价值驱动测试尝试

简介: 价值驱动测试尝试

最近在关注某测试团队的流程规范,发现他们需要依赖很多完善的前置条件,才能有效的开展测试活动。感觉有点不可思议。现在大家都在提倡测试左移,移什么呢?笔者的思考:测试左移,意味着测试思维的转变,我们需要从需求文档中脱离出来,从更广泛的视角来思考测试策略,从技术驱动转变成价值驱动。


01


从文档到业务


在传统测试的环境下,测试人员更多的是围绕需求文档来进测试活动的设计,一切以需求文档为主,关注的是产品的功能需求。而在测试左移的实践中,测试人员需要尝试去理解需求的业务价值,站在用户的角度去思考问题,理解用户的使用习惯、使用场景等信息。


在某API网关平台的测试中,有这么一个场景:用户在网关平台上配置好API信息后,如果想要验证配置是否正确,需要在本地通过PostMan发起一次调用,才能确认配置成功。这个场景从功能上而言,是没有问题的。网关平台只负责配置,能否调用是由使用方发起的。如果这么思考,那么体现的就是基于需求文档的思考,因为文档里就是这么描述的。但是如果从业务的角度出发,作为配置方,我希望在配置好API信息后,最好能够快速验证,那么,能不能在配置完成的页面增加一个调试功能呢?这样就可以直接在平台上进行验证,而不需要借用第三方工具(PostMan)来验证?


基于这个思考,测试提出了可以在配置成功页面增加一个调试按钮,来直接模拟API的调用,如果有异常,还可以直接给出提示,会更友好。最终这个建议被团队采纳,上线后也被用户高度认可,这是他们真实的痛点。


在思考用户场景的同时,从业务的角度出发,我们还需要关注业务操作的流畅性、完整性,同时,对于变更类的需求,还需要评估好影响范围,以用户的身份进行更多的思考和探索。


02


理解业务指标


如果我们想要更好的去了解用户的使用场景,那么我们就需要尝试去理解一些业务型的观测指标,需要确保我们交付的是高价值的内容。业务价值可能比较抽象,似乎不是那么好理解,况且要跟具体的测试活动对应起来更是有些难度,在具体的实践过程中,我们团队的具体做法有几下几步:


1.  明确业务目标:本次迭代上线的功能是为了满足哪些业务场景,解决哪几类用户的痛点问题,与产品经理、项目经理一起对齐这些目标;


2.  设计对应的场景:基于业务目标,针对性的设计测试场景,以便覆盖核心场景;


3.  线上跟踪:基于业务埋点信息、日志系统,查询对应功能的使用频率、用户活跃度的变化,评估需求真实的影响。也可以通过这些数据的分析,得到系统真实的关键功能及核心场景,而不是团队“以为”的关键功能和核心场景,进一步优化测试设计。


4.  回顾、总结:针对线上的收集和反馈出来的数据,定期和产品团队进行沟通、探讨,改进产品设计,优化业务价值。


理解业务指标并不是一件容易的事,需要测试人员对被测试的产品有深度的了解,参与业务对上话。这点是比较不容易实现的,多数情况下,测试人员是比较少能直接接触到用户的。所以,需要我们做好线上数据跟踪和监控。同时,多与产品团队沟通,对齐产品的整体愿景和目标,主动思考。

 

03


思维上的转变


从基于文档的功能测试,到基于业务的价值测试,需要做更多思维上的转换,从单一的测试角色中走出来,我们的目标不再是高效地发现缺陷(发现缺陷很重要,但不是最重要的),而是快速交付适当质量的业务价值。


认知上的改变:我们不再以发现更多的缺陷为追求目标,应该去理解业务的交付目标是什么,更好的发现和预防缺陷,关注交付价值,合理的设计测试策略,以便快速、高质量地交付迭代内容。


领域知识的增加:更深度地理解你的测试对象,同时去了解同类产品的相关信息,了解用户关心的是什么,了解对应行业的发展信息和最新动态。


沟通表达能力:测试左移让测试人员更多地参与了产品前期的沟通了解,需要有更好的表达能力,传达产品、用户的不同声音,接触更多的人群,所以需要有更好的沟通表达能力,不仅限于技术上的表达,还需要学习业务上的表达技巧。


04


当然,测试左移不是测试角色的一厢情愿,需要团队配合,需要有一定的敏捷成熟度,大家对质量内建有共同的认知。否则,大家都会很痛苦,但这一定是个大趋势。

相关文章
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
探索软件测试的未来:AI 驱动的自动化测试方法
【5月更文挑战第29天】随着人工智能(AI)技术的不断发展和成熟,其在软件测试领域的应用也日益广泛。本文旨在探讨 AI 如何改变软件测试的面貌,特别是自动化测试方法。我们将分析当前自动化测试的挑战,并介绍 AI 如何提供解决方案,包括智能化测试用例生成、测试执行优化、以及结果分析等。通过实际案例研究,我们还将讨论 AI 在提高测试效率、减少错误和提升软件质量保障中的作用。最后,文章将预测 AI 在自动化测试领域的未来趋势,并提出对测试工程师的建议。
|
19天前
|
Web App开发 IDE Java
自动化测试谷歌浏览器和其驱动版本差不多却还是报错The chromedriver version (121.0.6167.184) detected in PATH at DPythonchromed
自动化测试谷歌浏览器和其驱动版本差不多却还是报错The chromedriver version (121.0.6167.184) detected in PATH at DPythonchromed
51 2
|
5天前
|
监控 测试技术 持续交付
自动化测试在软件生命周期中的价值与挑战
本文通过深入分析自动化测试在软件开发过程中的应用,揭示其在提升效率、确保质量和减少成本方面的显著优势。同时,探讨了实施自动化测试时面临的技术复杂性、维护成本和技能缺乏等挑战,并提出了相应的解决方案。文章旨在为软件测试专业人士提供一个关于自动化测试实践的全面视角,帮助他们更好地规划和执行测试策略。
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
探索软件测试的新篇章:AI驱动的测试自动化
【7月更文挑战第10天】随着人工智能技术的蓬勃发展,软件测试领域迎来了革命性的变革。本文将深入探讨AI技术如何重塑软件测试流程,提升测试效率和准确性。从AI在测试用例生成、缺陷预测、测试执行以及结果分析的应用出发,我们将揭示AI技术如何使测试更加智能化、精准化,并展望AI在软件测试领域的未来发展趋势。
|
1月前
|
机器学习/深度学习 人工智能 算法
探索软件测试的新时代:AI驱动的自动化
【6月更文挑战第4天】随着人工智能技术的不断进步,软件测试领域正经历着一场革命。本文将探讨AI如何改变传统的软件测试方法,提高测试效率和准确性,以及这一趋势对测试工程师未来技能要求的影响。
33 6
|
1月前
|
机器学习/深度学习 人工智能 安全
探索软件测试的新时代:AI驱动的测试自动化
本文深入探讨了人工智能(AI)如何革新软件测试领域,特别是测试自动化。随着AI技术的不断进步,它为测试自动化带来了前所未有的效率和准确性,从而极大地提高了软件开发的速度和质量。本文将详细介绍AI在软件测试中的应用,以及它如何帮助测试人员克服传统测试方法的局限性。
|
2月前
|
人工智能 自然语言处理 安全
构建未来:AI驱动的自适应网络安全防御系统提升软件测试效率:自动化与持续集成的实践之路
【5月更文挑战第30天】 在数字化时代,网络安全已成为维护信息完整性、保障用户隐私和企业持续运营的关键。传统的安全防御手段,如防火墙和入侵检测系统,面对日益复杂的网络攻击已显得力不从心。本文提出了一种基于人工智能(AI)技术的自适应网络安全防御系统,该系统能够实时分析网络流量,自动识别潜在威胁,并动态调整防御策略以应对未知攻击。通过深度学习算法和自然语言处理技术的结合,系统不仅能够提高检测速度和准确性,还能自主学习和适应新型攻击模式,从而显著提升网络安全防御的效率和智能化水平。 【5月更文挑战第30天】 在快速迭代的软件开发周期中,传统的手动测试方法已不再适应现代高效交付的要求。本文探讨了如
|
2月前
|
机器学习/深度学习 人工智能 算法
自动化测试中AI驱动的决策框架
【5月更文挑战第28天】 本文探讨了在自动化软件测试过程中,如何利用人工智能(AI)技术来优化测试用例的选择和执行。通过引入一个基于机器学习算法的智能决策框架,我们可以提高测试的效率和有效性,同时减少冗余和不必要的测试活动。与传统的摘要不同,本摘要将直接深入到文章的核心议题,介绍AI在自动化测试中的作用,并指出其在未来的发展趋势。
|
27天前
|
前端开发 测试技术
接口测试:Mock 的价值与意义
Mock测试用于替代复杂或不可用的对象,常见于前后端交互、第三方系统及硬件解耦。它不依赖真实数据,节省工作量和联调时间。核心包括匹配规则(决定修改哪个接口)和模拟响应(设计篡改内容以符合测试用例)。
17 0
|
2月前
|
人工智能 算法 测试技术
探索软件自动化测试的未来:AI驱动的测试策略构建高效可靠的微服务架构:后端开发的新范式
【5月更文挑战第28天】 在软件开发的世界中,测试是确保产品质量的关键步骤。随着技术的进步和项目复杂性的增加,传统的手动测试方法逐渐显得力不从心。本文旨在探讨自动化测试的最新趋势——人工智能(AI)驱动的测试策略。我们将分析AI如何通过智能化的测试用例生成、测试执行优化以及结果分析来提高测试效率和精确性。文章还将讨论实施AI测试策略的挑战与机遇,为软件测试工程师提供未来技术转型的视角。 【5月更文挑战第28天】 在当今软件开发的快速迭代和复杂多变的环境中,传统的单体应用架构已经难以满足业务敏捷性和可扩展性的需求。微服务架构作为一种新的解决方案,以其服务的细粒度、独立部署和弹性伸缩等特性,正逐