Op deze pagina zijn verschillende grafieken te zien die mijn leerdoel inspanning en resultaten in kaart brengen. Ik begon met een simpele Excel, maar dat bleek toch wat minder overzichtelijk en presenteerbaar te zijn.

Tijdens mijn stage houd ik deze meetpunten in een database actief bij, zodat hier altijd de nieuwste resultaten te zien zijn. Zie ook de Tabellen pagina voor nog meer interessante data.

Om het systeem te besparen worden sommige datasets in de browser (session storage) opgeslagen. Dit betekent dat de data niet opnieuw opgehaald hoeft te worden bij het herladen van de pagina. Mocht u de nieuwste data willen hebben, klik dan rechtsboven op de refresh knop.

Voordat ik de leerdoelen behandel, heb ik hieronder eerst een staafgrafiek gemaakt die het aantal tickets per week laat zien. Dit is ook een handig gegeven, want de andere grafieken zijn allemaal gemiddelden.

Voor dit leerdoel heb ik verschillende data bijgehouden gedurende mijn stage. Ik presenteer deze data door middel van de onderstaande grafieken die een goed beeld geven van mijn inspanning en resultaten. De grafieken werken met een precisie van een week, en zijn dus gemiddelden per week. Het doel is om door meer vragen te stellen efficiënter te werken en de kwaliteit van mijn werk te verhogen. Minder tijd besteed en minder QA iteraties voordat de ticket echt af is en productie in kan.

Hieronder is een grafiek te zien van hoeveel tijd in procenten ik besteed heb aan alle taken per week. Stel een ticket is begroot ter waarde van 90 minuten en ik besteed omdat ik vlijtig ben maar 60 minuten, dan is het percentage 66%. 150% van 90 minuten zou dus 135 besteedde minuten betekenen. In realiteit zit ik hier vaker boven dan onder. De begroting is een inschatting gemaakt door en voor ervaren collega's, dus daarom zit ik er meestal ietwat boven. Dit is uiteraard te verwachten en geen probleem.

Hieronder is een grafiek te zien van hoeveel QA iteraties er nodig waren voordat een taak productie in kon. Dit is een indicator van hoe goed ik de taak begreep en hoe goed ik de taak heb uitgevoerd. Maar het gaat natuurlijk ook om programmeerkennis. Er zijn in het framework bijvoorbeeld veel ingebouwde functies die ik gebruiken kan,en zo hoef ik zelf het wiel niet opnieuw uit te vinden. Dit moet je maar net weten uiteraard, dus bij de QA leer ik ook veel. Hier maakt mijn collega me dan op attent. Een waarde van 0 betekent dat er wel naar gekeken is, maar dat er geen verdere aanpassingen nodig waren. Sommige taken zijn gevoelig en complex, dus vereisen daarom veel iteraties. Over het algemeen is dit getal naar beneden te krijgen door vragen te stellen, wat het doel van dit leerdoel is.

De laatste grafiek van dit leerdoel laat zien hoeveel vragen ik gesteld heb per taak per week. Hoewel dit niet gelijk een indicator is van hoe goed ik de taak begreep, is het wel te vergelijken met de andere grafieken. Als deze omhoog gaat, dan zouden de andere omlaag moeten gaan.

Dan door naar het derde leerdoel. Dit leerdoel is bedoeld om te leren hoe ik mijn werkzaamheden beter binnen de lijnen uit te voeren, en het toevoegen van extra's goed te communiceren, documenteren en testen. Het leerdoel ontstond toen ik de hoofdfunctionaliteit van de ticket per ongeluk brak doordat mijn extra functionaliteit geen rekening hield met een ongeteste edge case. Dit is natuurlijk niet de bedoeling, en daarom is dit leerdoel ontstaan. Ik ben gewend om zelf te bouwen wat ik wil, waar de consequenties aanzienlijk lager zijn dan dat bij mijn stagebedrijf.

Ik raak snel enthousiast en naarmate ik kundiger word sneller geneigd om extra functionaliteit toe te voegen die opzich leuk gevonden zijn, maar dan ook wel goed getest moeten worden. Dit is een valkuil die ik moet vermijden.

De eerste grafiek laat twee datasets zien. De eerste dataset gaat concreet over hoeveel extra functionaliteiten ik gemiddeld die week toegevoegd heb. De tweede dataset laat zien hoeveel incidenten er gemiddeld die week waren. Incidenten zijn problemen die ontstaan zijn in mijn gebouwde algemene functionaliteit. Het is dus niet direct aan elkaar verbonden, maar als de lijnen elkaar volgen laat het toch zien dat er een verband is. Het aantal extra's mag gerust erg hoog zijn, zo lang de incidenten maar laag blijven.

Deze grafiek is niet direct verbonden aan het leerdoel, maar laat ik zien om meer context aan incidenten te geven. Complexere taken (die daarmee hoger begroot zijn) hebben in mijn geval vaker incidenten. Dit is logisch, omdat er meer functionaliteit is die kapot kan gaan. In verband met de andere schaal en het niet willen verstoren van de andere grafiek, heb ik deze apart gezet. Als het aantal incidenten telkens een piek heeft wanneer deze grafiek ook een piek heeft, dan kan ervan uit gegaan worden dat dat met elkaar te maken heeft. Zo ligt het niet gelijk aan de extra functionaliteiten.

Ik laat ook zien hoeveel tijd ik gemiddeld per taak besteed heb. Deze twee lijnen zouden ongeveer aan elkaar gelijk moeten zijn. Hier gaat leerdoel 2 meer over, dit is zoals eerder genoemd voor meer context.

Ook voor dit leerdoel heb ik verschillende data bijgehouden gedurende mijn stage. Bij mijn PO leerdoel gaat het erom dat ik in meer 'afdelingen' van het bedrijf meedraai, en zo meer kennis opdoe. Dit betekent dus niet alleen backend, maar ook deployment, frontend, enzovoorts. Bij verschillende afdelingen horen dan natuurlijk ook andere talen, dus die heb ik ook bijgehouden. Omdat ik nog in opleiding ben is het te vroeg om me te specialiseren, en daarom is het belangrijk dat ik breed inzetbaar ben.

Ik laat dit leerdoel zien door gebruik te maken van een Radar chart. Dit type grafiek geeft goed aan hoe verdeeld mijn werkzaamheden zijn. Des te meer verdeeld, des te beter. Het eerste paar grafieken tellen de hoeveelheid dat een categorie of taal in een taak voorkomt, en het tweede paar gebruikt de besteedde tijd in uren. Ze lijken op elkaar, maar het is toch interessant om de verschillen te vergelijken.

Per grafiek heb ik drie datasets: de eerste neemt de data van de gehele stageperiode, de tweede van enkel de eerste helft, en de derde van alleen de tweede helft. Door de totale dataset uit te schakelen (klik op het corresponderende label boven de grafiek) is het verschil te zien tussen de eerste en tweede helft.