数据指标本身也是需要建设过程的。6 月 27 日 20:00 ，泰康保险集团 EPG 成员，流程管理资深专家——张硕老师，在 DevData Talks 与大家分享《研发提效核心：以度量为引擎，加速构建高效能研发体系》，主要分为以下三个内容：
·研发效能度量的常见问题
·数据指标的建设过程
·如何通过指标驱动研发体系建设
下面，让我们一起来回顾本次直播的精华内容。（浏览至文末，可获取本场直播PPT！）在与思码逸合作初期，目标旨在通过获取当量数据提升研发工作的透明度。然而，合作伊始便遭遇数据完整性问题：部分代码库未被扫描，程序员分散在多个代码库的工作贡献未能全面计入，导致个人及团队的当量数据缺失，数据质量不高。这一状况在公司规模庞大的代码库范围内更为凸显，仅部分代码库被扫描，难以准确反映全局情况。为解决这些问题，泰康保险采取了自下而上的运营推广模式：为团队和管理层答疑解惑、协助研发团队解决实际问题等，逐步提升了研发岗位代码提交的当量计算覆盖率。随着数据不断积累，其质量也得到提升，为高质量数据分析奠定基础。2021 年，基于这些优化后的数据，思码逸帮助泰康保险编制了一份深度分析报告，内容涉及跨项目的人力资源分配、人均贡献率以及生产效率趋势等关键指标。综上所述，泰康保险与思码逸合作的经验可总结为：合作之初，以增强研发透明度为初衷，却遭遇数据不完整与质量低下的现实挑战。对此，泰康通过持续的数据优化工作，不仅极大提升了数据质量和完整性，还促进了代码库的全面梳理与合理分类，这是合作中的关键进展。更多内容，欢迎大家扫描下方二维码获取完整PPT~
![]()
在探讨研发效能度量时，首要步骤是广泛了解并学习业界认可的成熟指标及其指向性。明确指标的指向性后，面对众多度量项，应采用 GQM（Goal-Question-Metric）方法来筛选和应用。GQM 鼓励从明确目标出发，提出相应问题，并据此设定度量指标，确保度量活动紧密关联实际需求。以思码逸与泰康保险合作案例为例，初期目标是实现研发数据透明化，据此选择了代码当量作为度量指标，并通过持续优化使该指标变得更加准确和有价值。但随着新问题的出现，团队的关注点和度量指标也随之调整，体现了目标驱动的动态管理过程。明确研发团队的目标与面对的问题对于设计有效的度量指标体系至关重要，而这一步骤对于许多团队而言颇具挑战性。特别是，若不将业务背景纳入考量，团队往往难以充分展现其工作价值。讨论研发效能时，核心通常聚焦于两个不可忽视的方面：响应速度（通过前置时间体现）和质量（包括内部与外部质量）。这两个维度构成了评估研发效能的基本框架，有助于展示团队当前的效能状态及其追求的方向。![]()
团队对度量方案的反感源于多种原因，要解决这一问题，首先需树立正确的数据观念：数据应作为观察和理解工作的工具，而非单纯评价绩效的标准。管理者需克服依赖单一数据做决策的倾向，认识到过度依赖数据不仅不能减轻管理负担，反而可能削弱管理岗位的价值。管理者应重视现场考察（Go and See），结合数据与实际情况做出判断，理解数据背后的故事，因为数据可能是片面的，实地调研能揭示更全面的真相。对于一线员工，尤其是程序员，需要消除将技术工作神秘化的倾向，不应抗拒度量和标准化尝试。正确的数据观应鼓励使用数据辅助说明和支撑观点，而非让数据成为评判的唯一标准。管理者与团队成员要共同努力，上下一心，前者克服速断倾向，后者学会用数据表达和验证自己的工作成效，促进数据文化的建设。这是一个长期且需要全员参与的过程，旨在让团队拥抱数据化和度量，将其视为提升工作效率和质量的辅助手段，推动团队向更加高效、透明的方向发展。面对指标数据准确性的问题，首先要认识到数据的准确性并非天生既定，而是需要通过建设过程来逐步提升。实际上，高度精准、易于获取且指向性强的指标在现实中极为罕见，否则研发管理和度量将不再是个复杂议题，而成为简单的数据参照过程。因此，指标本身的建设和优化是必经之路。解决指标不准的关键在于理解数据质量的重要性，并在此基础上构建数据驱动的文化。在此基础上，应明确数据的角色：它是用来辅助验证人的见解、作为观察现状的工具，而非直接评判的标准。当这一文化理念牢固建立后，接下来的重点是确保所构建的数据指标满足三个核心条件：标准化、真实性及易用性。唯有当这些指标在这三个方面均达到要求，它们才具备深度分析的价值与持续优化的潜力。更多内容，欢迎大家扫描下方二维码获取完整PPT~
![]()
首要步骤聚焦于奠定数据驱动的文化基础，确保团队深刻理解数据的正确用途——用以支撑观点和反映实际情况，而非直接作为评判标准，这是构建高效度量体系的根本所在。标准化：确保所有数据记录在计算如前置时间时，遵循统一的起始和结束节点定义，从需求接收到最终上线周期，统一计算起点（需求创建或开发启动）与终点（上线或 UAT 通过），维护数据口径一致性。
真实性：确保度量数据真实反映实际情况，防范如前置时间因人为提前关闭任务而失真。团队在使用JIRA等需求管理工具时，应确保录入信息准确无误，避免形式主义导致的记录失实，这是度量体系的关键要素。
易用性：确保数据易于获取和分析，配备便捷的报表工具，支持数据深度分析与交叉比对，为决策提供强有力支持。
当指标满足标准化、真实性和易用性要求，便能深入分析数据趋势，理解波动，认识到数据初期不精确是常态，优化数据质量正是增强研发体系的过程。真正的度量驱动不仅是追求指标提升，而是始于建立数据驱动文化，培养正确的数据观念，逐步实现研发管理体系的全面成熟。在构建研发效能体系的第二阶段，核心是确保数据质量，即数据需满足标准化、真实性及易用性要求。这一过程直接促进研发体系的成熟。首先，需确保所有指标在高标准数据基础上运行，之后才能探讨如何提升具体指标，如前置时间。缩短前置时间的策略包括细化需求、缩短迭代周期，如由四周迭代缩短至两周，乃至一周两次，以加快部署频率，随之需跟进自动化测试和持续集成等流程优化，确保快速迭代与质量稳定。通过持续建设数据质量，实现数据的准确、规范和便捷使用，进而揭示数据趋势，指导后续的优化行动。这一系列工作本质上是研发效能体系的全面建设，涵盖从解决数据不准确、提升数据覆盖范围，到形成可分析的数据集合，最终依据分析结果采取管理措施的全过程。简言之，以数据为基础，通过不断优化数据质量与研发流程，逐步推进研发效能体系的成熟与效能提升。![]()
更多内容，欢迎大家扫描下方二维码获取完整PPT~
![]()
数据的标准化建设始于工具标准化，而工具标准化又基于流程规范的标准化。这意味着团队间需有统一的流程起点和终点定义，必要时通过抽象达到一致性。流程、工具平台与度量体系三者间并非孤立，而是相互依存的关系。购置工具平台并不直接解决所有问题，因为工具背后蕴含的是其原生团队的管理逻辑，与使用团队管理方式不匹配时，会导致工具难用。
成功实施需考虑以下三点：
- 流程与机制：确立统一的流程规范，确保数据埋点与团队工作自然融合，避免额外增加开发团队负担。
- 工具平台：需要一位深入了解研发流程和开发者体验的产品经理来平衡管理需求、度量指标与用户体验，精心设计以达成各方满意。
- 度量体系：基于工具平台产生的数据进行分析，反哺流程优化，形成闭环。
三者需协同推进，构成一个完整体系呈现给开发团队，确保流程规范、工具平台与度量体系三者一体化，互相支撑。自去年起，泰康保险通过定义流程规范基准，定制化工具平台，整合需求管理、项目管理工具，并依据流程规范进行工具定制，实现了工具使用的标准化，明确了需求的起点、终点及交付标准（DOD），从而确保提取的前置时间数据更加标准化、可靠。这一系列措施有效解决了数据标准化问题，为后续推广打下坚实基础。
![]()
- 标准化建设：确立统一的研发流程和定制化工具链，整合需求管理、项目管理工具及 IDE插件，简化开发者操作，减少跳转，提升数据采集的一致性和便利性。
- 工具推广与教育：以试点团队为起点，推广标准化工具使用，同时，教练团队深入各团队，进行工程化体系的宣导和实践辅导，强调数据的正向用途，避免其成为考核压力来源，建立信任。
- 实时监督与辅导：教练团队不仅要传播知识，还需监督工具和流程的正确执行，确保数据收集过程的真实无误。
- 流程迭代优化：依据团队反馈持续优化流程，目前流程已历经多次小调整及一次重大更新，新增管理节点，确保流程既符合实际又促进效能提升。
在这个过程中，需要团队确保真实性。直接与团队沟通，倾听一线声音，避免数据与实际情况脱节，确保数据反映真实研发状态，紧密联结数据与团队实际运作。
第三，在易用性建设方面，我们需要构建数据集市。这个集市应便于查看数据，并且需要与研发团队合作，共同建立统一的研发效能数仓和看板，这些是研发效能基础设施建设的关键组成部分。起初数据获取繁琐，依赖手动从各系统提取和 SQL 查询。随后，通过构建公共技术平台的数据仓库，整合了研发、项目管理等系统的数据，进行了集中处理与存储，极大地提升了数据报表的生成效率。例如，能直观展示团队在不同月份的前置时间和吞吐量变化，如 2 月数据受春节影响较高，而 3-5 月前置时间逐渐减少，反映出效能改善的趋势。
尽管具体分析前置时间和吞吐量指标的细节在此不做深入，但借助这些数据，已能在部分团队中识别出问题，如开发与需求分析团队的协作障碍、跨团队依赖问题及需求粒度过大未合理拆分等，这些问题间接反映在前置时间的增长上，证明了数据的实用价值。
总之，建立数据驱动文化是基础，随后需并行解决数据标准化、真实性与易用性问题。通过这一系列建设，获得可靠数据，为有效分析提供了坚实基础，使数据分析结果更有说服力，能确切支持和验证管理决策。
更多内容，欢迎大家扫描下方二维码获取完整PPT~
![]()
在整个研发体系及数据驱动建设过程中，核心在于将精益、敏捷、DevOps等理念与实践相融合，并围绕高响应力和高质量团队目标，通过数据指标细化实施策略。以往依赖于逐步推广最佳实践，而现今更侧重于依据团队特性设定数据指标（例如前置时间和质量指标），以此衡量并提升效能。该过程涉及：- 指标定义：基于期望团队特质，确立数据指标，如前置时间，作为响应速度与交付质量的度量。- 数据成熟度建设：确保数据的标准化、真实性与易用性，构建数据集市、统一工具平台及稳固的数据体系。- 分析与优化：运用所得数据，聚焦需求管理、代码管理、迭代交付等关键领域进行分析，指导实践改进，持续优化指标表现。数据与指标源自明确的目标，并通过系统性建设形成可靠的决策依据。度量体系的构建实质上是研发体系优化的核心环节，这一过程既漫长又充满挑战。如同沙粒，紧握成型，稍松即散，需要持续的努力与精细的管理。
在本次线上直播活动中，张硕老师还就观众们提出的一系列问题进行了详尽解答与交流。接下来，我们将对此进行回顾总结。
主要包括以下内容：
如何持续性建设研发效能？
测试团队如何度量？
业务部门的需求如何融入流程管理？
AI 面试对于测试相关岗位的冲击力度大，测试效能人员该如何规避和转行？
代码缺陷密度这个指标如何相对准确的获取和使用？
研发效能如何跟价值产出结合起来？
度量指标、考核指标有区分吗？
需求颗粒度大如何处理？
通过哪些指标可以体现需求颗粒度？
在研发效能建设过程中，内耗怎么解决？
扫描下方二维码，立刻获取以上问题答案~
![]()
更多内容，欢迎大家扫描下方二维码获取完整PPT~
![]()
思码逸成立于 2018 年，致力于为企业提供专业的研发效能度量分析平台，提升全行业的软件工程水平，助力研发团队创造更多价值。先后获得了纪源资本、经纬中国、奇绩创坛等头部资本投资。旗下产品 DevInsight 为企业研发团队提供专业的研发效能度量分析平台及配套解决方案。DevInsight 基于深度代码分析技术，从代码和 DevOps 工具链中提取数据，帮助研发团队快速低成本构建并完善研发效能度量分析平台，通过平台内置的研发效能指标体系、 数据看板，从项目、团队、个人多视角呈现研发效率、软件工程质量、组织与人才发展等多维度的数据洞察，帮助研发管理者获取可靠的数据洞察，驱动团队提效，更高效地交付业务价值。思码逸团队在软件工程前沿研究领域深耕多年，产品原型论文在国际顶级软件工程会议 FSE2018 上发布。2021年，思码逸作为标准起草组成员单位，参与编写了由中关村智联软件服务业质量创新联盟、中国软件协会过程改进分会发起的《软件研发效能度量规范》。2022 年，思码逸原创的研发产出度量指标“代码当量”，被纳入信通院开源生态检测平台使用。同年，思码逸开源了 Apache DevLake 并捐赠给 Apache 软件基金会。该项目现已成为 Riot Games、Bell、Scarf、Bestseller 等知名公司信赖的研发效能开源解决方案。目前，思码逸已为腾讯、美团、网易、自如、中国平安、泰康集团、阳光保险、国信证券、国金证券、工银瑞信、宝马、保时捷、极氪汽车、喜马拉雅、戴尔EMC 等众多行业标杆客户提供服务。
![]()
点击“阅读原文”，立刻领取PPT
