从用户思维、目标导向、快速迭代、数据分析等 4 个维度简单阐述在工作的应用。

首先，要有用户思维，从用户角度出发，敬畏用户，把握住大方向。慎思 “我认为、我觉得、之前都是这样干...” 合理性，判断的标准应该是 “用户是怎么想的”，别走弯路。

其次，方向对了，做好目标导向，可拆分为 “目标” 和 “导向”，目标高低取决于各方面的现状因素（能力、资源、时间、环境等），建议适当可以把目标定得比预期稍高，容易达到的目标并不能很好的调动起团队冲劲，即使无法达到，可能也比预期效果好；导向可简单理解为目标到现状的反向路径，接下来制定一系列的计划，围绕着路径（可能是多条的，因为现实环境复杂多变，并不是一成不变的，建议可定下 ABZ 计划）走，降低项目失败的概率。

再次，在实现目标过程中，需要考虑成本、效率、风险等，快速迭代模式可以更好的有效完成项目目标，让成功率提升，迭代模式可以简单粗暴的理解为把一个项目砍多刀，拆分多个小项目，每个小项目又通过项目目标紧密的关联在一起，项目风险平摊到各个小项目，基于早暴露、早应对的想法，我们可以快速得到小项目的效果，及时作出项目计划调整，快速响应变化，避免项目后期才暴露难于解决的大问题。

最后，我们需要通过数据分析贯穿整个项目生命周期。在项目初期，需要识别业务问题或目标并转化为数据可分析量化指标，来判断项目的成败和好差，在项目执行过程，通过数据指标反复迭代分析阶段性的输出，做好过程改进。项目结束后，通过数据回顾，总结经验。

一、用户思维

要有代入（换位）思维，如果你是用户，你是怎么想的。一个好的产品经理需要有快速变身小白的超能力，而测试工程师也需要有这种能力，只是侧重点有所不同，测试关注点在缺陷严重程度判断、体验优劣、用例价值：

1、缺陷严重程度：可通过缺陷影响到的功能进行分析，评估功能的用户使用量、用户使用频率来综合判断，用的人多、而且用的频繁，则此类功能的缺陷都应该定级高，要快速优化。

2、体验优劣：需要分析用户的常规操作行为，用户已养成使用习惯不能轻易全盘改变，尽量少用反人类的创新设计（当然如果是乔帮主，可能会有意想不到的效果，但毕竟你不是他）。

3、用例价值：测试人员大量时间在用例设计和执行上，用例价值高低显得尤为重要，把用例和用户关联起来，不能闭门造车，脱离实际而不自知，出现 “十分努力，零分成果” 的现象，因此，第一，用例必须包含用户场景的思考，分析用户会在什么场景下使用、如何使用、使用想达到什么预期，只有这样，才能更好减少影响用户的线上缺陷数。第二，用例组合成千上万，不可能穷尽，如何在有限时间达到更大覆盖（价值），用例选择是关键点，切勿本末倒置，如：同一个功能点，有不同的入口，回归测试不可能每个入口都能全面覆盖，因此，可以选择用户使用量大的入口进行全面测试，其他入口保证基础验证。这样能保证即使出问题，也是对用户影响面小的，有效降低产品质量风险。

二、目标导向

目标：一开始就要搞清楚为什么做？做的好处、不做的坏处，多维度的衡量事情该不该做，即使做，要控制多少成本等。做了产生价值越高、不做的影响很大，则这类事情可属于紧急重要的事情。

导向：识别业务问题转为指标项，通过数据量化衡量项目成败。

三、快速迭代

核心思想下图示，每个子阶段都可产出可用的有效成果，达到项目风险可控，也利于及时响应，做好过程改进。在测试层面思考发散，要保证开发每次迭代提测的功能点都是可测的（有效成果），不可测的功能点，提测没有任何意义。同时，快速迭代更多倾向是单件流的工作模式，让每个需求更加独立，减少依赖，以需求（颗粒度控制在 1 周内）为单位，快速流动。

四、数据分析

1、用数据说话：工作中要养成用数据说话的习惯，特别是与上级沟通，尽量避免用定性的话语，多采用数据来表达观点，让上级能更直观快速捕获到你想表达的内容和价值。当然要把一个事情（业务需求、问题等）抽象成一个数据并通过数据来衡量价值，并不是一件简单的事情，首先，需要你对业务足够了解（多学习，多沟通，跟身边业务专家取经），其次，需具备基础的数据分析能力（可学习基础数据分析课程，无需精通，毕竟不是做专业的数据分析，本人也正在学习中，有兴趣的可以一起聊聊），两者相结合，才能识别出有效的指标。

2、让数据说话：有了 “用数据说话” 的想法仍不够，因为，数据本身是不变的，但是使用数据的方式、维度不同，将会产生截然不同的结果（如下图提到的，第一张图得出并没有种族歧视，但第二张图再深入分析，得出有明显的种族歧视的结论，同一个数据，得出不同的结论，这种事情比比皆是，关键点在数据应用分析和对事情了解深入程度不同），如何通过数据，精准的抓住问题根源，需要更多的业务内容，不要停留在事情的表面，多问几个 “Why”，要有审问、慎思、明辨能力，通过数据挖掘出问题本质。