rice-prioritisation

# machine-translated to hi from skills/rice-prioritisation/SKILL.md — review: pending. Native fixes welcome via PR.name: rice-prioritisationdescription: "RICE ढाँचे से प्रोडक्ट पहलों को स्कोर और रैंक करता है। जब कोई फ़ीचर को प्राथमिकता देने, RICE से बैकलॉग रैंक करने, त्रैमासिक योजना के लिए पहलों को स्कोर करने या प्रतिस्पर्धी विचारों की सूची पर वस्तुनिष्ठ ढाँचा लागू करने को कहे, तब इसका उपयोग करें। स्कोर, क्विक-विन और मूनशॉट चिह्नों, निर्भरता नोट और अनुशंसित अनुक्रम के साथ रैंक की गई RICE तालिका तैयार करता है।"

RICE प्राथमिकता स्किल

फ़ीचर या पहलों की सूची पर सुसंगत, मानदंड-आधारित RICE स्कोरिंग लागू करके एक वस्तुनिष्ठ प्राथमिकता रैंकिंग तैयार करें।

Brain से पढ़ता है / Brain में लिखता है

अगर कोई professional-brain (brain/) मौजूद है, तो जो आप पहले से जानते हैं उसे दोबारा पूछने के बजाय उसी में आधार रखें:

• पहले पढ़ें: knowledge/strategy.md (ताकि रैंकिंग दिशा की सेवा करे), आइटम entities/ के रूप में, और impact hypotheses/। python3 ../professional-brain/scripts/brain_query.py ./brain "<initiative theme>" चलाएँ और हर तथ्य का स्रोत टैग साथ रखें — impact अनुमान आमतौर पर [hunch] है, [data] नहीं।
• 📥 Brain को प्रस्ताव दें: तैयार करने के बाद, रैंकिंग निर्णय को decisions/ में और reach/impact अनुमानों को साक्ष्य की मज़बूती से टैग की गई hypotheses/ के रूप में दर्ज करने का प्रस्ताव दें। उन्हें दिखाएँ, हाँ लें, फिर ../professional-brain/scripts/brain_write.py … --commit से लिखें (सिर्फ़-जोड़ने वाला, डिफ़ॉल्ट रूप से dry-run)।

आवश्यक इनपुट

जो दिया गया है उसी से काम करें। इनमें से कुछ न हो तो भी पूरा आउटपुट बनाएँ: हर खाली जगह को (माना गया, पुष्टि करें) चिह्नित एक उचित धारणा से भरें और अंत में उन धारणाओं की सूची दें। सवाल पहले सिर्फ़ तब पूछें जब मुख्य विषय ही न हो (लिखने के लिए कुछ हो ही नहीं)।

• स्कोर करने योग्य पहलों या फ़ीचर की सूची (नाम और संक्षिप्त विवरण)
• Reach अनुमान (प्रति तिमाही प्रभावित उपयोगकर्ता — उपलब्ध हो तो एनालिटिक्स से)
• Impact अनुमान (नीचे का मानक पैमाना उपयोग करें)
• Effort अनुमान (व्यक्ति-माह — उपलब्ध हो तो इंजीनियरिंग से)
• तिमाही या योजना अवधि

RICE परिभाषाएँ (अपने संदर्भ के अनुसार ढालें)

• Reach: प्रति तिमाही प्रभावित उपयोगकर्ताओं की संख्या (जहाँ उपलब्ध हो वास्तविक DAU/MAU डेटा उपयोग करें)
• Impact: आपके प्राथमिक मेट्रिक पर प्रभाव — पैमाना: 3=विशाल, 2=उच्च, 1=मध्यम, 0.5=कम, 0.25=न्यूनतम
• Confidence: R और I अनुमानों पर हम कितने निश्चित हैं? 100%=उच्च, 80%=मध्यम, 50%=कम
• Effort: सभी कार्यों में आवश्यक व्यक्ति-माह

RICE सूत्र

RICE स्कोर = (Reach × Impact × Confidence) / Effort

प्रोग्रामेटिक हेल्पर

यह स्किल एक stdlib-only Python स्क्रिप्ट के साथ आती है जो RICE स्कोर निकालती और रैंक करती है ताकि गणित सुसंगत रहे और क्विक-विन / मूनशॉट चिह्न नियम से लगें, अंदाज़े से नहीं। R, I, C और E इकट्ठे होने पर पहलें इसे दें।

# From a JSON file (confidence accepts 0.8 or 80)
python3 scripts/rice_calculator.py initiatives.json

# Or from a CSV with header: name,reach,impact,confidence,effort
python3 scripts/rice_calculator.py initiatives.csv --format csv

# Or piped in
echo '[{"name":"Onboarding","reach":5000,"impact":2,"confidence":0.8,"effort":3}]' \
  | python3 scripts/rice_calculator.py -

यह निकाले गए RICE स्कोर के साथ रैंक की गई तालिका देती है और क्विक-विन (मज़बूत स्कोर, कम सापेक्ष प्रयास), मूनशॉट (उच्च impact, उच्च effort) और कम-confidence (≤50%) आइटम स्वतः चिह्नित करती है। निकाली गई रैंकिंग को शुरुआती बिंदु मानें, फिर नीचे का सत्यापन चरण लागू करें — पीछे के अनुमान जाँचे बिना किसी चौंकाने वाली शीर्ष रैंक को कभी स्वीकार न करें।

गहरी सामग्री

• references/estimate-calibration.md — चारों अनुमानों को कैसे आधार दें (reach स्रोत, reserve-it-for उदाहरणों के साथ impact पैमाना, साक्ष्य-आधारित confidence, क्रॉस-फ़ंक्शनल effort) और तैयार रैंकिंग पर चलाने योग्य क्रॉस-चेक। उपयोगकर्ता के इनपुट को चुनौती देते समय इसे लागू करें।
• templates/scoring-worksheet.md — एक भरने योग्य वर्कशीट जिसके साक्ष्य कॉलम हर स्कोर को अपना स्रोत बताने पर मजबूर करते हैं। जब कोई टीम रैंकिंग जनरेट करवाने के बजाय साथ मिलकर स्कोर करना चाहे, तब यह पेश करें।

यह कहाँ बैठता है — रीढ़ पर स्कोरिंग

प्रोडक्ट-निर्णय रीढ़ में तीसरा: /assumption-mapper → /prd-template → rice-prioritisation → /roadmap-narrative। यह हर पहल के PRD से सफलता मेट्रिक प्राप्त करता है — RICE का Impact उसी बेसलाइन वाली संख्या पर अनुमानित बदलाव है, नया अनुमान नहीं — और /roadmap-narrative को स्कोर सहित रैंक की गई पहलें थीम में समूहित करने के लिए सौंपता है। चारों RICE शब्द एक ही बार docs/craft/product-decisions.md में परिभाषित हैं; वहाँ Confidence ईमानदारी का वाल्व है, और यह स्किल उसके उपयोग पर जीती या मरती है।

चक्र

RICE तब विफल होता है जब वांछित रैंकिंग पाने के लिए अनुमान गढ़े जाते हैं। चक्र का काम हर स्कोर को ईमानदार रखना है; चरण 2 में यही होता है।

1. प्रति पहल चारों अनुमान इकट्ठा करें। Reach (प्रति अवधि वास्तविक गिनती), Impact (PRD की सफलता मेट्रिक पर परिमाण), Confidence (0–1), Effort (व्यक्ति-माह)। जहाँ हो, Impact ऊपर के PRD की मेट्रिक से लें। पूरा तब जब: हर पहल के पास चारों हों, और हर एक अपने स्रोत पर स्रोत टैग रखता हो।
2. confidence की पड़ताल करें — गेमिंग-विरोधी चरण। हर अनुमान के लिए confidence साक्ष्य दर्शाए, उत्साह नहीं: बिना डेटा का साहसी impact कम confidence पाता है, और स्कोर खुद सुधर जाता है। कमज़ोर इनपुट को चुनौती दें और बताएँ कौन सा डेटा उन्हें बढ़ाएगा (estimate-calibration संदर्भ तरीका बताता है)। पूरा तब जब: कोई [hunch] अनुमान ऊँचा confidence नहीं पहनता, और अनुमान का स्वामी हर संख्या का ज़ोर से बचाव कर सके।
3. स्कोर, रैंक और शीर्ष पर दबाव डालें। RICE निकालें, रैंक करें, क्विक-विन (ऊँचा स्कोर, कम प्रयास) और मूनशॉट (उच्च impact, उच्च effort) चिह्नित करें, निर्भरताएँ नोट करें। फिर क्रॉस-चेक: अगर शीर्ष आइटम टीम को चौंकाए, तो शायद कोई अनुमान बढ़ा हुआ है — RICE एक औज़ार है, फ़ैसला नहीं। पूरा तब जब: रैंकिंग निकल गई और शीर्ष परिणाम एक ईमानदार "क्या यह सही लगता है, और नहीं तो कौन सा अनुमान झूठ बोल रहा है?" से बच गया।
4. सौंपें। रैंक की गई तालिका (स्कोर और निर्भरताओं सहित) /roadmap-narrative को दें ताकि वह प्राथमिकताएँ फिर से निकालने के बजाय थीम में समूहित करे। पूरा तब जब: /roadmap-narrative बिना फिर से स्कोर किए इन्हें थीम में बाँट सके।

आउटपुट संरचना

RICE प्राथमिकता: [बैकलॉग/तिमाही]

अनुशंसित अनुक्रम

[तर्क सहित शीर्ष 5 पहलें]

क्विक-विन (ऊँचा स्कोर, कम प्रयास)

[बड़े दाँव के साथ-साथ उठाने योग्य आइटम]

संबोधित करने योग्य डेटा कमियाँ

[कौन सी जानकारी स्कोरिंग की सटीकता सबसे ज़्यादा सुधारेगी]

स्कोरिंग रूब्रिक (0–40)

इस स्किल का कोई भी आउटपुट सौंपने से पहले स्कोर करें; 32+ शिप-गुणवत्ता है।

गुणवत्ता जाँच

• हर पहल के चारों RICE घटक अनुमानित हैं (मोटे तौर पर ही सही)
• बिना डेटा समर्थन की हर चीज़ के लिए confidence 50% है (डिफ़ॉल्ट 100% नहीं)
• क्विक-विन और मूनशॉट स्पष्ट रूप से बताए गए हैं
• अनुक्रम को प्रभावित करने वाली निर्भरताएँ नोट हैं
• किसी भी चौंकाने वाली रैंकिंग की स्वीकार करने से पहले जाँच हुई है

एंटी-पैटर्न

• समर्थक डेटा के बिना अनुमानों पर डिफ़ॉल्ट 100% confidence न रखें — यह स्कोर बढ़ाता है और योजना को भटकाता है
• RICE स्कोर को अंतिम निर्णय न मानें — टीम को चौंकाने वाली रैंकिंग को स्वीकार करने से पहले जाँचना होगा
• इंजीनियरिंग के effort अनुमान न छोड़ें — सिर्फ़ PM के effort अनुमान अक्सर आशावादी होते हैं और नतीजे बिगाड़ते हैं
• ऐसी निर्भरताएँ नोट करना न भूलें जो RICE स्कोर के विपरीत होने पर भी अनुक्रम बदल देंगी
• हर पहल को एक ही impact स्तर पर स्कोर न करें — अगर सब कुछ "उच्च impact" है, तो ढाँचा कोई उपयोगी संकेत नहीं देता

उदाहरण ट्रिगर वाक्य

• "फ़ीचर को प्राथमिकता दो।"
• "RICE से बैकलॉग रैंक करो।"
• "त्रैमासिक योजना के लिए पहलों को स्कोर करो।"
• "प्रतिस्पर्धी विचारों की सूची पर वस्तुनिष्ठ ढाँचा लागू करो।"

इस स्किल को अपने ब्राउज़र में चलाएँ: https://mohitagw15856.github.io/pm-claude-skills/skill/rice-prioritisation.html