这是鼎叔的第一百篇原创文章。行业大牛和刚毕业的小白，都可以进来聊聊。

欢迎关注本公众号《敏捷测试转型》，星标收藏，大量原创思考文章陆续推出。

第一百篇文章要上个硬菜。开启一个新专题系列 - 如何度量研发效能，同时也开启了对于过去几年研发效能工作的快速复盘。

缘起

在一个两千人的研发组织里，做一次面向企业技术高管的月度效能汇报，鼎叔花费的总人力大概比十年前至少要低一个数量级。

记得十年前，我要拉一个过程改进团队，加上一堆技术接口人，反复检查数据，输出观点和作图，折腾很久才能对高管层汇报一次。

这两年，我只需要一个兼职的测试开发员工，每个月花半天输出初稿，再让各接口人花点时间确认指标变化的原因，开一次小会就可以了。

要做到这个效率，效能度量和汇报的成本要降到最低，第一步是能随时看到关键指标，第二步就是汇报框架非常简单和稳定。

效能的数字化呈现方案，每个公司都会做，但这里充斥着理解上的误区。

效能可视化建设，首先要明确核心用户是谁，他的需求是什么，其次再明确唯一的北极星指标是什么，围绕它来建设质效可视化大盘，切忌不让其他指标喧宾夺主。

CTO 视角

如果给大型研发组织呈现效能数据，姑且认为第一用户是 CTO 等技术高管。

CTO 面对的第一个困境是，团队规模庞大，我怎么能更好地看到一线团队的效能情况？中间隔着厚厚的部门墙。每个部门汇报的数据都看着很好，但是彼此之间不是完全统一。

质量管理团队或者效能团队虽然会拉通大组织的效能数据来呈现，但也经常犯一类毛病，就是指标庞杂，观点不聚焦，并且容易内部妥协（担心被内部质疑）。

形成这个局面的主要原因是：

一，没有专家敢对北极星指标负全责，结果把北极星指标变成了团队脑暴成果。质效指标看起来都对，但是都是盲人摸象，逻辑零散。十个人观点汇总的报告也不可能达到高水平。

想到一堆重要指标很容易，但是锁定唯一指标就难。

二，为了体现质量和效能成果的 “专业度”，故意引入复杂的行业指标框架，并定义了极为细致和深入的子指标。在一线开发和测试生成的数据上，进行不必要的二次封装或拆解。

从第一用户的视角来做质效大盘，挑选出的北极星指标，还是要来源于对组织效能的本质理解。

我认同多数公司会选择 “需求平均交付周期-Lean time” 作为 “唯一” 的北极星指标。如果用户主观觉得太慢，那效能评价就不会满意。

这里面又可以拆解出需求平均研发交付周期。

研发团队如果是独立管理，可以先聚焦研发侧的交付时长。

如果产研高度一体化，就可以看整个需求交付时长了，它通常包括需求调研和文档时长，研发时长（含测试和合入主干），市场部署时长（对于纯后端发布的业务，这块时间极短）三块。

CTO 的第二个困境随之而来，多久时间可以觉察出效能短板，并及时干预，中间等待下属分析的时间极短？

我们很容易想到做一个实时质效大盘，并通过它进行质量和效率的风险预警，并能自动生成初版的效能报告。各个部门很难对度量数据进行及时的 “掩饰”。

但实际上，质效大盘在各个公司的落地评价差异非常大，本质上的原因是什么？

质效大盘的设计

正如前面分析的，大盘的首页一定要突出北极星指标，然后是围绕它的第一层拆解，拆解出直接影响北极星数值大小的分类信息。

以需求研发交付时长作为北极星，第一层关联指标该怎么拆解？下面是个人的实践推荐：

一 需求达成率（吞吐率）或月度需求完成总数。知道了平均时长，再配合交付的数量，和交付承诺的达成情况，研发交付的宏观情况就更清楚了。

二 过程耗时拆解。一线团队看到了自己的平均交付时长，可能还是不知道中间哪里被拖延了，这时大盘可以提供拆解耗时视图，比如研发交付周期被拆为四大阶段：需求开发设计，编码和自测，集成/系统测试，合入主干/发布。

每个阶段可以利用研发管理平台的状态流转自动统计耗时（注意这里有个坑）。

四大阶段还可以继续拆解为 N 个小阶段，每个阶段单独统计耗时。

三 过程关键质量。研发过程中导致技术人员返工的质量问题，必然会拖累北极星指标。推荐指标有：

低级缺陷率（或数量），一看就属于开发自测应该发现的基础问题，但遗留到了系统测试阶段。

缺陷平均处理周期，体现了缺陷处理时效。

缺陷 reopen 率（数量），体现了开发是否一次性解决问题。

四 上线质量。这类指标聚焦上线过程和上线后是否产生失败，导致交付损失和更昂贵的返工。推荐的可选指标有：

发布成功率/折返率。发布过程的失败次数值得具体分析，以暴露技术协作的风险。

线上事故级别和数量，线上逃逸缺陷级别和数量。根据公司质量规范定义，前者后果更为严重，可能触及研发红线，需要严肃复盘和追责；后者可能大部分是遗漏场景，需要具体分析能否提前拦截。

注意一个定义：事故和逃逸缺陷不一定都能通过有限成本的测试拦截的。但是漏测缺陷就一定可以。

为了让大盘内容更简单清晰，上述四类拆解指标的详细数据可以放在大盘的次级页面里，方便一线团队下钻。

大盘还会提供核心指标的趋势视图，便于干系人关注变化。

大盘的用户还有谁

再往下想一层：CTO 并不会频繁查看报表和提出数据分析需求，那大盘的第二类重要用户是谁？

那就是承担交付压力的一线团队 leader，他们必须要从大盘指示器中下钻到自己团队的可视化风险。

我遇到一个公司的持续交付负面例子：质量管理部列出几十个指标，让持续交付平台开发者把它们做到看板上。这些指标不是从一线团队日常视角来罗列的，更像是完成质量管理部门策划出来的目标。这样非但不能让一线团队得到自驱改进的益处，还增加了大盘的理解复杂度，并增加了开发维护成本。

我心目中的质效大盘是逐步演进出来的，一开始只有上述最简单的一级拆解指标，随着大家使用的活跃度提升，在不同层级上总结出了很有价值的分析指标，再慢慢加到合适的层级上去。

比如非常重视资金损失的团队，会把资金损失的异常告警数和事故数据，在大盘里添加，并实时提示出来。

效能的定期汇报

有了实时看板可能还不能满足质效工作者的安全感，定期的汇报可能会成为例行安排。

有了逻辑清晰稳定的实时大盘，汇报从本质上就轻松太多了，初稿一键生成 + 专家提炼观点 + 干系团队补充分析，三板斧搞定。

鼎叔发现一个有趣的现象，测试开发工程师做大盘生成是一把好手，结合强大的数据报表工具，效率极高；但分析效能指标观点起来就很弱了，要么没想法，要么瞎猜。确实后者是完全不同的技能，需要长期实践和交流。

对于大型组织的重要例行汇报，把握一个核心出发点就是实时数据说话，针对偏差大/劣化指标进行分析。保持和各部门接口人的沟通关系，迅速确认指标异常的原因。关键是及时暴露问题，而不是跨团队 PK 绩效和指责。

因为大盘背后的根基稳定且简单，鼎叔很少收到各大部门对大盘指标体系的质疑，最多是对某个指标自动度量的偏差有质疑。那我们往下看：

如何度量得更准

未来一个优化方向，就是如何自动度量地更准。鼎叔建议和项目管理团队合作，认真梳理研发管理平台的字段填写要求，并对规范进行培训和自动筛查。

最影响北极星指标度量的填写问题主要有：

1 需求和任务，傻傻分不清楚。

需求交付的是完整价值，用户能得到价值。

任务只是完成价值的一部分工作，如测试任务，联调任务，前端后端开发任务等。

北极星度量的是需求交付时长，切忌把 “任务” 改成 “子需求” 进行处理。

我们鼓励把大需求拆解为子需求进行度量，需求小了，交付效率就会高，团队就会敏捷。拆解文章请看：聊聊用户故事的估算和拆解

2 决定需求进入研发的 “起点时刻”。

回顾 Scrum 的知识，产品经理完成需求的修改和录入系统，成为 backlog 中的一部分，这些需求有很多并不会纳入本迭代开发，它们可能被推迟甚至无限推迟，从而拖长了 “需求平均交付时长”。

为了校准这点，研发管理系统要明确 “进入迭代开发” 的起点时间，作为统计 “研发交付周期” 的起点。

同理，针对对需求中途变更（经过团队确认，出于提升用户价值的目的），鼎叔鼓励暂停 “被推迟” 需求的统计周期，直到 “再次开启”，这样度量更准确，可以鼓励团队集体变更，拥抱变化。