Precisa de ajuda para escolher o seu
treinamento ou tem alguma dúvida?

Atividade: Descobrindo as features

Feature é um agrupamento de funcionalidades afins. Tal agrupamento ajuda a compreender o produto como um todo, bem como as suas partes menores e complementares. O entendimento de feature varia de time para time, o que é importante é que ele faça sentido para aquela equipe.

A seguinte atividade é utilizada para descoberta de features. Note que esta atividade depende da lista de objetivos e personas, que já devem ser artefatos adquiridos em atividades anteriores:

Passos da Atividade:

1. Solicite que a equipe coloque os objetivos em um canvas comum, em ordem de prioridade, da esquerda para direita, como títulos de colunas;

2. Solicite que a equipe coloque as personas no mesmo canvas, em ordem de prioridade, de cima para baixo, como títulos de linhas;

3. Promova um brainstorm de features. A discussão deve ser guiada para que se descubram quais features são necessárias para atender objetivos e personas. Uma pergunta para ajudar nesse processo é: “O que precisa ter no sistema para que tal persona alcance tal objetivo?”

 

O time deve se guiar no canvas do topo esquerdo para o canto inferior direito (conforme figura abaixo). Dessa forma, as features de maior prioridade surgirão primeiro. Aconselhamos que as demais features sejam esclarecidas (e documentadas), mas que a equipe não entre em detalhes, mantendo o foco nos itens prioritários.

descobrindo-features-objetivos-vs-personas

Exemplo de resultado: Features, Objetivos e Personas, respectivamente em azul, laranja e verde

sample-features

Exemplo de resultado: Features, Objetivos e Personas, respectivamente em post-it azul, post-it rosa e folha de papel branco

 

Embora o canvas seja semelhante a uma matriz, não necessariamente haverá uma feature para cada interseção. Pode haver múltiplas features para uma persona alcançar um objetivo específico, assim como é possível haver personas que não necessitam de uma feature para determinado objetivo.

Caso sejam identificados objetivos e features que não atendem as necessidades de nenhuma persona, estes devem ser descartados ou repensados, pois o seu valor não está claramente associado a um usuário.

Paulo Caroli

Paulo Caroli is an author, speaker, and consultant specializing in agile transformations, Lean Inception, and OKRs. With over 30 years of experience—including nearly a decade in Silicon Valley and 18 years at ThoughtWorks—he has helped organizations transition from project to product and from strategy to execution. Creator of the Lean Inception methodology and author of bestselling books like Lean Inception and Team OKR, Paulo is dedicated to empowering teams to align, validate, and deliver real business value.
Inteligência Artificial e Outcomes: Por que Produzir Mais Não Significa Gerar Mais Resultados

Inteligência Artificial e Outcomes: Por que Produzir Mais Não Significa Gerar Mais Resultados

A inteligência artificial está tornando os outputs mais rápidos, baratos e abundantes. Mas produzir mais não significa gerar mais resultados. Neste artigo, Paulo Caroli explica por que outcomes, julgamento e ownership se tornam ainda mais importantes à medida que papéis, processos e estruturas de times mudam. A partir de Lean Inception, Team OKR e Triple Track, o texto mostra como conectar estratégia, aprendizado e execução na era da IA.

ler mais

Pin It on Pinterest