MARI指南:研发效能提升方法

MARI是一套面向软件研发,应用于研发效能度量及实践落地的方法论。应用 MARI 方法论,对问题进行量化评估、分析和拆解,获取效能瓶颈、改进机会等洞见,进而落地为软件工程实践的逐步优化,以及切实的研发效能提升。

MARI指南:研发效能提升方法

1、MARI概述

MARI是一套面向软件研发,应用于研发效能度量及实践落地的方法论。

MARI的目的是建立研发效能度量和改进的闭环。研发团队结合实际情况,将价值流中的关键阻碍问题定位为提升点后,可以应用 MARI 方法论,对问题进行量化评估、分析和拆解,获取效能瓶颈、改进机会等洞见,进而落地为软件工程实践的逐步优化,以及切实的研发效能提升。

MARI由以下四个步骤组成,这四个步骤共同组成一轮完整的优化迭代。大部分情况下,问题改进需要经历多个迭代,持续度量改进效果,不断校准改进的方向和方法。

MARI方法论

  • 度量 Measure

无论任何改进活动,首先需结合组织及团队实际认知需求,面向改进目标通过量化数据对过程及目标进行刻画,即建立度量。度量需要统一数据及指标的采集方法。

  • 分析 Analyze

有了量化指标,运用统计分析方法,对数据的趋势、分布、关联等信息进行分析,得到对现状的量化理解。

  • 回顾 Review

基于分析结果,对产生“果”(结果)的“因”(影响因子),进行回顾,挖掘对结果产生影响的根本原因,定位关键问题。

  • 改进 Improve

针对关键问题,建立可落地的改进措施,通过调整“因”(影响因子),最终影响“果”(目标)的达成,并进入下一轮度量验证。

2、背景

MARI在《软件研发效能度量规范》团体标准的框架下制定,沿袭了框架的多维度量原则,指标面向交付价值、交付速率、交付质量、交付成本、交付能力五大认知域,覆盖需求、设计、开发、测试、发布、运营六大实践域,并根据不同角色在不同场景下的认知需求,对同一指标设计了多种分析、回顾和改进方法。

MARI实践方法论以外,开源的研发数据平台Dev Lake能够作为自动化的数据采集及可视化工具,应用于其中的M(Measure度量)与A(Analyze分析)环节,帮助研发团队低成本实现实时、跨数据源的度量,为后续更进一步的回顾和改进提供数据支撑。MARI 与 Dev Lake 共同支持了研发效能度量框架的落地。

-图:标准、工具及MARI指南关系图-

3、最佳实践

  • 由少到多,持续下钻

结合团队实际需求情况,面向改进目标选取度量指标。先选取北极星指标,比如“需求交付周期”。然后再下钻到实践域的各阶段进行观察分析,比如“需求颗粒度”、“代码评审轮数”、“测试缺陷率”、“构建次数”等。

  • 综合分析,关联制衡

研发效能涉及软件生命周期的各个阶段,一个或少数指标并不能反应全貌。比如“需求交付周期”衡量研发团队需求交付速度,它反映了研发的快速响应能力。理论上,向客户交付价值的速度越快越好,然而,还必须要考虑顾客的期望、需求吞吐量和交付质量,过快的交付并不总是带来价值。

  • 层层推进,追问根因

研发效能度量不能止步于数据本身。研发管理者紧盯数据,可能导致自上而下的面子工程或教条主义,效果适得其反。

MARI 框架强调对指标数据进行下钻分析,首先对数据进行多视角的分析与解读,获取有效信号;进而结合其他关联指标和调查方法,追问根因,定位效能瓶颈和优化机会;最终将这些洞见落地为明确、可执行、可验证的改进方案,规范研发过程、建立良好研发文化。

层层推进的框架设计,使度量带动思考和行动,才能发挥出度量真正的价值。

-图:MARI方法的持续改进-

  • 构建闭环,持续改进

效能提升不能靠阶段性冲刺。要达到有效且可持续的效能提升,需要将度量和改进的实践融入日常研发流程,持续追踪,持续改进。

MARI框架强调构建研发效能管理的闭环。在基于数据解读制定改进方案后,需要持续度量观察效能趋势,对改进后的指标数据进一步分析解读,对改进方案的有效性做出快速反馈。若改进推进一段时间后,继续提升效果不明显,边际效应降低,这一机制也有助于团队快速判断,及时将资源投入下一改进项。

4、当前涵盖指标概览

暂时无法在文档外展示此内容

这张概览图展示了 MARI 指南目前已涵盖的效能指标。

研发效能度量是一项复杂的系统工程:一方面需要打通软件研发不同环节,避免效率竖井和局部优化;另一方面,度量需要灵活支持效能管理的不同需求和不同场景。

因此,在 MARI 指南中,每个指标都具备“实践域”及“认知域”属性。

  • “实践域”表明该指标对应的研发环节,可能是“需求 - 设计 - 开发 - 测试 - 发布 - 运营”研发全生命周期中的一个或多个环节。
  • “认知域”表明该指标主要应用于研发效能认知的哪个维度。认知域分为交付速率、交付质量、交付成本、交付能力和交付价值五个维度。

在这张概览图中,实践域与认知域分别作为研发度量体系内的两条坐标轴,直观呈现出单点指标在体系内的定位。

  • 在实际使用中,研发团队可以先结合实际情况,分析度量需求,明确度量需求所对应的实践域与认知域,借助这张概览图找到相关指标,再深入阅读该指标的 MARI 指南。

思码逸 Merico 研发效能分析平台,致力于帮助研发团队解决研发效率、研发质量和人才发展三大痛点,提升研发效率与软件工程质量;

如果您想要与思码逸团队交流,欢迎在网站留下联系方式,我们将在24小时内回复。

与先进研发团队并肩

“软件工程在工业生产中越来越重要。一方面,软件供应链快速演进,软件研发越来越复杂;另一方面,市场的快速变化对研发能力提出各种新的要求。而思码逸作为客观的研发效能平台,立足于对软件开发给出创新性的解释,并尝试将研发效能指标标准化。这对由管理者视角、业务视角、人员视角等更多维度更加全面地看待开发过程有很大帮助。”

Mars Sun

腾讯CODE平台产品负责人

“看清组织研发过程、合理有效地进行研发效能度量是牵引组织研发效能提升的关键。思码逸实现了深入代码语义的AST分析能力,引入代码当量将常规的基于代码行的相关研发效能度量方式提升到了一个新的高度,并通过代码层面的分析提供了研发人员的技术栈相关的标签数据,为组织研发选型提供有力的数据支撑,在行业内有很强的借鉴意义!”

杨永强

原滴滴出行代码团队技术负责人

“相信很多产品技术团队把研发效能提升列为重要的目标。然而,到底什么是好的研发效能,却很少有人能够表达清楚,而代码度量指标种类繁多且相对浅层。如何有效对程序员的工作合理量化测量,思码逸团队围绕每次代码提交对应的抽象语法树的变化进行有效评估,去除了代码中的一些干扰和噪音,为我们提供了新的思路和相对准确的一种测量基础。”

唐洪山

原京东科技研发效能部

“思码逸研发效能平台的专业性令人兴奋,非常适合中国快速发展的互联网软件企业使用。很好的帮助我们解决了团队和项目快速增加过程中遇到的研发效能度量、研发质量规范和人才组织发展的问题。后期的咨询和落地解决方案针对性强,问题分析和解决专业、高效。”

应阔浩

自如基础架构部总监

“在越来越多的企业把数字化转型作为核心战略落地主要抓手的大背景下,思码逸作为基于源代码并扩展至项目管理领域的研发效能平台分析工具,能够为企业数字化转型提供明显助力。和讯网在和思码逸合作共创的2年时间里,2020年主要集中于降本增效领域(提升下限),当年技术部的年度绩效位列全公司第一;2021年主要集中于价值达成领域(提升上限),当年技术部被公司评为年度优秀团队。”

杨扬

和讯网CTO

“开发人员状态有起伏是很正常的。采用思码逸的研发效能度量工具,我们不仅能及时发现表现优秀的开发者并给予激励,也能快速发现工作有待改善的开发者,给他们提供精准的指导与帮助,推动整个团队共同进步。”

朱文雷

长亭科技CTO

“思码逸在代码度量层面给出了创新性的解释,给技术管理者带来全新的研发效能度量提升思路和指标抓手工具,看清团队研发效能的短板,知道该往什么地方提升和改进。结合历史数据、行业数据的比对,让管理者、开发者可以看到努力的成果,并且用数据说话,研发团队日益精进。”

周彦斌

云货优选 研发部门负责人

“研发成果的度量可以说是一个世界性难题,开发者的工作之间内容不同、起点不同、用户不同、代码质量不同,既难以简单量化,也难以横向比较。思码逸作出了一个非常有意义的尝试,它一方面找到了有效的研发效能度量方法,另一方面打通了企业边界来开展数据比较,为研发数字化变革提供了一个非常有意义的新角度。”

谢超平

索贝数码副总裁/总工程师

在数字化的浪潮里,研发效能的高低是企业的核心竞争力。我们面对的产品研发都是脑力工作者,研发效能的度量也变的更复杂和有挑战性。思码逸的深度分析系统,用代码当量来更科学的评估开发的工作量,有效避免人为对代码量的干扰。通过MARI模型产出分析报告,帮助我们在公司内研发效能的推进和落地提供新的思路和方法。

谢超平

王蕾 贝壳工程效率负责人

长期以来,我们一直努力在复杂的市场环境中保持和不断提升研发效率及质量。思码逸为我们提供了重要的量化工具,较传统量化方式更客观和实用。目前思码逸的量化结果已经成为我们评价和提高研发效能的重要组成部分。

谢超平

妙盈科技联合创始人&CTO 刘涛

我们的客户

打开研发管理黑盒,数据驱动研发效能
立即试用
立即预约
在线客服
扫码添加咨询微信
售前电话
在线客服
免费试用
扫码添加咨询微信
长按二维码下载

取消