管理就是要可衡量。能量化尽量量化。不能量化尽量细化,不能细化尽量流程化。——彼得﹒德鲁克
管理如此,质量管理亦是如此。
对于一个千人规模的研发组织,每天会产生大量的数据,如:代码提交、编译构建、单元测试、自动化测试、环境变更、版本发布等。
如何从纷繁的数据中沙里淘金,提取并加工成对于质量管理有用的信息,从而支撑研发过程改进和管理决策,成为了我们亟待解决的课题。
模型建立
通过对一些经典软件质量模型(Mccall模型、Boehm模型、ISO9126模型)的研究,并结合公司开展的研发质量管理实践,我们提炼了一套“研发质量评价模型”,其整体框架结构和体系支撑如下:
在不同的领域,有不同的工具支撑整个业务流,比如:项目是通过ITP系统来管理的,它涵盖了立项管理、开发管理、上线管理、结项管理等项目全生命周期。不同的工具通过底层数据进行拉通,形成完整的IT解决方案。
评价模型由产品质量、过程质量、持续改进质量、成果转化质量4大维度组成。通过对维度进行细化,又细分为9个子维度、16个评价指标,全方位客观地评估各研发中心的质量管理水平。
模型应用
根据木桶原理,一只水桶能装多少水取决于它最短的那块木板。
研发质量评价模型就是要识别出整个组织的共性问题及能力短板,由SQA牵头驱动组织级的过程改进,进行能力补齐。
研发质量评价结果样例
雷达图识别短板
通过雷达图,我们可以方便地识别在“缺陷修复”这个指标上整个组织是存在短板的,需要进行专项改进。
柏拉图聚焦改进
借助质量工具,我们绘制了柏拉图。根据二八原则,发现流程流转不及时、外部因素无法联调、新员工不熟悉代码这3个原因是导致缺陷修复得分偏低的主要原因。问题的症结找到了,问题自然可以迎刃而解了!
模型演进
研发质量评价模型不是一成不变的,它有一个逐步演进的过程。我们的模型已经初步完成了从1.0到2.0的转变。
2.0相对1.0版本,使用探索性因子分析法(EFA)对指标维度进行了重新亲和,使评价维度更为合理。同时,增加了质量保证及质量控制的过程性指标,从而提高了模型评价的实时性和效用。
上医医未病之病,中医医欲起之病,下医医已病之病。从结果性的数据描述,到对过程数据及时分析,最终建立预测模型支撑组织决策。
小结
数据是为管理做服务的,但数据本身不能脱离研发实际。庞大的指标体系和盲目的数据分析都是不可取的。
发现问题、解决问题、不断提升组织能力才是研发质量评价的初衷。
联系客服