SlideShare una empresa de Scribd logo
1 de 7
Story Slicing
Methoden und Techniken
Michael Küsters
oder: Wie man User Stories klein bekommt …
Technisches Splitting
Spaltlinie Beispiel
Use Case Nutzerdaten: Login, Statistiken, Passwort-Reset, Mailings
Konfiguration Datenbank: Kunde A: Oracle, Kunde B: postgres, Kunde C: MS-sql
I/O Kanal Vertragsdaten: Benutzereingabe, SAP-Export, DWH-Export
Daten-Instanzen Bauteile: Statische Teile, konfigurierte Teile, Teile mit Verschleiß
Instanz-Typ Produkte: Warenkorb, Lager, Bestellung, Retoure
Persona Benutzer: System-Admin, Ingenieur, Techniker, Architekt
CRUD Usermanagement: Registrieren, Login, PW ändern, Konto
löschen
Technische
Operation
Datenverarbeitung: Auslesen, Übertragen, Business Logik
Formate Datenströme: XML, JSON, CSV, Binary-Encoded
2
@Larman/Vodde:
„Practices for scaling Lean
and Agile Development“
FURPS+ Story Slicing
Functionality
Usability
Reliability
Portability
Supportability
+ other stuff
Warum will der User die
ganze Historie sehen?
Pagination? Lazy Load?
Filter?
Wo entsteht das Problem?
Gibt es andere Wege?
Infrastruktur?
Betriebssystem? DB?
Wie finden wir heraus,
warum es langsam ist?
Kann jemand den Datenschutz bei
Offline Client Caching klären?
3
@Larman/Vodde:
„Practices for scaling Lean
and Agile Development“
Specification by Example
1. Beschreibe das Verhalten des Moduls, wie
der Nutzer es wahrnimmt.
2. Nutze reale Beispiele.
3. Stelle Variablen in einer Matrix dar.
4. Stelle „schwere“ Fragen.
5. Schau‘ über den Tellerrand.
@Gojko Adzic:
„Specification by
Example“
4
SBE – Beispiel: Division
Zähler Nenner Ergebnis
2 2 1
10 5 2
7 0 ∞
0 0 0
2 π ?
Story 1: Wie stellt man
das dar?
Story 2: Eine Zahl durch
sich selbst ist 1! Auch 0?
Story 3: Auf-/Abrunden:
Wie viel Stellen?
5
@Gojko Adzic:
„Specification by
Example“
Ziel Akteure Auswirkung Feature
Impact Mapping
6
Top
Profile
Jobsucher
Firmen
High
Potentials
Fachkraft
HR
Fach-
Bereiche
Bewertetes
Profil
Einfache
Übersicht
Skill-
Übersicht
Leicht
auswählen
Peer Voting
für Skills
Skills Picker
Übliche
Begriffe
Intelligente
VorschlägeSkill Tree
Gewichtete
Profile
Relation zur
Ausschreibung
Basierend auf
Bewertungen
Job
Portal
#1
Wir bauenals Teil vondamitfür wen?als Teil vonund
erreichen
als Teil von
@Gojko Adzic:
„Specification by
Example“
Story Mapping
7
@Jeff Patton:
„User Story Mapping“

Más contenido relacionado

Similar a Story slicing Techniken

Wozu Portlets – reichen HTML5 und Rest nicht aus für moderne Portale?
Wozu Portlets – reichen HTML5 und Rest nicht aus für moderne Portale?Wozu Portlets – reichen HTML5 und Rest nicht aus für moderne Portale?
Wozu Portlets – reichen HTML5 und Rest nicht aus für moderne Portale?adesso AG
 
Market Research Meets Business Intelligence
Market Research Meets Business IntelligenceMarket Research Meets Business Intelligence
Market Research Meets Business IntelligenceDataLion
 
Clickstream Analysis with Spark—Understanding Visitors in Realtime by Josef A...
Clickstream Analysis with Spark—Understanding Visitors in Realtime by Josef A...Clickstream Analysis with Spark—Understanding Visitors in Realtime by Josef A...
Clickstream Analysis with Spark—Understanding Visitors in Realtime by Josef A...Spark Summit
 
Log Monitoring at eBay kleinanzeigen (April 2013)
Log Monitoring at eBay kleinanzeigen (April 2013)Log Monitoring at eBay kleinanzeigen (April 2013)
Log Monitoring at eBay kleinanzeigen (April 2013)Manuel Aldana
 
ecspand SAP Eingangsrechnungsverarbeitung
ecspand SAP Eingangsrechnungsverarbeitungecspand SAP Eingangsrechnungsverarbeitung
ecspand SAP EingangsrechnungsverarbeitungFLorian Laumer
 
Dr. Thomas Petrik (Sphinx IT Consulting)
Dr. Thomas Petrik (Sphinx IT Consulting)Dr. Thomas Petrik (Sphinx IT Consulting)
Dr. Thomas Petrik (Sphinx IT Consulting)Agenda Europe 2035
 
07 06 Xpertivy (Office 2003)
07 06 Xpertivy (Office 2003)07 06 Xpertivy (Office 2003)
07 06 Xpertivy (Office 2003)soreco
 
Überblick: 18c und Autonomous Data Warehouse Cloud (ADWC)
Überblick: 18c und Autonomous Data Warehouse Cloud (ADWC)Überblick: 18c und Autonomous Data Warehouse Cloud (ADWC)
Überblick: 18c und Autonomous Data Warehouse Cloud (ADWC)Ulrike Schwinn
 
SplunkLive! Zürich 2016 - Use Case Helvetia
SplunkLive! Zürich 2016 - Use Case HelvetiaSplunkLive! Zürich 2016 - Use Case Helvetia
SplunkLive! Zürich 2016 - Use Case HelvetiaSplunk
 
SplunkLive! Zürich 2016 - Use Case Helvetia
SplunkLive! Zürich 2016 - Use Case HelvetiaSplunkLive! Zürich 2016 - Use Case Helvetia
SplunkLive! Zürich 2016 - Use Case HelvetiaGeorg Knon
 
SplunkLive! Frankfurt 2016 - Helvetia Use Case
SplunkLive! Frankfurt 2016 - Helvetia Use CaseSplunkLive! Frankfurt 2016 - Helvetia Use Case
SplunkLive! Frankfurt 2016 - Helvetia Use CaseSplunk
 
Data Mining und OLAP
Data Mining und OLAPData Mining und OLAP
Data Mining und OLAPmurat9393
 
Onkopedia - Ein medizinisches Leitlinienportal auf dem Weg zu XML-basierten P...
Onkopedia - Ein medizinisches Leitlinienportal auf dem Weg zu XML-basierten P...Onkopedia - Ein medizinisches Leitlinienportal auf dem Weg zu XML-basierten P...
Onkopedia - Ein medizinisches Leitlinienportal auf dem Weg zu XML-basierten P...Andreas Jung
 
In Memory-Technologien im Vergleich - SQL Server Konferenz 2015
In Memory-Technologien im Vergleich - SQL Server Konferenz 2015In Memory-Technologien im Vergleich - SQL Server Konferenz 2015
In Memory-Technologien im Vergleich - SQL Server Konferenz 2015Marcel Franke
 
Event Driven Architecture - OPITZ CONSULTING - Schmutz - Winterberg
Event Driven Architecture - OPITZ CONSULTING - Schmutz - WinterbergEvent Driven Architecture - OPITZ CONSULTING - Schmutz - Winterberg
Event Driven Architecture - OPITZ CONSULTING - Schmutz - WinterbergOPITZ CONSULTING Deutschland
 
IBM Connections Troubleshooting oder "get the cow off the ice"
IBM Connections Troubleshooting oder "get the cow off the ice"IBM Connections Troubleshooting oder "get the cow off the ice"
IBM Connections Troubleshooting oder "get the cow off the ice"Nico Meisenzahl
 
OpenDMA - Daten Management Solution
OpenDMA  - Daten Management SolutionOpenDMA  - Daten Management Solution
OpenDMA - Daten Management SolutionTorsten Glunde
 
Integrierte BPM Projektmethodik
Integrierte BPM ProjektmethodikIntegrierte BPM Projektmethodik
Integrierte BPM ProjektmethodikDirk Slama
 

Similar a Story slicing Techniken (20)

Wozu Portlets – reichen HTML5 und Rest nicht aus für moderne Portale?
Wozu Portlets – reichen HTML5 und Rest nicht aus für moderne Portale?Wozu Portlets – reichen HTML5 und Rest nicht aus für moderne Portale?
Wozu Portlets – reichen HTML5 und Rest nicht aus für moderne Portale?
 
Market Research Meets Business Intelligence
Market Research Meets Business IntelligenceMarket Research Meets Business Intelligence
Market Research Meets Business Intelligence
 
Clickstream Analysis with Spark—Understanding Visitors in Realtime by Josef A...
Clickstream Analysis with Spark—Understanding Visitors in Realtime by Josef A...Clickstream Analysis with Spark—Understanding Visitors in Realtime by Josef A...
Clickstream Analysis with Spark—Understanding Visitors in Realtime by Josef A...
 
Log Monitoring at eBay kleinanzeigen (April 2013)
Log Monitoring at eBay kleinanzeigen (April 2013)Log Monitoring at eBay kleinanzeigen (April 2013)
Log Monitoring at eBay kleinanzeigen (April 2013)
 
ecspand SAP Eingangsrechnungsverarbeitung
ecspand SAP Eingangsrechnungsverarbeitungecspand SAP Eingangsrechnungsverarbeitung
ecspand SAP Eingangsrechnungsverarbeitung
 
Dr. Thomas Petrik (Sphinx IT Consulting)
Dr. Thomas Petrik (Sphinx IT Consulting)Dr. Thomas Petrik (Sphinx IT Consulting)
Dr. Thomas Petrik (Sphinx IT Consulting)
 
07 06 Xpertivy (Office 2003)
07 06 Xpertivy (Office 2003)07 06 Xpertivy (Office 2003)
07 06 Xpertivy (Office 2003)
 
Überblick: 18c und Autonomous Data Warehouse Cloud (ADWC)
Überblick: 18c und Autonomous Data Warehouse Cloud (ADWC)Überblick: 18c und Autonomous Data Warehouse Cloud (ADWC)
Überblick: 18c und Autonomous Data Warehouse Cloud (ADWC)
 
SplunkLive! Zürich 2016 - Use Case Helvetia
SplunkLive! Zürich 2016 - Use Case HelvetiaSplunkLive! Zürich 2016 - Use Case Helvetia
SplunkLive! Zürich 2016 - Use Case Helvetia
 
SplunkLive! Zürich 2016 - Use Case Helvetia
SplunkLive! Zürich 2016 - Use Case HelvetiaSplunkLive! Zürich 2016 - Use Case Helvetia
SplunkLive! Zürich 2016 - Use Case Helvetia
 
SplunkLive! Frankfurt 2016 - Helvetia Use Case
SplunkLive! Frankfurt 2016 - Helvetia Use CaseSplunkLive! Frankfurt 2016 - Helvetia Use Case
SplunkLive! Frankfurt 2016 - Helvetia Use Case
 
Data Mining und OLAP
Data Mining und OLAPData Mining und OLAP
Data Mining und OLAP
 
[DE] ECM : Capture | Whitepaper | Ulrich Kampffmeyer | 2009
[DE] ECM : Capture | Whitepaper | Ulrich Kampffmeyer | 2009[DE] ECM : Capture | Whitepaper | Ulrich Kampffmeyer | 2009
[DE] ECM : Capture | Whitepaper | Ulrich Kampffmeyer | 2009
 
Onkopedia - Ein medizinisches Leitlinienportal auf dem Weg zu XML-basierten P...
Onkopedia - Ein medizinisches Leitlinienportal auf dem Weg zu XML-basierten P...Onkopedia - Ein medizinisches Leitlinienportal auf dem Weg zu XML-basierten P...
Onkopedia - Ein medizinisches Leitlinienportal auf dem Weg zu XML-basierten P...
 
In Memory-Technologien im Vergleich - SQL Server Konferenz 2015
In Memory-Technologien im Vergleich - SQL Server Konferenz 2015In Memory-Technologien im Vergleich - SQL Server Konferenz 2015
In Memory-Technologien im Vergleich - SQL Server Konferenz 2015
 
Warum sap hana sql data warehousing
Warum sap hana sql data warehousingWarum sap hana sql data warehousing
Warum sap hana sql data warehousing
 
Event Driven Architecture - OPITZ CONSULTING - Schmutz - Winterberg
Event Driven Architecture - OPITZ CONSULTING - Schmutz - WinterbergEvent Driven Architecture - OPITZ CONSULTING - Schmutz - Winterberg
Event Driven Architecture - OPITZ CONSULTING - Schmutz - Winterberg
 
IBM Connections Troubleshooting oder "get the cow off the ice"
IBM Connections Troubleshooting oder "get the cow off the ice"IBM Connections Troubleshooting oder "get the cow off the ice"
IBM Connections Troubleshooting oder "get the cow off the ice"
 
OpenDMA - Daten Management Solution
OpenDMA  - Daten Management SolutionOpenDMA  - Daten Management Solution
OpenDMA - Daten Management Solution
 
Integrierte BPM Projektmethodik
Integrierte BPM ProjektmethodikIntegrierte BPM Projektmethodik
Integrierte BPM Projektmethodik
 

Más de Michael Küsters

Más de Michael Küsters (11)

Ten reasons why you shouldn't use SAFe
Ten reasons why you shouldn't use SAFeTen reasons why you shouldn't use SAFe
Ten reasons why you shouldn't use SAFe
 
Trust customersatisfaction
Trust customersatisfactionTrust customersatisfaction
Trust customersatisfaction
 
Extreme Agility
Extreme AgilityExtreme Agility
Extreme Agility
 
Projekte Schneiden
Projekte SchneidenProjekte Schneiden
Projekte Schneiden
 
Keeping your IT projects on track
Keeping your IT projects on trackKeeping your IT projects on track
Keeping your IT projects on track
 
Why "Agile" fails
Why "Agile" failsWhy "Agile" fails
Why "Agile" fails
 
Testinvoices - DQM
Testinvoices - DQMTestinvoices - DQM
Testinvoices - DQM
 
DQM bei Ihnen
DQM bei IhnenDQM bei Ihnen
DQM bei Ihnen
 
Data Quality Definitions
Data Quality DefinitionsData Quality Definitions
Data Quality Definitions
 
Data Quality+Security
Data Quality+SecurityData Quality+Security
Data Quality+Security
 
Data Quality Solution
Data Quality SolutionData Quality Solution
Data Quality Solution
 

Story slicing Techniken

  • 1. Story Slicing Methoden und Techniken Michael Küsters oder: Wie man User Stories klein bekommt …
  • 2. Technisches Splitting Spaltlinie Beispiel Use Case Nutzerdaten: Login, Statistiken, Passwort-Reset, Mailings Konfiguration Datenbank: Kunde A: Oracle, Kunde B: postgres, Kunde C: MS-sql I/O Kanal Vertragsdaten: Benutzereingabe, SAP-Export, DWH-Export Daten-Instanzen Bauteile: Statische Teile, konfigurierte Teile, Teile mit Verschleiß Instanz-Typ Produkte: Warenkorb, Lager, Bestellung, Retoure Persona Benutzer: System-Admin, Ingenieur, Techniker, Architekt CRUD Usermanagement: Registrieren, Login, PW ändern, Konto löschen Technische Operation Datenverarbeitung: Auslesen, Übertragen, Business Logik Formate Datenströme: XML, JSON, CSV, Binary-Encoded 2 @Larman/Vodde: „Practices for scaling Lean and Agile Development“
  • 3. FURPS+ Story Slicing Functionality Usability Reliability Portability Supportability + other stuff Warum will der User die ganze Historie sehen? Pagination? Lazy Load? Filter? Wo entsteht das Problem? Gibt es andere Wege? Infrastruktur? Betriebssystem? DB? Wie finden wir heraus, warum es langsam ist? Kann jemand den Datenschutz bei Offline Client Caching klären? 3 @Larman/Vodde: „Practices for scaling Lean and Agile Development“
  • 4. Specification by Example 1. Beschreibe das Verhalten des Moduls, wie der Nutzer es wahrnimmt. 2. Nutze reale Beispiele. 3. Stelle Variablen in einer Matrix dar. 4. Stelle „schwere“ Fragen. 5. Schau‘ über den Tellerrand. @Gojko Adzic: „Specification by Example“ 4
  • 5. SBE – Beispiel: Division Zähler Nenner Ergebnis 2 2 1 10 5 2 7 0 ∞ 0 0 0 2 π ? Story 1: Wie stellt man das dar? Story 2: Eine Zahl durch sich selbst ist 1! Auch 0? Story 3: Auf-/Abrunden: Wie viel Stellen? 5 @Gojko Adzic: „Specification by Example“
  • 6. Ziel Akteure Auswirkung Feature Impact Mapping 6 Top Profile Jobsucher Firmen High Potentials Fachkraft HR Fach- Bereiche Bewertetes Profil Einfache Übersicht Skill- Übersicht Leicht auswählen Peer Voting für Skills Skills Picker Übliche Begriffe Intelligente VorschlägeSkill Tree Gewichtete Profile Relation zur Ausschreibung Basierend auf Bewertungen Job Portal #1 Wir bauenals Teil vondamitfür wen?als Teil vonund erreichen als Teil von @Gojko Adzic: „Specification by Example“