Used dataset

This story is the continuation of this article.

#Get working directory
getwd()

#Set working directory
setwd(“C:\\Users\\batur\\Desktop\\R Tutorial”)

#Read csv data file and store as data frame
bankChurnersData=read.csv(file=”BankChurners.csv”)

#Drop columns has number of 22 and 23
df <- bankChurnersData[-c(22:23)]

#Encode Attrition_Flag column of df as a factor — Binary variable
df$Attrition_Flag=factor(df$Attrition_Flag,levels=c(“Attrited Customer”,”Existing Customer”))

#Encode Gender column of df as a factor — Binary variable
df$Gender=factor(df$Gender,levels=c(“M”,”F”))

#Encode Education_Level column of df as an ordered factor — Ordinal variable
df$Education_Level=factor(df$Education_Level, ordered=TRUE, levels=c(“Unknown”,”Uneducated”,”High School”,”College”,”Graduate”,”Post-Graduate”,”Doctorate”) )

#Encode Marital_Status column of df as a factor — Nominal variable
df$Marital_Status=factor(df$Marital_Status,levels=c(“Married”,”Single”,”Unknown”,”Divorced”))

#Encode Income_Category column of df…

Used dataset

This story is the continuation of this article.

#Get working directory
getwd()

#Set working directory
setwd(“C:\\Users\\batur\\Desktop\\R Tutorial”)

#Read csv data file and store as data frame
bankChurnersData=read.csv(file=”BankChurners.csv”)

#Drop columns has number of 22 and 23
df <- bankChurnersData[-c(22:23)]

#Encode Attrition_Flag column of df as a factor — Binary variable
df$Attrition_Flag=factor(df$Attrition_Flag,levels=c(“Attrited Customer”,”Existing Customer”))

#Encode Gender column of df as a factor — Binary variable
df$Gender=factor(df$Gender,levels=c(“M”,”F”))

#Encode Education_Level column of df as an ordered factor — Ordinal variable
df$Education_Level=factor(df$Education_Level, ordered=TRUE, levels=c(“Unknown”,”Uneducated”,”High School”,”College”,”Graduate”,”Post-Graduate”,”Doctorate”) )

#Encode Marital_Status column of df as a factor — Nominal variable
df$Marital_Status=factor(df$Marital_Status,levels=c(“Married”,”Single”,”Unknown”,”Divorced”))

#Encode Income_Category column of df…

Used dataset

This story is the continuation of this article.

#Get working directory
getwd()

#Set working directory
setwd(“C:\\Users\\batur\\Desktop\\R Tutorial”)

#Read csv data file and store as data frame
bankChurnersData=read.csv(file=”BankChurners.csv”)

#Drop columns has number of 22 and 23
df <- bankChurnersData[-c(22:23)]

#Encode Attrition_Flag column of df as a factor — Binary variable
df$Attrition_Flag=factor(df$Attrition_Flag,levels=c(“Attrited Customer”,”Existing Customer”))

#Encode Gender column of df as a factor — Binary variable
df$Gender=factor(df$Gender,levels=c(“M”,”F”))

#Encode Education_Level column of df as an ordered factor — Ordinal variable
df$Education_Level=factor(df$Education_Level, ordered=TRUE, levels=c(“Unknown”,”Uneducated”,”High School”,”College”,”Graduate”,”Post-Graduate”,”Doctorate”) )

#Encode Marital_Status column of df as a factor — Nominal variable
df$Marital_Status=factor(df$Marital_Status,levels=c(“Married”,”Single”,”Unknown”,”Divorced”))

#Encode Income_Category column of df…

Used dataset

This story is the continuation of this article.

#Get working directory
getwd()

#Set working directory
setwd(“C:\\Users\\batur\\Desktop\\R Tutorial”)

#Read csv data file and store as data frame
bankChurnersData=read.csv(file=”BankChurners.csv”)

#Drop columns has number of 22 and 23
df <- bankChurnersData[-c(22:23)]

#Encode Attrition_Flag column of df as a factor — Binary variable
df$Attrition_Flag=factor(df$Attrition_Flag,levels=c(“Attrited Customer”,”Existing Customer”))

#Encode Gender column of df as a factor — Binary variable
df$Gender=factor(df$Gender,levels=c(“M”,”F”))

#Encode Education_Level column of df as an ordered factor — Ordinal variable
df$Education_Level=factor(df$Education_Level, ordered=TRUE, levels=c(“Unknown”,”Uneducated”,”High School”,”College”,”Graduate”,”Post-Graduate”,”Doctorate”) )

#Encode Marital_Status column of df as a factor — Nominal variable
df$Marital_Status=factor(df$Marital_Status,levels=c(“Married”,”Single”,”Unknown”,”Divorced”))

#Encode Income_Category column of df…

Used dataset

#Get working directory
getwd()

#Set working directory
setwd(“C:\\Users\\batur\\Desktop\\R Tutorial”)

#Read csv data file and store as data frame
bankChurnersData=read.csv(file=”BankChurners.csv”)

#Drop columns has number of 22 and 23
df <- bankChurnersData[-c(22:23)]

#Remove bankChurnersData
rm(bankChurnersData)

#Return first 10 row of data
head(df, n=10)

#Display the internal structure of bankChurnersData
str(df)
Result:
‘data.frame’: 10127 obs. of 21 variables:
$ CLIENTNUM : int 768805383 818770008 713982108 769911858 709106358 713061558 810347208 818906208 710930508 719661558 …
$ Attrition_Flag : chr “Existing Customer” “Existing Customer” “Existing Customer” “Existing Customer” …
$ Customer_Age : int 45 49 51 40 40 44 51 32 37 48 …
$ Gender …

Her Sprint sonunda aşağıdaki sorulara bütün ekip elemanları sıra ile cevap vermelidir:

1. Birden beşe kadar bir puan verirseniz şirketteki rolünüz hakkındaki hissinize kaç puan verirsiniz?
2. Aynı ölçek ile bir bütün olarak şirket hakkında ne hissediyorsunuz?
3. Neden bu şekilde hissediyorsunuz?
4. Bir sonraki Sprint’te sizi daha mutlu yapacak bir şey nedir?

Ekibe ara ara onları neyin mutlu edeceği sorulmalı ve sonra da istekleri onlara sunulmalıdır.

Ekipleri harika kılan şeyler: otonomi, ustalık ve amaçtır.Ya da daha açık bir şekilde söylemek gerekirse kendi kaderinizi kontrol etme yeteneği, bir şekilde giderek daha iyi olduğunuz hissi ve kendinizden daha büyük bir şeye hizmet ettiğinizi bilmektir.

Ekipteki…

Hiçbir şey müşteri tarafından kullanılır olmadan tamamlanan hanesine alınamaz. Tamamlanan işlerde çıkan sorunlar bir sonraki Sprint’te ele alınır.

Bir Sprint’te, bir ekibin ne tamamlayacağı konusunda karara varması sonucunda görevler artık sabitlenmiş olur. Ekip dışından herhangi biri tarafından herhangi bir şey eklenemez.

Görevlerin yukarıdan verilmesi gibi bir durum söz konusu değildir, ekip otonomdur, bunu kendileri yapar. Yönetime ayrıntılı bir raporlama yoktur.
Yönetimdeki herhangi biri gelebilir ve Scrum tahtasına bakarak her şeyin nerede ve ne aşamada olduğunu tam olarak bilebilir.

Scrum’da bilgi akışı çok önemlidir. İletişim doygunluğu ne kadar fazla olursa ekibin hızı artar. Bir çok şirkette iletişim doygunluğu oranı %20'lerdedir. …

Scrum terimi rugby sporundan gelmektedir.Bir takımın topu sahanın diğer ucuna götürmek için birlikte çalışma yöntemine verilen addır.

Klasik proje yönetiminde binlerce sayfa döküman hazırlanıyor ama kimse bu belgeleri okumuyor, okuyamaz. İşte sorun da tam burada: Kendilerini bir fanteziyi onaylamaya zorlayan bir sistem kurmuşlar.

Bir yazılımın herhangi bir parçasındaki değerin yüzde 80'i, özelliklerin yüzde 20'sinin içinde bulunmaktadır. İnsanlara değerleri göz önüne alarak önceliklendirme yaptırmak onları önce yüzde 20'yi üretmeye zorlar. Ve genellikle de bunu tamamladıklarında, diğer yüzde 80'e gerçekten ihtiyaç duymadıklarının ya da başlangıçta önemli gözükenin aslında o kadar da önemli olmadığının farkına varırlar.

Agile Manifesto şu değerleri ilan etmektedir: süreçlerden…