5/20/2022
阅读约需
4
分钟
研发效能度量
最佳实践
效能度量

研发效能度量场景化实践案例

DevData Talks

研发效能度量,离场景远吗?

阅读本文你将收获:

1、『没什么用』的研发效能度量,离场景太远

2、场景化分析是设计研发效能度量的第一个环节

3、案例分析:常见的『研发团队要加人』场景

前言:我们邀请思码逸高级咨询顾问张超老师参与 DevData Talks 直播活动,分享了《价值驱动,以终为始——场景化度量实践案例》。以下是文字版干货回顾;

『没什么用』的研发效能度量,离场景太远

研发效能领域的常见问题:组织投入资源建设了研发效能度量,也抱以极高期望,但从一线研发团队得到的反馈却是『感觉没什么用』。

价值感受不明显的具体原因,可能是用户拿到的数据与其需求并不匹配,比如将来自各个环节的海量数据明细直接展示给高层技术管理者,信息冗余造成极高的理解成本,研发效能度量自然被打入冷宫;可能是组织还没有对度量目的达成共识,漫无目的地看数据,数据就仅仅是数字的组合,沦为鸡肋也不奇怪。

有价值的研发效能度量,应该是怎样的形态?考虑到一线研发团队的绝大部分精力都投入在业务上,一个还需要用户补习领域知识、自行筛选解读的半成品数据集,确实不如人意。明明想要提升效能,反而需要投入额外精力,无异于南辕北辙。

要使研发效能度量的价值最大化,提供给业务研发团队的应当是『效能产品』。如张乐老师的分享所说,数据→信息→知识,用户可以根据需求,低门槛地自助消费数据,主动进行分析和洞察。

场景化分析,设计研发效能度量的第一个环节

当我们用产品思维重新思考研发效能度量这件事,『场景化』就成为必要条件。可以从目标出发,借助场景化分析,明确以下四个要素,进而设计研发效能度量方案:

角色

度量数据使用者的在研发团队中的角色,决定了度量结构(组织、团队、项目、个人级)

背景

明确为什么做度量,这个需求可能来自业务方,或来自研发团队本身。上下文决定了度量对象(进度、质量、过程等)

目的

同一度量对象可能对应多个指标,因此需要拆成多个问题,进一步细化,这里不妨采用技巧:先抛出具体论点,然后思考要证实或证伪这个论点,需要哪些指标做支撑,哪些指标作为制衡保障度量有效性

度量

构建最小度量集合,并思考采用哪些分析方法来解读数据中的信息

案例:常见的『研发团队要加人』场景

接下来我们展开介绍直播分享中的第一个场景,作为场景化度量实践的案例。直播中另外两个场景可以在直播回看。

高管角色分析

这个场景可以说是相当常见:研发团队向上反映人手不够,要加人。那么高管在这个场景下的需求是:

角色:高管

背景:需要客观评估研发资源紧张程度,指导后续招聘工作

目的:验证『要加人的 A 部门和 B 部门都存在人力缺口』是否成立

对于高管而言,度量对象是组织整体与重点团队的产能与交付情况。

高管可以使用代码当量、需求交付周期、需求吞吐量等指标为数据抓手,从资源效率(价值输出方视角)与流动效率(价值输入方视角)两个视角,评估组织整体的产能情况,并通过与行业基线对比,评估是否存在组织级的产能紧张。

与行业基线的对比显示,大部分时间内组织的整体产能水平处于正常区间。接下来,可以按照部门进行下钻分析,重点关注 A、B 两个部门的人均产能与组织中位数的对比。

尽管不同部门可能在业务性质、阶段等方面存在差异,横向对比不一定适用。但这里部门级分析没有任何考核目的,仅是通过相对简单的数据抓手,识别需要额外关注的关键点。

下图显示,B 部门的人均产能在组织中处于较低水平,继续下钻查看部门详情,显示 B 部门产能相比去年同期有显著下降。

基于这些洞见,『B 部门存在人力缺口』这一论点存疑,高管可能会要求 B 部门补充信息,来支持其人力需求的合理性。

现在问题回到了 B 部门内部。角色切换到 B 部门技术负责人,继续用场景化分析的思路梳理:

技术负责人角色分析

角色:技术负责人

背景:需要深入了解工作过饱和现象背后的根因,佐证人力需求确实存在,或采取针对性的效能改进措施

目的:验证『工作过饱和的原因是团队协作行为有待改善』(这是多个待验证设论中的一个)

对于技术负责人而言,度量对象是本部门的效率,以及可能影响效率的诸多因素。

技术负责人通过观察人均产能趋势发现,尽管最近加班加点,人均产能连续上升,但也仅回升至去年同期平均水平。同时,由于相关业务处于平稳期,需求吞吐量也没有明显波动。从资源效率与流动效率两个视角看,都不存在需求激增超过团队负载的情况。

为了验证团队协作行为是否对效率产生了影响,技术负责人可以从资源效率出发,进一步下钻至个人级,使用帕累托图分析开发者的产能分布;也可以从流动效率出发,观察需求交付周期趋势,以及各环节的时长分布。

分析发现,尽管需求吞吐量变化不大,但交付周期明显延长,流负载(在制品数量)也显著增加。任务积压导致团队成员需要同时处理多项工作,频繁切换上下文,进一步拖累团队效率。

在团队中,某一部分工作延期较频繁,经常形成项目关键路径。技术负责人对该部分的相关开发人员近期产能进行帕累托分析,发现 80 %的代码工作量由 22% 成员贡献,反映出该部分工作存在任务分配不合理、不均衡,少数成员承担过多任务的情况,这也与上一段提到的任务积压现象相呼应。

基于以上洞见,技术负责人能够了解到,协作不合理确实是效率的影响因素之一。进一步,可以采取针对性的改进措施,如

•与上游产品方沟通,控制需求流入,避免在制品数量继续上升,给关键环节以喘息调整的时机;

•调整任务分配机制,避免多个任务同时依赖于少数成员;

•定向组织培训,释放开发者潜能,使『单挑大梁』转变为『齐心协力』

通过场景化分析,使同一套数据面向不同角色、不同背景呈现出不同切面,在保障信息对齐的同时,使各角色从研发效能度量中各取所需。

嘉宾介绍:张超,思码逸高级咨询顾问,互联网行业从业十余年,曾服务于京东金融、汽车之家盛大游 戏等互联网公司,担任过质量管理、过程改进、敏捷教练、项目管理等岗位。作为研发效能度量应用的探索者,从度量框架的梳理构建,到度量结果的解读与落地,一路上都未与研发数据分离。已服务企业包括,腾讯、泰康、贝壳、和讯、凯叔讲故事等。

开启研发效能增长

与效能专家沟通,了解思码逸如何基于数据帮助您的团队更高效、愉悦地工作

立即试用

产品
© 2023 Merico 京ICP备20006575号-1
隐私协议服务条款
立即预约
在线客服
在线客服
扫码添加咨询微信
立即试用