网站建设费要交印花税吗,北湖区网站建设,网站建设和电子商务的关系,hostinger建站wordpress在 9 月 15 日的第七届 CSN 大会上#xff0c;思码逸研发效能专家王艳萍受邀分享了《汽车行业研发效能提升的挑战与实践案例》。演讲包含了思码逸对多家汽车企业服务过程中总结出的行业痛点、解决方案#xff0c;以及实践案例。 以下为演讲实录#xff1a;
思码逸与很多知名…在 9 月 15 日的第七届 CSN 大会上思码逸研发效能专家王艳萍受邀分享了《汽车行业研发效能提升的挑战与实践案例》。演讲包含了思码逸对多家汽车企业服务过程中总结出的行业痛点、解决方案以及实践案例。 以下为演讲实录
思码逸与很多知名汽车企业都有合作。我们这次的演讲会先简单介绍一下思码逸然后重点分享我们与汽车企业在研发效能层面的实践汽车软件研发效能与传统软件研发效能的差异以及在汽车行业中软件研发效能度量的痛点与解决方案等。
思码逸成立于 2018 年专注于软件研发效能度量与分析。基于深度代码分析技术思码逸产品从代码和 DevOps 工具链中提取数据呈现研发效率、软件工程质量、组织与人才发展等多视角数据洞察提高研发过程可见性辅助团队决策推动开发者自驱成长。
思码逸独有的研发效能指标“代码当量”已经作为核心指标被信通院采纳。我们也受信通院邀请与京东、腾讯、百度、网易等等 40 多家公司一起起草了《软件研发效能度量规范》。
我们目前服务了上百家企业其中来自汽车行业的包括理想、蔚来、宝马、保时捷、沃尔沃等。 汽车行业的软件研发效能特征与挑战
相比传统的软件研发汽车软件的研发会更加复杂主要体现在两方面一方面是项目复杂另一方面是人员复杂。
首先项目方面存在以下特点
体量大规模大、交付周期长子项目类型多
版本众多为了适配各种硬件需要更多版本所以每个版本中的模块复用度高。一旦模块底层需要修改那么带来的技术维护难度大所以有更高的质量要求。
嵌入式开发软硬结合的开发方式在软件测试时需要适应物理环境及硬件接口所以会导致测试效率比传统软件开发要慢。
安全性要求高相比传统软件开发汽车软件对安全的要求非常高 包括功能安全、网络安全等一旦出现问题就可能危及用户生命。
由于项目的复杂度高所以相应地会在人员上带来更高的复杂度主要体现在两方面。一方面是人员构成比较复杂不仅有公司内部的研发团队还有外包团队。在人员岗位上除了传统的前端、后端、算法还会包含嵌入式开发等硬件相关的研发人员。 基于以上特点汽车软件研发对效能度量的要求会比较高。我们总结了一下我们客户经常遇到的研发效能度量的诉求。
首先由于研发项目体量大所以即使效率提升一个百分点也可以节省巨大的成本。所以第一个诉求就是“提升整体效率做更准确的需求预估”。另一个诉求就是“及时判断卡点找到影响交付速度的关键因素”从而提升项目整体的效率。
因为整个软汽车行业对安全可靠性的要求非常高这就要求我们能在整个研发过程中及时地发现问题保证可以在最终测试和交付之前解决掉关键问题而不是在最后发现问题再回过头去修改。
在人员管理方面主要诉求就是“建立考核标准制定研发流程规范”通过科学的方法来管理复杂的团队。
最后从项目和人员管理两个角度综合来看还有一个诉求就是“合理调配资源避免忙闲不均或者资源错配带来的浪费”。
由这些诉求出发结合我们与多个汽车企业合作的经验来看我们可以看到汽车行业做研发效能度量的四个难点 第一数据分散。研发数据可能分散在多个不同的工具中整合数据是一个难点。 第二缺少可靠的数据基础指标。例如要统计这个工时内完成了多少需求、功能点这些数据的填写大多是依赖个人主观判断的所以没有统一的标准那么这就给后续的数据分析带来难题。同时还有大量的代码复用、功能点大小不一等问题都是由于缺少基础的指标。 第三分析维度、视角多。一个项目可能会涉及到多个子项目、版本每个子项目背后可能还有不同的团队、不同的人。在团队中高层、中层对项目的关注点都不同所以会涉及到非常多的维度和视角。我们有很多客户都是说“我们有很多指标但就是用不起来”其背后的原因就是因为你给出分析结果并不一定是这个管理者或角色他想看到的。高管不希望看到那么多细节信息而基层管理者却希望从细节中发现改进点。 第四定位问题困难。由于项目周期长、项目复杂度高甚至可能还会涉及到较多的外包资源所以很难快速地定位问题。
解决方案与实践案例
我们为汽车行业提供了这样一套解决方案如下图所示。我们从数据采集、建模、指标体系到分析提供了一套全流程的度量与分析平台。我们已经把常用的代码仓库、项目管理工具、质量扫描工具和 CI/CD工具的数据接口打通了可以通过简单配置就将数据接入进来。如果你使用的是我们还未支持的工具也可以通过 CSV 的形式将数据导入到平台中。我们的平台会清洗数据并基于数据建模输出事务管理、代码效率、质量管理等模型。 在平台中我们根据对上百家企业的服务经验默认预置了 100研发效能指标根据你的模型会推荐一些指标并支持用户自定义指标。 在分析层面我们支持根据不同角色进行多维度的数据展示和分析。如果是需要了解更多细节信息的管理者还可以针对数据进行下钻分析直至找到问题的根源。 另外我们还提供一些行业基线和组织基线让你可以知道目前团队的研发效能、项目质量在行业中所处的水平是怎样的以及与自身相比是否在持续进步甚至于公司内其他团队相比处于什么样的位置。为了让管理者更容易去分析数据我们还在平台中提供了智能专家系统来辅助解读数据指标和现状。
我们已经把大部分的高频指标都放在平台中了。我们简单介绍一下核心指标“代码当量”。大家可以将它理解为与“代码行数”对标的一个指标。但是代码行数可能会遇到空行、注释、第三方引用等。这让代码行数无法真实体现产出效率。“代码当量”是基于深度代码分析专利算法产生的它会将代码书写过程中这些“水分”挤掉而且这套算法的计算机制较为复杂所以很难造假可以提供更客观的度量数据。
下面我们举几个例子。我们平台提供了 30 多种图表的展示图中的一些异常点都可以直接点击进去看更深层的数据进行下钻分析。用户可以根据不同管理者的需求定制自己的看板。比如高层关注整体的指标可以看 ROI、整体交付速度、交付效率以及资源配置是否均衡等。
对于项目经理或团队 Leader可以关注团队的项目进展等更细的数据。例如下图左边的交付效率中处于右下角的“后端团队”的交付效率就比较低那么点击它就可以进一步下钻寻找原因。那这个原因到底是什么有可能是某一个地方遇到了卡点或者是这个需求涉及的产品设计时间比较长也有可能是需求颗粒度不稳定所以他交付的需求少还有可能是遇到了比较大的 Bug 需要较长的时间修复。这些问题都可以从下钻分析中发现。
从质量层面我们可以看整体项目上线的 bug、事故数量代码的内建质量以及bug 的修复工作量。我们也会推荐一些重点关注的函数比如某些代码的圈复杂度比较高或被引用次数比较多那么会优先推荐进行一些测试。
以上就是对于思码逸解决方案的一个大致的介绍。接下来我们来看一个汽车行业的实践案例。 这个案例源自某个车企他们的研发规模有 200 多人他们有很大比例的外包人员所以他们希望可以准确预估整体的工作量并建立对外包供应商的评估体系。他们原先使用“事故点”、“工时”去评估需求颗粒度这对于资源需求以及如何调配来讲缺少客观参考信息。针对这个问题我们基于代码当量量化了需求颗粒度保证需求颗粒度的稳定性并且估算研发交付的带宽。
另一个问题就是他们有大量的外包团队他们对这些团队的管理不是很到位缺少体系化的度量无法准确判断外包整体的效率。针对这个问题我们基于代码当量帮助他们设计了一个供应商评分体系。
如下图显示我们可以理解为这就是通过代码当量来计算出的研发产能。图中显示的是代码产能与需求个数的拟合曲线。拟合优度大于 60%的时候就代表这个团队的工作产能是可预测的。对于不可预测的团队我们可能要去找原因为什么这周产出多下周产出少。如果大家都处于比较稳定的水平时就可以知道每个团队交付的贷款是多少。
另外一点是从需求的角度进行分析。如下图右侧所示你可以看到一些稳定性较高的需求我们可以通过他们来预估各个需求的工作量。根据刚刚的交付贷款和工作量的预测就可以计算出应该怎么做资源的配比。
下面这张图是我们基于客户的需求设计的评分体系。比如在产能方面我们不只是看代码当量的产出还会看代码活跃度在质量方面会看发版的质量、底层的质量这样可以一目了然每个供应商的表现如何。
现场QA
提问 对于需求工作量的预测你们是基于什么逻辑来做的如果要预测需求的工作量对我们的要求是什么
回答 这里讲的需求更多是开发的需求。由于每个产品经理拆需求的时候大小不一。所以我们的逻辑是基于代码当量来度量一遍历史的需求能看出每个需求的代码当量是多少比如这个需求是 1000 当量另一个是 500 当量。如果需求的当量相对稳定那就可以预估之后这个需求大概是怎样的量级它的偏差幅度在 10%-20%以内是可以评估这个需求大概需要多少工作量。然后结合我们对团队交付能力的评估比如一个团队一周能交付 500 当量或 1000 当量的代码那么这个需求就需要这个团队一周的时间来完成。
如果发现需求拆分的颗粒度大小不一那么就需要溯源查找原因调节拆分需求的逻辑和方法。
可访问 链接 获取 演讲PDF
