全程软件质量管理与度量-2024北京站_QECon全球软件质量效能大会-橙柚科技

9折票售票中

团购享更多优惠

深圳站 · 2024年5月24-25日

上海站 · 2024年9月20-21日

北京站 · 2024年10月25-26日

优惠倒计时

专场：全程软件质量管理与度量

本论坛聚焦软件开发全生命周期的质量管理与度量，旨在探讨如何通过系统化、数据驱动的方法提升软件质量。我们将深入讨论需求、设计和编码、测试的质量保证，以及运维阶段的质量监控。同时，我们将探讨如何建立有效的质量度量体系，包括选择合适的质量指标、实施自动化度量、进行数据分析和可视化、利用度量结果持续改进等。此外，我们还将探讨新兴技术如AI和机器学习在质量管理中的应用，特别是在AI辅助下的智能决策与持续改进过程。以及如何在敏捷和DevOps环境中实施全程质量管理。不局限上述内容，还包括质量文化建设、质量风险评估、用户体验质量等内容。

专场出品人：赵遐

新浪微博COO组织研发中心副总经理

北京航空航天大学硕士，中欧国际工商学院EMBA。曾任职中石油，IBM，现担任新浪微博担任COO组织研发中心副总经理，拥有丰富的软件及互联网研发和QA经验，熟悉互联网用户产品和运营，对安全生态及防护有相对丰富的经验，长期关注研发效能提升，致力于质量保证乃至整个devops的智能化转型

祝梦

快手商业化营销测试负责人

快手商业化效果营销质量线负责人，目前主要负责快手商业化广告投放、营销系统的质量工作，保障快手、快手极速版app广告投放链路、稳定性、高可用等；毕业后曾就职于ThoughWorks和阿里巴巴淘宝技术部，从事软件研发、咨询、质量工作。

待定

百万QPS下的资损防控建设之路

快手商业化系统已成为快手的营收核心，在经过多年发展之后，每天承载的量级都以百万QPS计算。商业化系统的业务场景分支也数不胜数，这要求系统具有极高的时效性和稳定性。同时，保障资金安全是商业化系统面临的另一个重要挑战。为了保障商业化系统的高稳定性和高资金安全质量，快手商业化技术质量团队进行了系统化的资金安全和稳定性保障设计和建设。通过长期建设，快手商业化的资损防控初见成效，资金类问题得到了收敛。

在本次分享中，我们将介绍快手商业化在资损防控保障和资金系统的稳定性保障方面的方案建设和沉淀，如何在面对业务和稳定性双重压力的情况下，保障资金安全，并且讨论大模型在资金安全应用方面的探索和应用场景。

内容大纲
1. 资金类系统的质量挑战难点
1.1 资金问题场景分类挑战
1.2 资金阶段分类挑战
2. 资金类问题拆解，技术保障能力设计
2.1 静态代码资金保障设计
2.2 运行时保障设计
2.3 资金保障工具建设
2.4 资金保障文化建设
3. 资金问题的事前、事中、事后应对手段
3.1 资金事前类风险控制
3.2 资金事中问题召回能力
3.3 资金事后问题止血能力
4. 快手大模型在资损防控中的探索

听众收益
1. 了解资金类系统的质量保障能力与配套工具的演进过程，当前的资金类保障体系建设方向；
2. 大模型在资损防控方向上的探索方向，提升资损防控的保障效率。

过一峰

小米质量信息化部负责人

当前主要负责小米手机业务的项目交付质量管理，用户质量管理，过程质量管理的数字化转型工作。
带领团队建设数据仓库，质量看板，智能助手等数据产品。通过提供一站式的数字化服务，让质量可量化、可分析，以数据驱动的方式持续、理性地评估、改善质量。

待定

大模型在质量管理领域的落地实践

在当今智能化转型的浪潮中，质量管理作为企业发展的生命线，正面临着前所未有的挑战与机遇。随着大数据、人工智能技术的飞速发展，大模型作为先进AI技术的集大成者，以其强大的数据处理、模式识别及预测能力，为质量管理领域带来了革命性的变革。本议题旨在探讨如何将大模型技术深度融合于产品过程质量控制、客户服务优化等关键环节，通过智能化手段提升质量管理效率与精准度，助力企业构建更加高效、可靠、灵活的质量管理体系。

内容大纲
1. 小米软件质量管理数智化转型
2. 案例1：JIRA智能助手
3. 案例2：用户反馈智能助手
4. 案例3：数据智能
5. 经验总结

听众收益
1. 为质量管理者在解决管理问题上提供创新的解题思路。
2. 内涵丰富的案例讲解，为准备开展或正在开展数智化转型的工作的同学提供实际的落地经验。
3. 通过分享一些普遍的踩坑经验，让听众少走弯路。

龙波

中兴通讯有线院需求域教练负责人

中兴通讯有线院需求域教练负责人，目前在数据系统部，负责有线院和数据中心需求过程改进，主要从事过数据中心框式和盒式交换机相关开发工作。软件工程本硕，数通产品15年以上工作经验。

待定

基于一站式平台知行的需求分析和设计AI应用

1. 部分需求的描述和验收准则不符合要求，人工检查和返工成本高；
2. 需求分析引入的缺陷，大部分由场景覆盖不全导致；
3. 重复问题再犯频率高，如何避免。

内容大纲
1. 智能需求工程与AI应用
1.1 需求准入：AI识别需求描述的完整性，结合行业CI信息对需求应用场景自补全；
1.2 需求分析：利用需求体系化的需求树和特性树知识库做RAG增强生成需求实例化内容，进一步地通过需求和特性细分场景的同源关联，实现准确召回特性内容做RAG生成，并结合关联特性拆分需求；
1.3 需求评审：应用评审规则和故障复盘单知识库RAG，AI自动生成评审意见。
2. 知识库构建
2.1 通过语料采集、语料清洗、知识建模、知识抽取、知识库构建，构建需求体系化知识库，形成QA对、知识图谱语料。
3. 未来展望
3.1 需求语料预训练、精调大模型；
3.2 需求和开发、测试端到端流程的agent应用。

听众收益
可以了解智能需求工程与AI应用、需求域相关知识工程的构建，需求分析结构化编辑定义约束要素、联动需求体系化树同源设计、结合AI赋能内容生成提升效率和质量。

龙腾飞

中国平安人寿测试经理

中国平安寿险总部质量管理团队测试经理，寿险科技IT技术委员会专家委员，公司SEPG专家组成员。目前主要负责平安人寿个险领域C端业务线的交付质量保障工作，承担平安人寿研发度量体系的搭建及应用、测试质效平台的规划落地、自动化测试有效性提升等发展性专项工作。15年软件业质量领域老兵，擅长研发全流程质量体系建设。

待定

降本增效大背景下的质量投产模型（Return on Quality

Investment）的设计与实践

1. 对IT服务来说，质量是业务的生命线，较成熟的公司或团队往往已经完成了研发度量体系的基础建设，可通过观测研发各阶段的过程或者结果指标进行风险识别与改进，但仍会遇到风险隐藏在指标下，改进遇到瓶颈的问题。
2. 在降本增效的大背景下，IT管理者经常要应对来自业务团队关于资源投产合理性的灵魂拷问，业内通常的做法是根据项目的历史经验评估工作量，进行人力投放的评估与决策。这种凭经验、凭感觉、凭需要的做法缺乏理论基础及数据支撑。无法科学合理的开展资源投放，投产效能得不到保障。
基于以上2个背景，结合经济学投资回报的思想构建软件质量资源投放回报模型。该模型将质量指标与人力投产关联起来进行联动分析，科学度量。其实践经验可为资源投放决策、质量改进的良性闭环提供解决思路。

内容大纲
1. 模型设计背景与初衷： 
1.1 质量风险识别不直观（隐藏在度量大盘下的质量风险） 
1.2 资源投放靠经验，资源调度缺依据
2. 模型设计思路： 
2.1 经济学投资回报思想（ROI）带来的思路
2.2 构成模型的关键特征指标（测试缺陷密度、生产缺陷密度、投入的资源体量、系统优先级等）
2.3 模型的应用范围和场景（模型适用的管理场景、模型应用的主要活动，比如人力盘点、研发度量等）
2.4 模型的应用规则（触发模型检视的条件、模型检视活动的主要内容，比如模块描述、风险识别、风险分析、应对策略等）
3. 模型应用实践： 
3.1 模型应用的案例及效果（通过一个真实案例介绍模型数据的解读、分析思路，以及模型当前的应用效果、模型收获的评价）
3.2 模型的平台化建设（模型的建设路径、平台化的呈现效果）
4. 模型规划及展望：
4.1 当前的挑战（分享模型应用过程遇到的挑战、模型能力上的局限性、模型应用上的主要问题。
4.2 未来的规划(模型支持多指标切片的能力建设等)

听众收益
1. 提供IT人力资源数字化管理的建模思路与实践经验
2. 突破IT人力资源投放凭经验、凭感觉、凭需要的管理盲区，提供资源评价、科学调度的解决方案