怎么平衡研发效能度量和管理成本?

当我们致力于通过数据度量研发效能的时候，怎么知道这件事情是有收益的呢？

度量是有成本的。收集数据这件事本身就是有成本的。当我们收集了大量数据，并试图通过这些数据分析和改善问题的时候，如果你收集数据的成本已经高于你通过改善问题能带来的收益，这种度量就是得不偿失的。

我以前看过一部周星驰的电影，电影里有一个人很厉害，能知道战场前发生的情况，当他把耳朵贴到地上的时候，说即将有三匹战马来袭，结果一抬头，马已经站在他面前了。这其实就是一个典型的得不偿失的例子。度量是为了解决问题，度量本身是没有意义的，度量能解决问题才是有意义的，所以在很多情境下我们没必要去搞大而全的度量数据中台，因为度量数据的收集、计算、分析、挖掘的成本很高，小公司可能根本承担不起。

更落地的一个平衡成本的做法，就是直接基于我们通过眼睛和直觉发现的问题设计度量指标，而不是去做广泛的、大而全的数据收集。这是我的第一个观点，也就是不要广撒网，而是应该针对问题有的放矢。

第二个观点就是关于度量数据本身，不能依赖人去提交。当这些数据是依靠人来收集、计算和分析的时候，这个成本必然是很高。而且这些数据也会严重失真，因为大家都喜欢报喜不报忧，在层层上报的过程中一定会失真，最后老板会看见一个很乐观的数字，但其实下面的问题已经非常严重了。所以度量数据要变得有意义，或能指导工作实践，度量数据的自动获取是我们在做度量实践时一定要获取的能力。也就是说，不管获取的数据是什么，获取数据本身对工程师来说必须是零投入和零感知的。

内容整理自：《研发效能100问》

作者：茹炳晟