แชร์เรื่องนี้
แนวคิด Build-Measure-Learn
โดย Seven Peaks เมื่อ 1 ต.ค. 2021, 10:48:00
ทำไมคอนเซ็ปต์นี้ถึงมีความสำคัญต่อการพัฒนาซอฟต์แวร์
เกริ่นนำ
แนวคิด Build-Measure-Learn นั้นมีอีกชื่อหนึ่งว่า validated learning หรือ การเรียนรู้ด้วยการพิสูจน์ ซึ่งเป็นกระบวนการนำความรู้ไปปรับใช้กับผลิตภัณฑ์ของคุณด้วยการพิสูจน์ว่ามันควรมีอยู่ด้วยเหตุผลใดในทางธุรกิจบ้าง
แนวคิด Build-Measure-Learn ใช้ชุดของข้อมูลเชิงปริมาณเพื่อนำไปพิสูจน์ผลลัพธ์ด้วยการสร้างฟีเจอร์ จากนั้นวัดผลจากฟีเจอร์ดังกล่าว แล้วรวบรวมข้อมูลเพื่อวางแผนว่าควรพัฒนาอย่างไรต่อไป แทนที่จะทุ่มสุดตัวด้วยสัญชาตญาณหรือคาดเดาเกี่ยวกับแนวคิดของบริษัท
ความสำคัญของแนวคิด Build-Measure-Learn
การใช้หลักการของ validated learning ในกระบวนการพัฒนาผลิตภัณฑ์นั้นมีข้อดีเหนือแนวทางการเรียนรู้แบบดั้งเดิมหลายอย่าง ได้แก่
- พัฒนาได้เร็วกว่า – ช่วยให้คุณโฟกัสกับผลิตภัณฑ์ได้ดีขึ้น เพื่อให้การพัฒนาสู่สถานะที่พร้อม release รวดเร็วขึ้นกว่าเดิม
- ตัวชี้วัดที่สามารถนำไปทำงานต่อได้ – เรียนรู้จากข้อมูลที่วัดผลได้เพื่อให้มั่นใจว่าผลิตภัณฑ์เวอร์ชัน final นั้นสอดคล้องกับความต้องการของผู้ใช้
- ต้นทุนต่ำกว่า – การเรียนรู้ที่ดีกว่านำไปสู่การพัฒนาที่มีประสิทธิภาพที่ดียิ่งขึ้น ซึ่งช่วยประหยัดทั้งเวลาและค่าใช้จ่ายระหว่างการพัฒนาผลิตภัณฑ์ได้เป็นอย่างดี
- กระบวนการทำงานแบบ Agile – สนับสนุนการทำงานแบบ Agile และนำไปใช้ในการพัฒนาผลิตภัณฑ์ ซึ่งช่วยให้องค์กรมีความยืดหยุ่นและคล่องตัวมากยิ่งขึ้น
วงจรของ validated learning ที่ Seven Peaks Software นำมาใช้งาน
หลักการทำงานของแนวคิด Build-Measure-Learn
แนวคิด Build-Measure-Learn นั้นนำมาใช้ในกระบวนการทำงานแบบ Scrum/Agile ซึ่ง Eric Ries เป็นคนริเริ่มนำแนวคิดนี้มาใช้ เมื่อปี 2011
พูดง่ายๆ ก็คือ validated learning ก็คือหน่วยหนึ่งของการพัฒนาผลิตภัณฑ์ที่รวบรวมไอเดียเอาไว้และนำไปเปรียบเทียบกับข้อมูลของผู้ที่มีโอกาสเป็นลูกค้าเพื่ออนุมัติไอเดียดังกล่าวแล้วนำไปใช้จริง
แนวคิด Build-Measure-Learn นั้นมีการนำไปใช้มากที่สุดในวงการอินเทอร์เน็ตเนื่องจากการวิเคราะห์ผลนั้นสามารถทำได้จากการติดตามดูกิจกรรมต่างๆ ของผู้ชมเว็บไซต์และนำข้อมูลสถิติที่มีความแม่นยำ รวมถึงข้อมูลเชิงลึกอื่นๆ มาพิจารณาว่าเว็บไซต์ควรทำงานอย่างไร แนวคิดนี้อาจนำไปใช้ได้กับทุกที่และทุกสิ่ง เพียงแค่ต้องมีความคิดสร้างสรรค์ในการประเมินและปรับแก้บางองค์ประกอบสำคัญที่สามารถชี้วัดได้
ขั้นตอนมาตรฐานในวงจรของ validated learning คือ
- กำหนดเป้าหมาย
- กำหนดตัวชี้วัดเพื่อทำให้เป้าหมายนั้นเป็นรูปเป็นร่าง
- ลงมือทำสิ่งต่างๆ ที่จำเป็นเพื่อให้เป้าหมายสำเร็จ
- วิเคราะห์ตัวชี้วัดแล้วดูว่าคุณเข้าใกล้เป้าหมายมากขึ้นหรือไม่
- ปรับเปลี่ยน แก้ไข แล้วลองใหม่อีกครั้ง
จำแนกองค์ประกอบของแนวคิด Build-Measure-Learn จากวงจร Validated Learning
แนวคิด Build-Measure-Learn ของ Eric Ries นั้นทำให้เกิดนวัตกรรมที่ยั่งยืนและกระบวนการแก้ไขผลิตภัณฑ์ที่ lean ขณะเดียวกันก็ลดความเสี่ยงด้วยวงจร validated learning ซึ่งมีรายละเอียด ดังนี้
การสร้าง
แนวคิด Build-Measure-Learn เริ่มต้นด้วยการสร้าง (Build)
ขั้นตอนแรกคือการวางแผนในการ “สร้าง” ซึ่งอยู่ในขอบเขตของสิ่งที่คุณต้องการทดสอบหรือทำความเข้าใจ แนวคิดนี้จะกลายมาเป็นสมมติฐาน ซึ่งจะกำหนดทิศทางของสิ่งที่คุณจะสร้างต่อไป
ขั้นต่อมาก็คือการสร้าง โดยพิจารณาถึงสมมติฐาน เนื่องจากสองสิ่งนี้สามารถช่วยหาคำตอบของคำถามสำคัญที่ว่า “เมื่อไรที่การลงทุนลงแรงทางวิศวกรรมนั้นไม่ได้สร้างคุณค่าให้กับธุรกิจอีกต่อไป”
บางฟีเจอร์ของแอปพลิเคชันมือถือยังนับว่ามีประโยชน์อยู่ไหม หากผลิตภัณฑ์นั้นมีโอกาสสร้างผลกำไรเพิ่มเติมได้ถึง 500,000 บาทในไตรมาสนี้ แต่ต้องใช้เงินทุนถึง 1,300,000 บาทในการพัฒนามันขึ้นมา
สิ่งที่คุณต้องถามตัวเองก็คือ “ตอนไหนที่ความพยายามในการพัฒนาซอฟต์แวร์นั้นต้องใช้เงินลงทุนสูงกว่าผลกำไรที่ธุรกิจคุณคาดว่าจะได้รับ”
การจะเข้าใจคำถามนี้ได้ดีขึ้นนั้น คุณต้องประเมินโอกาสด้วยการทำ A/B testing รวมถึงขั้นตอนเพิ่มเติมในการพัฒนา ซึ่งได้แก่
- สร้างตัวเลือกขึ้นมาสองตัว
- พัฒนา A/B setup code ขึ้นมา แล้วนำไป implement
- ลบ setup code ดังกล่าว
- ลบตัวเลือกที่มีผลลัพธ์แย่กว่าหลังจาก A/B testing สิ้นสุดลง
ขั้นตอนการสร้างนี้ไม่ได้ห้ามให้ทีมงานของคุณทำการทดลอง แต่เน้นการสร้างความเป็นได้ใหม่ๆ ที่ก่อให้เกิดผลลัพธ์ที่ชัดเจนและมีข้อมูลมาสนับสนุน
การวัดผล
หลังจากที่คุณได้พัฒนาฟีเจอร์ขึ้นมาแล้วด้วยการวิเคราะห์และ deploy มันในระหว่างกระบวนการของการสร้าง ขั้นตอนต่อไปคือการวัดผล และติดตามตัวชี้วัดทั้งหลายเพื่อประเมินว่าสมมติฐานของคุณเป็นอย่างไรบ้าง
เริ่มจากการรับ sample size ที่มีหลากหลายขนาดมา จากนั้นลองวัดผลเป็นเวลาอย่างน้อยสองสัปดาห์ก่อนจะตัดสินใจเลือกจากผลลัพธ์ของ sample size ดังกล่าว
เก็บรวบรวมข้อมูลสำหรับการวิเคราะห์ชุดสุดท้ายในวันเดียวกับที่คุณเริ่มการทดลอง เช่น ถ้าคุณเริ่มในเช้าวันจันทร์ ลองเก็บข้อมูลชุดสุดท้ายในเช้าวันจันทร์ของอีกสองสัปดาห์ต่อมา
หลังจากที่เก็บข้อมูลเสร็จเรียบร้อยแล้ว ลองถามทีมงานของคุณด้วยคำถามต่อไปนี้
- ผลลัพธ์ที่ได้เมื่อนำมาเปรียบเทียบกับสมมติฐานแล้วเป็นอย่างไร
- ผลลัพธ์ที่ได้ประสบความสำเร็จมากหรือน้อยกว่าที่คำนวณไว้หรือไม่
- ความเปลี่ยนแปลงที่เห็นได้ชัดคืออะไร
การวิเคราะห์ว่าสมมติฐานของคุณนั้นดีแค่ไหน ช่วยให้คุณเข้าใจเกี่ยวกับผลิตภัณฑ์และลูกค้าได้ดีกว่าเดิม ทั้งยังสามารถคาดการณ์สิ่งที่จะเกิดในอนาคตได้ดียิ่งขึ้น พร้อมทั้งปรับปรุงกระบวนการทำงานและทดลองได้อย่างมีประสิทธิภาพ
หลังจากรวบรวมข้อสรุปของสมมติฐานแล้ว ก็ควรส่งต่อผลลัพธ์ที่ได้ให้กับทีมพัฒนาผลิตภัณฑ์ของคุณด้วย แล้วปรึกษากับเพื่อนร่วมงานในที่ประชุมว่าจะนำสิ่งที่ค้นพบไปทำอย่างไรต่อไป
อย่าลืมสื่อสารกับผู้มีส่วนได้ส่วนเสียและลูกค้า เพื่อดูว่าฟีเจอร์ใหม่ของคุณนั้นทำหน้าที่ได้ดีแค่ไหน เพราะผู้มีส่วนได้ส่วนเสียต่างก็มีส่วนเกี่ยวข้องในความสำเร็จของผลิตภัณฑ์และมีตัวชี้วัดของพวกเขาเองอยู่เช่นกัน
เรียนรู้
เมื่อคุณตัดสินผลลัพธ์ของผลิตภัณฑ์จากข้อมูลที่เปิดเผยให้เห็นในระหว่างขั้นตอนการวัดผลแล้ว คุณก็ต้องเลือกว่าจะทำอย่างไรต่อไป
การใช้ข้อมูลที่ผ่านการวัดผลและวิเคราะห์เพื่อเปรียบเทียบผลลัพธ์ที่ได้กับสมมติฐานที่ตั้งขึ้นมาในขั้นตอนแรกนั้นสามารถนำมาสรุปได้สองแบบ ดังนี้
- หากสมมติฐานของคุณถูกต้อง: ให้พยายามยึดกระบวนการเดิม แล้วทำตามแผนของคุณในขั้นตอนต่อไป คุณสามารถนำแนวคิด Build-Measure-Learn ไปใช้ได้กับฟีเจอร์ต่อไปได้อีก โดยเริ่มจากตั้งสมมติฐานใหม่ แล้วก็ทำต่อไปตามขั้นตอน
- หากสมมติฐานของคุณไม่ถูกต้อง: ให้เปลี่ยนไปใช้แนวทางอื่นแทน จากข้อมูลที่รวบรวมมา คุณควรจะดูออกว่าอะไรที่ใช้การไม่ได้ จากนั้นคุณควรลองคิดสมมติฐานใหม่แล้วตัดสินใจว่าควรเปลี่ยนแปลงอะไรบ้าง และควรก้าวไปในทิศทางใด เมื่อคุณมีแผนการใหม่แล้วก็จะสามารถนำ validated learning ไปสร้าง วัดผล และเรียนรู้ใหม่ตั้งแต่ต้นได้อีกครั้ง
เมื่อนำพวกเขามาอยู่ในวงจรและนำแนวคิด Build-Measure-Learn ที่ว่ามาข้างต้นมาใช้ คุณก็จะสามารถสร้างแนวคิดที่เห็นตรงกันเกี่ยวกับวงจรของการสร้างผลิตภัณฑ์ได้ในที่สุด
และอย่าลืมบันทึกผลลัพธ์ของการทดลองเอาไว้ในแพลตฟอร์มหรือที่ใดที่หนึ่งซึ่งทุกคนสามารถเข้าถึงข้อมูลได้ง่ายด้วย
ทำไมสิ่งเหล่านี้ถึงสำคัญต่อการพัฒนาซอฟต์แวร์ และสำคัญอย่างไร
วงจรของการทำ validated learning ที่เราพูดถึงข้างต้นนั้นเป็นเทคนิคที่สำคัญในการแสดงให้เห็นถึงความคืบหน้าสู่เป้าหมายขององค์กร ซึ่ง KPI ตัวอื่นๆ ที่ได้รับความนิยมนั้นไม่ตอบโจทย์อีกต่อไป
สรุปก็คือ มันเป็นระบบขนาดเล็กสำหรับพัฒนาซอฟต์แวร์ที่สามารถนำมาทดสอบเพื่อหาว่าทิศทางที่กำหนดไว้นั้นเหมาะสมหรือไม่
แนวคิด Build-Measure-Learn นั้นจะมีประสิทธิภาพมากเป็นพิเศษในการช่วยให้สตาร์ตอัปและ SMEs สามารถหลีกเลี่ยงการพัฒนาฟีเจอร์ที่ผู้บริโภคไม่ต้องการได้
ผู้ที่นำ แนวคิด Build-Measure-Learn ไปใช้จะมีโอกาสประสบความสำเร็จได้มากกว่าการใช้ตัวชี้วัดแบบดั้งเดิม เช่น รายได้ ด้วยการพิสูจน์ว่าอะไรสำคัญที่สุดสำหรับลูกค้า
แนวคิดดังกว่าสามารถนำไปใช้ได้ดีกับ โปรเจกต์พัฒนาซอฟต์แวร์หลากหลายรูปแบบ
สรุปทิ้งท้าย
สรุปได้ว่า แนวคิด Build-Measure-Learn นั้นก็คือการทดสอบและพิสูจน์ว่าแนวคิดในการพัฒนาผลิตภัณฑ์ของคุณเหมาะสมหรือไม่ ก่อนที่จะลงทุน ลงแรง และใช้เวลาในการสร้างมันขึ้นมา
การทดสอบและยืนยันแนวคิดในการสร้างผลิตภัณฑ์ของคุณด้วยข้อมูลจากลูกค้าและผู้มีส่วนได้ส่วนเสียอย่างสม่ำเสมอ ทำให้คุณสามารถปรับปรุงผลิตภัณฑ์ได้อย่างมีประสิทธิภาพโดยที่ลงทุนลงแรงให้น้อยที่สุด เพื่อลดความเสี่ยงในการใช้ทรัพยากรที่มีไปกับการพัฒนาที่ไม่คุ้มค่า
“ทดสอบก่อนลงทุน!”
แชร์เรื่องนี้
- FinTech (11)
- การพัฒนาซอฟต์แวร์ (10)
- Expert Spotlight (8)
- อาชีพการงาน (8)
- Cloud (5)
- InsurTech (5)
- Mixpanel (5)
- Agile (4)
- Digital Transformation (4)
- JavaScript (4)
- QA (4)
- Trend (4)
- การพัฒนาแอปพลิเคชัน iOS (4)
- Android Developer (3)
- Azure (3)
- Banking (3)
- CSR (3)
- Hybrid App (3)
- IoT (3)
- Product-Centric Mindset (3)
- Seven Peaks Insights (3)
- Thought Leadership (3)
- การพัฒนาแอปฯ Android (3)
- การออกแบบ UX (3)
- บริษัท (3)
- เทคโนโลยีการเงินและการธนาคาร (3)
- .NET (2)
- AI (2)
- Cross-Platform Application (2)
- Data (2)
- Kotlin (2)
- Native App (2)
- ReactJS (2)
- digital marketing (2)
- การพัฒนาแอปฯ (2)
- งาน Product Owner (2)
- 5g (1)
- Android (1)
- AndroidX Biometric (1)
- Azure OpenAI Service (1)
- Biometrics (1)
- CI/CD (1)
- Customer Data Platform (1)
- Data and Analytics (1)
- Design Thinking (1)
- DevOps (1)
- Digital Healthcare (1)
- Digital ID (1)
- Digital Landscape (1)
- Digital Product (1)
- Digital Product Development (1)
- E-payment (1)
- E-wallet (1)
- Financial Inclusion (1)
- GraphQL (1)
- IT Outsourcing (1)
- MVP (1)
- MVVM (1)
- Metaverse (1)
- Morphosis (1)
- Node.js (1)
- Partner (1)
- Platform Engineering (1)
- Recruitment (1)
- SCB (1)
- SEO (1)
- Scrum Master (1)
- Software Engineer (1)
- Software Tester (1)
- Stripe (1)
- Swift (1)
- SwiftUI (1)
- Tech Meetup (1)
- Turnkey (1)
- UI (1)
- UX (1)
- UX Design (1)
- UX writing (1)
- Web-Debugging Tool (1)
- customer centric (1)
- iOS17 (1)
- waterfall (1)
- การจ้างงาน (1)
- การพัฒนาด้วย RabbitMQ (1)
- การพัฒนาระบบคลาวด์ (1)
- การออกแบบ Decorator Pattern (1)
- การใช้งาน C# (1)
- งาน Product Manager (1)
- งาน platform enginerring (1)
- ทำ Context API (1)
- ฟินเทค (1)
- ระบบการชำระเงิน (1)
- สร้าง brand loyalty (1)
- อีคอมเมิร์ซ (1)
- เขียนโค้ด React (1)
- เทคโนโลยี React (1)
- เพิ่ม conversion (1)
- เฟรมเวิร์ก (1)
- แดชบอร์ด (1)
- สิงหาคม 2024 (1)
- กรกฎาคม 2024 (2)
- มีนาคม 2024 (5)
- กุมภาพันธ์ 2024 (5)
- มกราคม 2024 (14)
- ธันวาคม 2023 (4)
- พฤศจิกายน 2023 (9)
- ตุลาคม 2023 (12)
- กันยายน 2023 (7)
- กรกฎาคม 2023 (4)
- มิถุนายน 2023 (3)
- พฤษภาคม 2023 (3)
- เมษายน 2023 (1)
- มีนาคม 2023 (1)
- พฤศจิกายน 2022 (1)
- สิงหาคม 2022 (4)
- กรกฎาคม 2022 (1)
- มิถุนายน 2022 (4)
- เมษายน 2022 (6)
- มีนาคม 2022 (3)
- กุมภาพันธ์ 2022 (6)
- มกราคม 2022 (3)
- ธันวาคม 2021 (2)
- ตุลาคม 2021 (1)
- กันยายน 2021 (1)
- สิงหาคม 2021 (3)
- กรกฎาคม 2021 (1)
- มิถุนายน 2021 (2)
- พฤษภาคม 2021 (1)
- มีนาคม 2021 (4)
- กุมภาพันธ์ 2021 (4)
- ธันวาคม 2020 (4)
- พฤศจิกายน 2020 (1)
- มิถุนายน 2020 (1)
- เมษายน 2020 (1)