效能度量_从洞察到智能化-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：效能度量：从洞察到智能化

近十年，各个IT企业都在积极的开推进研发数字化，「效能度量」已经成为研发基础设施建设的必要环节之一。随着近几年的深入开展，各企业也都遇到了相似的难题，包括，如何建立体系化“研发效能指标体系”？如何让数据有效的诊断出效能问题，驱动研发团队持续提效，实现从度量→洞察的飞跃？在大模型时代，如何进一步引入LLM技术赋能效能度量，实现智能化诊断和辅助决策？本专场会和各效能专家、企业效能度量负责人共同探索这些问题，并分享实战案例，携手共同驱动效能度量领域的实践效果，逐步从度量到洞察再向智能化演进。

专场出品人：单虓晗

字节跳动研发效能资深架构师软件工程、研发效能专家

华为工作8年，做过一线研发、部门负责人、软件工程专家，主导网络操作系统、终端EMUI等千人级研发团队的研发模式&工具的规划设计、落地实施。
蚂蚁集团工作3年，任效能架构师，主导蚂蚁研发数字化建设，首创研发洞察体系。现就职于字节跳动，任资深研发效能架构师，负责公司级研发效能提升工作，及效能实践体系、研发大数据体系建设与落地 (DevMind)。

郑凯

华为云研发效能度量平台产品经理

现任华为云研发效能度量平台产品经理，在DevSecOps领域有6年工作经验，深度参与华为云一站式研发效能度量平台建设工作，支撑华为云软件可信变革，基于数据驱动改进支撑华为云研发质量效能的提升。在华为之前从事数据报表平台开发工作，负责数据采集、数据计算、数据可视化、数据分析洞察等平台能力建设。

待定

华为云研发效能度量智能化治理实践及智能化度量平台

企业在研发数字化转型和研发效能提升管理过程中，研发效能的可视化可度量可评估解决了量化的问题，治理则是度量的目标，需要通过治理来进行数据驱动改进；而治理往往需要有专业领域经验的人(如行管、教练等)进行数据分析才能进行，因此如何通过AI智能化的方法简化数据治理的门槛，提升数据治理的效率，是研发效能度量领域需要不断思考和探索的方向。同时在企业中研发数据和指标的获取是有门槛的，很难做到研发数据的平民化，以及不同研发角色都可以使用分析数据，当前业界在大模型NL2SQL领域有不断的探索，对研发效能度量平台在解决以上问题提供了解决方案，也是需要不断地探索。

内容大纲
1. 业务背景及挑战
2. 研发过程度量智能化治理实践案例
2.1 Dev阶段代码检视有效性分析智能化治理实践
2.2 Ops阶段现网事件持续改进地图智能化治理及实践
3. 研发度量数据智能化平台能力介绍
3.1 大模型自助取数
3.2 大模型生成度量指标

3.3 大模型生成度量报表
4. 分享总结及展望

听众收益
1. 研发效能度量在研发过程中是如何利用AI进行治理
2. 如何基于大模型的能力构建智能化的效能度量平台

刘刚

京东科技测试架构师

质效无双联合出品人，现任京东科技测试架构师，目前主导部门研发效能和敏捷实践，拥有十多年资深测试开发经验，技术上有丰富的接口自动化、性能、UI 自动化及安全测试经验，并建设优化过多种自动化框架；测试管理上有丰富的测试架构体系建设经验、敏捷测试管理经验及CICD实施经验，主要负责过大型银行项目、电商物流平台、私有云平台、支付平台等系统的综合质量保障工作。常作为受邀演讲嘉宾参加各类技术大会，演讲内容主要涉及研发效能、自动化、敏捷测试、质量管理等方向的技术分享。

待定

效能度量分析智能化改进实践

效能度量在不少企业已经有过比较深入的实践，但如何更有效的进行效能度量分析仍是个棘手问题，再加这两年AI大火，大家都在思考如何更好的结合AI提效甚至改革现有的工作方式方法，本次分享会结合自身的一些实践，在效能度量分析上给大家带来一些智能化的实践思路，希望能带来一些启发和帮助。

内容大纲

1. 传统效能度量分析的痛点
1.1 指标繁杂，无法关注到重点
1.2 指标分析容易走偏，容易误入指标陷阱
1.3 指标度量分析逻辑思路不清晰，团队认可度差

1.4 指标度量分析因人而异，分析不客观
2. 如何做好效能度量分析
2.1 理解目标，理清分析逻辑
2.2 团队共识，重宣贯重引导
2.3 摆正姿态，认清度量本质
2.4 持续精进，解决问题为王
3. 拥抱 AI 赋能研发效能度量
3.1 研发效能度量现状分析
3.2 AI 在效能度量领域可能的应用场景

3.3 效能度量的未来看AI
4. 智能化效能度量分析思路与实践成果
4.1 分析效能度量痛点，引入AI辅助改进

4.2 AI 赋能初步实践思路与成果展现

听众收益
研发效能度量已经进入深水区，不少公司在研发效能的推动和实践上都遇到不少棘手问题，本次议题在总结痛点和问题基础上，结合实践给出有益的解决思路和方案；另外结合AI大趋势，基于自己的实践和思考，抛砖引玉，给大家带来一些有实际参考落地价值的AI赋能研发效能度量的实践思路和方案。

郭磊磊

快手测试开发架构师

快手商业化技术部测试开发架构师，目前主要负责快手商业化基建业务的质量工作，保障广告账户、员工/代理商政策、客开人户等业务的高可用性和稳定性。毕业后曾就职于阿里巴巴，专注于电商业务的质量保障工作，先后负责商品、交易、内容、搜索等多个业务域的质量建设。

待定

快手商业化质量度量建设

快手商业化同时为外部代理商、广告主，内部销运、产运提供服务，产品的稳定性直接影响着内外部人员的工作的展开，每个线上问题都可能导致不小的经济损失。随着业务用户规模的不断扩大，商业化业务的线上质量提出了更高的要求，同时在降本增效、优化资源配置的宏观背景下，如何准确评估挖掘系统稳定性短板，有的放矢，质量&效能度量成为关键。为了在日常工作过程中能够通过度量引导推进系统稳定性优化，而不仅仅作为质量结果的总结和展示，度量指标从单一的线上/线下质量指标，逐步扩展为涵盖变更、安全、架构等多维度的综合度量体系，更全面的呈现系统风险水位，并指明各业务线的重点优化方向。实施质量分度量后，有效推进系统加固、慢SQL治理、安全自查等稳定性专项的落地，提升系统稳定性，推进质量分结果的稳步提升。

内容大纲
1. 度量体系的建设
1.1 从单一质量结果度量到多维度综合度量体系完善
2. 度量体系的应用
2.1 通过质量数据的量化分析，挖掘系统稳定性风险
2.2 通过指标度量，引导系统稳定性的优化建设
3. 度量体系的演进方向

3.1 从结果度量逐步转变为风险预警，提前发现和规避风险问题

听众收益
1. 了解快手商业化质量度量的体系建设过程，质量度量体系的建设和演进过程；
2. 质量度量在快手商业化技术部的场景应用，落地过程中的问题和对应。