Узнайте о Ice Score, ультимативном инструменте для оценки игры. Как он поможет улучшить вашу стратегию и тактику в игровых и бизнес-процессах.

Ice Score используется, чтобы оценить безопасность производственных процессов и выявить потенциальные риски в работе отдельных компаний. Она помогает прогнозировать те аварии, которые могут произойти при необъективной оценке рисков и возможных сложностей. Для повышения эффективности использования этого метода применяются машинное обучение и искусственный интеллект.

При использовании современных технологий можно анализировать больше данных. Искусственный интеллект позволяет сделать это быстрее и не допустить ошибок, свойственных человеку, он объективен и беспристрастен. Именно поэтому он может выявить тренды и закономерности, которые указывают на потенциальные сложности и проблемы безопасности. Модели машинного обучения же могут задействовать данные, полученные искусственным интеллектом, для создания схем предупреждения аварийных ситуаций и минимизации их вероятности.

Искусственный интеллект и модели машинного обучения также могут способствовать оптимизации производственных процессов для минимизации рисков. Так, например, ИИ способен проанализировать данные производственных операций и предложить оптимальные параметры функционирования оборудования и распределения ресурсов. Модель машинного обучения же может контролировать функциональные особенности производственных операций на основе данных, полученных от искусственного интеллекта.

Использование современных технологий для повышения безопасности производственных процессов помогает повысить конкурентоспособность компании. Так как сейчас безопасность данных и личной информации – это одно из ключевых требований клиентов и партнеров организации, чем больше различных технологий безопасности применяется, тем больше доверия вызывает компания.

Важность прогнозирования ледовых условий для безопасности и эффективности морских перевозок неоспорима, так как изменения погодных условий существенно влияют на движение судов и могут и вовсе заблокировать морские перевозки. Именно поэтому необходимо постоянно контролировать ледовые условия. Ice Score в этом случае предоставляет огромные возможности для точного прогнозирования погодных условий.

Одним из основных преимуществ методики Ice Score является ее надежность и точность. Работа системы строится на обработке данных по различным факторам, в том числе по толщине и составу льда, его скорости движения. Собирается эта информация путем наблюдений, в том числе с судов и со спутников. Полученные данные необходимо проанализировать с использованием специализированных алгоритмов для создания итоговых прогнозов.

Использование системы Ice Score дает следующие преимущества:

• Повышенная точность. При использовании большого количества данных из разных источников и сложных алгоритмов анализа можно достичь высокой точности прогнозов движения льда и изменения ледовых условий. Это позволяет планировать маршруты движения судов и изменять их в соответствии с меняющимися условиями погоды.

• Ускорение обработки данных. Так как Ice Score предполагает подключение искусственного интеллекта и моделей машинного обучения для обработки данных и принятия решений, обработка данных и получение актуальных прогнозов происходят быстрее. Это особенно важно для тех судов, которые уже вышли в рейс и должны реагировать на изменения погодных условий сразу же.

Ice Score дает следующие преимущества при использовании этой методики в отслеживании ситуации в морских регионах:

• Определение ледового покрова. Использование Ice Score помогает получить представление о том, как распределяется лед по поверхности моря, и определить места с наиболее плотным льдом и области, где его нет. Это помогает понять, в каких зонах требуется контроль добычи полезных ископаемых или защита биоразнообразия планеты.

• Мониторинг изменений климата. Использование полученных при применении Ice Score данных позволяет сравнить ледовый покров в различные годы и понять, каким образом он изменяется. Это помогает ученым определить, как изменения климатических условий влияет на морскую экосистему. Можно проанализировать температуру воды, скорость таяния льда, чтобы понять, какие виды животных и растений могут исчезнуть из–за изменения климата.

• Прогнозирование опасных ситуаций. Ice Score позволяет определить стабильность ледового покрова, предсказать появление трещин или поломку ледовых полей. Эту информацию в дальнейшем можно использовать для предупреждения опасностей на воде и обеспечения безопасности судов.

В ICE для оценки по каждому критерию используется шкала от 1 до 10, что позволяет сбалансировать влияние каждого фактора на итоговую оценку.

Для того, чтобы получить итоговый результат, необходимо перемножить все три коэффициента между собой:

Соответственно, чем больше полученное значение, тем выше будет приоритет фичи или идеи.Разберем пошаговую приоретизацию по методу ICE Scoring на небольшом примере.

Шаг 1. ПодготовкаПеред применением метода необходимо собрать все идеи/фичи/гипотезы/задачи в едином месте. Рекомендуем использовать отдельную доску в любом удобном для вас такс–трекере: Jira, Trello или Notion.

Шаг 2. Проведение оценки

Далее нужно произвести оценку каждой идеи по параметрам, рассмотренным выше. Для упрощения дальнейших расчетов можно использовать Microsoft Excel или Google Spreadsheets. По возможности, опирайтесь на данные, полученные из исследований, или же базируйтесь на текущих значениях продуктовых метрик, например, на MRR фичи.

Шаг 3. Подсчет итогового результата

Рассчитайте числовой приоритет каждой фичи, используя формулу выше.

Шаг 4. Проверка правильности расчетов

Хорошей идеей будет также провести дополнительную проверку полученных результатов совместно с вашей командой.

Шаг 5. Настройка сортировки результатов

После того, как оценка была проверена и одобрена вашей командой, можно переходить к этапу ранжирования результатов: сортируем их по убыванию и выбираем, какое количество задач/гипотез/идей взять в работу.

Давайте разберемся на конкретных цифрах. Допустим, у нас есть Задача 1, которой в ходе обсуждения были присвоены следующие коэффициенты: Влияние 7, Уверенность 6 и Простота 5. Также у нас есть Задача 2, с коэффициентами 9, 7 и 2. Поэтому, перемножив для каждой из задач эти значения, мы получим, что рейтинг Задачи 1 – 210, а Задачи 2 – 126. Поэтому, выбирая между двумя задачами из бэклога, мы приступим к реализации той, у которой выше рейтинг: в данном случае, наш выбор падет на Задачу 1.

Не забывайте, что все коэффициенты должны учитываться одинаково, без присваивания им определенных весов, которые искажают результат.

Зачастую оба метода приоретизации употребляют в связке, однако нельзя сказать, что они одинаковые. Основное различие между двумя методами заключается в том, что RICE раскладывает влияние и охват на две отдельные компоненты, в то время как ICE оперирует единым понятием влияния – Impact.

Таким образом, ICE Scoring, в отличие от чуть более известного RICE Scoring, не учитывает потенциальный охват идеи, то есть количество людей, которые увидят данные изменения за определенный промежуток времени, или совершаемых пользователями событий (их действий в продукте). Например, охватом можно считать число пользователей приложения за неделю (WAU) или количество совершаемых транзакций в месяц.

Кроме того, RICE Scoring имеет отличающуюся шкалу оценки с фиксированными градациями, то есть, к примеру, влияние фичи стандартно оценивается по шкале от 0.25 до 3.

Метод ICE Scoring отлично подойдет вам в том случае, если вы находитесь на ранних стадиях приоретизации бэклога. и вам необходимо быстро решить, что вам следует делать в первую очередь. В целом, данный подход иногда называют «минимально жизнеспособной системой приоретизации» – применение этого способа значительно может неплохо помочь вам сэкономить и время, и деньги.

Также метод хорошо работает в случае с относительной приоретизацией, то есть тогда, когда вам нужно выделить несколько топовых вариантов. Зачастую ICE используется командами, чьей целью является разграничение фичей, которые оказывают существенное влияние на «мелких» пользователей, и тех фичей, которые, наоборот, слабо влияют на «крупных» (тут мы будем подразумевать, что, к примеру, у B2B–продукта могут быть как небольшие пользователи–ИП, так и крупные корпорации).

В любом случае, работая с небольшой командой, вам нужно иметь в виду, что ваши сотрудники могут выдавать недостоверные (с точки зрения объективности и реального положения дел) варианты, поэтому для более оптимальной оценки рекомендуется использовать другие методы приоретизации, такие как модель Кано, RICE или матрица «Дом качества».

Как вы уже заметили, хотя ICE и является довольно удобным методом оценки, он подходит не для каждой ситуации. Поэтому часто в арсенале продакт–менеджера можно обнаружить и другие методы приоретизации. Мы рассмотрим некоторые из них, но, на самом деле, способов гораздо больше.

1. Фреймворк RICE. Часто используется в agile–разработке. Помогает приоретизировать идеи или проекты через оценку 4-х основных параметров: их потенциальных влияния, охватов, уверенности в достоверности оценки и трудозатрат. Является численным фреймворком.

2. Фреймворк MoSCoW. Является сокращением от Must Have, Should Have, Could Have и Won’t have. Приоретизация осуществляется в виде матрицы, обычно используется для ранжирования продуктовых фичей.

3. Opportunity Scoring. Этот способ основан не на определении приоритета определенной фичи или функций, а на определении возможностей, на которых в конкретный промежуток времени должна фокусироваться команда. Основное внимание уделяется доставляемой ценности для пользователей вашего продукта. Для того, чтобы использовать этот метод, необходимо провести подготовку, опросив пользователей и собрав фидбэк от них (кстати, этот способ отлично закрывает недостатки ICE Scoring). Возможности могут выглядеть как, например, потребности пользователей, их болевые точки или же желания.

4. Модель Кано. Используется для оценки эмоциональной реакции пользователей на конкретные характеристики продукта. Этот подход похож на предыдущий и заключается в проведении опроса пользователей на основе заранее подготовленных гипотез и выделении 4-х категорий характеристик продукта: Обязательные, Основные, Дополнительные, Безразличные. Данный способ является количественным, поскольку помогает оценить важность той или иной фичи. После проведения исследования, все результаты помещаются в единую таблицу, в которой можно отслеживать, какие идеи по продукту попали в «красную зону» (то есть, обязательны для реализации – закрывают основные боли), а какие оказались в «серой» (по сути, никому не нужны, и не стоит тратить время на реализацию). Модель Кано можно также применять в качестве дополнительного способа для проведения подготовительного этапа перед применением ICE Scoring.