|
课程培训
|
量化质量管理与AIGC驱动效能提升培训
培训大纲需求质量与效能提升Ø 课程内容： o 利用SEAi需求分析法形成需求层次与框架 § 简单识别场景Scenario § 简单识别实体Entity § 简单识别行为 Action（Api） · 练习：建立一个一人年需求的场景S-实体E-行为A层次 o 基于需求规模 § 基于SEAi需求框架自动计算功能点（Function Point） · 早期规模估算：功能点FP = 实体*35 · 迭代规模估算：功能点FP = 行为*5.4 · 练习：针对上述需求建立软件功能点规模（用于以下的效能分分析） o 需求质量的量化评价 § 场景描述模糊词率 = 模糊词文字数 / 需求文字数（此数据应清零） § 实体行为比例 = 实体数：实体数 = 1:6.5（需求分析结束时应介于1:5~6.5之间） § 实例化率 = 行为数：需求实例数 = 1:6.5（需求分析结束时应介于1:5~6.5之间） o 需求实例化（概述，在测试部分展开） o 建立需求完成标准（开发准入标准） § DOR（Definition Of Ready）需求就绪并可进行排期、开发的标准 代码质量与效能提升Ø 课程内容： o 单元测试 § 单元测试方法及其工作量 o 静态代码扫描 § 编码规范与代码审查 § Sonar问题（语法问题） · 如何降低Sonar遗留问题 · 已有项目的Sonar问题清理策略 § MEI问题（MEI=维护扩展指数） · 现场演示：使用AdaCode分析和改善维护扩展问题 · 如何提升维护扩展性 o 基于代码的测试覆盖率 § 代码覆盖率与分支覆盖率 § 如何提升改吗的测试覆盖率 o 代码质量的量化评价 § 静态问题率 = 静态问题数 / KLOC（尽量清零） § 维护扩展指数 MEI > 90（由工具自动扫描，重构项目）， § 代码覆盖率 ≈ 90% § 分支覆盖率 ≈ 70% o 建立编码完成标准（测试准入标准） 测试质量与效能提升Ø 课程内容 o 用户故事地图 § 最初的用户故事地图 § 用户故事地图2.0 § 使用SEAi的用户故事地图 § 使用两种策略建立最小可用产品 § 使用用户故事地图同步开发与测试对交付功能的认知 o 开发与测试的看板协同 § 开发-测试协同看板 § 跨团队依赖的跟踪 o 识别需求实例 Instance （验收测试用例） § 练习：使用Entity-Action-Instance建立测试用例框架 o 测试过程的量化管理 § 接口测试覆盖率 = 已测接口 / 总接口 = 100% § 功能点测试覆盖密度 = 测试用例数 TC / 功能点规模 FP = 1.2TC/FP（国际数据） · 朴素的测试覆盖密度管理 § 功能点测试缺陷密度 = 测试缺陷数 TD / 功能点规模 FP = 0.24TD/FP（中国2021数据） o 常见自动化测试 § 接口测试 § 界面测试 o 自动化测试核心度量 § 自动化测试代码的效率 = 测试代码 / 测试用例数 ≈ 3.4~5 LLOC/ATC § 自动化测试生产率 = 自动化测试用例ATC / 测试人天TMD · 阈值：7 ATC / 测试人天 TMD（全年统计） DevOps交付质量与效能提升：自动化测试TA/持续集成CI/持续发布CDØ 课程内容 o 从敏捷开发到敏捷业务 § 以最小可用产品MVP代替Sprint Backlog § 以DevOpsBan代替普通Kanban § 以DevOps的可变周期迭代（适应MVP的可变规模）代替Scrum的固定周期 o CI持续集成 § 持续集成流程与工具 § 为何持续集成可以提升生产率与质量？ o CD持续发布 § 灰度发布 § 为何灰度发布可以降低质量成本？ o DevOps核心度量 § 开发周期 = 需求自进入开发到完成开发的周期 § 需求交付周期 = 需求自提出到交付的周期 § 缺陷响应周期 = 缺陷自提出到交付的周期
量化质量管理与效能度量REPMM链条Ø 课程内容： o REPMM链条 § R需求分析（量化规模） § E估算 § P计划 § M跟踪与控制 § M度量分析 o Benchmarking方法 § 基本概念 § 公开的度量数值P10~P90 度量项定义与标准度量过程Ø 课程内容 o 度量的2个时机 o 选择不可控因素为标准度量项 o Dev研发效能五大开发度量指标（FP=功能点数） § 生产率 = FP/人天 § 编码消耗率 = 逻辑代码行 / FP § 测试用例密度 = 测试用例数 / FP § 测试缺陷密度 = 测试缺陷数 / FP § 发布缺陷密度 = 发布缺陷数 / FP o Ops运维效能三大发布度量指标 § 开发周期（保健因素） § 需求交付周期（保健因素） § 缺陷修复时间（激励因素） o 基础度量数据的定义与采集方法 § 功能点数 § 人天数计算方法 § 测试用例计数方法 § 测试缺陷计数方法 § 发布缺陷数计数方法 § 练习：联系隔壁团队，使用课上提到的方法，获取其产品当前的全套数据。 § 演示1：在AdaPPM中建立Benchmarking基线，并与行业数据进行对比 § 演示2：在AdaPPM中分析Benchmarking基线的走向 § 对数据标准化以便进行横向对比（练习见后） 横向对比与纵向跟踪（统计过程控制）Ø 课程内容 o 横向对比 § 利用“应用功能点”及派生度量项建立团队基线 § 演示1：在AdaPPM中对比组织内部项目的五大指标排名 § 演示2：在AdaPPM中对比项目 pk 业界的五大指标 o 纵向跟踪（统计过程控制） § 利用“开发功能点”及派生度量项建立统计过程控制 § 演示1：在AdaPPM中监控各项指标穿越P25/P75的情况 Ø 从相关性到因果性 o 练习1：在Excel中进行求解两组数据的相关系数 o 演示1：在AdaPPM中进行相关性分析 根因分析与解决方案（扩展）Ø 何为根因 Ø 可落地的解决方案 o 可理解，可实行，可落地 Ø 已经过量化验证的解决方案 o 架构对生产率与测试缺陷密度的影响 o 代码维护扩展指数对生产率的影响 o 代码维护扩展指数对测试缺陷密度的影响 研发效能提升Dev效能提升实践Ø 课程内容： o 需求活动 § 使用SEAi防止需求遗漏造成返工 § 使用需求实例防止需求缺陷 o 计划与跟踪活动 § 使用最恰当的进度计划来获取最高生产率 § 跟踪与控制数据以提前发现问题 § 跟踪“监督项”以防止债务 o 编码活动 § 清除静态问题以防范缺陷 § 提升MEI代码扩展指数以提升生产率 § 提升MEI代码扩展指数以提升质量 o 编码活动 § 清除静态问题以防范缺陷 § 提升MEI代码扩展指数以提升生产率 § 提升MEI代码扩展指数以提升质量 o 测试活动（自动化测试+持续集成） § 缩短反馈时间 § 公开的度量数值P10~P90 o 案例 § 团队级：3个月缺陷密度从0.27降低到0.041 § 组织级：1个月缺陷密度降低1/3 § 大型团队重构：6个月MEI从70提升到85~96，缺陷密度降低50% Ops效能提升Ø 课程内容： o 建设CI/CD DevOps生产线 o 依靠SEAi需求分析法降低MVP最小可用产品的规模 o 案例 § 利用无代码测试系统将自动化测试/CI/CD周期降低一半 如果您想学习本课程，请预约报名
如果没找到合适的课程或有特殊培训需求，请订制培训 除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916 技术服务需求表下载请点击 服务优势： 丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。 专家力量： 中国科学院相关研究所高级研究人员 西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等 大型公司高级工程师，项目经理，技术支持专家 中科信软培训中心，资深专家或讲师 大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高 多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享 针对客户实际需要，真实案例演示，互动式沟通，学有所值 |
|
