Перенос Запись «откуда → куда → сколько → кем → почему → до когда» Увеличение одной корзины уменьшает другую
Пересмотр На горизонте политики и при существенном новом свидетельстве Изменение долей не переписывает исходный план

Это правила предложения, а не эмпирически установленные нормы. Размер долей выбирается сравнением последнего включаемого и первого исключаемого варианта по корзинам, с учётом непереводимых целей и риска; при отсутствии денежной сопоставимости остаётся явное решение руководителя. Процент выполнения бюджета измеряет потребление, а не ценность и не эффективность людей. гипотеза

1.8. Единая валюта ценности

Рекомендуется единая семантика, а не обязательная монетизация всего. Базовая запись должна сохранять натуральный эффект, способ превращения в деньги, горизонт и распределение неопределённости. Если конвертации нет, поле денежной ценности остаётся неизвестным, а решение принимается внутри отдельной корзины или по явно заданным предпочтениям. гипотеза

Валюта Определение Разрешённая конвертация Запрещённый скачок
€ дополнительного contribution за 12 месяцев Дополнительная выручка минус переменные расходы и оговорённое сопровождение Наблюдаемый эффект × причинная модель маржи ARR всех попросивших функцию = её выгода
NPV, € на дату оценки Дисконтированные дополнительные потоки с затратами Через временной профиль и принятую ставку Сравнивать nominal с real, разные валюты без курса
€/неделю CoD Изменение NPV при задержке Пересчёт сценария времени NPV/52 без обоснования формы потерь
Натуральная единица Часы, ошибки, удержанные аккаунты, выполненные задачи По доказуемому предельному эффекту Высвобождённые часы = сокращённая зарплата
Условная value unit Договорная единица функции предпочтений Только внутри версии шкалы и контекста 100 баллов = 100 тыс. € без модели

Формула экономии времени требует коэффициента реализации: V=Δhours×marginal_value_per_hour×realization_fraction−incremental_cost. В иллюстрации 1 000 высвобождённых часов при ставке 30 €/час и реализации 0,2 дают 6 000 €, а не 30 000 €; если часы не превращаются ни в меньшие расходы, ни в дополнительный результат, денежная экономия не доказана. Коэффициент реализации — самостоятельный прогноз с источником и последующей проверкой. гипотеза

Бюджетные жетоны отличаются от единиц результата. Если руководству выдано 100 жетонов для распределения ресурсов, это выявляет предпочтения и компромиссы, но не создаёт 100 наблюдаемых единиц будущей ценности. Конвертацию preference points в деньги можно вводить только как явно нормативную готовность платить, не как прогноз рыночного эффекта. гипотеза

1.9. Ретроспектива и калибровка прогнозов

Reference class forecasting начинает с внешнего сходства, затем строит распределение результатов похожих случаев и помещает новый случай в это распределение. Это способ исправлять внутренний оптимизм, а не готовый универсальный коэффициент для любой инициативы. факт [S33]

Журнал замораживает прогноз до решения: популяция, контрфакт, дата, горизонт, версия эффекта, распределение, источник, оценщик и критерий разрешения. После срока проверки добавляется фактическое наблюдение с неопределённостью и способом атрибуции, а исходный прогноз не редактируется. Следующие формулы — предлагаемая минимальная система ретроспективы. гипотеза

Вопрос Формула Ограничение
Есть ли систематическое завышение? bias=mean(forecast−actual) в одной валюте Большие проекты доминируют; смотреть также классы
Насколько велика ошибка? MAE=mean(abs(forecast−actual)) Масштабозависима; actual тоже имеет ошибку
Какая доля выгоды реализуется? k=Σactual_benefit/Σforecast_benefit Только сопоставимые положительные gross benefits; не смешивать с net около нуля
Калиброваны ли интервалы? coverage_q=count(Lᵢ≤actualᵢ≤Uᵢ)/n Вместе с шириной и выборкой; огромные интервалы легко покрывают всё
Насколько точны вероятностные прогнозы? BS=mean((pᵢ−yᵢ)²), y принимает 0 или 1 Здесь бинарная конвенция 0–1; показатель смешивает калибровку и различение исходов
Калиброваны ли вероятности? В группах близких p сравнить mean(p) с mean(y) Нужны интервалы неопределённости и достаточное число разрешённых событий
Различает ли прогноз сильные и слабые ставки? Результаты по заранее заданным группам предсказанного эффекта Калибровка среднего сама по себе не даёт полезного ранжирования

Систематический оптимизм исправляется распределением reference class, а при малом объёме — осторожной поправкой с сохранением сырого прогноза. Предлагаемое сглаживание k_adjusted=λk_class+(1−λ)k_parent уменьшает переобучение на нескольких случаях; λ выбирается по проверке на отложенных данных, а не объявляется универсальной константой. Для отрицательных эффектов, нулевых баз и больших выбросов нужны ошибки в абсолютных единицах или сценарная модель, а не механический ratio. гипотеза

Вес сглаживания ограничен 0≤λ≤1; если отложенная проверка пока невозможна, выбранный вес остаётся управленческим допущением. гипотеза

Ретроспектива наблюдает только часть возможных исходов. У отменённой до реализации идеи нет actual бизнес-эффекта реализации; у завершённых инициатив результат зависит от отбора, исполнения, контекста и причинной атрибуции. Отмены, нулевые эффекты, незрелые результаты и отсутствие данных нужно сохранять отдельными состояниями, иначе успешные survivors исказят reference class. гипотеза

Калибровка — приобретаемый навык, но перенос не гарантирован. Турнирные исследования показывают пользу обучения и командного обсуждения вероятностей, тогда как исследование аналитиков 2024 года обнаружило улучшение интервальных, но не бинарных оценок. Поэтому корпоративная система должна оценивать навык на собственных исходах, не выдавая сертификат тренинга за проверенную точность. эмпирика [S34, S35]

Актуальность и доказательная база на дату среза

2.1. Что известно о распространённости

Универсальной репрезентативной статистики по компаниям 20–500 человек не установлено. Наличие метода в документации и продуктах подтверждает его доступность, но не долю использования или качество решений. Ниже приведены наблюдаемые признаки присутствия по сегментам, а не рейтинг популярности. гипотеза

Сегмент Наблюдаемые признаки Вывод о тренде
Продуктовые и growth-команды Собственная практика Intercom/GrowthHackers; шаблоны RICE/ICE в Productboard Методы продолжают поддерживаться; количественный рост не доказан факт [S1, S2, S36]
Масштабная разработка WSJF остаётся в актуальной базе SAFe Институционально устойчив; распространённость вне экосистемы не измерена факт [S3]
Проектная поставка Agile Business Consortium опубликовал актуальное руководство MoSCoW в мае 2026 Метод сохраняется, принцип effort-based contingency не заменён новой формулой факт [S32]
Исследование рынка Новые экспериментальные работы MaxDiff 2024 и метаанализ conjoint 2025 Развивается проверка качества опросов, не только новое оформление scores эмпирика [S19, S37]
Портфель физических/технологических продуктов Cooper/Edgett описывают комбинацию стратегических корзин, финансов и ресурсных ограничений Устойчивая практика; исторические проценты из этой главы не трактуются как рынок 2026 мнение [S29]
Инструменты планирования AI-сводки, обработка feedback и agents доступны/заявлены в JPD, Productboard, airfocus Автоматизация подготовки растёт функционально; её влияние на ROI не установлено факт [S38, S39, S40]

Найдено и прямое исследование распространённости 2026 года, The great divide, Belčević/Pamučar: индексированная аннотация сообщает 307 опрошенных и 287 включённых специалистов и расхождение исследовательских AI-подходов с практикой. Полный текст издателя возвращал 403, поэтому проценты, способ рекрутинга и представительность не используются в выводах. Это свидетельство существования новой эмпирики, а не доказательство массового перехода на AI-приоритизацию. факт [S41]

2.2. Исследования: что именно они проверяют

Исследование Дизайн и размер Результат Чего оно не доказывает
Kano, Lin et al., 2017 Наблюдательное исследование 192 велосипедистов, 91,7% мужчины Связи performance/satisfaction бывают нелинейными и асимметричными Точность исходного парного опроса, денежный эффект и лучший roadmap эмпирика [S42]
Anchored MaxDiff, Schramm/Lichters, опубликовано 2024 Пререгистрированный 2×2 эксперимент, n=448, 16 PS5-игр; holdout и дополнительная cross-validation Реальные последствия выбора улучшили prediction hit rate; β=0,88, p<0,001 Перенос величины эффекта на будущие B2B-функции эмпирика [S19]
Conjoint, Schramm, 2025 Метаанализ 34 работ, 134 эффектов, n=12 980 Incentive alignment даёт примерно +12% относительного hit rate; не 12 процентных пунктов Реальные продажи: validation относится к удержанным заданиям тех же респондентов; есть publication bias эмпирика [S37]
RCF дорог Hong Kong 25 проектов; внешняя база 863; leave-one-out для 18 ранних оценок P50 покрывает 9/18, P80 — 14/18 фактических затрат Точность прогнозов ценности функций и универсальность такой поправки эмпирика [S43]
Uniqueness bias, 2024 219 IT-проектов; затраты n=167, сроки n=108, benefits n=38 Воспринимаемая уникальность связана с перерасходом затрат; значимой связи с benefits не показано Причинность, точность собственной валюты ценности; working paper, ретроспективные данные эмпирика [S44]
Mellers et al., 2014 Два года, 199 геополитических событий; 2 246/1 648 участников по годам; рандомизация условий обучения и взаимодействия Обучение и командная работа улучшали прогнозирование Прямой эффект того же тренинга на продуктовые NPV эмпирика [S34]
Kelly/Mandel, 2024 Pre/post без необученной контрольной группы, 70 intelligence analysts Интервальная калибровка улучшилась, d=1,05; бинарная не улучшилась, p=0,076 Долгосрочный перенос и пользу одинакового снижения уверенности всем оценщикам эмпирика [S35]
Учебное применение RICE/ICE, 2026 Предварительный опрос n=47 студентов третьего курса; лабораторная работа, пример Planify Продемонстрированы различия ранжирования и обсуждение предположений Причинное снижение субъективности и увеличение реализованной ценности: они не измерялись эмпирика [S45]

Нельзя смешивать три вида точности: согласие людей с рейтингом, предсказание выбора в исследовании и предсказание дополнительной прибыли. Последние два требуют различных проверок; удобство обсуждения или статистическая согласованность ответов не превращаются в финансовую валидацию. гипотеза

2.3. Доказательность каждого метода

«Не найдено» означает результат данного поиска, а не доказанное отсутствие любой публикации. Поиск ориентирован на первоисточники и доступную эмпирику, не является зарегистрированным систематическим обзором. Общая оценка ниже — авторская интерпретация представленного корпуса. гипотеза

Метод Исследования точности Практический статус вывода
RICE Найдены учебные примеры, не найдено убедительной внешней проверки прогноза ценности Дисциплина допущений, условное ранжирование
ICE Самоотчёт команды, не независимое сравнение точности Быстрый порядок тестов при обратной связи
SAFe WSJF Не найдено подтверждения точности относительного CoD как прогноза денег Эвристика совместного обсуждения
Денежный CoD/CD3 Формальная оптимальность специальной модели, не точность входов Сильное правило очередности при выполнении предпосылок
Взвешенная MCDA Теория согласованности предпочтений; не универсальная эмпирическая оценка ROI Полезна для непереводимых целей при аккуратных шкалах
Value/effort, theme scoring Прямых сравнительных испытаний бизнес-эффекта не найдено Лёгкая коммуникация компромиссов
Kano Есть эмпирика асимметрии и классификации, ограниченная валидность по контекстам Исследование ожиданий, не рейтинг денежной ценности
Kano-взвешенный scoring Универсальная валидированная формула не установлена Только явно авторская модель предпочтений
MaxDiff Есть проверка predictive validity выбора Вынуждает различать относительные предпочтения; денежный эффект не измеряет
Conjoint Есть сравнительные исследования и метаанализ предсказания выбора Обоснован для trade-offs конфигураций; перенос на продажи проверять
Opportunity scoring Независимая валидация точности формулы не найдена Эвристика отбора неудовлетворённых outcomes
Buy-a-feature Сравнительная predictive accuracy не найдена Качественные мотивы выбора под игровым ограничением
Usage/requests Сами по себе описательные данные; causal uplift требует дизайна Сигнал для гипотез и охвата
NPV/EV/ROI Формальная арифметика; универсальная точность модели не существует Сильнее при причинно прослеживаемых денежных входах
Unit economics Модели CLV имеют специальную литературу; она не валидирует любой ARPA/churn Когортные денежные входы, отдельно проверять incremental effect
Real options Теория и примеры; прямое преимущество для всех продуктовых портфелей не доказано Этапность и право остановки при настоящем выборе
AIE/VOI VOI — теория решений; независимая валидация всего коммерческого пакета ограничена Использовать содержательные механики, не обещание бренда
RCF Есть ретроспективная проверка покрытия затрат; перенос на value ограничен Начинать с класса аналогов и проверять переносимость
Калибровка прогнозов Есть экспериментальные и pre/post исследования, результаты неодинаковы Отдельно проверять интервалы, вероятности и перенос
Корзины ёмкости Практические и наблюдательные основания; универсальные доли не установлены Прозрачная стратегия распределения ресурсов
Stack ranking, Shape Up Практика и аргументы авторов; сравнительная точность ценности не найдена Малое число качественно подготовленных ставок
Now-next-later, North Star, правила/вето Коммуникация и управление; не самостоятельные прогнозные модели Фильтры и интерфейсы решений
MoSCoW Нормативная процедура; экспериментальный оптимум 60/20 не установлен Управление обязательным минимумом и гибким объёмом

2.4. Практика, маркетинг и споры

Компания может успешно использовать метод, не доказав его причинного эффекта. GrowthHackers описывает сужение более 1 500 идей целями до небольшого числа недельных кандидатов и сопоставление оценок с результатами тестов; это полезный операционный кейс, но без контрольной группы. Basecamp объясняет выбор шестинедельных ставок собственной практикой, не сравнительным исследованием универсальной длительности. мнение [S2, S28]

Вендорские 86% успеха ODI не являются точностью opportunity score. В отчёте Strategyn: 43 клиента, 49 разработок, 21 запуск и 18 успехов по оценкам самих компаний; остальные 28 ещё не запущены. Нет случайного контроля, единого критерия успеха или отделения формулы от остального консалтинга. вендор [S46]

Наблюдения экспериментирующих компаний поддерживают скепсис к уверенным прогнозам, но не определённый scoring framework. Kohavi и соавторы сообщают, что около двух третей перспективных изменений не улучшали выбранные метрики; это обзор опыта крупных технологических компаний с неодинаковым подсчётом экспериментов, не репрезентативная выборка всех бизнесов. эмпирика [S47]

Спор Рациональная часть Неверное расширение
«Скоринг объективен» Формула делает допущения видимыми Цифры устраняют политический выбор и неопределённость
«Любые баллы бессмысленны» Порядковые числа нельзя объявлять измерением отношений Явная функция предпочтений или грубый фильтр всегда бесполезны
«Всё можно монетизировать» Можно построить диапазон и оценить цену неизвестного Любая натянутая конвертация лучше признания неизвестности
«Нет смысла прогнозировать» Ошибка отдельных прогнозов велика Журнал и проверка не помогают учиться
«Клиент проголосовал — надо делать» Выбор показывает потребность в заданном контексте Предпочтение гарантирует принятие, платежи и реалистичную поставку

Таблица — аналитическое разделение споров. Hubbard/Evans дают математическую критику порядковых risk scores, подкрепляя её примерами интерпретации шкал; она релевантна конструкции продуктовых формул, но не является экспериментальным опровержением всех видов скоринга. гипотеза [S48]

2.5. Что изменилось за 2023–2026

  • Появились новые проверки клиентского выбора. MaxDiff и conjoint уточняют роль реальных стимулов, а не предлагают универсальную замену человеческого решения. эмпирика [S19, S37]
  • AIE-калибровка получила полезный независимый контрпример. Исследование 2024 года требует различать интервальные и бинарные задачи. эмпирика [S35]
  • LLM стали источником синтетических ответов и прогнозов. В исследованиях 2024–2026 наивная замена человеческих предпочтений остаётся смещённой; корректировка реальными данными изучается отдельно. эмпирика [S49, S50]
  • AI вошёл в интерфейс инструментов. Извлечение feedback и сводки облегчают подготовку оснований, но не дают проверенной автоматической стоимости инициативы. вендор [S40]
  • Базовые процедуры сохраняются. Официальные материалы MoSCoW 2026 и Green Book 2026 продолжают опираться на ограничения, альтернативы и явную неопределённость. факт [S32, S6]

Где применимо и где нет, плюсы и минусы

Подходит, когда

  • Скоринг: варианты похожи и цена ошибки ограничена. RICE для измеряемого охвата, ICE для небольших тестов, theme scoring для тем одной стратегии делают разногласия явными при невысокой стоимости обсуждения. Это рекомендация по механике, не доказанное превосходство. гипотеза
  • Экономика: высокая ставка, долгий горизонт или существенная ликвидность. NPV/EV учитывают масштаб и время, payback вводит ограничение денежных ресурсов, VOI выбирает полезное исследование. гипотеза
  • Клиентские методы: неопределённость касается предпочтений. Kano различает тип ожиданий, MaxDiff — относительные потребности, conjoint — пакетные компромиссы; сначала нужно выбрать точный исследовательский вопрос. гипотеза
  • Подходы без скоринга: мало подготовленных альтернатив и сильная неопределённость. Ограниченная ставка позволяет принять решение без фиктивной денежной точности и сохранить обратимость. гипотеза
  • MoSCoW: срок задан, объём можно менять. Классификация показывает минимально допустимый выпуск и запас требований для сокращения. гипотеза
  • Корзины: конфликтуют типы работ или горизонты. Защищённая ёмкость не позволяет измеримым мелким улучшениям автоматически вытеснить платформу, исследования и надёжность. гипотеза
  • Есть замыкающий контур данных. Компания способна заморозить прогноз и позднее наблюдать результат; иначе начинать следует с измерения и малого журнала. гипотеза

Не подходит, когда

  • Скоринг объединяет несопоставимые инициативы. Один Reach для внутренней безопасности и acquisition стимулирует произвольные преобразования. гипотеза
  • Экономическая модель держится на вымышленных ценах. Стоимость потери доверия, полезность обязательного контроля и трёхлетний эффект без аналогов требуют сценариев и ограничений, а не точного NPV. гипотеза
  • Клиенты не понимают описанную функцию или выборка искажена. Статистически сложная обработка не исправит неправильный вопрос и отсутствие целевого сегмента. гипотеза
  • Чисто качественная практика скрывает ответственность. Если каждое исключение объясняется «видением» и не имеет предела затрат, betting становится бессрочным финансированием фаворита. гипотеза
  • MoSCoW применяется как глобальный рейтинг. Категория не определяет очередность внутри Must и не сравнивает обязательства разных сроков. гипотеза
  • Нет реальной ёмкости или известны жёсткие зависимости. Новый рейтинг не создаст специалиста и не сделает готовым недоступный вход. гипотеза
  • Идёт авария или действует обязательное ограничение. Сначала исполняются правила реакции и обязательный минимум; сравнение допустимых способов остаётся возможным. гипотеза

Плюсы

  • Скоринг дёшев как формат разговора. Небольшое число критериев позволяет быстро обнаружить разные предположения. гипотеза
  • Экономика делает явными альтернативные издержки. Видны последствия отказа, задержки, малой версии и обучения. гипотеза
  • Клиентские данные проверяют внутренние догадки. Ответы и поведение дают независимый от должности автора сигнал. гипотеза
  • Качественные ставки ограничивают процесс. Appetite и право остановки не требуют оценить всё далёкое будущее. гипотеза
  • Корзины и MoSCoW делают обязательства видимыми. Процент труда и исключённый объём можно проверить после периода. гипотеза
  • Ретроспектива переносит опыт в новые решения. Сохраняется отличие хорошего процесса от удачного случайного исхода. гипотеза

Минусы

  • Числа легко оптимизировать политически. Авторы завышают reach/value и занижают effort, если score становится условием получения ресурсов. гипотеза
  • Достоверная экономика требует труда. Причинный эффект и временной профиль часто обходятся дороже расчёта. гипотеза
  • Опросы измеряют ограниченный контекст. Предпочтение в задании может не перенестись на покупку и долгосрочное использование. гипотеза
  • Качественная практика труднее проверяется между подразделениями. Нужны письменные основания и владельцы исключений. гипотеза
  • Корзины могут законсервировать вчерашнюю стратегию. Фиксированная доля без права пересмотра финансирует слабые варианты. гипотеза
  • Калибровка запаздывает и страдает от отбора. В небольшой компании мало сопоставимых зрелых исходов, а результат невыбранных инициатив неизвестен. гипотеза

Альтернативы и дерево решений

Предмет выбора — конфигурация процесса приоритизации. Поэтому сравниваются семь прямых альтернатив организации этого процесса, а отдельные формулы выбираются уже внутри них. Все оценки стоимости и применимости в таблице — авторские, а не результаты сравнительного эксперимента. гипотеза

Конфигурация Данные и масштаб Когда целесообразнее Плюс относительно общей конструкции Минус
Корзины → обоснование крупных ставок → простой выбор внутри → журнал Несколько типов работ и ресурсов Базовый вариант для 20–500 человек с конфликтами распределения Разделяет стратегию, ценность и исполнение Нужны владелец политики и минимальный учёт
Stack ranking + короткий decision log Несколько вариантов, малая цена ошибки Один владелец и простая команда Минимальная стоимость Слабее воспроизводимость больших сравнений
RICE/ICE внутри одного backlog Повторяемые изменения, доступен reach или история тестов Много похожих гипотез Быстрее экономика каждой карточки Ложные шкалы и denominator gaming
NPV/EV + ресурсные ограничения + CoD Денежные потоки, крупные/долгие ставки Дорогое решение, внутренние инвестиции Прямые trade-offs денег и времени Стоимость входов и чувствительность к модели
Customer research → экономическая проверка shortlist Проблема в знании клиентов Пакеты/цены/новый сегмент Снижает внутреннюю проекцию предпочтений Исследование не выбирает выполнимый портфель
Shape Up / этапные ставки + VOI Высокая неопределённость, обратимые шаги Новые продукты, исследовательская работа Ограничивает потери и объём планирования Зависит от качества shaping и дисциплины остановки
MCDA + gates + анализ чувствительности Несколько непереводимых целей Обязательства, внутренняя разработка, общественные эффекты Сохраняет реальные нефинансовые предпочтения Веса и функция ценности требуют согласованного смысла
MoSCoW + ресурсный план Фиксированная дата и изменяемый scope Выпуск с обязательным минимумом Ясное управление гибкостью Не даёт выбора долгосрочных направлений

Дерево решений

  • Если работа обязательна к конкретной дате или устраняет недопустимое состояние→правило/вето + минимальный выполнимый scope + MoSCoW.
    • Если обязательный минимум превышает доступную ёмкость→сократить альтернативным способом, добавить ресурс или явно изменить обязательство; новый score не применять.
    • Если существует несколько допустимых способов выполнить минимум→сравнить их NPV/стоимость и риски, затем выбрать ресурсно выполнимый вариант.
  • Если нет подтверждённой ёмкости на горизонт решения→учёт available capacity и текущих обязательств до нового ранжирования.
  • Если конкурируют разные направления, типы работ или горизонты→сначала корзины по одной основной оси, затем отдельный выбор внутри.
    • Если денежная конвертация между корзинами достоверна→сравнить несколько распределений по предельной ожидаемой ценности и риску.
    • Если конвертация ненадёжна→явная политика долей с владельцем, сроком пересмотра и натуральными метриками.
  • Если неизвестность прежде всего о клиентских предпочтениях→клиентское исследование перед оценкой решения.
    • Если нужно отличить обязательное свойство от привлекательного→Kano по сегментам.
    • Если нужен относительный порядок длинного списка понятных потребностей→MaxDiff с holdout; anchor добавить при необходимости оценить абсолютную приемлемость.
    • Если выбираются цена, пакет или уровни атрибутов при высокой ставке→CBC conjoint с None и проверкой поведения.
    • Если нужно найти важные недостаточно удовлетворённые результаты→opportunity scoring с фиксированными входами I/S, затем интервью и проверка решений.
    • Если нужен смысл компромиссов в небольшой группе клиентов→Buy-a-feature как качественное исследование.
  • Если ставка превышает внутренний порог существенности, горизонт длинный или решение трудно отменить→NPV/EV, downside-сценарий, reference class и проверка ограничений ликвидности.
    • Если исследование может поменять выбор→EVPI как верхняя граница, затем EVSI и этапный real option.
    • Если денежный эффект нельзя обосновать→MCDA с явными шкалами либо ограниченная стратегическая ставка внутри защищённой корзины.
  • Если ставка небольшая и варианты похожи→простая процедура внутри корзины.
    • Если кандидатов немного и причины выбора ясны→stack ranking + decision log.
    • Если доступны сопоставимые reach и effect→RICE с отдельно записанным прогнозом результата.
    • Если выбираются короткие дешёвые тесты с быстрой обратной связью→ICE с объявленной формулой и ретроспективой тестов.
    • Если есть несколько качественно подготовленных решений при слабых количественных данных→betting table с appetite и stop condition.
  • Если нужно выбрать следующий запуск из уже одобренного набора→проверить зависимости и временную стоимость ожидания.
    • Если одно ограничение и линейный денежный CoD→CD3.
    • Если денежной оценки нет, но общий относительный протокол уже устойчив→относительный WSJF с пометкой эвристики.
    • Если зависимости, сроки или параллельные ресурсы меняют доступность→сравнение нескольких выполнимых последовательностей с временной моделью.
  • Если зрелой ретроспективы ещё нет→начать журнал прогнозов и использовать осторожные диапазоны внешних аналогов.
  • Если история уже накоплена→проверить reference classes на отложенных исходах и калибровать новые прогнозы.
  • Если требуется сообщить выбранное направление→now-next-later с отдельными явными датами реальных обязательств.

Пороги «мало», «существенно» и «долго» являются политикой компании. В иллюстрации можно начать с не более десяти вариантов для обсуждения, повышенного разбора ставки свыше 10% годовой ёмкости направления и отдельного решения для необратимых обязательств; это ориентиры запуска, не универсальные нормативы. Размер компании сам по себе не определяет метод так хорошо, как цена ошибки, качество данных и характер ограничений. гипотеза

Практическое применение

5.1. Порядок внедрения и роли

Внедрять следует контур решения, а не обязательную формулу для каждой карточки. Предлагаемый порядок ниже пригоден и для продуктовой компании, и для внутренней разработки; размеры ритуалов являются иллюстративными стартовыми ориентирами. гипотеза

  1. Определить границу решения. Какие ресурсы и деньги действительно распределяются, кто имеет право менять их, какие ограничения безусловны. гипотеза
  2. Выбрать одну ось корзин. Записать доступную ёмкость, резерв и текущие обязательства; не требовать оценить весь архив идей. гипотеза
  3. Задать словарь валют и исходов. Для каждого типа работы определить горизонт, observable outcome и контрфакт. гипотеза
  4. Собрать короткий список. Удалить дубли, объединить зависимости, проверить обязательный минимум и право остановки. гипотеза
  5. Оценивать соразмерно ставке. Короткая карточка для малого обратимого решения, сценарная экономика/VOI для крупного. гипотеза
  6. Выбрать выполнимый набор. Сравнить хотя бы базовый и альтернативный портфель; отдельно записать явное исключение из рейтинга. гипотеза
  7. Заморозить прогноз. Назначить дату и владельца измерения до начала работ. гипотеза
  8. После результата обновить reference class. Разобрать ошибки данных, прогноза, исполнения и атрибуции отдельно; изменить следующую оценку, а не прошлую. гипотеза
Ответственный Что делает Что не должен определять единолично
Руководитель направления Цель, доли корзин, существенные исключения Вероятность эффекта без оснований
Product/инициатор изменения Problem, альтернативы, causal model, клиенты Реалистичную ёмкость других команд
Инженерный/операционный владелец Требуемый ресурс, зависимости, условия запуска Коммерческую выгоду вместо бизнеса
Аналитик/финансы Единицы, дополнительные потоки, baseline, измерение Приоритет нефинансовых целей вместо руководства
Владелец решения Выбирает набор, подписывает rationale Переписывать исторический прогноз после исхода
LLM/агент Извлекает основания и готовит проверки Самостоятельно выдавать догадку за клиентские данные

Это разделение ответственности, не требование шести отдельных сотрудников. В небольшой компании роли совмещаются, но автор оценки и лицо, утверждающее важную ставку, желательно оставляют отдельные записи. гипотеза

Ритм, иллюстрация Состав и предмет Выход
Еженедельно, 30–45 минут Владелец backlog и исполнение: новые свидетельства, доступность, аварии Изменение очереди с причинами
Раз в месяц, 60 минут Аналитик, владельцы инициатив: созревшие outcomes Actuals, причины неизвестности, калибровка
Каждые 12 недель, 90–120 минут Руководители ресурсов и направлений Корзины, варианты портфеля, зафиксированные ставки
Вне ритма при триггере Владелец ограничения Перенос ёмкости, остановка, изменение решения

5.2. Сквозной сценарий: ёмкость и валюта

Весь следующий сценарий — иллюстрация, а не результат наблюдения компании. В компании 120 сотрудников решения относятся к 16 специалистам на 12 недель: 192 человеко-недели gross, из которых 72 заранее заняты отпуском, поддержкой и регулярной работой; остаётся 120. После резерва 20 распределяются 100: Growth 60, Reliability 25, Discovery 15. гипотеза

Корзина, иллюстрация Доступно, чел-нед Назначение Валюта результата
Growth 60 Принятие продукта и коммерческий эффект Дополнительный contribution за 52 недели после релиза
Reliability 25 Обязательный минимум и снижение операционных потерь Ограничения плюс частота/тяжесть инцидентов и экономические сценарии
Discovery 15 Проверка важных неизвестных Изменение решения и стоимость информации
Резерв 20 Незапланированная работа по объявленным условиям Потребление учитывается отдельно

Пять специалистов защищены на Growth на все 12 недель: 5×12=60 человеко-недель. Остальные 11 дают 132 gross; после вычтенных 72 остаётся ещё 60 для Reliability, Discovery и резерва. Таким образом, общая сумма согласована с конкретной ограничивающей командой, а не только с бухгалтерским процентом. Все значения — иллюстрация. гипотеза

Валюта первой оценки — дополнительный contribution за 52 недели после релиза каждой инициативы, до вычета разовой реализации; сопровождение уже включено в contribution. Это одинаковая длительность, но разные календарные окна, без дисконтирования в иллюстрации; показатель ниже не называется NPV на общую дату. Стоимость труда условно 2 тыс. €/чел-нед, альтернативой служит отсутствие инициативы при неизменных прочих условиях. гипотеза

Для арифметики сценария стоимость выделения ресурса считается избегаемой, например дополнительной проектной оплатой; это иллюстративное допущение. В постоянной штатной команде отказ от инициативы не отменяет зарплату: денежная NPV включает реальные дополнительные потоки, а дефицит труда учитывается ограничением и альтернативной работой. Одну альтернативную стоимость нельзя одновременно вычесть дважды. гипотеза

5.3. Прогноз и калибровка до решения

Иллюстративный reference class для onboarding содержит пять зрелых случаев. Исходные прогнозы gross benefit: 80, 100, 120, 60, 40 тыс. €; факты: 60, 70, 90, 50, 30 тыс. €. Суммы 400 и 300 дают k=0,75; это слабая локальная поправка на небольшой выборке, а не доказанная переносимость на все функции. гипотеза

Кандидат, иллюстрация Effort, чел-нед Стоимость, тыс. € Исходный gross benefit Используемый gross benefit Net benefit
A: onboarding 20 40 104 78 = 104×0,75 38
B: billing 10 20 52 52 32
D: расширение пакета 30 60 104 104 44
C: новый API 40 80 100 100 20

Источники оценки в иллюстрации различаются: A использует историю похожих изменений, B — измеряемую потерю биллинга, D — вероятностную модель принятия пакета, C — коммерческую гипотезу с широким диапазоном. Для D ожидаемые 104 могут, например, получиться из 0,4×260+0,6×0; ещё раз умножать их на Confidence=0,4 нельзя. Широкий диапазон D требует отдельно проверить допустимость потери 60, а ожидаемое значение не гарантирует исход. гипотеза

Выбирается набор A+B+D: effort=60, gross benefit=234, затраты=120, net benefit=114 тыс. € в иллюстрации. C+A помещается, но даёт только 58, C+B — 52; C+D не помещается, так как требует 70 человеко-недель. Перебор здесь включает всего 16 подмножеств и дешевле спора об универсальном score. гипотеза

Решение о D остаётся управленческой ставкой. Можно вместо полной реализации сначала выделить часть Discovery на исследование, если рассчитанная EVSI превосходит стоимость и задержку; числовая механика такой проверки приведена в разделе 1.4. Нельзя одновременно включить полный эффект D и независимую «ценность обучения» о том же решении без проверки двойного счёта. гипотеза

5.4. Очередь и контроль горизонта

Для отдельного анализа очереди в иллюстрации вводится постоянный поток потерь: A — 1 500 €/нед, B — 1 000, D — 2 000; одна команда последовательно занимает 4, 2 и 6 недель. Эти предпосылки являются дополнительной моделью, которую в реальном решении нужно обосновать, а не автоматически получить делением годовой оценки на 52. гипотеза

Инициатива, иллюстрация CoD, €/нед Duration, нед CD3, €/нед² Завершение в B→A→D
B 1 000 2 500 2
A 1 500 4 375 6
D 2 000 6 333,33 12

Потери очереди относительно немедленной доступности всех выгод составляют в иллюстрации 1 000×2+1 500×6+2 000×12=35 000 €. Порядок A→B→D даёт 36 000 €; CD3 выигрывает 1 000 € при этих предпосылках. Значения отношения служат для порядка, а складывать их как денежную ценность нельзя. гипотеза

На общей дате конца 52-й недели от решения итог другой: B успевает дать 50, A — 69, D — 80 тыс. €, всего 199; после затрат 120 остаётся 79, а не 114. Разница 35 равна потерям очереди именно в этой модели постоянного потока. Поэтому 114 — сумма результатов за 52 недели после отдельных релизов, 79 — результат в общем первом году программы; это два разных запроса к одним предположениям. гипотеза

5.5. Факт, перенос ёмкости и следующий цикл

Иллюстративная ретроспектива наступает после полного 52-недельного окна каждого релиза. Измеренные дополнительные gross benefits A/B/D составили 60/55/80 тыс. €, затраты остались 40/20/60; суммарный net benefit равен 75 против прогнозных 114. Actuals здесь предполагаются уже атрибутированными эффектами с согласованным дизайном измерения; общий рост выручки для такой записи недостаточен. гипотеза

Проверка, иллюстрация Расчёт Что означает
Raw forecast 104+52+104=260 Исходные оценки до поправки
Used forecast 78+52+104=234 Прогноз, на котором принято решение
Actual benefit 60+55+80=195 Наблюдение в соответствующих окнах
Реализация относительно raw 195/260=0,75 Не подмена ранее известного k для onboarding
Реализация относительно used 195/234≈0,833 Остаточное завышение после использованной поправки
Среднее завышение used (18−3+24)/3=13 тыс. € Направление ошибки
MAE used (18+3+24)/3=15 тыс. € Размер ошибки без компенсации знаков

Три неоднородных исхода не образуют устойчивую новую reference class. B нельзя автоматически урезать за ошибку D; сначала выясняются различия принятия продукта, охвата, цены, исполнения и измерения. Отношение net 75/114 не используется как коэффициент исправления gross benefits. гипотеза

Ёмкость разбирается отдельно от ценности. В иллюстрации фактическая аварийная работа потребовала 22 вместо резервных 20 человеко-недель; владелец политики записал перенос 2 из Discovery. Итог Growth 60 + Reliability 25 + Discovery 13 + незапланированное 22 =120, исходная политика 60/25/15 и резерв 20 остаётся в истории. гипотеза

5.6. Цена входа и развитие практики

Уровень, иллюстративный ориентир Первоначальная работа Регулярная стоимость Условие перехода дальше
Минимальный Несколько рабочих сессий: политика, словарь, 5–10 карточек Владелец журнала, короткий разбор Появляются реальные конфликты и созревшие outcomes
Средний Связь CRM/аналитики/затрат, классы инициатив, шаблоны измерения Часть времени аналитика и владельцев ресурсов Цена ошибок окупает более точные входы
Сложный Conjoint, сценарная экономика, несколько ограничивающих ресурсов Специалист по исследованиям/decision analysis Результаты исследования действительно меняют большие решения

Это оценка организационного усилия, не рыночная смета. Денежная стоимость зависит от рекрутинга клиентов, состояния данных, местных ставок и лицензий; публичной универсальной цены метода нет. Первое внедрение чаще следует упростить до малого набора решений, чем покупать сложную платформу под ещё не определённую валюту. гипотеза

  • Ошибка первого месяца: оценить весь backlog. Исправление — сформировать shortlist и фиксировать причины отклонения без подробной арифметики. гипотеза
  • Ошибка второго месяца: считать выпуск успехом прогноза. Исправление — разные состояния released, observation_due и resolved. гипотеза
  • Ошибка после нескольких циклов: штрафовать оценщика за каждый неуспех. Исправление — оценивать серию вероятностных прогнозов и качество исходных решений. гипотеза
  • Ожидаемое развитие, не доказанный кейс: доли и коэффициенты начинают меняться по истории. Это должно происходить лишь после сопоставления зрелых исходов; до этого используются диапазоны и объяснимые исключения. гипотеза

Приложение demonstration.html показывает этот сценарий интерактивно: изменение калибровки A и доступной Growth-ёмкости, сравнение 16 наборов, очередь и ретроспективу. Это работающая демонстрация расчётов на иллюстративных данных и предложение методологии; она не означает внедрение или согласование продуктового решения. гипотеза

Артефакты

Артефакты должны разделять свидетельство, прогноз и решение. Один редактируемый столбец «value» не позволяет восстановить ни исходное знание, ни ответственность; ниже предлагается минимальная структура, пригодная для таблицы и для базы данных. гипотеза

Артефакт Назначение и поля Жизненный цикл Пример заполнения, иллюстрация
Лист оценки ID, problem, segment, alternative, horizon, baseline, effect, uncertainty, cost, capacity, dependencies, evidence IDs, estimator, formula version Инициатор создаёт; эксперты уточняют; перед решением создаётся неизменяемая версия; устаревает по дате или новому свидетельству A/v1, onboarding SMB, 52 weeks after launch, raw104 тыс. €, k0,75, used78, cost40
Политика корзин Owner, период, ресурс, exclusions, shares, minimum/maximum, reserve, transfer rules, review trigger Руководитель ресурсов утверждает на период; изменения отдельной версией Policy/v1, net120 чел-нед, reserve20, Growth60/Reliability25/Discovery15
Определение валюты Currency ID, единица, gross/net, population, horizon anchor, baseline, conversion model, margin, discount, exclusions Финансы/аналитик задаёт; версия фиксируется в каждом прогнозе; изменение не пересчитывает прошлое молча Contribution_52w_postlaunch_v1, EUR nominal, operating incremental costs included, implementation excluded
Журнал прогнозов Forecast ID/version, conditionality, created_at, frozen_at, resolution rule/date, model inputs, reference class, distribution, source hash, author Append-only; update создаёт новую запись; исходы добавляются после maturity F-A-01, mean78 тыс. €, scenario range40–110, conditional on agreed release, p-event хранится отдельно
Журнал решений Decision ID, candidate snapshot, eligible set, alternatives, selected set, capacity snapshot, rationale, override, approver Фиксируется перед стартом; пересмотр связан с предыдущим решением DEC-01: A+B+D, 60 чел-нед, net114 в postlaunch-валюте, C отложен
Outcome record Forecast ID, фактическая метрика, окно, контрфакт, attributable effect, measurement uncertainty, cointerventions, status, resolver Аналитик создаёт после окна; нерешённые случаи сохраняются; корректировка версии видна A: attributable gross60 тыс. €, controlled rollout estimate, дата зрелости задана
Отчёт калибровки Cohort definition, inclusion/exclusion, n, maturity, raw/used, bias, MAE, coverage+width, Brier+baseline, recommended update Ежемесячно для созревших данных; решение о поправке на следующем цикле n3, raw260,used234,actual195,MAE15 тыс. €, новая общая поправка не утверждена
Пакет клиентского исследования Sample frame, реальные респонденты, segment, wording, design version, responses, estimation, uncertainty, holdout Researcher готовит и пилотирует; пересмотр после изменения продукта/рынка Opportunity I=0,8,S=0,3,top-two-box,version max,score1,3

Минимальная карточка может занимать один экран: проблема, выбранная альтернатива, ожидаемый наблюдаемый результат, требуемый ресурс, основание, риск и дата проверки. Полная JSON-запись в разделе 10 нужна для больших ставок и автоматических проверок; поля, не относящиеся к решению, не следует заполнять фиктивными нулями. гипотеза

# Пример политики; иллюстрация, предложенная структура
policy_id: capacity-2026-pilot-v1
period_weeks: 12
resource_unit: person_week
gross_capacity: 192
excluded_bau_leave_overhead: 72
available_capacity: 120
reserve_initial: 20
allocations:
  growth: 60
  reliability: 25
  discovery: 15
transfer_rule: "Уменьшить источник на ту же величину; указать владельца и основание"
review_trigger: "Изменение обязательств, доступности или подтверждённой ценности"

Переходы состояния должны быть явными: draft → evidenced → decision_ready → selected/deferred/rejected → in_progress → released/cancelled → observation_due → resolved/unresolved. Отмена не автоматически превращает условный прогноз «если выпустим» в нулевой эффект; для безусловного обещания результата к дате критерий разрешения может быть другим. гипотеза

С чем используется в связке

Связка Что передаётся на вход Что выходит Конфликт, который нужно предотвратить
OKR/стратегия → корзины Выбранные цели, ограничения, приоритет горизонтов Разрешённая ёмкость Key result не даёт автоматически денежного веса и не заменяет обязательную поддержку
Opportunity Solution Tree → shortlist Проблемы, решения, предположения Несколько проверяемых альтернатив Скоринг решений до проверки самой проблемы
Kano/MaxDiff/opportunity → экономика Сегментные предпочтения и потребности Гипотезы принятия, охвата, эффекта Прямое преобразование utility или голосов в выручку
Conjoint → package experiment Choice model и сценарии цены Проверяемая коммерческая гипотеза Предсказанная share of preference объявлена долей рынка
RCF → NPV/EV → VOI Базовые частоты и диапазоны Выбор действия или исследования Поправка риска дважды в cash flow и confidence без объяснения
Корзины → RICE/MCDA → портфель Сравнимый набор и ограничение Включённые/отложенные варианты Рейтинг автоматически объявлен оптимальным набором
Экономически допустимый набор → CD3 Готовность, CoD, длительность общего ограничения Очерёдность Effort принят за duration, проигнорированы зависимости
Shape Up → прогноз → ретроспектива Appetite и ожидаемый payout Ограниченная ставка с проверяемым исходом Circuit breaker только формальный, продолжение всегда автоматическое
Решение → now-next-later Выбранные обязательства и опции Коммуникация плана Later воспринят как обещанный scope
Дерево метрик → actuals Определения причинных связей и guardrails Наблюдаемый результат Корреляционный proxy принят за доказанную дополнительную прибыль

Это предлагаемая карта интерфейсов, не расширение исследования на методы постановки OKR, roadmap или оценки сроков. Общий идентификатор инициативы связывает проблему, прогноз, ресурсное обязательство и outcome, но не заставляет каждую систему хранить одинаковые поля. гипотеза

Не следует складывать разные методы в многоэтажный score. RICE×Kano×strategic fit×confidence может трижды учитывать один клиентский сигнал и скрывать смысл единицы; лучше последовательные фильтры и отдельные критерии решения. Экономика крупных ставок и качественные ставки совместимы, если последние имеют явный лимит ресурсов и признанную неопределённость. гипотеза

Метрики здоровья и антипаттерны

Здоровье процесса измеряется качеством оснований и обучения, а не долей инициатив с красивым score. Все численные пороги, кроме отдельно указанного руководства DSDM, ниже являются предлагаемыми ориентирами; оптимальные нормы для всех компаний не установлены. гипотеза

Признак Здоровая норма Симптом деградации Источник
Сопоставимость Для сравниваемых величин указаны единица, популяция, horizon anchor и версия Смешаны ARR, прибыль, points и NPV Ориентир гипотеза
Основания значимой ставки У каждого ключевого входа источник либо явное judgment Высокий impact без traceable evidence Ориентир гипотеза
Покрытие ёмкости Нет необъяснённого превышения по каждому ресурсу и периоду Общая сумма сходится, специалист перегружен Ориентир гипотеза
Переносы Сумма переносов между корзинами равна нулю; выдача из резерва уменьшает его остаток Одна корзина растёт без уменьшения другой Ориентир гипотеза
Устойчивость выбора Лидер проверен на разумных изменениях существенных входов Разница 0,1 балла объявлена решающей при широких диапазонах Ориентир гипотеза
Ретроспектива Все наступившие даты проверки имеют resolved или объяснимый unresolved Из журнала исчезают неуспешные и неизмеренные случаи Ориентир гипотеза
Интервальные прогнозы Coverage сопоставляется с заявленным уровнем и шириной Покрытие высокое только из-за бессодержательно широких интервалов Ориентир гипотеза
Вероятностные прогнозы Brier и reliability по сопоставимым событиям лучше осмысленного baseline Оценщиков ранжируют по сырому score на разных задачах Ориентир гипотеза
Непроверенные исключения Причина, owner, срок и последующий разбор каждого Решения HiPPO маскируются изменением весов Ориентир гипотеза
MoSCoW-гибкость DSDM: обычно Must ≤60% effort, Could около20%, с оговорёнными исключениями Must — почти весь scope, запас считается числом карточек Руководство, не универсальный optimum факт [S32]
Цена процесса Затраты на оценку соразмерны ставке и возможности поменять решение Неделями уточняются ранги заведомо не проходящих идей Ориентир гипотеза

Антипаттерны

Арифметическое отмывание мнений

Как выглядит: impact=8, strategy=9 и confidence=7 перемножены, результат 504 представлен как объективная ценность. гипотеза

Почему возникает: порядковые ярлыки получили числовую оболочку, а участники хотят передать ответственность таблице. гипотеза

Как чинить: определить шкалы, убрать дубли, показать исходные основания и проверить чувствительность; непереводимые критерии оставить отдельными. гипотеза

Когда менять практику: если выбор меняется при безразличной перекодировке или невозможен observable outcome, перейти к MCDA с заданными предпочтениями либо качественной ставке. гипотеза

HiPPO в костюме скоринга

Как выглядит: после расчёта руководитель меняет веса, пока его инициатива не окажется первой; авторы начинают занижать effort. гипотеза

Почему возникает: получение ресурсов зависит от score, а предположения и вмешательства не сохраняются. гипотеза

Как чинить: фиксировать критерии заранее, собирать независимые исходные оценки, показывать диапазоны и разрешать честный override с владельцем и причиной. гипотеза

Когда менять практику: если большинство решений всё равно определяется внешними ограничениями, заменить соревнование баллов явной политикой обязательств и распределения. гипотеза

Вечная корзина

Как выглядит: каждый период 20% уходит на innovation, даже когда нет подготовленной проверки, а работа по надёжности скрывается в Growth. гипотеза

Почему возникает: квота стала правом подразделения на бюджет и метрикой освоения, а не проверяемым распределением ресурсов. гипотеза

Как чинить: пересматривать доли, отделить minimum от target, разрешить документированные переносы и незаполненную ёмкость; учитывать фактический тип работы. гипотеза

Когда менять практику: если корзины не соответствуют реальным конфликтам, сократить их число или сменить основную ось. гипотеза

Прогноз без памяти

Как выглядит: после релиза прежний прогноз заменён actual, провалы архивированы, успехом считается доставка. гипотеза

Почему возникает: инструмент хранит текущее значение, а культура вознаграждает историю успеха, не качество вероятностного мышления. гипотеза

Как чинить: неизменяемые версии, разные даты release/maturity, объяснимые unresolved и отдельная атрибуция эффекта. гипотеза

Когда менять практику: если годовая ценность принципиально ненаблюдаема, укоротить проверяемую цепочку до честного промежуточного эффекта, сохранив неопределённость перехода к деньгам. гипотеза

Клиентские голоса как кассовые поступления

Как выглядит: десять запросов крупных аккаунтов превращены в полную сумму их ARR, synthetic respondents добавлены в sample size, выигрыш Buy-a-feature назван спросом. гипотеза

Почему возникает: проще агрегировать видимые сигналы, чем определить причинный контрфакт покупки и риск потери клиента. гипотеза

Как чинить: раздельно хранить signal, exposure и incremental effect; сегментировать и проверять часть гипотез поведением с реальными последствиями. гипотеза

Когда менять практику: если решения касаются цены и пакетов, перейти к корректному conjoint/эксперименту; если важны мотивы, вернуться к интервью или игровому компромиссу без денежной претензии. гипотеза

Инструменты и софт

Сначала нужна модель данных, затем инструмент. Здесь разобраны три характерных продукта, а не установлен рыночный рейтинг; функциональность проверена по публичной документации, аккаунты не создавались. Цены — отображённые публичные значения на 2026-09-20, без налогов, индивидуальных условий и гарантии будущей неизменности. гипотеза

Категория Что хранит Для какого шага подходит Основной предел
Таблица + журнал версий Inputs, формулы, сценарии, прогноз/факт Начальная методология, малая команда Ручное управление происхождением и доступами
Product discovery system Идеи, клиентские свидетельства, поля, roadmap Shortlist и коммуникация Score не подтверждает причинную экономику
Планировщик ресурсов Команды, периоды, лимиты, зависимости Выполнимость набора Ошибки value остаются ошибками
Исследовательский пакет Дизайн опроса, ответы, utilities, holdout MaxDiff/conjoint Требует квалифицированного дизайна
Аналитика/эксперименты Поведение, baseline, контроль, effect Проверка результата Низкий трафик, нарушения дизайна, длинные лаги

Jira Product Discovery

JPD хранит идеи, поля, insights и представления, связывая их с исполнением в Jira. Бесплатный план допускает до трёх creators; на pricing-странице показаны Standard $10 и Premium $25 за creator в месяц, contributors бесплатны. Это продуктовые факты, не доказательство повышения качества приоритетов. факт [S51]

Существенна точная механика формул: Weighted Score нормализует входы по набору идей, а отрицательные веса в этой функции участвуют в делении, не обычном вычитании; доступны также пользовательские арифметические выражения. Следовательно, набор сравнения и сырые значения нужны для воспроизводимости, а итог нельзя автоматически считать стабильной валютой между периодами. факт [S52]

Интеграция с Jira Plans отделена от JPD: для Plans нужен Jira Premium/Enterprise. AI в JPD Premium документирован для генерации, редактирования и сводок текстов; проверенная справка не описывает достоверное автоматическое экономическое прогнозирование. факт [S53, S38]

Productboard

Productboard связывает features и идеи с клиентскими insights, сегментами и релизами. Шаблоны допускают числовые поля и формулы RICE/WSJF/ICE; сама статья ICE содержит противоречие между словом average и показанным произведением, поэтому точный алгоритм следует проверять. факт [S54, S36]

CIS и aggregated customer fields полезны как контекст спроса: CIS взвешивает клиентские запросы, поля могут суммировать ARR заинтересованных аккаунтов. Это не incremental ARR, не репрезентативная доля рынка и не обещание оплаты. факт [S25, S26]

Публичные планы на дату проверки: Free $0, Plus $19 при годовой или $25 при месячной оплате за maker/месяц, Business $59/$75 с минимумом два makers; Enterprise по запросу. Free ограничен 500 feedback notes и 25 contributors; pricing описывает Jira/ADO, API, Spark и AI credits. факт [S39]

Точное право на advanced formulas в новых планах не установлено. Справка продолжает ссылаться на старый Pro, а полная статья собственных формул не открылась; переносить старые тарифные права на текущую сетку нельзя. факт [S36, S55]

airfocus by Lucid

airfocus оперирует workspaces, items, иерархиями и пользовательскими полями, поддерживает формулы, Priority Poker и сценарии. Публичные Professional/Enterprise предлагаются по запросу, free trial отсутствует; Capacity Planning относится к Enterprise. Перечислены Jira, Azure DevOps, GitHub, клиентские каналы, API и MCP. факт [S56, S40]

Ресурс в Capacity Planning связан с полем ёмкости и периодом. Basic mode задаёт лимит вручную, advanced учитывает дневную ёмкость, рабочие дни, людей и буфер; общие ресурсы могут учитываться между workspaces, сценарии исключают или переносят items. Это ближе к требуемой модели корзин и ресурсов, но её точность зависит от входных данных. факт [S57]

AI-агенты для связывания feedback и контекстных ответов заявлены поставщиком. Независимая точность рекомендаций и автоматическая калибровка прогнозов ценности просмотренными материалами не подтверждены. вендор [S40]

Контекст Предлагаемый выбор Что проверить до покупки
Соло/небольшая группа Таблица и append-only журнал Можно ли стабильно заполнить основания и actuals
Команда уже в Jira JPD + внешний/собственный журнал экономики Экспорт, история значений, семантика формул, связь с ресурсным планом
Много B2B-feedback Productboard Дедупликация по аккаунтам, сегменты, обновлённые права тарифов
Несколько команд делят ресурсы airfocus как кандидат для проверки сценария Реальная цена, типы ресурса, общие ограничения, версии прогнозов
Организация со своей методологией Тонкий собственный слой оценки поверх систем исполнения Snapshot, units, provenance, альтернативы, outcomes и аудит

Выбор в таблице — рекомендация по подтверждённым функциям, а не результат hands-on сравнительного теста. Наличие ретроспективы «forecast value → attributable actual value» не установлено для всей продуктовой функциональности: это предел прочитанной документации, не утверждение об отсутствии любых расширений. гипотеза

Адаптация под LLM и агентов

10.1. Существующая практика и пределы

Практически доступна автоматизация подготовки, включая текстовые сводки, извлечение feedback и поиск связей между идеями. JPD документирует текстовые AI-операции, airfocus заявляет агента клиентских insights; это не эмпирическое подтверждение способности модели назначить верную денежную ценность. факт [S38, S40]

Наивная подмена клиентов LLM не обоснована. Препринт 2024 о data augmentation изучает корректировку синтетических ответов реальными данными на исходных наборах 1 971 респондента о вакцинах и 200 о спортивных автомобилях; часть ответов исключалась из-за ограничений модели. Результат зависит от области и процедуры коррекции, а не обещает бесплатный эквивалент выборки клиентов. эмпирика [S49]

Свежая проверка визуальных предпочтений также ограничивает уверенность: Kuric и соавторы, 2026, сравнивают LLM с 2 073 людьми в 29 исследованиях и 78 заданиях; наиболее популярный вариант у людей и baseline GPT-4.1 совпадает в 53% заданий. Это согласие модальных предпочтений групп, а не точность предсказания выбора отдельного человека. Препринт относится к конкретным визуальным задачам, не является общим рейтингом LLM или проверкой корпоративной приоритизации. эмпирика [S50]

Операция Что автоматизировать Что проверяет человек
Извлечение свидетельств Цитата/фрагмент, источник, дата, сегмент, предполагаемый claim Действительно ли источник поддерживает утверждение
Дубли Кандидаты общих проблем и пересекающихся инициатив Не скрывается ли важное различие сегмента/контекста
Проверка единиц Детерминированный dimensional checker Корректна ли сама экономическая конвертация
Расчёты Исполняемая формула, сценарии, перебор небольших наборов Полнота альтернатив и ограничений
Ретроспектива Напоминания maturity, join forecast/outcome, метрики Атрибуция и разрешение спорного исхода
Калибровка Сводка классов, проверка leakage, out-of-sample сравнение Переносимость класса, организационные изменения
Критика решения Альтернативные объяснения и недостающие поля Приоритеты ценностей, риск и окончательный выбор

Эта граница автоматизации — предложение. LLM может предложить prior или прогноз только как отдельное суждение с версией модели и последующей проверкой; его нельзя автоматически повысить до observed evidence из-за уверенного текста. Синтетические ответы не увеличивают n реальных людей. гипотеза

10.2. Машиночитаемая структура оценки

Ниже предложена структура, а не отраслевой стандарт. Все значения примера иллюстративны, источники с префиксом example: обозначают демонстрационные внутренние записи, не реальные наблюдения компании. Вероятность конкретного события хранится отдельно от качества свидетельств и диапазона размера эффекта. гипотеза

{
  "schema_version": "proposal-1",
  "record_status": "illustration",
  "initiative_id": "A",
  "assessment_version": 1,
  "problem": "Новые SMB-аккаунты не завершают настройку",
  "alternative": "Текущий onboarding без изменения",
  "bucket": "growth",
  "owner_role": "product_lead",
  "created_at": "2026-09-20",
  "evidence": [
    {
      "id": "example:onboarding-reference-class-v1",
      "origin": "illustrative_historical_dataset",
      "sample_n": 5,
      "sample_unit": "initiative",
      "sample_frame": "Зрелые похожие изменения onboarding",
      "observed_at": "2026-09-20",
      "location": "Раздел 5.3 этого исследования"
    }
  ],
  "value_definition": {
    "id": "contribution_52w_postlaunch_v1",
    "unit": "EUR",
    "scale_type": "ratio",
    "price_basis": "nominal",
    "horizon": {"duration": 52, "unit": "week", "anchor": "release_date"},
    "population": "eligible_SMB_accounts",
    "baseline": "no_change",
    "operating_incremental_costs_included": true,
    "implementation_cost_included": false,
    "discounting": "none_in_illustration"
  },
  "forecast": {
    "kind": "conditional_incremental_benefit",
    "conditional_on": "release_of_agreed_scope",
    "raw_mean": 104000,
    "used_mean": 78000,
    "uncertainty": {
      "kind": "illustrative_scenarios_not_quantiles",
      "low": 40000,
      "high": 110000
    },
    "calibration": {
      "method": "ratio_of_sums",
      "factor": 0.75,
      "reference_class_id": "example:onboarding-reference-class-v1",
      "source_forecast_sum": 400000,
      "source_actual_sum": 300000,
      "validated_out_of_sample": false
    },
    "evidence_quality": "small_reference_class",
    "estimator_type": "human_judgment_with_data",
    "frozen_at": "2026-09-20",
    "resolution_rule": "Дополнительный contribution в полном окне после релиза"
  },
  "implementation": {
    "cost": {"amount": 40000, "unit": "EUR", "avoidable": true},
    "effort": {"amount": 20, "unit": "person_week", "resource_pool": "growth_team"},
    "duration": {"amount": 4, "unit": "week", "team_size": 5},
    "dependencies": [],
    "stop_condition": "Пересмотр при превышении appetite или новом отрицательном свидетельстве"
  },
  "selection": {
    "method": "enumeration_of_feasible_subsets",
    "formula_version": "used_benefit_minus_avoidable_cost_v1",
    "derived_net_benefit": 38000,
    "decision_id": "example:DEC-01",
    "candidate_set_version": "example:ABDC-v1",
    "capacity_policy_version": "capacity-2026-pilot-v1"
  },
  "outcome": {
    "status": "not_mature",
    "observed_metric": null,
    "attributable_effect": null,
    "counterfactual_method": "controlled_rollout_planned",
    "measurement_window": "release_date_plus_52_weeks",
    "resolution_owner_role": "analyst",
    "missing_reason": "Иллюстративная инициатива ещё не имеет реального исхода"
  },
  "agent_review": {
    "model_version": null,
    "prompt_version": null,
    "input_snapshot_hash": null,
    "issues": [],
    "human_approval_required_for_decision": true
  }
}

Null здесь не равен нулю: нет факта, версии агента или зрелого исхода. Код должен рассчитывать derived fields из зафиксированных inputs, а не доверять арифметике текста LLM; fields avoidable и conditional_on предотвращают две типичные экономические ошибки. гипотеза

10.3. Проверки для продукта

Код правила Проверка Реакция
UNIT_MISMATCH Сложение несовместимых валют, горизонтов или gross/net; разные знаменатели относительных метрик Блок до явного преобразования; денежные эффекты разных популяций суммируются при общей базе и исключении двойного счёта
ORDINAL_ARITHMETIC Умножение/деление порядковых ярлыков без объявленной функции предпочтений Предупреждение и запрет на денежную трактовку
EFFORT_DURATION Person-week используется как week без модели команды Блок CD3
EVIDENCE_MISSING Существенный вход без source либо explicit judgment Блок decision_ready для большой ставки
DOUBLE_COUNT Reach×уже агрегированный эффект; повторная вероятность; пересекающийся benefit Кандидат на проверку человеком, не автоматическое обвинение
PROBABILITY_INVALID p вне [0,1], несовместимые сценарии, сумма p не равна1 Блок EV
RANGE_INVALID Неверный порядок диапазонов/квантилей, неположительная duration Блок расчёта
CAPACITY_EXCEEDED Превышение ресурса в периоде или нарушение сохранения переноса Блок подтверждения набора
FORECAST_MUTATED Версия прогноза изменена после freeze без новой записи Блок записи/сигнал аудита
OUTCOME_NOT_MATURE Окно не завершено либо изменена метрика Исключить из зрелой калибровки с явной причиной
ATTRIBUTION_UNKNOWN Общая метрика записана как incremental effect без метода Сохранить observation, не признавать causal actual
SYNTHETIC_AS_OBSERVED Синтетические ответы записаны как реальные респонденты Блок включения в человеческий sample_n
FORMULA_DRIFT Та же метка ICE/RICE, но другой алгоритм/нормировка/набор Требовать новую версию и раздельную историю
CANCELLATION_CONDITIONALITY Отмена принята за нулевой эффект условного запуска Проверить критерий разрешения прогноза

Это проект правил гипотеза. Детерминированный код проверяет арифметику, типы и версии, LLM предлагает семантические несоответствия, человек подтверждает спорные связи. Порог tolerance для денежных округлений задаётся в валюте расчёта, а не скрытым «почти равно» модели. гипотеза

10.4. Реальные открытые реализации

Реализация, доступ 2026-09-20 Что прочитано и подтверждено Что переносится
Guardrails AI, публичный repository README: input/output guards, Pydantic и пользовательские validators, лицензия Apache-2.0; код не запускался Проверка структуры и собственные детерминированные ограничения факт [S58]
ForecastBench README и структура публичного MIT pipeline прогнозов и разрешения исходов Разделение question, forecast, resolution и scoring факт [S59]
ForecastBench datasets Публичные наборы и leaderboards, CC BY-SA 4.0 Воспроизводимые записи и проверка происхождения факт [S60]
ForecastBench documentation Описание ingestion, validation, разрешения и difficulty-adjusted Brier Сравнение по зрелым исходам с учётом трудности задач факт [S61]

Ни один из этих проектов не является готовой доказанной методологией оценки компании. Проверка schema подтверждает форму, benchmark общих прогнозов — качество на его вопросах; оба результата требуют отдельной проверки на внутренних инициативах. Для малого пилота достаточно сохранить модель/промпт/снимок данных и сравнить агентские прогнозы с человеческим baseline на заранее определённых зрелых исходах. гипотеза

Правило агентного контура — извлечь → сослаться → проверить → предложить → зафиксировать решение → дождаться исхода. Внешний текст остаётся данными и не может изменить политику корзин или критерии оценки; запись новых решений и перенос ресурсов требуют действий уполномоченного владельца в продукте. Это предлагаемая архитектура, не дополнительное согласование проведения данного исследования. гипотеза

Происхождение, ключевые фигуры, что читать

История показывает разные исходные задачи методов. Одни создавались для управления изменяемым объёмом, другие — для исследования предпочтений, третьи — для экономического выбора; перенос названия между задачами не переносит доказательность. гипотеза

Этап Исходная задача и фигуры Что осталось полезным
Kano, 1984 Noriaki Kano, Nobuhiko Seraku, Fumio Takahashi, Shin-ichi Tsuji: различить привлекательное и обязательное качество; оригинальная статья доступна здесь только аннотацией Нелинейность ожиданий; позднее открытое руководство CQM объясняет опрос факт [S62, S17]
DSDM, 1994; handbook 2014 Консорциум практиков развивал управляемую RAD-разработку; MoSCoW закреплён в её правилах изменяемого объёма Must как минимально жизнеспособный выпуск, а не название большого score факт [S63, S32]
MCDA, сформировавшаяся традиция до цифрового product management Управление несколькими целями через явно заданные предпочтения; открытое руководство 2000 года обновлено в 2009 Шкалы ценности, swing weights, чувствительность факт [S4]
CoD и экономика потока Donald Reinertsen: стоимость задержки и экономические ограничения разработки; Joshua Arnold: практическое денежное CD3 Очередность с учётом цены ожидания факт [S8, S7]
Reference class forecasting, изложение Flyvbjerg 2006 Outside view против оптимизма уникального проекта Сначала распределение аналогов, затем особенности случая факт [S33]
Growth experiments, 2010-е Sean Ellis публично описывает ICE и цикл тестов в выступлении 2016 года Короткий цикл гипотеза → тест → обучение факт [S64]
RICE, опубликованная страница 2018 Sean McBride/Intercom описывает охват, влияние, confidence и effort Общий протокол сравнения похожих продуктовых вариантов факт [S1]
Shape Up, 2019 Ryan Singer описал практику Basecamp; официальный выпуск REWORK июля 2019 обсуждает новую книгу Shaping, ограниченный appetite, право не продлевать ставку факт [S65]
Цифровые инструменты и LLM, 2023–2026 Автоматизация обработки свидетельств и проверок, экспериментальные synthetic respondents Уменьшение стоимости подготовки, но сохраняется необходимость реальных outcomes факт [S38, S40, S49]

Точную атрибуцию MoSCoW к Dai Clegg в 1994 году нельзя считать проверенной чтением оригинала: каталог подтверждает книгу Clegg/Barker CASE method fast-track 1994 года, но её текст не читался. Аналогично дата «RICE 2016» из исходного задания не подтверждена открытой текущей страницей Intercom, которая показывает 2018-01-05; дата первого внутреннего применения остаётся неизвестной. факт [S66, S1]

MaxDiff/conjoint здесь рассматриваются как исследовательские традиции, а не бренд с единственным автором всей современной процедуры. Ulwick представляет outcome-based отбор потребностей, Hohmann — игровое выявление компромиссов, Hubbard — практическую сборку измерения неопределённости и экономики информации. Их собственные описания используются для механики, отдельно от доказательства результативности. факт [S18, S20, S22, S27, S14]

Кураторский список чтения

  • McBride, RICE. Короткий первоисточник шкал и причин допустимого отступления от рейтинга. факт [S1]
  • Adhiya, The Practical Advantage of the ICE Score. Ценность — описание обратной связи после тестов, а не только трёх чисел. факт [S2]
  • Reinertsen, открытые слайды по second-generation Lean. Экономическая связь стоимости задержки, очередей и ограничений; книга целиком этим чтением не заменяется. факт [S8]
  • Arnold, Cost of Delay Divided by Duration. Практический вход в денежную очередность и её расчёт. факт [S7]
  • Lawler и соавторы, Weighted sum of completion times. Проверить предпосылки математической оптимальности, прежде чем переносить её на backlog. факт [S9]
  • Multi-criteria analysis: a manual. Особенно разделы о шкалах, swing weighting и независимости предпочтений. факт [S4]
  • Hubbard/Evans, Problems with scoring methods and ordinal scales. Критический разбор арифметики ярлыков; учитывать связь автора с коммерческой методологией. факт [S48]
  • CQM, Kano’s Methods for Understanding Customer-defined Quality. Опросная механика, неоднозначность категорий и Better/Worse. факт [S17]
  • Schramm/Lichters, anchored MaxDiff; Schramm, conjoint meta-analysis. Что именно означает эмпирическая predictive validity и где заканчивается переносимость. эмпирика [S19, S37]
  • Eskey и Ulwick, Strategyn. Читать вместе, чтобы заметить несовпадение построения входов и версии формулы. факт [S23, S22]
  • Hohmann, Buy a Feature. Правила игровой цены, бюджета и коалиций. факт [S27]
  • Singer, The Betting Table. Конкретная альтернатива скорингу с ограниченными ставками. факт [S28]
  • Fader/Hardie, What’s Wrong With This CLV Formula? Критика универсальной LTV-формулы и смешения клиентских контекстов. факт [S11]
  • Damodaran, The Promise and Peril of Real Options. Когда опцион реален и почему его легко переоценить. факт [S13]
  • Flyvbjerg и соавторы, Hong Kong roadworks. Пример проверяемого покрытия RCF с малой, явно указанной выборкой. эмпирика [S43]
  • Kelly/Mandel, calibration training. Свежая граница обещаний универсальной калибровки. эмпирика [S35]

Открытые вопросы и границы уверенности

Отчёт завершён по заданной структуре, но не устанавливает универсального победителя. Сильнее всего обоснованы математические ограничения, необходимость определять альтернативу и границы наблюдаемого результата; слабее — оптимальные организационные пороги и перенос эмпирики больших компаний на бизнес 20–500 человек. Все предлагаемые доли, ритмы, структуры и числовой сценарий маркированы как авторские гипотезы или иллюстрации. гипотеза

Непроверенное или спорное Почему ограничивает вывод Что изменило бы уверенность
Сравнительная точность RICE/ICE/WSJF/качественных ставок Нет доступного сопоставимого исследования реальной ценности портфелей Проспективный журнал нескольких команд, сравнение по зрелым эффектам и условиям выбора
Репрезентативная распространённость по 20–500 сотрудникам Продуктовая документация и кейсы не дают рыночной выборки Открытые методы рекрутинга и распределение респондентов по типам компаний
Фиксированные доли корзин Они выражают стратегию и ограничения, а не найденный природный оптимум Внутренняя история потерь, зрелых outcomes и предельных альтернатив
Перенос RCF на value Лучше изучены затраты/сроки крупных проектов Reference classes эффектов продукта с независимой проверкой на новых решениях
Причинная атрибуция actual Общий рост, сезонность и совместные релизы смешиваются Контроль, валидный квазиэксперимент или честный диапазон атрибуции
Отбор реализованных инициатив Нет результатов контрфактических отклонённых работ Этические/допустимые исследовательские сравнения близких вариантов; анализ границ вывода
LLM как оценщик ценности Внутренние данные и отложенные исходы обычно недоступны исследованию Замороженные агентские и человеческие прогнозы на одних вопросах, без утечки исходов
Стоимость внедрения и исследований Зависит от состояния учёта и доступности клиентов Локальный пилот с учётом времени, денег и реально изменившихся решений

Это перечень ограничений авторского вывода, а не скрытые обещания будущей точности. Отсутствие доказанного превосходства не делает все методы равноценными: несогласованные единицы можно отвергнуть без полевого эксперимента, а пригодность клиентского опроса зависит от исследовательского вопроса. гипотеза

Ограничения доступа и источников

  • Kano 1984: доступна аннотация; механика проверялась по открытому CQM compendium 1993, а не приписывается прочтению закрытого японского текста. факт [S62, S17]
  • Текущий SAFe WSJF: открыты определение и компоненты, остальное требует входа; полный актуальный протокол шкал не заявляется проверенным. факт [S3]
  • The great divide 2026: доступны индексированные фрагменты аннотации, страница издателя недоступна; полная методика и проценты не используются. факт [S41]
  • Productboard formulas: основная подробная статья недоступна, права старых и новых тарифов неоднозначны. факт [S55, S36]
  • CASE method fast-track: прочитана библиографическая карточка, а не книга; точное первое описание MoSCoW не установлено. факт [S66]
  • Книги Reinertsen, Hubbard, Hohmann, Ulwick: полное прочтение не заявляется; применены открытые авторские материалы, нормативные документы и статьи. факт [S8, S14, S27, S22]
  • Публичные репозитории: прочитаны README/документация, код внешних проектов не запускался; демонстрация этого исследования проверена отдельно. факт [S58, S59, S60, S61]

Поиск включал оригинальные документы, дополнительные поиски критики и эмпирики, переходы к первоисточникам и проверку новых публикаций, а не только первую выдачу по названиям методов. Отдельно сохранялись даты, тип доступа и ограничения; найденные, но не использованные материалы не включаются в реестр. Это описание выполненной исследовательской процедуры. гипотеза

Реестр источников

IDНазваниеАвтор или издательURLПубликацияДоступ (дата)Вид доступаЧто подтверждает
S1RICE: Simple prioritization for product managersSean McBride / Intercomintercom.com/blog/rice-simple-prioritization-for-product-…2018-01-052026-09-20полный текстРазделы 1, 2, 11: формула и шкалы RICE, ограничения, дата текущей публикации
S2The Practical Advantage Of The ICE Score As A Test Prioritization FrameworkAnuj Adhiya / GrowthHackersmedium.com/growthhackers/the-practical-advantage-of-the-i…2017-11-142026-09-20полный текстРазделы 1, 2, 11: ICE как среднее, практика тестирования и ретроспектива
S3Weighted Shortest Job FirstScaled Agileframework.scaledagile.com/wsjf/без даты2026-09-20фрагментРазделы 1, 2, 12: относительный CoD/duration, компоненты; полная статья за входом
S4Multi-criteria analysis: a manualDepartment for Communities and Local Governmentassets.publishing.service.gov.uk/media/5a790545e5274a2acd…2009-012026-09-20полный текстРазделы 1, 11: прочитаны разделы о весах, шкалах, независимости предпочтений и двойном счёте
S5Theme ScoringMike Cohn / Mountain Goat Softwaremountaingoatsoftware.com/tools/theme-scoringбез даты2026-09-20полный текстРазделы 1: взвешивание и базовая тема с оценкой 3
S6The Green Book (2026)HM Treasurygov.uk/government/publications/the-green-book-appraisal-a…2026-02-052026-09-20полный текстРазделы 1, 2: NPV/NPSV, expected value, real options, сопоставимость денежных потоков, явная поправка на исторический оптимизм; редакция 2026.
S7Cost of Delay Divided by DurationJoshua J. Arnold / Black Swan Farmingblackswanfarming.com/cost-of-delay-divided-by-duration/без даты2026-09-20полный текстРазделы 1, 11: CD3 = денежный CoD / длительность; оптимизируется порядок при дефицитной ёмкости. Пример на странице — иллюстрация, не полевой эксперимент.
S8An Introduction to Second Generation Lean Product DevelopmentDonald Reinertsen / Reinertsen & Associatesslideshare.net/slideshow/20181113-don-reinertsen-an-intro…2018-11-132026-09-20полный текстРазделы 1, 11, 12: Экономическая модель жизненного цикла, денежная чувствительность к задержке, WSJF, очереди, обратная связь; слайды автора.
S9Weighted sum of completion timesEugene L. Lawler, Maurice Queyranne, Andreas S. Schulz, David B. Shmoys / Cornell Universitypeople.orie.cornell.edu/shmoys/or6335/chapter5.pdfбез даты2026-09-20полный текстРазделы 1, 11: Теорема 4.1 доказывает оптимальность убывающего w/p для 1||ΣwC. Есть отдельные результаты для более сложных ограничений.
S10Prioritisation at ScaleJoshua Arnoldlinkedin.com/pulse/prioritisation-scale-joshua-arnold2019-12-212026-09-20полный текстРазделы 1: Общая валюта strategic outcomes, варианты достижения, учёт параллельности и последовательных зависимостей. Автор прямо ограничивает применимость CD3 к сложным зависимостям.
S11What's Wrong With This CLV Formula?Peter S. Fader, Bruce G. S. Hardiebrucehardie.com/notes/033/what_is_wrong_with_this_CLV_for…2014-122026-09-20полный текстРазделы 1, 11: CLV, условная активность и ограничения простой формулы
S122021 Private SaaS Company SurveyKeyBanc Capital Marketsforentrepreneurs.com/wp-content/uploads/2021/10/2021-KBCM…20212026-09-20полный текстРазделы 1: прочитан раздел CAC payback, определение через gross margin; рыночные нормы не переносятся
S13The Promise and Peril of Real OptionsAswath Damodaran / NYU Sternpages.stern.nyu.edu/~adamodar/pdfiles/papers/realopt.pdfбез даты2026-09-20полный текстРазделы 1, 11: Опционы отложить, расширить, прекратить; условия появления ценности и ограничения переноса финансового option pricing на реальные проекты.
S14Applied Information Economics (AIE)Hubbard Decision Researchhubbardresearch.com/about/applied-information-economics/без даты2026-09-20полный текстРазделы 1, 11, 12: AIE объединяет decision analysis, моделирование неопределённости, стоимость информации и целевые измерения. Заявлено применение более чем к 200 major decision portfolios.
S15Decision TheoryCzech University of Life Sciences Prague, Faculty of Economics and Managementorms.pef.czu.cz/DecisionTheory.htmlбез даты2026-09-20полный текстРазделы 1: Формулы EMV, expected utility, EVPI, EVSI; sensitivity analysis и учебный байесовский пример стоимости исследования.
S16Decisions Under UncertaintyHubbard Decision Researchhubbardresearch.com/wp-content/uploads/2020/07/Decisions-…2020-07-232026-09-20полный текстРазделы 1: Процедура AIE, расчёт information value, expected opportunity loss; пример инвестиций и вероятностей.
S17Kano’s Methods for Understanding Customer-defined QualityCharles Berger et al.; David Walden / Center for Quality Management Journalwalden-family.com/public/cqm-journal/2-4-Whole-Issue.pdf19932026-09-20полный текстРазделы 1, 11, 12: Опросная пара, 5 ответов, таблица A/O/M/I/R/Q, ограничения моды, Better/Worse, опыт Bose и BBN.
S18The MaxDiff System Technical Paper, Version 9Sawtooth Softwarecontent.sawtoothsoftware.com/assets/cb58ce5e-9d49-4d3c-b0…2020-102026-09-20полный текстРазделы 1, 11: Best/worst subsets, MNL/HB estimation, relative utilities, noise-scale confounding.
S19Incentive alignment in anchored MaxDiff yields superior predictive validityJoshua Benjamin Schramm, Marcel Lichters / Marketing Letterslink.springer.com/article/10.1007/s11002-023-09714-22024-01-112026-09-20полный текстРазделы 1, 2, 11: Пререгистрированный RCT n=448, четыре условия, 16 PS5 games; реальные последствия улучшают holdout choices.
S20Estimating Utilities with LogitSawtooth Software, Lighthouse Studio documentationsawtoothsoftware.com/help/lighthouse-studio/manual/estima…без даты2026-09-20полный текстРазделы 1, 11: CBC part-worth, суммы main effects, экспонента и нормировка, None option, interactions.
S21Understanding Willingness to Pay (WTP)Sawtooth Software, Lighthouse Studio documentationsawtoothsoftware.com/help/lighthouse-studio/manual/unders…без даты2026-09-20полный текстРазделы 1: WTP относительная к reference; не складывать отдельные WTP; competition и None; избегать простой конвертации dollars/utile.
S22How To Discover Hidden Market OpportunitiesTony Ulwick / Strategynstrategyn.com/outcome-driven-innovation/market-opportunity/без даты2026-09-20полный текстРазделы 1, 11, 12: Canonical opportunity = importance + max(0, importance - satisfaction).
S23Quantify Your Customer’s Unmet NeedsEric Eskey / Strategynstrategyn.com/quantify-your-customers-unmet-needs/2019-10-222026-09-20полный текстРазделы 1, 11: Top-two-box доли вместо арифметики ordinal ratings; формула без max, конфликт с другими страницами.
S24Jobs to Be Done (JTBD): The Original Framework by Tony UlwickStrategynstrategyn.com/jobs-to-be-done-template/без даты2026-09-20полный текстРазделы 1: Формула с max, но входы описаны ten-point scale: внутренняя неоднозначность версии.
S25Use the Customer Importance Score to surface your top-requested featuresJake Sawyer / Productboard Supportsupport.productboard.com/hc/en-us/articles/360058215013-U…без даты2026-09-20полный текстРазделы 1, 9: CIS, веса значимости, дедупликация повторов пользователя, последнее значение, ограничение Portal/Slack. Обновлено 2026-04-08.
S26Aggregated customer fieldsJake Sawyer / Productboard Supportsupport.productboard.com/hc/en-us/articles/48071075631507…без даты2026-09-20полный текстРазделы 1, 9: Сумма атрибутов заинтересованных клиентов, в том числе ARR, фильтрозависимость, Salesforce Enterprise. Обновлено 2026-03-20.
S27Buy a FeatureLuke Hohmannlukehohmann.com/innovation-games/buy-a-featureбез даты2026-09-20полный текстРазделы 1, 11, 12: 4–7 клиентов,14–30 features,игровые деньги на1/3–2/3 набора,coalitions,назначение цен.
S28The Betting Table, Shape Up, chapter 8Ryan Singer / Basecampbasecamp.com/shapeup/2.2-chapter-0820192026-09-20полный текстРазделы 1, 2, 11: циклы, betting table, appetite, circuit breaker
S29Portfolio Management: Fundamental for New Product SuccessRobert G. Cooper, Scott J. Edgett / Stage-Gate Internationalstage-gate.com/blog/portfolio-management-fundamental-for-…без даты2026-09-20полный текстРазделы 1, 2: strategic buckets, ёмкость, ограничения финансовых рейтингов
S30Why I Invented the Now-Next-Later RoadmapJanna Bastow / ProdPadprodpad.com/blog/invented-now-next-later-roadmap/2022-10-182026-09-20полный текстРазделы 1: горизонты, коммуникация и авторская практика
S31We're Evolving Our Product's North Star Metric. Here's Why.Justin Bauer / Amplitudeamplitude.com/blog/evolving-the-product-north-star-metric2019-02-132026-09-20полный текстРазделы 1: пример смены North Star, корреляционные основания
S32What is MoSCoW Prioritization?Agile Business Consortiumagilebusiness.org/resource/what-is-moscow-prioritization/2026-05-282026-09-20полный текстРазделы 1, 2, 8, 11: категории, timeframe, 60%/20% именно effort
S33From Nobel Prize to Project Management: Getting Risks RightBent Flyvbjergarxiv.org/pdf/1302.36422006-082026-09-20полный текстРазделы 1, 11: Каноническое изложение outside view и RCF; первые практические применения в транспортном планировании.
S34Psychological Strategies for Winning a Geopolitical Forecasting TournamentBarbara Mellers et al.faculty.wharton.upenn.edu/wp-content/uploads/2015/07/2014…20142026-09-20полный текстРазделы 1, 2: 2 года, 199 событий, 2246 участников в первом году и 1648 во втором. Рандомизированные условия training/team; улучшались calibration и resolution.
S35The effect of calibration training on the calibration of intelligence analysts’ judgmentsMegan O. Kelly, David R. Mandelonlinelibrary.wiley.com/doi/10.1002/acp.42362024-09-072026-09-20полный текстРазделы 1, 2, 11: 70 аналитиков, within-subject pre/post. Интервалы улучшились (d=1.05), бинарная калибровка не улучшилась (p=.076). Направление эффекта — снижение уверенности.
S36Model common prioritization frameworks in ProductboardEvan McGivern / Productboard Supportsupport.productboard.com/hc/en-us/articles/7400189831955-…без даты2026-09-20полный текстРазделы 2, 9, 12: Пользовательские числовые поля и формулы RICE, WSJF, ICE, value/effort; осторожность с полем effort из интеграции. Обновлено 2026-04-07.
S37Incentive alignment in conjoint analysis: a meta-analysis on predictive validityJoshua Benjamin Schramm / Marketing Letterslink.springer.com/article/10.1007/s11002-025-09764-82025-01-202026-09-20полный текстРазделы 2, 11: 34 работы,134 эффекта,n=12980, +12% относительный hit rate; in-sample validation only, publication bias controlled.
S38Explore AI in Jira Product DiscoveryAtlassian Supportsupport.atlassian.com/jira-product-discovery/docs/explore…без даты2026-09-20полный текстРазделы 2, 9, 10, 11: AI на Premium, активация администратором, генерация и сводка текста
S39Productboard Plans & PricingProductboardproductboard.com/pricing/без даты2026-09-20полный текстРазделы 2, 9: Free/Plus/Business/Enterprise, AI-кредиты, Spark, интеграции, ограничения
S40Product Prioritization Toolairfocus by Lucidairfocus.com/product/prioritization/без даты2026-09-20полный текстРазделы 2, 9, 10, 11: Поля, иерархия, RICE/weighted/MoSCoW, Priority Poker, Insights agent, контекстный airfocus agent
S41The great divide: An empirical study of the gap between AI-driven and traditional product backlog prioritizationMiloš Belčević, Dragan Pamučaravesis.unec.edu.az/publication/details/db5b2dc2-5973-4bf6…20262026-09-20фрагментРазделы 2, 12: только индексированная аннотация, n307/287; издатель 403, полная методика недоступна
S42Empirical research on Kano’s model and customer satisfactionFeng-Han Lin et al. / PLOS ONEjournals.plos.org/plosone/article?id=10.1371/journal.pone…2017-09-052026-09-20полный текстРазделы 2: 192 велосипедиста; наблюдательная проверка асимметрии performance—satisfaction, не тест accuracy прогнозов инициатив.
S43Reference Class Forecasting for Hong Kong’s Major Roadworks ProjectsBent Flyvbjerg, Chi-keung Hon, Wing Huen Fokarxiv.org/pdf/1710.094192016-112026-09-20полный текстРазделы 2, 11: 25 проектов, международная база 863. Leave-one-out для 18 ранних оценок: покрытие P50 9/18, P80 14/18.
S44Uniqueness Bias: Why It Matters, How to Curb ItBent Flyvbjerg, Alexander Budzier, M. D. Christodoulou, M. Zottoliarxiv.org/pdf/2408.077102024-08-132026-09-20полный текстРазделы 2: 219 IT-проектов; для затрат n=167, сроков n=108, benefits n=38. Уникальность коррелирует с перерасходом затрат, связи со сроками/benefits незначимы.
S45Моделі RICE та ICE як інструменти формалізації пріоритизації функціоналу ІТ-продукту в підготовці майбутніх ІТ-фахівцівГалина Кучаковська, Карина Хорольськаcsecurity.kubg.edu.ua/index.php/journal/article/download/…20262026-09-20полный текстРазделы 2: учебное применение, смена рейтингов без проверки реализованной ценности
S46Innovation Track Record StudyStrategynstrategyn.com/wp-content/uploads/2019/10/Innovation-Track…без даты2026-09-20полный текстРазделы 2: Исследование заказано в 2010;43 клиента,49 разработок,21 launch,18 success по самооценке; маркетинговые86%.
S47Online randomized controlled experiments at scale: lessons and extensions to medicineRon Kohavi, Diane Tang, Ya Xu, Lars G. Hemkens, John P. A. Ioannidislink.springer.com/article/10.1186/s13063-020-4084-y2020-02-072026-09-20полный текстРазделы 2: практическая база экспериментов, частые неуспехи исходных гипотез
S48Problems with scoring methods and ordinal scales in risk assessmentDouglas Hubbard, Dylan Evans / IBM Journal of Research and Developmentpaci.com.au/downloads_public/risk/Douglas-Hubbard_May2010…2010-052026-09-20полный текстРазделы 2, 11: Критика операций над ordinal scales; более 2000 ответов из 5 организаций; собственное обучение 190 человек, интервальные задания у 166.
S49Large Language Models for Market Research: A Data-augmentation ApproachMengxin Wang, Dennis J. Zhang, Heng Zhang / arXivarxiv.org/html/2412.19363v12024-12-262026-09-20полный текстРазделы 2, 10, 11: Human-calibrated augmentation;исходно1971 vaccine respondents,200 sports car respondents;наивная синтетика смещена.
S50Distorted Perspectives of LLM-Simulated Preferences: Can AI Mislead Design?Eduard Kuric, Peter Demcak, Matus Krajcovic / arXivarxiv.org/html/2605.18311v12026-05-182026-09-20полный текстРазделы 2, 10: 29 исследований визуальных предпочтений, n=2073, 78 заданий; совпадение модального выбора людей и baseline GPT-4.1 в 53% заданий.
S51Jira Product Discovery: Pricing Plans to Fuel InnovationAtlassianatlassian.com/software/jira/product-discovery/pricingбез даты2026-09-20полный текстРазделы 9: Тарифы, creators/contributors, облачная поставка, интеграции
S52Custom formulasAtlassian Supportsupport.atlassian.com/jira-product-discovery/docs/express…без даты2026-09-20полный текстРазделы 9: Roll-up, нормализация Weighted Score, отрицательные веса и деление, собственные формулы
S53Jira Product Discovery and Jira PlansAtlassian Supportsupport.atlassian.com/jira-product-discovery/docs/jira-pr…без даты2026-09-20полный текстРазделы 9: Связь идей с планами и работой Jira; Plans требует Jira Premium или Enterprise
S54Product Feature Prioritization ToolsProductboardproductboard.com/product/prioritization/без даты2026-09-20полный текстРазделы 9: Сущности идеи, возможности, клиентские insights, кастомизация формул, релизы
S55Create your own prioritization formulasProductboard Supportsupport.productboard.com/hc/en-us/articles/4607447362963-…без даты2026-09-20недоступенРазделы 9, 12: Ограничение доступа
S56Plans & Pricingairfocus by Lucidairfocus.com/pricing/без даты2026-09-20полный текстРазделы 9: Professional/Enterprise, цены по запросу, нет free trial, роли, интеграции, MCP, ёмкость Enterprise
S57Manage resource allocation with the Capacity Planning app in airfocusMorgan T / Lucidhelp.lucid.co/hc/en-us/articles/43476443946516-Manage-res…без даты2026-09-20полный текстРазделы 9: Ресурс как capacity field + период, basic/advanced mode, буфер, общие ресурсы между workspaces, сценарии. Обновлено 2025-11-25.
S58guardrails-ai/guardrailsGuardrails AIgithub.com/guardrails-ai/guardrailsбез даты2026-09-20полный текстРазделы 10, 12: Публичный Apache-2.0 репозиторий, проверки I/O, Pydantic-структуры, свои validators, миграция 2026
S59forecastingresearch/forecastbenchForecasting Research Institutegithub.com/forecastingresearch/forecastbenchбез даты2026-09-20полный текстРазделы 10, 12: Публичный MIT-код ForecastBench, данные и сравнение прогнозистов
S60forecastingresearch/forecastbench-datasetsForecasting Research Institutegithub.com/forecastingresearch/forecastbench-datasetsбез даты2026-09-20полный текстРазделы 10, 12: Публичные datasets и leaderboards, CC BY-SA 4.0
S61Docs — ForecastBenchForecasting Research Instituteforecastbench.org/docs/index.htmlбез даты2026-09-20полный текстРазделы 10, 12: Pipeline генерации вопросов, валидации, разрешения прогнозов, вычисления difficulty-adjusted Brier score; 2025 методологические обновления
S62Attractive Quality and Must-Be QualityNoriaki Kano, Nobuhiko Seraku, Fumio Takahashi, Shin-ichi Tsuji / JSQCjstage.jst.go.jp/article/quality/14/2/14_KJ00002952366/_a…1984-04-152026-09-20аннотацияРазделы 11, 12: Происхождение Kano, исследование телевизоров и настольных часов; полный японский текст ограничен.
S63The DSDM Agile Project FrameworkAgile Business Consortiumagilebusiness.org/resource/the-dsdm-agile-project-framework/2018-03-122026-09-20полный текстРазделы 11: происхождение DSDM в 1994, переход к handbook2014
S64Building a Company Wide Growth Culture — Video + TranscriptSean Ellis / SaaStrsaastr.com/sean-ellis-founder-ceo-of-growthhackers-buildi…20162026-09-20полный текстРазделы 11: выступление автора об ICE и цикле тестов; год сессии указан на странице
S65Shape Up — REWORK, episode 0047Ryan Singer / 37signals37signals.com/podcast/shape-up/2019-07-232026-09-20полный текстРазделы 11: публичное объявление книги, автор и происхождение
S66CASE method fast-track: a RAD approachDai Clegg, Richard Barker / Addison-Wesley; OBNBobnb.uk/p7355813-case-method-fast-track-a-rad-approach19942026-09-20аннотацияРазделы 11, 12: библиографическая запись, полный текст книги не читался

Словарь терминов

Prioritization приоритизация
выбор направления ресурсов, набора инициатив и порядка работы при ограничениях.
Valuation оценка ценности
модель последствий альтернативы в определённых единицах и горизонте.
Counterfactual контрфактический вариант
что произошло бы без рассматриваемого изменения или при другом решении.
Incremental effect / uplift дополнительный эффект
разность результата с изменением и выбранного контрфакта.
Score / scoring балл / скоринг
агрегированное предпочтение по объявленной формуле, не обязательно измерение эффекта.
Ordinal scale порядковая шкала
шкала, в которой определён порядок, но не величины интервалов и отношений.
Ratio scale шкала отношений
количественная шкала с содержательным нулём и интерпретируемыми отношениями.
RICE охват, влияние, уверенность, труд
эвристика Reach×Impact×Confidence/Effort.
ICE влияние, уверенность, простота
семейство оценок тестов; среднее и произведение являются разными версиями.
Reach охват
число затронутых объектов в заданной популяции за объявленный период.
Confidence уверенность
в эвристиках качество оснований; без определения события не равно вероятности успеха.
Effort трудоёмкость
потребление труда, например человеко-недель; отличается от календарной duration.
Duration длительность
календарное время выполнения при указанной команде и ограничении.
WSJF взвешенное правило короткой работы
порядок по отношению веса задержки к длительности; SAFe использует относительные оценки.
Cost of delay / CoD стоимость задержки
потеря ценности при переносе решения во времени.
CD3 CoD divided by duration
отношение денежной стоимости задержки за единицу времени к длительности работы.
NPV чистая приведённая стоимость
сумма дополнительных денежных потоков, дисконтированных к одной дате.
ROI отдача на вложение
отношение чистой выгоды к затратам за объявленный горизонт.
Expected value / EV ожидаемая ценность
среднее возможных последствий с весами вероятностей.
Cash flow денежный поток
поступления и выплаты по времени, отличные от условных баллов и бухгалтерской выручки.
Contribution / margin маржинальный вклад
выручка за вычетом объявленных переменных и дополнительных расходов.
Gross / net benefit выгода до / после затрат
в конкретной модели различаются оговорённым набором вычитаемых расходов.
LTV / CLV ценность отношений с клиентом
ожидаемая приведённая стоимость будущих клиентских потоков.
CAC стоимость привлечения клиента
относимые затраты привлечения на новых клиентов с учётом лага и канала.
ARPA средняя выручка на аккаунт
выручка, делённая на число аккаунтов за определённый период.
ARR годовая повторяющаяся выручка
годовой эквивалент регулярной выручки; не прибыль и не дополнительный эффект функции.
Retention / churn удержание / отток
сохранение или прекращение клиентских отношений в определённой когорте и периоде.
Payback срок окупаемости
время до покрытия вложения накопленным дополнительным потоком.
Real option реальный опцион
право позднее изменить инвестиционное решение после получения информации.
AIE прикладная экономика информации
методология Hubbard, объединяющая анализ решений, неопределённость и целевые измерения.
VOI / EVPI / EVSI ценность информации / идеальной / выборочной
ожидаемое улучшение решения при получении соответствующей информации.
Reference class forecasting / RCF прогноз по классу аналогов
оценка нового случая через распределение исходов сопоставимых прошлых случаев.
Outside view внешний взгляд
использование базовых частот похожих случаев до объяснения уникальности текущего проекта.
MCDA многокритериальный анализ решений
явное сопоставление альтернатив по нескольким целям и предпочтениям.
Swing weighting взвешивание изменения диапазона
веса сравнительной ценности перехода от худшего к лучшему уровню каждого критерия.
Theme scoring оценка тем
взвешивание темы по критериям относительно базовой темы.
Kano модель типов качества
классификация реакций на наличие и отсутствие свойства, включая обязательное и привлекательное качество.
MaxDiff / best-worst scaling выбор лучшего и худшего
процедура выявления относительных предпочтений объектов в поднаборах.
Conjoint / CBC совместный анализ / анализ выбора
оценка компромиссов между конфигурациями атрибутов по выборам респондентов.
Utility / part-worth полезность / частичная полезность
параметр модели предпочтений, не денежный поток сам по себе.
MNL / HB мультиномиальная logit / иерархическая байесовская модель
подходы к оценке параметров выбора и различий респондентов.
WTP / None / anchor готовность платить / отказ / порог
элементы модели, позволяющие соотнести выбор с ценой и приемлемостью.
Top-two-box доля двух верхних категорий
агрегирование ответов через долю наиболее высоких оценок, а не их среднее.
Opportunity score оценка неудовлетворённой возможности
эвристика важности и удовлетворённости желаемого клиентского результата.
ODI Outcome-Driven Innovation, инновации от результата
методология Strategyn вокруг желаемых outcomes клиентов.
Buy-a-feature покупка функции за игровые средства
групповое исследование компромиссов с ограниченным бюджетом.
MoSCoW Must, Should, Could, Won’t
категории обязательности объёма относительно конкретного периода.
DSDM / RAD динамическая разработка систем / быстрая разработка приложений
исторический контекст управления сроком и изменяемыми требованиями.
Stack ranking полное упорядочивание
список без равных мест, обычно с качественными основаниями порядка.
Capacity / bucket / reserve ёмкость / корзина / резерв
доступный ресурс, его выделенная часть и незанятый запас под объявленные условия.
BAU business as usual, регулярная работа
уже существующая операционная нагрузка, которую учитывают до распределения новой ёмкости.
Appetite / pitch / shaping предел ставки / предложение / подготовка решения
элементы Shape Up, ограничивающие объём до начала исполнения.
Betting table / circuit breaker выбор ставок / прекращение по лимиту
решение о выделении команды и правило отсутствия автоматического продления.
Now-next-later сейчас, далее, позже
представление горизонтов обязательств и намерений.
North Star / guardrail направляющая метрика / ограничитель
основной показатель ценности и метрики, ухудшение которых недопустимо.
OKR / Opportunity Solution Tree цели и ключевые результаты / дерево возможностей и решений
соседние практики постановки целей и подготовки альтернатив.
Outcome / output результат изменения / произведённый объём
изменение состояния бизнеса или клиента в отличие от самого выпуска функции.
Baseline / holdout базовый вариант / отложенная проверка
исходное сравнение и данные, не использованные для подгонки модели.
Calibration / resolution калибровка / различение
соответствие вероятностей частотам и способность отличать более вероятные исходы; resolution также означает формальное разрешение события.
Coverage / quantile покрытие / квантиль
доля попаданий в заявленный интервал и порог распределения заданного уровня.
Brier score / MAE квадратичная ошибка вероятности / средняя абсолютная ошибка
разные меры точности вероятностных и количественных прогнозов.
Selection bias / survivorship bias смещение отбора / выживших
искажение вывода из-за наблюдения выбранных или только успешных случаев.
HiPPO / gaming мнение самого влиятельного / манипуляция
подмена оснований властью и изменение оценок ради получения ресурса.
LLM / synthetic respondent большая языковая модель / синтетический респондент
модель генерации текста и её имитация ответа человека, не реальный участник исследования.
Provenance / snapshot / append-only происхождение / снимок / запись без перезаписи
механики воспроизводимости оснований, входов и истории решения.
JSON / schema / validator формат данных / схема / проверка
структура записи и исполняемые ограничения её формы и семантики.
API / MCP / CRM программный интерфейс / протокол контекста моделей / система клиентов
интерфейсы интеграции данных и агентных инструментов.