思码逸企业版 4.0 特性之三：研发效能数据的智能化分析与解读

本文主要是介绍思码逸企业版 4.0 特性之三：研发效能数据的智能化分析与解读，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

建立研发效能体系，数据的收集与清理并建立指标体系只是第一步，如果不针对这些指标采集到的数据进行分析，那就无法做到研发效能度量闭环，那么指标体系也就毫无意义。所以研发效能分析在整个研发效能改进闭环中占据非常重要的一环。

对于部分研发管理者来讲，有了数据不一定意味着就能很好地找到对应的问题，并快速确定后续改进策略，其背后主要的原因可能有以下几点：

数据看板只简单罗列，无法下钻分析
数据看板不容易理解
不太了解研发效能领域知识，不知道如何分析数据

在之前发布的两篇文章中，我们分别讲解思码逸企业版 4.0 是如何支持 DevOps 全工具链数据接入，以及如何解决研发数据的治理。到此，我们已经利用思码逸 4.0 的完成了数据接入与清理，以及指标体系匹配的工作，接下来我们要如何去分析数据？利用数据结果来规划后续的研发效能改进策略呢？

本篇我们将介绍的就是思码逸 4.0 的特性之一：数据看板及专家分析系统。它可以帮助研发管理者，透过现象看本质，基于数据下钻发现项目效率瓶颈、代码质量现状，以及团队开发的贡献均衡度等核心信息。为研发管理者制定后续研发效能提升策略提供数据依据。

数据看板与数据洞察

首先针对可能还“不太了解研发效能领域知识，不知道如何分析数据”的用户，思码逸平台的数据看板 GQM 方法论建立了数据看板，GQM 代表 Goal-Question-Metric（目标-问题-指标），是一套构建软件研发效能度量的系统方法。简单来说，GQM 方法强调面向清晰具体的目标，自上而下拆解，通过问题建立研发的度量模型 + 基于量化数据分析来回答问题，自下而上解读并达成目标。GQM 方法提出后，经过了不断的丰富和发展，早期即应用在 NASA、惠普、普华永道、斯伦贝谢、西门子、爱立信、飞利浦、博世、戴姆勒-克莱斯勒、安联、宝洁等各行业先进企业。更多解读可以查看《GQM 概述：构建研发效能度量体系的根本方法》。思码逸 4.0 版本中的数据看板就是以该方法论为基础，围绕具体的研发管理场景的研发效能数据看板。所以任何用户在了解 GQM 方法后，都能具备分析研发效能数据的能力。

其次，针对“数据看板只简单罗列，无法下钻分析”的问题。相比其它大多数『数据看板』，思码逸平台的数据看板的区别在于数据不再是简单罗列、让人看得一头雾水，而是用来回答具体场景、具体度量目标下的某个具体问题。例如，项目质量、项目交付效率、项目人效，我们此前也针对这三个场景中的数据如何解读，进行过详细的剖析，可点击上述文字超链阅读对应文章。

在这里，我们以项目质量为例，思码逸从项目管理工具中提取缺陷/事故数据，直观对比多个项目的缺陷/事故数量和严重等级占比，并以“千当量缺陷数”作为补充，帮助管理者确定重点需要关注的项目。以下图为例，图中的数据是 Demo 环境中的模拟数据，其中横坐标列出了当前产生了代码当量的所有项目，纵坐标分别代表了：

缺陷数量：在所选日期范围内，各项目产生的缺陷数量。
千当量缺陷数：每千当量产生的的缺陷数。计算公式为：缺陷数量 / 项目所有事务产生的总当量 * 1000

而在图表的右侧，思码逸平台会根据当前的数据提供数据洞察与解读，帮助管理者提炼出需要关注的指标异常，例如可以看到 EE 项目当前的代码当量较高且缺陷数量最多，可能是当前研发团队主力推进的项目，而在千当量缺陷数据中“测试团队项目”的代码当量少但存在高风险的缺陷，说明该项目可能遇到了卡点，值得管理者进一步与团队沟通项目问题，以保证该项目的交付。