编辑推荐: |
本文来自于meituan,文章聚焦研发过程中的提测阶段,以改进提测质量为例,从方案制定、策略应用、效果评估等几个方面,介绍质量运营在智能支付业务中的初步应用。 |
|
背景
毋庸置疑,质量是决定产品能否成功、企业能否持续发展的关键因素之一。对于“质量时代”下的互联网企业,如何在快速迭代的节奏中兼顾质量,真正落地“人人重视质量、人人创造质量、人人享受质量”,这是对QA的要求,也是整个产品技术团队面临的重要挑战。
质量运营,是将运营的思路注入到质量评估与改进工作中,它着眼于产品的全生命周期,以质量为中心,以数据为驱动,通过建设持续迭代的质量保障体系,最终提升交付质量。本文将聚焦研发过程中的提测阶段,以改进提测质量为例,从方案制定、策略应用、效果评估等几个方面,介绍质量运营在智能支付业务中的初步应用。
挑战
美团点评智能支付承担了整个公司所有线下交易,当前日交易量已经突破1000万单,是公司继外卖和摩拜之后,又一个千万级日订单的业务。业务高速增长、团队快速扩张的情况下,质量问题极易被放大化,如果不能及时得到处理,后续解决成本会越来越高。
存在的痛点
刚参与智能支付业务测试时遇到的几个问题,如下:
缺陷严重级别高,提测打回时常发生
如:核心功能未实现或实现与需求不符。
缺陷数量多,定位、修复、回归耗时长
如:越在上游引入的缺陷,修复的成本就越高,潜在的风险也越大。
各类低级缺陷,团队彼此间的信任度降低
如:文案错误、变量引用错误等编码大意导致的低级缺陷。
解决的难点
在尝试去改善时发现难以推动的几个问题,如下:
对暴露出的质量问题,如何更直观的在认知上达成一致?
如:收到过很多类似的问题反馈:“xx的缺陷太多了,质量意识差”、“xx项目存在很大问题,需要尽快改进”,即使是基于事实得出的判断,这种偏主观的表达方式,对问题达成一致的认知带来很大的困难。
对已公认的质量问题,如何更快速的进行分析和定位?
如:缺陷发生在测试阶段,但缺陷的引入可能是在需求阶段、设计阶段、开发阶段;某个时间段内的异常质量数据,可能是A项目或B项目,可能是C团队或D团队。问题类型细分、数据钻取能力等等,在问题的快速分析和定位中至关重要。
对已定位的质量问题,如何找到可以落地的改进措施?
如:项目总结中常常会见到类似这样的描述:“加强自测”、“严格遵守项目流程”、“文档需要写的更详细些”,这种偏“形容词”的改进措施,很难实际操作,这也是整个质量改进过程中最大的一个难点。
思路
质量改进是一个持续迭代的过程,不可急于求成。按照质量运营的方法,基本思路为:分析痛点,找到抓手,持续运营,形成闭环。
基于提测阶段的质量问题特征,从痛点和难点中寻找突破点。大致思路为:
目标应达成一致:质量改进的目标是QA的KPI,并应该与关键干系人在愿景、目标上达成一致。
问题的客观呈现:提取核心度量指标,通过有效数据和典型案例说话。
数据的灵活钻取:尽可能全的提供各种维度的数据,并分层级展示。
改进措施可落地:对措施的多方Review、流程标准化到工具化的演进。
解决方案
解决方案的重中之重,是务必遵循PDCA来实现运转方式的闭环。具体如下:
![](images/2018112231.png)
确定问题与方向
通过痛点描述可知,缺陷是反映智能支付业务当前提测质量的最显著特征。提测质量的进一步分析,可通过缺陷的数量、缺陷的严重程度、缺陷的生成原因三个方向来展开。
![](images/2018112232.jpg)
度量指标及标准
针对缺陷的三个分析方向,提取出可度量的指标、定义合理的标准值,并与整个团队达成一致。
指标提取策略
典型性
找最想要解决的问题。不追求全面,只针对Top问题提取指标,如:生成原因里最应该避免的是哪些。
找最能反映问题的指标。如:缺陷数量有众多度量指标(新增数量、人均数量等等),为排除工作量影响,我们选择用千行代码缺陷率这个指标。
有效性
除非对绝对数量有明确要求,否则尽量使用百分比作为度量指标。
指标数据的计算方式,要求简单易懂,并务必得到相关人的认可。
标准制定策略
基于公司统一要求
如:Sonar千行代码严重问题数,统一标准为低于0.1。
基于公司各业务现状
如:缺陷相关指标按照公司各业务部门排行,取Top5的值作为标准线。
基于自身业务阶段持续调整
如:随着智能支付业务质量的持续改进,定义更严格的质量标准。
最终定义的指标与标准
![](images/2018112233.jpg)
获取数据并展示
基于Metrics(美团点评工程质量中心提供的度量平台),能够快速的获取数据并展示。但要注意,部分指标的计算需要对Metrics提供的数据进行二次处理,以保证数据的精准性。如:在计算千行代码缺陷率时,需要排除掉开发自测缺陷等。
对于数据的展示形式,除了利用Metrics提供的各种图表外,最为关键的是要实现数据与问题(相关缺陷)的可关联,以便进行下一步分析。如下图所示(通过超链接方式进行关联):
![](images/2018112234.png)
制定计划并改进
改进措施的制定和实施是整个质量改进过程中的重中之重。基于经验,给出三个策略。
自上而下与自下而上相结合
自上而下:通过有效数据、典型案例,建设可信任的结果评估体系;以此为基础,利用每一个问题数据,在Leader层强化质量意识,借鉴向上管理的思路,实现质量改进的向下驱动。
自下而上:通过案例复盘、数据钻取,对问题进行明确定位,让问题方基于工具即可将问题下沉到具体项目或具体角色,进而推进可落地的过程改进,并持续利用结果评估体系衡量改进效果,实现质量改进的向上闭环。
![](images/2018112235.png)
多维度的数据聚合与分析相结合
周维度数据聚合:对周数据中的异常进行分析,并排除掉因周期偏短导致的数据噪点,重在对问题进行风险预警。
月维度数据聚合:对月数据中的异常进行分析,并结合数据的变化趋势,重在对问题进行确认和改进。周维度和月维度相结合,构成了质量管理中的问题发现与改进周期。
季度维度数据聚合:对季度数据的分析,重在得出对质量目标的完成度并给出质量评分,并对过程中的问题进行回顾和总结,构成了质量管理中的考核周期。
流程的标准化与工具化相结合
在改进提测质量的初期阶段,对于流程的优化经常出现在各个项目总结的改进措施中,但大多是通过意识、模板或者口头提醒来实现,这无疑增加了流程的接入成本、执行难度,进而降低了流程的约束力。
借鉴在制造业中常见的一种解决思路——“防呆措施”,在流程标准化之后,应尽可能将其工具化,提升流程的生命力。
![](images/2018112236.jpg)
防呆措施的目的之一是防止不符合流程的产出物交付到下游。
将防呆措施应用到提测流程,即应实现各项准入标准的自动化检查,类似如下提测时校验:
回顾与反馈
主要从时间维度、项目维度两方面开展。
时间维度
各类周会、双周会、季度总结,对质量数据进行Review。
项目维度
重在项目复盘。复盘可以看成PDCA环和环之间的连接,有了它,PDCA才能环环相扣、周而复始。
迭代与推广
若改善有效,则进行推广。若改善无效,则分析原因,修改计划,重新启动另一轮PDCA。
指标与标准的持续迭代
如:过程中对Sonar千行严重问题数的标准由0.1提升到0。
度量模型与方法工具的推广
如:质量报表、Sonar在PR时触发检查不通过不允许Merge、提测准入自动化等等在其他业务的推广。
效果
对于效果的评估,主要从三方面进行说明。
质量数据的关注度
质量指标的达成度
过程质量改进对迭代效率的提升效果
质量数据关注度
主要体现在团队各方对质量报表的使用率。以下三张图分别为:智能支付QA、智能支付RD、智能支付RD Leader对质量报表的使用率走势。
![](images/2018112239.jpg)
![](images/20181122310.jpg)
![](images/20181122311.jpg)
质量指标达成度
对质量指标的达成情况进行说明,其中:初始值为16年Q4的情况。
![](images/20181122312.png)
近几个Q的变化趋势,如下:
![](images/20181122313.png)
![](images/20181122314.png)
![](images/20181122315.png)
![](images/20181122316.png)
![](images/20181122317.jpg)
迭代效率提升效果
以客户端方向为例(之前过程质量存在较严重的问题),说明过程质量改进对迭代效率的提升效果。
![](images/20181122318.jpg)
总结
经过一段时间的摸索和实践,我们在提测质量上有了较明显的提升,过程中积累的方法、流程和工具也在推广使用。但提测质量只是全生命周期质量运营的一小部分,对于高速发展的智能支付业务,不仅要求整个质量保证体系的迭代优化,更要求全体成员不断提升质量思维、持续追求极致质量,进而形成一种质量文化,真正实现“人人重视质量、人人创造质量、人人享受质量”。 |