研发效能度量的实践框架

damengshu

研发效能度量的成功落地需要一个相对完善的体系,其中包含数据采集、度量指标设计、度量模型构建、度量产品建设、数据运营等多个方面,我把它们整理出来形成一个实践框架,称为“研发效能度量的五项精进”。

+ S" `2 c3 h/ u+ b

1. 构建自动采集效能数据的能力

通过度量系统分层处理好数据接入、存储计算和数据分析。比如,小型团队通过 MQ、API 等方式把数据采集起来之后,使用 MySql(存放明细数据和汇总数据)、Redis(存放缓存数据)、ES(数据聚合和检索分析)三件套基本就够用了;而大规模企业由于数据量庞大、汇聚和分析逻辑复杂,建议使用整套大数据分析解决方案,比如流行的流批一体的大数据分析架构。

2.设计效能度量指标体系

选取全局结果指标用于评估能力,局部过程指标用于指导分析改进。比如:需求交付周期、需求吞吐量就是全局结果指标,可用于对交付效率进行整体评估;交付各阶段耗时、需求变更率、需求评审通过率、缺陷解决时长就是局部过程指标,可用于指导分析改进。

通过先导性指标进行事前干预,通过滞后性指标进行事后复盘。比如:流动负载(在制品数量)是一个先导性指标,根据利特尔法则,在制品过高一定会导致后续的交付效率下降、交付周期变长,所以识别到这类问题就要进行及时干预;而线上缺陷密度就是一个滞后性指标,线上缺陷已经发生了,我们能做的就只有复盘、对缺陷根因进行分析,争取在下个统计周期内能让质量提升、指标好转。

3. 建立效能度量分析模型

这里的模型是指对研发效能问题、规律进行抽象后的一种形式化的表达方式。比如流时间(需求交付周期)、流速率(需求吞吐量)、流负载、流效率、流分布这五个指标结合在一起,就是一个典型的分析产品/团队交付效率的模型,通过这个模型可以讲述一个交付交付价值流完整的故事,回答一个关于交付效率的本质问题。

模型还有很多种,比如组织效能模型(如战略资源投入分布和合理性)、产品/团队效能模型、工程师效能模型等,我们还要合理采用趋势分析、相关性分析、诊断分析等方法,分析效能问题、指导效能改进。

4.  设计和实现效能度量产品

将数据转化为信息,然后将信息转化为知识,让用户可以自助消费数据,主动进行分析和洞察。

简单的度量产品以展示度量指标为主,比如按照部门、产品线等维度进行指标卡片和指标图表的展现;做的好一点的度量产品可以加入各种分析能力,可以进行下钻上卷,可以进行趋势分析、对比分析等;而做的比较完善的度量产品应该自带各种分析模型和逻辑,面向用户屏蔽理论和数据关系的复杂性,直接输出效能报告,并提供问题根因分析和改进建议,让对效能分析不是很熟悉的人也能自助地使用。

5.  实现有效的效能数据运营体系

也许放在最后的其实才是最重要的,我们有了度量指标、有了度量模型、有了度量产品,但一定要注意的是:要避免不正当使用度量而产生的负面效果,避免将度量指标 KPI 化而导致“造数据"的短视行为。根据古德哈特定律,度量不是武器,而是学习和持续改进的工具。

正所谓“上有政策,下有对策",“度量什么就会得到什么",为了避免度量带来的各种副作用,我们首要的度量对象应该是工作本身,而不是工作者。另外,效能改进的运作模式也很重要,只是把数据报表放在那里效能不会自己变好,需要有团队或专人负责推动改进事宜。

研发效能度量的指标体系设计

根据研发效能度量的七大原则,我们确定了从全局性出发,以结果产出为牵引的一系列研发效能度量指标 。这些指标也反映出了研发效能改进的关键点,即以端到端的流动效率(而非资源效率)为核心。这里的流动效率是指需求(或用户价值)在整个系统中跨越不同职能和团队流动的速度,速度越快则需求交付的效率越高、交付时长越短。当然我们并不是只关注流动效率、不关注资源效率(如工时、资源利用率等),而是在确保前者效率足够高的情况下再逐步提升后者,最终追求的是二者的协同优化。

在建设初期,我们把研发效能度量指标分为三个维度,分别是交付效率、交付质量和交付能力。这些指标的提升需要组织进行管理、工程、技术等多方面的系统性改进。

* C' V1 y- V+ `* l& Q

nevadaooo

管理工程技术

starskyuu

将数据转化为信息,然后将信息转化为知识,让用户可以自助消费数据,主动进行分析和洞察。