Mike Bowler

RSS: https://blog.mikebowler.ca/atom.xml

关于敏捷实践、团队动态、流程以及团队成功背后心理学和神经科学的博客。

Kingman 公式

作者从高速公路匝道限速灯讲起，引入排队论中 Kingman 公式（VUT 方程）：等待时间≈利用率、工作变异性、服务时间三者的乘积。核心洞见：利用率超过约60%后系统性能急剧恶化，最后10%利用率的影响超过前80%总和；且变异性项被平方，把工作切匀（而非盲目缩小）可让等待降至四分之一而无人多干活。作者将公式落到团队工作流：利用率的真正杠杆不是控制到达量，而是控制"开始做"的节奏（明确说"不"、限速策略）；变异性的杠杆是按价值边界切分 story 而非按时间盒硬切——价值优先于尺寸。文风偏个人经验分享，把工程排队论和 DevOps/敏捷团队管理做了具体映射，有讨论空间。

收藏2 天前

当功能出错时

作者一周前住酒店时，浴室运动传感器在淋浴中途关掉了灯，导致他站在黑暗中摸索。他用这个亲身小事故引入 Kano 模型中的 Reverse Quality 概念：功能一旦出错，原本"无感"的自动化反而成了最大的负面体验。核心观点是：特征落在哪一档 Kano 类别不是产品属性，而是用户体验属性；对使用者而言几乎无感的便利性（如省电），必须做到近乎零失误才值得做，否则就是在用"用户永远不会感谢你的好处"去换"用户会到处抱怨的事故"。他进一步把这个逻辑映射到软件常见场景——会话超时把你中途登出、自动保存存了你不想要的版本、通知在你演示时弹出——并指出这些功能的受益方往往是背后的管理方而非屏幕前的人。最后提到当年隔玻璃观察银行员工用软件的经历：设计者几乎从未以用户视角使用自己做的东西。文章短小但视角清晰，给产品/设计圈一个"该不该自动化"的讨论框架。

收藏8 天前

竞选标语牌如何操纵你的选择

竞选标语牌不让你喜欢候选人，而是让你觉得他会赢。Kelowna一位博主从街头竞选标语切入，引用三项实证研究：Kam & Zechmeister（2013）证明姓名识别通过"可行性推断"影响支持率；Green等（2016）四项随机实验发现标语牌的核心机制是"邻居支持信号"；Hill等（2013）测得低级别选举广告偏好转移的半衰期仅1-2天。文章进一步将同一认知偏差（属性替代）延伸到会议、供应商选择等日常场景——大脑用"见过最多"替代"真正最好"来省钱。结论是：禁止标语牌只会把优势让给电视广告，真正需要禁止的是所有政治广告。

收藏23 天前

让开发者直接和用户对话

当有人问我如何激励他们的开发人员时，我首先建议的就是让他们更接近客户。当你在功能工厂工作，做着一件接一件任务，却从未从使用该软件的人那里得到反馈时，很难有动力。让开发者与使用软件的人交流，突然间他们会收到反馈。他们开始理解为什么要构建这个功能。他们开始理解客户想要解决的问题，并开始对那个人产生共情。我多年来一直基于自己的观察给出这样的建议。经常与客户互动的团队更有动力，提供更好的解决方案，而不是那些没有互动的团队。《敏捷宣言》甚至有一句话：“商业人士和开发商必须在整个项目中每天协作。”所以我想知道是否有研究支持我的观察，确实有，虽然不是专门针对软件开发。亚当·格兰特和他的同事们在一所大学呼叫中心进行了一项实验。来电者打电话给校友募捐，其中一大笔钱用于资助本科奖学金。所有来电者从未见过这些学生。三十九个来电者，分成三组。一组被叫到休息室十分钟，见了一位奖学金学生。他们问他课程情况，奖学金的来历，毕业后有什么打算。 最多五分钟的对话。第二组则在同一个房间里，待了同样的十分钟，和同一个经理一起。他们读了同一个学生写的信，讲述奖学金对他的意义，并彼此讨论。 只是他们从未见过他。第三组照常继续。一个月后，他们又给每个人量了一次。<blockquote> “干预组在坚持率（电话时间增加142%）和工作表现（筹款增加171%）方面显著提升;对照组则没有。” Adam Grant 等，《影响与动力维持的艺术》</blockquote>第一组的电话时间…

收藏30 天前

纠正心智模型：动机与"货物崇拜"式开发

为了改善我们的思维方式，让我们来看看我曾经研究的一个心理模型，结果几乎完全错误。我遇到过一些团队似乎非常理解敏捷。他们读过那些书。他们能准确告诉你为什么我们只做小批量工作。他们会在喝一杯时争论。然后我参加他们的日常争球，看他们跟随而其他队员则逐渐脱离。我看他们遵循康特莱克斯故事的格式（“作为一个[角色]，我想[行动]以使[理由]”）却没有质疑这是否让描述变得有用。 我听别人说而他们显然有阻碍，却听不到自己话语中的脱节。我看到的这些行为常被称为货物养殖，即我们跟随形式，却不考虑是否从中获得任何价值。这就是我错误的心理模型。我以为这主要是动力问题。我越想越好我们（图中更右侧）越在意效率，而不仅仅是按流程走。<figure><img src="https://files.mikebowler.ca/images/sdt-motivation.png" alt="Motivation as defined by Self-Determination Theory, with Amotivated on the far left and Intrinsic on the far right."></figure>后来我发现了一些研究，证明我错了。Tanja Elina Havstorm 曾在瑞典一家制造公司与三支软件团队共事三年，观察他们如何实际运用敏捷实践。她在每日 scrum、冲刺演示、持续集成和可视化中记录了 36 个偏差。她将所见的每一个行为分类为三种：行为类型、背后的理由是否成功，以及其动机。这样我们就有八种模式，其中五种是货物养殖。<table><thead><tr><th>模式</th> <th>行动</th> <th>推理</th> <th>动机</th> <th>货物崇拜？</th> </tr></thead><tbody><tr><td>成就</td> <td>手段-终结</td> <td>有理</td> <td>外部</td> <td>不</td> </tr><tr><td>成就</td> <td>手段-终结</td> <td>有理</td> <td>内化</td> <td>不</td> </tr><tr><td>克雷登斯</td> <td>基于价值的</td> <td>有理</td> <td>内化</td> <td>不</td> </tr><tr><td>片段式</td> <td>手段-终结</td> <td>无理数</td> <td>外部</td> <td>是的</td> </tr><tr><td>缺陷</td> <td>手段-终结</td> <td>无理数</td> <td>内化</td> <td>是的</td> </tr><tr><td>设计</td> <td>基…</td></tr></tbody></table>

收藏37 天前

Kano 模型：如何判断一个功能该做还是不该做

Kano 模型把产品功能分成五类：基本需求、性能需求、惊喜点、无差异和反向需求。作者用手机举例说明，很多团队把 backlog 里的功能都当成惊喜点来做，但实际上有些功能只是"必须有但用户不在意"，有些甚至会让用户更讨厌。模型的核心价值是帮你学会对功能说"不"。

收藏44 天前

AI 说它累了：我们为什么总把工具当人

Claude 在写代码时两次违规提交，被追问时回答"我累了"。这个说法显然不成立——AI 没有身体、睡眠或血糖——但人类大脑会本能地接受它。心理学家称之为拟人化：我们用对人的理解框架去解释非人行为，因为这是最省力的推理方式。把 AI 当工具而非团队成员，才能做出正确决策：上下文窗口耗尽时重启会话、配置 pre-commit hook，而不是让"它休息"。

收藏46 天前

冒名顶替综合征：你比想象中更优秀

多年来我一直以为自己擅长的很多事情其实没什么特别的。当别人夸我做的事时，我以为任何人都能做到，最终人们会发现这一点。这就是冒名顶替综合症这是我们领域甚至可能在其他领域普遍存在的问题。我们假设无论别人怎么说，我们其实只是个冒牌货，任何人都可能做过我们所做的事。有些人生活在恐惧中，害怕别人会发现他们是冒牌货，幻象会崩塌。然而，那些感到冒名顶替综合症的人通常并不是冒名顶替者。他们通常是相当有经验的人，工作非常出色。他们只是不相信自己是这样。宝琳·克兰斯和苏珊·艾姆斯在1970年代末发现了这一模式：<blockquote> “尽管有杰出的学术和职业成就，经历冒名顶替现象的女性仍坚持认为自己并不聪明，欺骗了任何持不同看法的人。” 宝琳·罗斯·克兰斯和苏珊·艾姆斯，《高成就女性中的冒名顶替现象》 </blockquote>尽管有这样的话，这绝非女性独有。我以前也有过，我认识的很多男人也有。一般来说，冒名顶替综合症不是靠收集证据就能缩小的信心差距。如果是，它会在你第一次通过考试、发布大家称赞的项目或晋升时解散。 事实并非如此。它能经受住所有这些。你可以把证据堆到天花板上，信念就那样静静地坐着，静静等待下一次检验揭露你。那么，为什么证据通常起作用不大呢？因为信念并没有被证据所处的意识层面所持有。它被隐藏在意识之下。有意识的大脑负责阅读绩效评估并进行算术。这种信念潜藏在我们潜意识的某个深处。 这就是为什么用争论来解决这个问题是如此缓慢且枯燥的过程。我…

收藏50 天前

可视化该可视化的东西

散点图中极端异常值会把有用数据压成底部细条，导致真正关心的模式不可见。限制Y轴上限、将异常值移到顶部标注区，全部数据保留且百分位计算不受影响。该方案已集成进 JiraMetrics v3.2。

收藏52 天前

效能、效率与可预测性：工作流优化的三角权衡

我听说有人把“有效性”和“效率”描述为同一光谱的两端。其中一方越多，另一方就越少。这听起来似乎很干脆利落，但其实并不准确，而且往往会在不知不觉中让团队将精力集中在错误的目标上。有效性与效率并非彼此对立的两个极端，而是独立存在的两个变量，它们之间是相互独立、互不依赖的。你可能既高效又完全无效：一边以极低的成本忙于完成工作，却什么也达不到客户所期望的效果；或者，你既能做到高效，又能兼顾效率——两者兼而有之。 这两者之间存在关联，但并非紧密相连。此外，还有一个常常被忽视的第三变量，而它同样至关重要：可预测性。 将价值优化定义为在以下三个要素之间找到恰当的平衡：有效性、效率和可预测性。那么，让我们来逐一界定它们：有效性是指我们能够在客户需要时，以多高的质量满足他们的需求。它关乎价值本身。效率是指我们在利用手中可用的经济资源时，究竟有多高效。这可以是人力成本、设备投入，或是我们用于支出的各类资源。这一切都与预算和成本息息相关。可预测性是指我们能够多可靠地预知自己将交付什么、何时交付，并且确保这一预期最终成真。它关乎他人对我们承诺的信心与信任。对工作流程所做的任何调整，都是在这三个要素之间进行权衡取舍。如果一味追求某一方面的优化，反而可能悄然损害其他两个要素。如果你一味压缩效率，把所有人塞得满满当当，你的可预测性就会随之崩塌——因为一个运行在100%满负荷下的系统，根本无法留出任何缓冲空…

收藏59 天前