Ep. 49 - Sei Settimane Per Un Miracolo (Che Non Serve)

Giulia è Product Owner in una fintech. Il CFO le chiede una feature compliance critica in sei settimane. I dati storici del team dicono 6-7 settimane con 70% probabilità, 7-8 settimane con 85% probabilità.

Per mesi aveva promesso deadline basandosi su calcoli predittivi ("16 PBI diviso 5 per Sprint = 6.4 settimane"). Poi slittava. La credibilità crollava. Il team si bruciava.

Durante la formazione Professional Scrum Product Owner ha scoperto che quei calcoli non sono forecast empirici. Sono Gantt mascherato da Scrum.

Ha imparato a comunicare con gli stakeholder usando dati storici, percentili, e probabilità invece di promesse basate su assunzioni. E a aggiornare il forecast ogni Sprint con evidenze nuove.

In questo episodio scopri:

- La differenza tra approccio predittivo (calcolo matematico) e approccio empirico (probabilità basata su dati storici)

- Come analizzare cycle time e throughput per fare forecast realistici

- Perché "16 PBI ÷ velocity = X settimane" è waterfall, non Scrum

- Come presentare tre scenari con diverse probabilità agli stakeholder

- I risultati: progetti on-time dal 25% al 92%, stakeholder satisfaction da 3.8 a 8.7

Il Product Owner empirico non promette date. Comunica probabilità basate su evidenze.

---

Trova le prossime formazioni qua --> Professional Scrum Product Owner (PSPO):

Info: www.collectivegenius.it

---

Podcast generato con voci AI tramite NotebookLM.

Contenuti basati su esperienze reali di partecipanti ai corsi Scrum.org.

Host: Collective Genius

Trainer: Fabio Panzavolta, Professional Scrum Trainer (PST)

#Scrum #ProductOwner #Agile #Empiricism #Forecasting