Ответ
Если сроки расходятся, первым делом анализирую причины расхождения: переоценка сложности, непредвиденные технические сложности или изменение требований. Затем определяю, можно ли сократить scope фичи без потери ценности для пользователей (MVP подход).
Пример: если фича — это новая аналитика, можно выпустить базовые графики без сложных фильтров, а доработать их позже.
Далее обсуждаю с бизнесом:
- Жертвовать качеством? Обычно нет.
- Перенести срок? Если бизнес-цели не критичны к дате.
- Увеличить команду? Только если это не создаст долгосрочных проблем.
Код-пример (если проблема в оптимизации):
# Было: сложный алгоритм O(n²)
def process_data(data):
return [heavy_computation(item) for item in data]
# Стало: упрощенный вариант O(n) для MVP
def process_data(data):
return [fast_approximation(item) for item in data]
Главное — прозрачность: объясняю стейкхолдерам trade-offs и принимаем решение вместе.