质量团队持续优化之路

迈不过友情╰ 2023-09-24 23:42 43阅读 0赞

上篇文章“从零构建质量团队”介绍了团队构建前期的一些工作，当我们拥有一支队伍之后，下一步要考虑的就是如何帮助团队持续进化成长。今天这篇文章就着重来讲讲质量团队的发展路径，我将它总结为五个阶段：**手工->工具化->自动化->数字化->智能化**。理论上它适用于 99% 以上的场景，但可能也会存在一些特例，需要根据自己的情况具体分析。

## **01. 手工** ##

手工是团队发展的一个必然过程。在较为初始的阶段，手工占据我们工作的绝大部分甚至是全部，随着团队的持续进化，这个比例也在不断下降。但**即便是后期到达成熟度较高的阶段，仍然会有相当部分的手工工作存在，因而我们不必对手工抱有太大的偏见**。况且，不论是工具还是自动化，都需要从手工过程积累而成，脱离实际场景的“高端”技术没有太大价值。

在部分场景下，手工反而更加具备优势。比如界面（设计）测试、体验测试、易用性测试、探索性测试等，这些场景需要执行者的创造力、判断力或情感能力，是无论如何都不能用机器取代的（至少在今天还是这样）。还有一些特殊场景也离不开手工，例如临时紧急的任务、全新的情境、非标准的事务等。

## **02. 工具化** ##

工具是对手工过程的部分取代。比如性能测试，我们想发起 100 个并发请求，理论上通过编写脚本也可以达到目的，早期的测试也是采用这种方式的。而后有人觉得这个过程在每次做性能测试时都要执行，既费时又费力，随即将其抽象成一个可重复使用的东西，这就是工具化的主要来源。

**工具的应用需要先了解清楚，我们想要解决的问题是什么，这就是所谓的技术选型（语言、框架、中间件本质都是工具）**。工具没有绝对的好坏，只有适不适合。如果现有的工具都不能满足我们的需要，也可以考虑二次开发。其实不存在完全的自研，只是复用的程度不同而已。即使重写一个 Jmeter，也是基于 Java 语言、HTTP 协议、正则表达式等现有技术，所以不必讲究自研的“纯净性”。

虽然工具为我们节省了不少时间，但同时也带来另一个弊端：掩藏了大量技术细节。过度依赖工具的便利，而不去探究它的底层实现，导致部分人只知道工具的使用，而不知道背后的技术原理，工具的熟练运用给他们带来“我在这方面很强”的错觉。但工具的适用范围毕竟是有限的，当遇到更加复杂的问题时，还是得依靠自己对技术的理解才能解决，因此我们千万不要过于在意工具，工具只是技术的表现形式。

## **03. 自动化** ##

自动化是工具化成熟之后的必定结果。但不能简单将自动化和工具化等同（但是承载自动化的是工具，有点绕），相对于后者，自动化的重心是流程和控制。用一个例子说明：Python 和 Selenium 都是工具，我们可以用它们来实现自动化测试，但如果只是写一个启动浏览器的操作，虽然用的是自动化工具，但它仍然不是自动化。可以将其比喻成计算机的硬件和软件，这两者需要区分清楚。

自动化可以分为狭义和广义上的理解。狭义上的自动化指的是测试自动化，这个大家应该比较熟悉，就不多介绍了（参阅“自动化测试概论”）。**广义上的自动化指的是全流程自动化，包括研发、测试、运维等各个过程，还有一个比较普遍的叫法是“研发效能”**。现在较为尖端的质量团队，一般都会涉及到研发效能领域，原因和测试左移、右移其实是一样的，单个环节的自动化优化，必定会遇到“效率竖井”的问题（参阅“自动化测试概论”），所以需要在全流程上关注自动化实现。

不论是狭义还是广义的自动化，首要目的都是为了解决效率问题。所以自动化的实施与否，取决于之后带来的成本和收益，并不是说自动化的程度越高就越好。除了效率，自动化还有两个明显的优点：第一个是避免人为疏忽造成的错误，制定好的流程是否能得到严格的执行，也可以通过自动化系统来保障；第二个是完成一些人工无法实现的极端操作，比如在 1s 内写入 10000 条数据。

## **04. 数字化** ##

数字化即是自动化的输出，又是自动化的输入。数字化有两个核心体现，第一个是数据。不论处在什么阶段，数据都是客观存在的产物，但到了数字化阶段，数据才开始真正得到有效利用。我们要注意的是，**数据本身不直接表示好或者坏，它是我们判断问题的依据，不是解决问题的结论**。例如某一年中 A 产生了 100 个缺陷，B 产生了 1000 个缺陷，不能据此就认为 A 比 B 更优秀，有可能是 A 的工作量和复杂度远远低于 B。

数字化的第二个体现是监控。我们需要对数据进行抽取和加工，形成具有代表性的业务指征，并对其进行持续观测。**观测的目的是当业务出现异常时，可以及时进行人工干预，对于多次发生的共性问题，还可以进一步形成沉淀，对现有过程做持续精进**。所以回到前面说的，数据结果即是自动化的输出，过程改进即是自动化的输入，它们之间应当形成一个完整闭环。

## **05. 智能化** ##

现在关于智能化的说法很多，解释得也比较抽象，比如要达到深度人工智能等等。笔者倒是觉得智能化没有那么复杂，可以定义为：**智能化=数字化+算法**。举个例子，我们有 1000 个自动化测试用例，涉及到多个模块，因为时间关系，我们一次只能运行 100 个用例。那每次运行的用例要怎么挑选呢？假定这次运行结果中，有 30% 的失败用例集中在 X，那么下次运行就可以从 X 模块中选择更多的用例来运行。

**智能化的意义，是实现对资源的动态分配，使其能够自动调整和适应不断变化的环境**。以当前的 AI 水平，其实并不存在认知意义上的“智能”，底层还是由算法在承载，因此有些关于智能化就是数字智慧的说法，有点过于哗众取宠。算法是否能够有效发挥作用，还是取决于数字化的实现程度，或者说算法的应用，必须基于数字化的底座。

从手工到智能化的发展阶段，需要一个长期的积累过程。这个积累不单只是技术上的沉淀，还关乎团队人才上的储备。所以想要最终达到智能化的终局，需要找准每个阶段的特点，做相应的规划并逐步落地。未来是否会有更高的阶段出现，估计还是取决于 AI 能否有更大的突破，就让我们拭目以待吧。

**最后：** 下方这份完整的软件测试视频学习教程已经整理上传完成，朋友们如果需要可以自行免费领取**【保证100%免费】**

![在这里插入图片描述][9d205f76a3bb49d8bce29972548618fa.png_pic_center]

这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！

![4c00a1911e6c486ab593ddd36d7b2ca6.gif][]

[9d205f76a3bb49d8bce29972548618fa.png_pic_center]: https://img-blog.csdnimg.cn/9d205f76a3bb49d8bce29972548618fa.png#pic_center
[4c00a1911e6c486ab593ddd36d7b2ca6.gif]: https://img-blog.csdnimg.cn/4c00a1911e6c486ab593ddd36d7b2ca6.gif