Kể về lần bạn phát hiện hidden requirement mà không ai đề cập. Bạn discover thế nào?

Thiết kế hệ thống recommendation cho marketplace bằng hybrid approach: collaborative filtering cho users có lịch sử (>10 purchases), content-based cho cold-start users. Dùng embeddings từ product descriptions + user behavior vectors. A/B test 4 tuần cho thấy: click-through rate tăng 23%, conversion rate tăng 12%, average order value tăng 8%. Technical stack: Python + TensorFlow Serving + Redis cache cho low-latency serving (<50ms P99).

Khi phải estimate dự án fixed-price với requirements chưa rõ, tôi áp dụng: (1) Work Breakdown Structure đến level 3, (2) three-point estimation cho mỗi work package (optimistic, most likely, pessimistic), (3) PERT calculation cho expected duration, (4) Monte Carlo simulation cho risk, (5) thêm 15% management reserve. Present range estimate cho client thay vì single number. Accuracy: 90% projects deliver within ±10% estimate.

Approach của tôi là data-informed. Tôi collect data trước khi make decision. Tuy nhiên trong case đó data không đủ nên tôi dựa vào experience.