如何设计研发效能数据中台?有哪些挑战?

研发效能数据中台,将是未来技术组织重要的数据资产,用于快速盘点现状、趋势、目标差距并共享基于数据的共识。本文总结近年来构建研发效能数据平台的实践思想,以供参考。

01 研发效能数据中台的定义?与DevOps平台有何不同?

眼下,众多与研发相关的平台都被冠以“效能平台”,包括项目管理类、研发管理类、测试集成类、构建部署类……也有一些全包含的大而全的“研发效能”平台,以阿里云DevOps企业研发效能整体架构图为例:

产品经理,产品经理网站

效能的定义到底是什么?我们看看管理效能:管理效率、效果、效益的综合反映;工业中的能效管理:对用能系统的采集、显示、分析、诊断、控制和优化管理。效能,是作为某种结果的衡量尺度。而以上众多的“研发效能平台”,更准确地说,是研发基础设施平台

DevOps平台是持续集成、持续测试面向持续部署的延伸,它意在平滑开发面向生产部署的环节,缩短部署前置时间,也并非衡量研发产出结果的”效能平台“。

02 搭建研发效能数据中台,需要解决哪些挑战?

当技术组织有了“衡量尺度”的需求时,效能平台就应运而生。但是,每个团队、产品都有其特点,很难用统一的评价标准说服团队接受。以持续集成成熟度为例,自动化测试评分一项,打出来后就有很多团队表示“不服”:

  • 比如有的团队说,我们的测试执行时长是高了些,但那是因为我们测试做的充分,测试覆盖率高啊,能和那些只有少量自动化测试的团队比?
  • 还有的团队说,我们的测试失败率是很高,但是我们是挂在流水线上跑的啊,如果我们也像别的团队一样,每次检查就先在本地跑通了再挂上去,为了评分而测试有意义吗?

对效能本身而言,应用开发型团队,和数据类团队也不一样。应用开发追求的是尽可能及时、快速地发布上线,而数据类团队需要对上下游进行精细的接口设计、验证和业务确认,重在数据的准确性和可靠性,如都采用流动效率进行评估,数据类团队在效率上就比较吃亏。

这些问题就在于衡量尺度,即评价标准的不充分。背后的思想是,到底要做中台服务化,还是中台管控化?

服务化,就是向使用者提供服务,甚至由消费者驱动,中台响应支持。

管控化,就是向使用者透明规则,使其遵循要求,否则就无法使用。

而作为数据中台,应该如何作出技术决策?一种好的技术思想就是分层。

03 设计研发效能数据中台的策略

产品经理,产品经理网站

分层策略帮助你将基础数据、分析模型与评估决策分开:

  • 基础数据层:中台管控为主,展开顶层设计,形成一系列定性与定量的描述。确保对现有研发过程、结果、工具链的采集完整性与及时性。
  • 分析模型层:采用标准的统计分析算法对原始数据进行处理,然后形成效能分析的维度指标与模型。
  • 评估决策层:中台服务为主,与各技术团队充分讨论评估的标准、细节,并根据使用的反馈,持续地迭代这些决策支持功能。

制定了设计思路之后,就可以对平台架构及核心流程进行整体设计,以下是我们的产品参考。

产品经理,产品经理网站

产品经理,产品经理网站

04 什么是模型?如何设计出一个好的效能模型?

何为模型?在传统的数据库设计领域,模型通常指的是对客观世界实体的一系列属性关系的描述,在数据中台时代,概念比较容易被混淆。

统计学上的模型,是指使用图表、文字、数字、符号,以及数学表达式等对客观现象的描述。对数据中台而言,模型可特指对一个具体问题解决时,反映自变量与因变量之间的关系的程序算法实现。

比如说,代码提交量、提交频率与部署频率之间是否有某种关联?

部署频率与客户满意度之间又是否存在着某种关联?

代码质量的好坏与团队稳定性是否存在着神秘联系?这都是“模型”可以回答的问题。

我们的建议是:在一开始,完全基于数据而非某种管理思想进行模型设计。

一个“好”的模型,仅需要从数据上回答其关联影响程度,并基于更广泛的数据进行验证即可。

这种设计方法的好处是,可以在数据中台的设计期间,规避不同管理模式、思维的冲突,快速交付。

其次,模型只聚焦于描述数据变量间的关系,符合单一职责和组件化设计思想,在上层可进行更多的组合和封装。

这个思路和基于范式的数据库设计异曲同工。在一开始,你只需要考虑范式要求,如果试图用一张表解决某个具体的应用场景的所有问题,你将会得到一张又大又丑陋又不实用的表,模型也一样,一开始就试图解决所有的效能问题,你也将得到一个又大又丑陋又不实用的模型。

05 持续迭代和演进组织的决策思想

任何解决方案和决策都是基于某种场景和目的。首次发布的决策支持,可能过半年就不再适用,这会让管理人员、质量分析人员泄气:效能数据中台到底有什么用?

和自动化测试一样,并非写一套测试然后就一劳永逸,指望它能自动化地测试未来所有的版本。

数据,带给我们的是一种思想,我们需要掌握这门未来的武器。

在未来,我们会越来越需要在不确定的情况下,作出有效的选择。数据可以帮助我们发现事实依据,使选择更有说服力。

在未来,组织会变得越来越复杂,我们日常的工作,可能仅能接触到冰山一角。数据可以帮助我们快速纵览全貌,避开主观偏误。

在未来,市场的响应可能会越来越快,与其进行流程的等待,数据与模型,能够更及时地辅助系统主动响应,帮助我们更灵敏地应对变化。

未来唯一确定的,就是不确定性。

在不确定性的世界里,数据,可以让我们做得更好,也变得更好。

免责声明:文中阿里云效能平台图片来自于阿里云网络公开资料,版权与著作权归属于原作者所有,如有侵权,请联系后台进行删除。

#作者#

陈加兴,微信公众号:加兴曰。场量科技创始人,资深敏捷精益专家,精益企业认证产品概念领导者。

本文

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部