Измерением эффективности НИОКР должно быть не «то, что вы думаете», а должна быть такая система показателей измерения!
Измерением эффективности НИОКР должно быть не «то, что вы думаете», а должна быть такая система показателей измерения!

👆Нажмите «Бродвью», чтобы получать больше новостей о книгах.

Знакомый нам метод гибкой разработки родился уже 20 лет, и DevOps также разрабатывается уже более десяти лет. Многие компании внедрили, внедрили и практикуют его.

Некоторые организации или команды, потратив много времени на «перемены» и вложив много человеческих ресурсов и затрат, не могут эффективно ответить на некоторые, казалось бы, очень простые вопросы, такие как:

  • Насколько эффективен ваш НИОКР? Можно ли это измерить количественно?
  • Вы лучше или хуже, чем в среднем в вашей отрасли, других компаниях и других командах?
  • Каковы узкие места и проблемы в работе НИОКР?
  • Есть ли какие-либо эффекты после внедрения практик Agile или DevOps? Есть ли существенное улучшение?
  • Какие действия следует предпринять дальше?,Продолжить оптимизация производительности?

Вот почему нам необходимо измерение эффективности НИОКР.

Измерение производительности НИОКР может сделать производительность поддающейся количественной оценке, анализу и улучшению, а также более рационально оценивать и улучшать производительность на основе данных, вместо того, чтобы всегда говорить «Я чувствую...», основываясь на интуиции.

«Измерением» не только сложно управлять, но оно может сбиться с пути, если вы не будете осторожны. В результате оно часто не только не приводит к ожидаемому положительному эффекту руководства по повышению эффективности, но и приводит к серьезным побочным эффектам. делает предприятие неэффективным. Затрачивая много времени и ресурсов, ведется игра с числами, которая кажется энергичной, но не имеет никакой ценности, или неэффективная кампания, которая кажется правильным решением, заставляет сотрудников становиться более «вовлеченными».

Мы можем разработать систему показателей, которая сможет объективно оценивать эффективность НИОКР, собирать и всесторонне анализировать данные по каждому показателю, тем самым объективно отражая «более эффективную, более качественную, более надежную и устойчивую реализацию большей ценности для бизнеса» команды НИОКР. обнаружить улучшения в процессе исследований и разработок и помочь команде внести улучшения.

1

система измерения

Следующая структура предлагается в стандарте «Спецификация измерения эффективности исследований и разработок программного обеспечения», инициированном Альянсом инноваций в области качества интеллектуальных услуг программного обеспечения Чжунгуаньцунь и Отделением улучшения процессов Китайской ассоциации программного обеспечения.

Три наиболее важных элемента: консенсус относительно цели, осознание текущей ситуации и путь от текущей ситуации к цели представлены тремя буквами «Е», «С» и «Я» соответственно.

Схему E3CI можно свести к краткой формуле: эффективность = осведомленность + улучшение.

Для достижения цели эффективности НИОКР необходимо иметь четкое представление о текущей ситуации с эффективностью НИОКР команды и повысить осведомленность команды об эффективности НИОКР. Мы суммировали пять когнитивных областей, включенных в измерение эффективности НИОКР:

  • Доставленная стоимость:познаниепрограммное обеспечение НИОКРВлияние требований к доставке на пользователей или бизнес.
  • Скорость доставки:познаниепрограммное обеспечение НИОКРКак быстро вы удовлетворяете свои потребности.
  • Качество доставки:познаниепрограммное Насколько хорошо НИОКР удовлетворяет потребности.
  • Возможности доставки:познаниепрограммное обеспечение НИОКР обеспечивает устойчивость ваших потребностей.
  • Стоимость доставки:познаниепрограммное обеспечение НИОКРНакладные расходы на доставку требований.

На основе познания цели производительности должны быть достигнуты путем улучшения. Процесс улучшения можно обобщить как цикл MARI, а именно: «Измерение-Анализ-Просмотр-Улучшение», как показано на рисунке ниже.

Вышеупомянутые шаги вместе составляют полную итерацию оптимизации. В большинстве случаев улучшение проблемы требует нескольких итераций, непрерывного измерения эффектов улучшения и постоянной калибровки направления и метода улучшения.

2

Метрическая индексная система

Принципы построения индикаторов

  • Глобальный оптимум, а не локальный оптимум.
  • Индикаторы служат целям измерения: OKR (Objectives and Key Results, задачи и ключевые результаты) – определение индикатора (пошаговый демонтаж).
  • Если метрика не отражает проблему и не направляет улучшение, она не обязательно должна существовать.
  • Иерархия из трех уровней: дизайн: показатели результата (высокоуровневый фокус). на)- Индикаторы процесса (средний уровень на)- Операционные показатели (первая группа в центре внимания) на)。

Идеи и предложения по дизайну индикаторов

Сосредоточьтесь на трех ключевых аспектах: ценности доставки, качестве доставки и скорости доставки. Схема архитектуры системы показателей эффективности выглядит следующим образом.

Система показателей эффективности интернет-компании

Ниже представлена ​​схема системы показателей эффективности предприятия, которая включает более 100 показателей в 12 измерениях.

Идеи дизайна:Следуйте концепции непрерывной доставки,Измерьте три аспекта: механизм организационного управления, системную архитектуру и построение инфраструктуры.,Предлагаемые подробные метрики по требованиям, коду, среде, продуктам и т. д.,Улучшения включают в себя продуктовые команды, команду разработчиков、Группа испытаний и группа эксплуатации и технического обслуживания.

Преимущества:Очень широкий охват,Охватывает практически все уровни программного обеспечения НИОКР.,Это может способствовать реформированию основных возможностей НИОКР во всех аспектах. также,Он не только предъявляет требования к показателям конечного результата,Он также фокусируется на операциях на передовой.,Используется для практического руководства передовым персоналом.

недостаточный:Выбор некоторых показателей измерения необоснован.,Например, стремление к покрытию кода в области автоматизированного тестирования.,Однако возможность автоматического перехвата проблем не рассматривалась всесторонне. поэтому,На практике может оказаться, что «чтобы добиться освещения,Автоматически дополнять код, который неактивен, но легко писать тестовые примеры» «Автоматизированный означает высокое покрытие кода, но слабый фактический перехват проблем»,Это противоречит первоначальному замыслу.

Индикаторов слишком много, и их уровни неочевидны, а индикаторы результатов, индикаторы процесса и операционные индикаторы не очень хорошо различаются.

В реальном процессе реализации легко слишком сосредоточиться на «стандартах оперативного уровня» и игнорировать «показатели результатов». Поскольку операционные показатели, соответствующие стандартам, не означают, что уровень эффективности НИОКР команды соответствует стандартам, первое не является достаточным условием для второго, и поэтому легко вызвать «перекладывание ответственности» между различными ролями.

3

анализ производительности

анализ производительности Модель

Модель анализа производительности представляет собой выражение ряда методологий анализа проблем производительности, как показано ниже.

Качественный анализ. Используйте таблицу оценки производительности, чтобы определить, улучшилась ли производительность за период измерения.

Количественный анализ. Если производительность улучшилась, используйте методы анализа, рекомендованные ниже, чтобы найти эффект оптимизации принятых мер, если производительность снизилась или осталась прежней, используйте различные методы анализа, чтобы найти проблему и спланировать следующие меры по улучшению.

✸Диагностический анализ производительности

Эффективное повышение эффективности НИОКР можно разделить на три цели:

  • без ущерба для качества доставки,Увеличьте стоимость доставки на единицу стоимости НИОКР. Если учитывать только трудозатраты,Это можно просто понимать как «потребность в производительности/рабочей силе».
  • Без снижения качества доставки и пропускной способности спроса сокращается время доставки единицы доставки, то есть сокращается цикл доставки спроса и время устранения неполадок в режиме онлайн.
  • При сохранении стоимости доставки стоимость единицы НИОКР неизменной.,Улучшите качество доставки.

На основе приведенной выше разборки можно составить простую таблицу суждений о том, «эффективно ли повышение эффективности НИОКР» следующим образом.

✸ Анализ тенденций

Ниже приведена диаграмма тенденций времени устранения дефектов онлайн для определенного бизнеса с января 2021 года по октябрь 2021 года.

С февраля 2021 года по июнь 2021 года время онлайн-устранения дефектов продолжает увеличиваться с течением времени, то есть устранение дефектов становится все медленнее и медленнее.

Фактически, прежде чем провести метрический анализ, команда службы поддержки клиентов однажды сказала, что они субъективно чувствуют, что скорость решения онлайн-проблем в последнее время замедлилась, потому что им нужно постоянно продвигаться вперед и спрашивать о ходе решения проблем, что затрудняет обслуживание клиентов. работать сложно. Также видно, что объективные данные согласуются с субъективными ощущениями команды службы поддержки клиентов. Наконец, после систематического анализа проблем, в июле команда начала вмешиваться, улучшать и оптимизировать. Также ясно видно, что время устранения онлайн-дефектов продолжает сокращаться.

Оптимизация производительности/анализ проблем

Делаю анализ При составлении отчетов мы часто сталкиваемся с ситуациями, когда выносим окончательное суждение о том, достигнута или нет цель повышения производительности, но не можем с уверенностью указать конкретные причины изменения. В этом случае мы можем использовать обычную Оптимизацию. производительности/анализ проблем Метод Анализ логического дерева、Детальный анализикорреляционный анализ углубляется в данные.

✸ Анализ логического дерева

Мы часто используем «диаграмму рыбьей кости» для облегчения анализа логического дерева. Ниже приводится процесс разборки и анализа «цикла удовлетворения спроса», который сопоставляет «цикл удовлетворения спроса» с соответствующими индикаторами процесса.

✸ Детальный анализ

Общий анализ производительности включает в себя следующие моменты.

(1) Детализация по временному измерению (по показателям ценности и качества).

(2) Детализация по этапам НИОКР (для показателей цикла поставки).

(3) Детализация по типам задач (по показателям ценности и качества).

✸ Корреляционный анализ

На эффективность НИОКР влияет множество факторов, и между ними часто нет причинно-следственной связи.

Например, взаимосвязь между объемом отправки кода, частотой отправки и частотой развертывания, взаимосвязь между частотой развертывания и удовлетворенностью клиентов, взаимосвязь между количеством строк кода и качеством кода, а также существует ли связь между качеством кода и стабильностью команды. Какая-то связь и т. д. Это все вопросы, на которые нужно ответить «корреляционным анализом».

Мы можем сначала проанализировать эту корреляцию на основе большого количества исторических данных, а затем провести эксперименты, чтобы найти факторы, которые действительно могут способствовать повышению производительности, и осуществлять постоянное вмешательство.

кроме,Также необходимо осуществить строительство измерительной платформы, специальный измерительный анализ и т.д.,Посмотреть больше«Полное руководство по эффективности разработки программного обеспечения»книга,Эту книгу возглавляют Ру Биншэн и Чжан Ле.,Написано 48 экспертами в этой области.

В эпоху цифровых технологий каждая компания является компанией, занимающейся информационными технологиями, и эффективность НИОКР стала их основным конкурентным преимуществом. Благодаря правильным методам измерения производительности и соблюдению экспериментального духа, основанного на данных, эффективность НИОКР можно оценить количественно, проанализировать и улучшить.

Отсканируйте QR-код, чтобы просмотреть подробную информацию об этой книге.

Дешевле, чем Дабл 11

Не только скидка 50% напрямую

Забронируйте сейчас и сэкономьте 5 юаней на окончательном платеже.

Не пропустите!

Отсканируйте код, чтобы получить его прямо сейчас!

Похожие хорошие книги

Автор: Лю Эньхуэй

Рецензент: Чэнь Синьи

Язык кода:javascript
копировать
Если вам понравилась эта статья, добро пожаловать Смотрим丨Оставить сообщение丨Поделиться в Moments Три подряд
 Рекомендуемые горячие статьи  
эксклюзив! [Секретное и великое] Эта группа загадочных программистов проделала большую работу
1024 День программиста | Отечественные оригиналы высшего качества, отдающие дань уважения каждому, кто вам дорог~~
1024 День программиста | Пожалуйста, ознакомьтесь с этим списком «антиинволюционных» книг!
Рутина разработки системы flash-kill с высоким параллелизмом на уровне десяти миллионов! Супер подробная интерпретация~~

▼Нажмите, чтобы прочитать оригинальный текст и узнать больше об этой книге~

boy illustration
Неразрушающее увеличение изображений одним щелчком мыши, чтобы сделать их более четкими артефактами искусственного интеллекта, включая руководства по установке и использованию.
boy illustration
Копикодер: этот инструмент отлично работает с Cursor, Bolt и V0! Предоставьте более качественные подсказки для разработки интерфейса (создание навигационного веб-сайта с использованием искусственного интеллекта).
boy illustration
Новый бесплатный RooCline превосходит Cline v3.1? ! Быстрее, умнее и лучше вилка Cline! (Независимое программирование AI, порог 0)
boy illustration
Разработав более 10 проектов с помощью Cursor, я собрал 10 примеров и 60 подсказок.
boy illustration
Я потратил 72 часа на изучение курсорных агентов, и вот неоспоримые факты, которыми я должен поделиться!
boy illustration
Идеальная интеграция Cursor и DeepSeek API
boy illustration
DeepSeek V3 снижает затраты на обучение больших моделей
boy illustration
Артефакт, увеличивающий количество очков: на основе улучшения характеристик препятствия малым целям Yolov8 (SEAM, MultiSEAM).
boy illustration
DeepSeek V3 раскручивался уже три дня. Сегодня я попробовал самопровозглашенную модель «ChatGPT».
boy illustration
Open Devin — инженер-программист искусственного интеллекта с открытым исходным кодом, который меньше программирует и больше создает.
boy illustration
Эксклюзивное оригинальное улучшение YOLOv8: собственная разработка SPPF | SPPF сочетается с воспринимаемой большой сверткой ядра UniRepLK, а свертка с большим ядром + без расширения улучшает восприимчивое поле
boy illustration
Популярное и подробное объяснение DeepSeek-V3: от его появления до преимуществ и сравнения с GPT-4o.
boy illustration
9 основных словесных инструкций по доработке академических работ с помощью ChatGPT, эффективных и практичных, которые стоит собрать
boy illustration
Вызовите deepseek в vscode для реализации программирования с помощью искусственного интеллекта.
boy illustration
Познакомьтесь с принципами сверточных нейронных сетей (CNN) в одной статье (суперподробно)
boy illustration
50,3 тыс. звезд! Immich: автономное решение для резервного копирования фотографий и видео, которое экономит деньги и избавляет от беспокойства.
boy illustration
Cloud Native|Практика: установка Dashbaord для K8s, графика неплохая
boy illustration
Краткий обзор статьи — использование синтетических данных при обучении больших моделей и оптимизации производительности
boy illustration
MiniPerplx: новая поисковая система искусственного интеллекта с открытым исходным кодом, спонсируемая xAI и Vercel.
boy illustration
Конструкция сервиса Synology Drive сочетает проникновение в интрасеть и синхронизацию папок заметок Obsidian в облаке.
boy illustration
Центр конфигурации————Накос
boy illustration
Начинаем с нуля при разработке в облаке Copilot: начать разработку с минимальным использованием кода стало проще
boy illustration
[Серия Docker] Docker создает мультиплатформенные образы: практика архитектуры Arm64
boy illustration
Обновление новых возможностей coze | Я использовал coze для создания апплета помощника по исправлению домашних заданий по математике
boy illustration
Советы по развертыванию Nginx: практическое создание статических веб-сайтов на облачных серверах
boy illustration
Feiniu fnos использует Docker для развертывания личного блокнота Notepad
boy illustration
Сверточная нейронная сеть VGG реализует классификацию изображений Cifar10 — практический опыт Pytorch
boy illustration
Начало работы с EdgeonePages — новым недорогим решением для хостинга веб-сайтов
boy illustration
[Зона легкого облачного игрового сервера] Управление игровыми архивами
boy illustration
Развертывание SpringCloud-проекта на базе Docker и Docker-Compose