Το One Metric for Innovation Accounting (και πώς να το χρησιμοποιήσετε)

Προβολές: 935

Η «Λογιστική καινοτομίας» είναι ένας χαλαρός όρος για την ιδέα ότι οι εταιρείες χρειάζονται νέες μετρήσεις για τη διαχείριση της καινοτομίας, της κυρίαρχης ανταγωνιστικής δύναμης που οδηγεί σήμερα. Συμφωνώ. Αφού ξεκίνησα και πούλησα (και επίσης δεν πούλησα) μερικές νεοφυείς επιχειρήσεις, επένδυσα σε άλλες και έδωσα ακόμη περισσότερες συμβουλές, το μόνο πράγμα που έχω δει να παράγει αξιόπιστα πολύτιμη καινοτομία είναι ο σκόπιμος, συνεπής πειραματισμός. Αυτήν τη στιγμή, περνάω τον περισσότερο χρόνο μου διδάσκοντας στο Darden School of Business της UVA. Πολλοί από τους φοιτητές μου στο MBA έχουν ένα υπόβαθρο χρηματοοικονομικής λογιστικής και όταν μιλάμε για «λογιστική καινοτομίας» κάνουν ερωτήσεις όπως: «Ποια είναι τα πρότυπα για αυτό; Πώς το κάνεις, ακριβώς;».

Νομίζω ότι αυτές είναι καλές ερωτήσεις. Αν και μια καλή απάντηση δεν θα μοιάζει αρκετά με τα πρότυπα που έχουμε εξελίξει για τη χρηματοοικονομική λογιστική, αυτή τη στιγμή τα σημεία εκκίνησης για την πραγματοποίηση της πραγματικής «λογιστικής καινοτομίας» είναι ακόμα αρκετά θολά. Μια καλή απάντηση είναι έγκαιρη και σημαντική, επειδή τόσες πολλές ομάδες εξασκούν κάποια μορφή ευέλικτης συμπεριφοράς, δεν είναι σίγουροι αν το κάνουν «σωστά» και, φυσικά, πολλά λογισμικά εξακολουθούν να καταλήγουν ως απόβλητα—δεν είναι αρκετά πολύτιμα για τους χρήστες και δεν είναι εμπορικά επιτυχημένη.

Από βδομάδα σε εβδομάδα, από τρίμηνο σε τρίμηνο, εδώ είναι το οικονομικό ερώτημα που κάθε άτομο σε μια ευέλικτη ομάδα πρέπει να αναρωτηθεί: “Αυτό που κάνω μειώνει το κόστος μας για την κυκλοφορία μιας επιτυχημένης λειτουργίας;” Η εξίσωση εδώ το περιγράφει με όρους μιας μέτρησης: ‘F’. Βασικά, το ‘F’ λαμβάνει υπόψη το κόστος δημιουργίας ενός χαρακτηριστικού σε σχέση με το πόσα από αυτά τα χαρακτηριστικά είναι επιτυχημένα. Το κόστος για την ομάδα σας και η ποσότητα του ‘περιεχομένου κυκλοφορίας’ που παράγετε είναι γενικά εύκολο να υπολογιστεί. Ο καθορισμός ορίων για «επιτυχία» στα μεμονωμένα χαρακτηριστικά σας απαιτεί περισσότερη κρίση, αλλά είναι αναπόσπαστο μέρος της πρακτικής της Lean Startup και κάθε σκόπιμης προσέγγισης του ευέλικτου.

Το πρώτο στοιχείο είναι το «κόστος ομάδας», το οποίο θα συνοψίζατε σε οποιαδήποτε περίοδο μετράτε. Αυτό περιλαμβάνει «γ_$‘, που είναι η συνολική αποζημίωση, συμπεριλαμβανομένης της φόρτωσης (προνόμια, εξοπλισμός κ.λπ.), καθώς και το ‘g’ που είναι το κόστος του εργαλείου που χρησιμοποιείτε—που μπορεί να είναι υποδομή εφαρμογών όπως AWS, GCP κ.λπ. μαζί με οποιαδήποτε άλλη υποδομή αγοράζετε ή μοιράζεστε με άλλες ομάδες. Για παράδειγμα, η χρήση ενός backend-as-a-service όπως το Heroku ή το Firebase μπορεί να αυξήσει την αξία σας για το ‘g’ ενώ αναβάλλει το κόστος δημιουργίας της δικής σας υποδομής εφαρμογής.

Το επόμενο στοιχείο είναι το «περιεχόμενο κυκλοφορίας», f_μι. Εάν υπολογίζετε ήδη με κάποιο τρόπο τα σημεία ιστορίας, μπορείτε να τα χρησιμοποιήσετε. Εάν είστε συνεργείο NoEstimates και, γεια, το καταλαβαίνω, τότε θα πρέπει να κάνετε κάποιου είδους πρόχειρο αναλογικό μέγεθος του περιεχομένου κυκλοφορίας σας για την εν λόγω περίοδο. Ο επόμενος όρος, ‘r_φά‘, είναι προαιρετικό, αλλά αυτή είναι μια εκτίμηση του χρόνου που πρέπει να επενδύσετε σε επανεπεξεργασία, επιδιορθώσεις σφαλμάτων, μη αυτόματες δοκιμές, μη αυτόματη ανάπτυξη και οτιδήποτε άλλο δεν πηγαίνει όπως είχε προγραμματιστεί.

Ο τελευταίος όρος, ‘s_ρε‘, είναι ένα από τα πιο κρίσιμα και είναι μια εκτίμηση του ποσοστού του περιεχομένου κυκλοφορίας που είναι επιτυχημένο σε σχέση με τις μετρήσεις επιτυχίας που ορίζετε για αυτό. Για παράδειγμα, εάν αναπτύξατε έναν νέο, πρόσθετο τρόπο αναζήτησης προϊόντων για τους χρήστες και ορίσετε το όριο επιτυχίας στο να χρησιμοποιείται σε >10% των αναζητήσεων, πέτυχε ή απέτυχε αυτή η λειτουργία με αυτόν τον τρόπο; Φυσικά, εάν δεν παρακολουθείτε τη συμπεριφορά των χρηστών με αυτόν τον τρόπο, η τακτική παρακολούθηση της παρατήρησης που χρειάζεστε θα απαιτήσει λίγη δουλειά και κάποιες αλλαγές στις συνήθειές σας, αλλά είναι δύσκολο να προσφέρετε αξία στο ευέλικτο εάν δεν γνωρίζετε εάν τα καταφέρνετε ή αποτυχία στη δημιουργία των συμπεριφορών χρήστη που χρειάζεστε για να είναι επιτυχημένο το προϊόν ή η λειτουργία.

Το παράδειγμα εδώ δείχνει πώς μια ομάδα μπορεί να το καταγράψει σε πίνακα για έναν δεδομένο μήνα:

Μπορείτε να βρείτε ένα παράδειγμα υπολογισμού στα Φύλλα Googleκαι σημειώσεις σχετικά με τον τρόπο υπολογισμού του ‘F’ στη σελίδα μου σχετικά με την ανάπτυξη που βασίζεται σε υποθέσεις.

Είναι το punchline που θα πρέπει να τραβήξετε με κόστος 1.742 $ ανά ιστορία; Όχι. Πρώτον, αυτό είναι για έναν μόνο μήνα και θα εξυπηρετούσε μόνο το σκοπό της ομάδας να θέσει μια βάση για τον εαυτό της. Όπως κάθε ευέλικτη πρακτική, το ενδιαφέρον μέρος αυτού είναι να δείτε πώς η αξία σας για το “F” αλλάζει από περίοδο σε περίοδο, χρησιμοποιώντας τα αναδρομικά της ομάδας σας για να μιλήσετε για το πώς να το βελτιώσετε. Δεύτερον, αυτή είναι μόνο μια ομάδα και η οικονομική αξία (π.χ. έσοδα) που σχετίζεται με ένα δεδομένο σημείο ιστορίας θα ποικίλλει πάρα πολύ από προϊόν σε προϊόν.

Όπως κάθε μέτρηση, το “F” έχει σημασία μόνο αν το βρίσκετε εφαρμόσιμο να συνηθίσετε να το μετράτε και να το προσέχετε. Καθώς μια ομάδα, ας πούμε, αξιολογεί την πρόοδό της στο OKR (στόχοι και βασικά αποτελέσματα), το «F» προσφέρει μια άποψη για την καλή συνεργασία της ομάδας στο πλαίσιο του προϊόντος και της οργάνωσής τους. Για παράδειγμα, εάν η ομάδα συγκεντρώνει τεχνικό χρέος, αυτό θα εμφανιστεί ως σταθερή αύξηση στο «F». Εάν μια ομάδα επενδύσει σε αυτοματισμούς δοκιμής ή ανάπτυξης ή άρχισε να δοκιμάζει το περιεχόμενο κυκλοφορίας της με τους χρήστες πιο συγκεκριμένα, αυτό θα πρέπει να εμφανίζεται ως σταθερή μείωση του “F”.

Για μια ομάδα που χρησιμοποιεί ανάπτυξη που βασίζεται σε υποθέσεις για να εκτελέσει τη σειρά προϊόντων της (βλ. παρακάτω), το «F» προσφέρει ένα συμπλήρωμα στις αναδρομικές αναδρομές σπριντ, βοηθώντας την ομάδα να σκεφτεί την πρακτική της στον σκληρό δίσκο.

Η εκτέλεση μιας ολοκληρωμένης, συνεργατικής πρακτικής του σκληρού δίσκου σε όλη τη σειρά προϊόντων σας θα σας δώσει ισορροπημένη εστίαση και επένδυση όλων των μοχλών που έχετε για να μειώσετε το «F». Για παράδειγμα, η εξαίρετη πρακτική της συνεχούς σχεδίασης δεν θα αποφέρει σχεδόν τόσο μεγάλη αξία όσο θα μπορούσε, εάν δεν μπορείτε να λάβετε αλλαγές στους χρήστες για δοκιμή, επειδή η διοχέτευσή σας δεν σας επιτρέπει να κυκλοφορείτε συχνά. Απλώς η σχεδιαστική σκέψη, η απλή εκκίνηση, ακόμη και η εκτέλεση πολλών πειραμάτων δεν αρκούν από μόνα τους για να φτάσετε αξιόπιστα σε νίκες και να χαμηλώσετε το “F”. Έχω δει μόνο μία προσέγγιση που λειτουργεί πάντα: σαφής, αποφασιστική, επαναληπτική, πειραματισμός σε όλη τη σειρά του προϊόντος σας.