研发数据洞察怎么驱动实际的改进？

数据洞察可以帮助识别研发过程的关键问题，而问题的识别将对实际效能改进提供有力支持。在识别关键问题后，需要联合相关人员对具体问题进行根因分析，从而制定针对性的改进举措、实现改进闭环。具体可通过下面的实例进一步了解。

某软件开发团队项目连续多个迭代的交付周期明显超出预期。项目核心成员对项目进行了复盘，首先分析了可能影响项目周期的重要因素，并对这些因素进行了数据分析，发现了以下洞察点：

• 需求各环节耗时分析：数据显示在项目的不同阶段，特定任务的平均完成时间明显高于预期。进一步 Review 发现涉及第三方的任务互依赖导致过多等待。

• 需求返工率分析：数据显示在测试阶段发现的缺陷数量较高，导致了大量的返工。这表明了在前期的开发阶段可能存在一些质量管理的问题。

• 项目成员负荷分析：数据显示某两位成员在项目中承担了过多的任务，而其他成员的工作负荷相对较轻。任务分配不均衡导致项目关键链上的任务延期。

项目团队基于以上分析的结果，结合问题的根因制定并实施了以下的改进措施，

• 管理协作依赖：针对需求耗时较长的阶段，管理关键依赖，优化计划和协作流程。

• 加强质量管理：在开发阶段针对复杂模块增加了更严格的代码审查和单元测试，减少测试阶段的缺陷数量。

• 关键链任务拆分：拆解项目关键链上的任务，将任务相对均衡的分配给项目成员。

项目管理者在下一次项目迭代时执行了以上改进措施，并连续三个迭代及时复盘改进的有效性，项目交付周期逐渐符合预期。

以上的方法是一个改进的闭环案例。也可以参考 MARI 方法（https://www.openmari.dev/）帮助了解更多的效能度量关键指标及持续改进思维。

同时，在数据驱动改进过程中也需要强调数据的质量，客观准确的数据才是基于事实的依据。例如，在度量代码工作量时采用“代码当量”（思码逸研发效能度量分析平台基于深度代码分析技术的度量指标）相较于“代码行”则更为科学。

本文整理自《研发效能100问》，原作者： 张超，思码逸咨询顾问