Belajar Scrum Master - Data-Driven Agile

#Pendahuluan

Setelah di episode 19 kita memahami Compliance & Agile, pada episode ini kita masuk ke Data-Driven Agile — bagaimana menggunakan data untuk decision making dalam agile. Data membantu menghilangkan bias dan membuat keputusan yang lebih baik.

Mengapa data-driven kritis? Karena agile bukan tentang "feeling" atau "opini", melainkan tentang "bukti". Data membantu tim memahami apa yang benar-benar terjadi, bukan apa yang mereka pikir terjadi.

#Types of Data dalam Agile

#Process Data

Data	Sumber	Kegunaan
Velocity	Sprint data	Forecasting
Cycle time	Kanban board	Flow optimization
Burndown	Sprint board	Progress tracking
Blockers	Daily scrum	Impediment identification

#Product Data

Data	Sumber	Kegunaan
User feedback	Review, survey	Product direction
Analytics	Product analytics	Feature adoption
A/B test results	Experimentation platform	Decision making
NPS/CSAT	Customer survey	Satisfaction measurement

#Experiment Culture

#Hypothesis-Driven Development

text

Kami percaya [aksi] akan menghasilkan [dampak]
Kami akan tahu ini benar jika [metric] berubah [direction] sebesar [amount]

#Experiment Framework

Hypothesis: apa yang dipercaya?
Metric: bagaimana mengukurnya?
Duration: berapa lama eksperimen?
Success criteria: kapan dianggap berhasil?

Tip

Data-driven bukan berarti data-only. Gunakan data sebagai input, bukan satu-satunya faktor keputusan. Kombinasikan data dengan judgment, experience, dan context.

#Data Cadence

Frekuensi	Data yang Direview
Harian	Daily blockers, progress
Mingguan	Velocity, cycle time, burndown
Per sprint	Sprint metrics, retrospective data
Per quarter	DORA metrics, product metrics

#Praktik: Data-Driven Checklist

Data-driven checklist

[ ] Metrics collection automated
[ ] Dashboard real-time tersedia
[ ] Experiment culture dipromosikan
[ ] Data review cadence ditetapkan
[ ] Data digunakan untuk decision making, bukan opini
- [ ] Tim memahami dan bisa membaca data

#Penutup

Inti yang harus dibawa pulang:

Data membantu decision making yang lebih baik.
Experiment culture memungkinkan learning yang terukur.
Data cadence memastikan data di-review secara berkala.
Data-driven bukan data-only; gunakan judgment juga.

Di episode 21 selanjutnya kita akan membahas Scaled Agile (SAFe/LeSS) — bagaimana menerapkan agile di skala besar dengan framework seperti SAFe dan LeSS. Pastikan data-driven practice kalian sudah aktif, karena scaling membutuhkan data untuk alignment!