数字化浪潮席卷数政、金融、零售、制造、交通、农业等等传统行业，以及随着以AI、大数据、IOT为代表的新兴技术领域兴起，质量技术在向着行业和领域细分发展。数字化转型领域场景上的质量标准、质量度量、平台建设、研发效能、生态圈协作等又会爆发出促进技术和国计民生的创新事物。本专题将围绕这些方面的业界探索和最佳实践展开。
专场：数智化质量工程
专场出品人：刘瑾（睿枢）
蚂蚁集团 财富和平台部 质量技术风险总监
清华硕士、在互联网toC搜广推、大安全、移动端、金融科技等业务具有10年以上质量和风险管理经验。
3年智能化金融toB业务和产品负责人，具备丰富的业务和研发管理经验。
目前专注于蚂蚁财富在对话、营销、生成等场景的大模型应用落地和底座的质量和风险工作。
3年智能化金融toB业务和产品负责人，具备丰富的业务和研发管理经验。
目前专注于蚂蚁财富在对话、营销、生成等场景的大模型应用落地和底座的质量和风险工作。
在全球经济进入存量时代和数字化技术蓬勃发展的双重背景下，企业粗犷的发展模式不再适用，高质量发展已经是各企业的核心命题。然而在质量管理领域，管理需求和管理能力之间的矛盾日益凸显。如何通过数字化技术来解决质量管理活动中的复杂问题是我们关注的焦点。
过一峰
小米 质量信息化部负责人
现任职于小米科技有限责任公司。 质量信息化部负责人，主要负责将数字化转型的思想应用在质量管理领域，推动质量管理活动数字化、网络化、智能化升级，提高产品和服务质量，促进高质量发展的过程。具有13年工作经验，主导小米手机软件交付质量数字化管理，用户质量数字化管理等系统性建设。解决质量管理过程中的 成本高，效率低，准确性低，管理粗放等痛点。保障手机软件项目高质量交付和用户侧质量快速提升，效果显著。
擅长领域：信息化，数字化业务
待定
待定
数字化转型浪潮下的质量管理变革
1. 质量管理数字化的认知与理解
2. 案例分享1：项目交付质量管理数字化
3. 案例分享2：用户侧质量管理数字化
4. 案例分享3：数字化研发作业平台
5. 经验总结
2. 案例分享1：项目交付质量管理数字化
3. 案例分享2：用户侧质量管理数字化
4. 案例分享3：数字化研发作业平台
5. 经验总结
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字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。
2. 内涵丰富的案例讲解，为准备开展或正在开展数字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。
内容大纲
听众收益
杨章群
蚂蚁财富 质量架构与技术风险负责人
作为蚂蚁财富质量架构与技术风险负责人，我拥有丰富的项目经验，特别是在高可用性和资金安全方面。
擅长领域：系统架构、技术风险
待定
待定
金融信息保障的数字化实践
蚂蚁财富作为一家互联网金融平台，提供包括理财产品、基金、保险等多种金融产品。自上线以来，一直致力于为用户提供高效、安全、可靠的金融服务。然而，在强交易属性的业务场景中，我们遇到了许多痛点。例如，亿级注册用户、千万级日交易量、千级细分场景，如何保障用户资产交易信息的准确性？从生产到消费的数据一致性问题，如何保障各环节数据的准确性和一致性？这些问题一直是我们努力解决的问题。
为了解决上述难点痛点，我们主要从以下三方面深入探索并取得较好的实践效果
【全场景业务刻画】用数字化手段进行业务建模，作为线下质量验证、线上风险防控的度量分母
【全链路信息保障】从客户端到服务层，从缓存到在线DB到离线数仓，构建“多阶段+全链路”的校验体系
【智能化检测能力】基于算法构建智能检测能力，用智能核对、异常检测等手段发现数据错误、波动等异常
【全场景业务刻画】用数字化手段进行业务建模，作为线下质量验证、线上风险防控的度量分母
【全链路信息保障】从客户端到服务层，从缓存到在线DB到离线数仓，构建“多阶段+全链路”的校验体系
【智能化检测能力】基于算法构建智能检测能力，用智能核对、异常检测等手段发现数据错误、波动等异常
本课题旨在介绍蚂蚁财富如何构建数据准确性、一致性风险防控体系，并希望与业界朋友分享类似痛点，进行深入交流。
内容大纲
听众收益
李建爽
京东健康 高级测试开发工程师
京东健康 高级测试开发工程师，目前主要负责系统数据可靠性和稳定性的质量保证，以及效能平台建设、数据探查、数据健康度分析系统等平台架构设计、前后端开发等工作。
擅长领域：具有丰富行业测试经验（手机，互联网，机器人等），在测试效能提升，效能工具设计开发有多年的实践经验，例如自动化测试，CI/CD持续集成，环境搭建，代码覆盖率，插件开发，效能平台建设等。
待定
待定
京东健康数据测试平台实践之路
经调研，在整个软件质量生命周期中，超过50%的问题与数据相关，数据本身的一致性、规范性、准确性、合规性对于确保软件质量、提高用户满意度及降低潜在风险至关重要，投资数据测试是一个长期收益的决策。数据测试所面临着如下挑战和问题：多业务聚合的海量数据，导致测试边界不清晰；数据质量不可靠, 影响业务决策，需要花费时间来校验数据质量并纠正问题; 数据管理不规范,存在大量历史数据问题；测试人员技能缺乏：导致测试效率降低或测试质量不佳等。
解决痛点的主要思路：
1. 多数据源接入与安全管理
2. 数据缺陷模型建立，根据业务缺陷库，分析出对应数据缺陷并抽象为数据缺陷模型
3. 数据质量模型建立，即数据探查与分析，根据缺陷模型，对全量数据进行扫描、聚合、分类、分析，分别通过结构分析、
2. 数据缺陷模型建立，根据业务缺陷库，分析出对应数据缺陷并抽象为数据缺陷模型
3. 数据质量模型建立，即数据探查与分析，根据缺陷模型，对全量数据进行扫描、聚合、分类、分析，分别通过结构分析、
数据分析、枚举分布、安全分析、自定义字段监控、血缘关系等方面建立数据模型质量
4. 引入AI能力，对数据及结构进行分析本给出优化建议
5. 数据质量模型应用：基于数据模型，实现对待测表的数据健康测评，找出缺陷输出优化建议，并自动提报缺陷，监控及预
5. 数据质量模型应用：基于数据模型，实现对待测表的数据健康测评，找出缺陷输出优化建议，并自动提报缺陷，监控及预
警等功能
6. 周期性应用，通过周期性的执行，引导用户优化代码逻辑，规范数据管理，提升数据质量，形成一套闭环的数据测试
平台
数据测试平台收益：
1. 有效定义数据测试边界&范围
2. 数据类产品测试提效约21%
3. 实现数据测试自动化
1.了解从数据层面看待业务缺陷，所带来的价值
2.了解如何建立具有实用价值数据质量模型的方案
3.了解建设数据测试平台的方案与实践过程，以及在软件质量生命周期的不同阶段所的应用价值
2.了解如何建立具有实用价值数据质量模型的方案
3.了解建设数据测试平台的方案与实践过程，以及在软件质量生命周期的不同阶段所的应用价值
内容大纲
听众收益
游戏发布后，外网用户的性能体验问题（包括卡顿，发热，降频，崩溃）为了监控这些问题，业务上报了很多信息。 但是性能分析类的数据上报和统计，不同于一般的业务上报。它具有自己的独特性，也就带来独特性的问题需要攻坚。同时大多人都在问，我上报很多客户端数据到底是否有价值？
具体方向可能包括
1. 上报量大 - 带宽问题
2. 监控指标差异性大 - 维度多，指标多
3. 要求实时性高 - 处理速度和查询速度快
4. 隐私性要求逐渐升高 - 隐私问题
5. 脏数据异常采集数据频繁 - 异常采集值问题
6. 数据价值的体现
具体方向可能包括
1. 上报量大 - 带宽问题
2. 监控指标差异性大 - 维度多，指标多
3. 要求实时性高 - 处理速度和查询速度快
4. 隐私性要求逐渐升高 - 隐私问题
5. 脏数据异常采集数据频繁 - 异常采集值问题
6. 数据价值的体现
徐广庆
腾讯 高级开发工程师
腾讯IEG品质管理部技术中心，高级开发工程师，目前主要负责腾讯性能分析产品，崩溃管理产品的数据平台的开发建设，提供平台化的数据解决方案，保障crashSight，perfSight两个用户体验监控分析产品的后台稳定性和实时性，同时深入挖掘数据价值，实现高效运营数据交付，异常场景数据挖掘，问题根因优化等功能场景。毕业后曾就职中电科，恺英网络和创业公司， 一直从事围绕大数据相关的分布式框架开发，分布式推荐系统，模型分析数据智能方面的工作。
擅长领域：大数据，数据分析，推荐系统，移动数据性能分析
待定
待定
游戏用户体验数据的洞察与价值 - 数据驱动，让游戏更精彩！
1. 高压缩，业务定制和pb的权衡
2. nosql框架，clickhouse的多重特性应用和遇到的坑
3. clickhouse 在实时应用场景下的定制开发和应用（包括线程优化，udf支持，物化视图的用法改进，同实时框架flink之间的配合）
2. nosql框架，clickhouse的多重特性应用和遇到的坑
3. clickhouse 在实时应用场景下的定制开发和应用（包括线程优化，udf支持，物化视图的用法改进，同实时框架flink之间的配合）
4. 隐私字段的规避，设备标记的挑战，关联设备的挑战应对（全新的设备标记和联邦学习）
5. 异常指标识别，数据聚类，专家意见，数据波动指选择
比如模拟器数据识别， 降频的识别， 多种指标之间的相关性（机型，温度，功耗，cpu等）
5. 异常指标识别，数据聚类，专家意见，数据波动指选择
比如模拟器数据识别， 降频的识别， 多种指标之间的相关性（机型，温度，功耗，cpu等）
1. 用户体验监控数据的特点
2. 性能、崩溃数据探索分析所需要重点解决的问题
3. 在技术领域内，如ck的应用案例和业务结合的效果
4. 了解游戏性能监控分析对游戏的重要性和带来的效果
2. 性能、崩溃数据探索分析所需要重点解决的问题
3. 在技术领域内，如ck的应用案例和业务结合的效果
4. 了解游戏性能监控分析对游戏的重要性和带来的效果
内容大纲
听众收益
关注QECon公众号
关注QECon视频号
议题投稿
Speaker@qecon.net
票务联系
18611377287 马静
媒体合作
13516196409 皮皮
商务合作
15122643988 木子
