构建软件质量保障体系

简介: 构建软件质量保障体系

在测试行业积累多年,很多测试人员都会形成自己的一套关于对于被测产品的质量保证体系,本文结合自己的经验和团队当下团队的能力和现状,构建团队的质量保障体系,也是在DevOps广州峰会上分享的部分内容。

 

 

如上图,整体的质量体系架构图相对简单,主要包含三个部分:愿景(高质量交付-快、好)、能力(中间三层不同的能力)和文化(检视、调整和改进)。

 

先聊聊最底下的文化。作为质量保障体系的一部分,文化或者质量意识往往决定了能力建设是真的落地,还是流于形式。它非常地重要,但又很容易被忽视。工具解决不了态度问题。笔者服务过多家不同业务形态和不同质量意识的团队,对于相同工具能力的落地,效果差距会非常大。

 

所以,作为质量体系的建设者,首先要学会识别大团队的质量观是什么,愿意为质量付出什么,毕竟质量是有成本的。



回到当前的团队,对于团队质量,给出的基础认知是:检视、调整、改进。


勇于检视当下所有的测试活动,定期回顾并作出适当的调整,改进被认可的问题点,为交付的产品做出信心保障。

 

 

构建一个体系,必然有自己的目标,结合团队当下的情况,我们选择的目标是:高质量交付(快、好)。在降本增效的大背景下,从多、快、好、省4个目标中,我们提取了快和好。虽然最好的选择时“我都要”,但那是不切实际的,如果以全要为目标,多半是没有意义的。

 

  • 多:这个不是测试团队所能决定的,取决于团队的生产力和交付效率。
  • 快:这个是我们想要的,在敏捷研发的体系下,快速反馈、快速验证、快速交付是必然的。
  • 好:质量不好,交付的越快,死的也越快,所以好是不能省的。
  • 省:为了实现更快、更好,那就必然有质量能力的培养成本和基础设施的建设成本,所以,省不了。

 

 

在了解团队质量意识,对齐团队目标后,中间三层的能力建设其实是很好落地的,现在的测试技术已经很成熟和多元了,关键是看团队如何取舍和落地的过程。

 

基础设施:从团队的角度看,统一平台是必然的选择,它有太多的好处:一站式服务、统一过程管理、统一数据链路、统一数据度量和展示。在当下的团队,我们通过Tone平台作为统一的入口,从需求到最终的交付,都落在这个平台上(业务能力见下图)。



这个能力不同团队会有不同的选择,从测试的角度看,没有太多的选择权,主要依赖团队现有的选择。

 

质量能力:当下业内的工程实践和工程能力基本上都集中在这里,测试人员个体,可选择和培养的能力也大多集中在这里,具体就不作展开,需要结合业务和团队能力进行有选择地落地 ,作为体系的构建者,需要做好现状和工程实践的平衡,不可一味求全,根据实际情况去落地。

 

流程规范:团队到达一定规模后,流程和规范成为必然的选择。流程是团队达成目标的最佳实践,它能保障团队在大方向上保持协调一致,尽可能降低由于团队人员能力、认知水平、意外情况带来的质量下降。所以流程和规范必须符合团队的当下情况,可以参考,但不能强加。

 

每个测试人员都应该形成自己的质量保障体系,以更好地应对业务的变化和岗位的要求,能够因“团”制宜,灵活处理,而非抱着一个“标准”强行套用。

 

共勉。

相关文章
|
运维 监控 数据可视化
软件质量保障体系建设
所谓的愿景,就是长期规划,我们要到哪里去的问题。一个组织或者团队,是一定要有愿景的。在软件质量保障领域,所谓的愿景概括来说就四个字:保质提效。
软件质量保障体系建设
|
NoSQL Linux
gdb调试产生code文件以及遇到的“file format not recognized”问题解决
gdb调试产生code文件以及遇到的“file format not recognized”问题解决
2137 0
|
存储 负载均衡 数据库
VTP技术(一)
VTP技术(一)
550 0
|
数据采集 监控 安全
优酷质量保障系列(一)—服务端稳定性保障实践
质量保障贯穿全部研发流程,测试作为质量的构建者和守护者,需要保障的不仅仅是提测后的功能质量,而是整个研发过程的质量和效率。分享优酷通过质量保障建设提升研发效率和质量的实践过程。
1325 0
优酷质量保障系列(一)—服务端稳定性保障实践
|
存储 人工智能 弹性计算
飞天发布时刻丨阿里云基础设施助力企业全球化业务创新
丰富灵活的算力服务、稳定高可用的存储产品,覆盖了出海企业 AI 创新、 大数据分析、 应用管理和办公协同等不同场景和需求,助力客户业务全球化布局。
王者荣耀大厅喊话脚本,大厅自动打字发广告插件,按键实现全自动效果分享
这是一款王者荣耀智能喊话软件源码分享。通过插件实现自动在大厅发送文字广告,支持多账号操作与随机话术功能。包含布局创建、按钮事件及循环执行代码逻辑。
|
11月前
|
人工智能 资源调度 jenkins
精准化回归测试:大厂实践与技术落地解析
在高频迭代时代,全量回归测试成本高、效率低,常导致关键 bug 漏测。精准化测试通过代码变更影响分析,智能筛选高价值用例,显著提升测试效率与缺陷捕获率,实现降本增效。已被阿里、京东、腾讯等大厂成功落地,成为质量保障的新趋势。
|
人工智能 自然语言处理 算法
算法及模型合规:刻不容缓的企业行动指南
随着AI技术迅猛发展,算法与模型成为企业数字化转型的核心。然而,国家密集出台多项法规,如《人工智能生成合成内容标识办法》等,并开展“清朗·整治AI技术滥用”专项行动,标志着AI监管进入严格阶段。算法备案从“可选项”变为“必选项”,未合规可能面临罚款甚至刑事责任。同时,多地提供备案奖励政策,合规既是规避风险的需要,也是把握政策红利和市场信任的机遇。企业需系统规划合规工作,从被动应对转向主动引领,以适应AI时代的挑战与机遇。
|
数据采集 人工智能
Dify 工作流分享-小红书文案生成器
本文介绍了生成小红书文案的具体流程和节点设置,包括输入主题、风格、字数,以及处理URL链接和直接主题的两种方式。最后,三金分享了实际测试效果和相关资源。
3378 1
Dify 工作流分享-小红书文案生成器